Teoría del valor en riesgo (VAR) bajo metodologías convencionales vs otras métricas de cuantificación del (VAR) en el mercado de valores colombiano

Maria Luisa Saavedra Garcia; Daniel Fernando Urrea Ordoñez; Filiberto Enrique Valdés Medina

doi:10.17533/udea.rc.n87a03

Autores

Maria Luisa Saavedra Garcia Universidad Nacional Autónoma de México https://orcid.org/0000-0002-3297-1157
Daniel Fernando Urrea Ordoñez Universidad Nacional Autónoma de México https://orcid.org/0009-0008-7217-5842
Filiberto Enrique Valdés Medina Universidad Autónoma del Estado de México https://orcid.org/0000-0003-1424-1465

DOI:

https://doi.org/10.17533/udea.rc.n87a03

Palavras-chave:

Valor em Risco (VaR), Teoria do Valor Extremo (TVE), simulação de Monte Carlo, RiskSimulator

Resumo

O objetivo deste artigo é quantificar e comparar a estimativa do Valor em Risco (VaR) sob metodologias convencionais (Delta Normal, EWMA e Simulação Histórica) e metodologias não convencionais (Simulação de Monte Carlo, C-VaR e Teoria do Valor Extremo (TVE)) em uma carteira baseada no índice de referência do mercado de ações colombiano COLCAP. Os resultados sugerem que o modelo de simulação de Monte Carlo é a métrica de quantificação do VaR que oferece os melhores níveis de eficiência sob o teste estatístico de Kupiec. Pelo contrário, as métricas de quantificação derivadas da TVE superestimam ou subestimam as perdas potenciais nos cenários propostos. Propõe-se, portanto, realizar uma ampla análise comparativa de diferentes métricas paramétricas e não paramétricas de quantificação do risco para ativos no mercado financeiro colombiano, a fim de aprimorar as decisões relacionadas a hedge e exposição do risco em posições.

|Resumo

= 86 veces | PDF (ESPAÑOL (ESPAÑA))

= 81 veces|

Downloads

Não há dados estatísticos.

Referências

Aguirre, A. I., Vaquera, H., Ramírez, M., Valdez, J., y Aguirre, C. A. (2013). Estimación del valor en riesgo en la Bolsa Mexicana de valores usando modelos de heteroscedasticidad condicional y teoría de valores extremos. Economía Mexicana Nueva Época, 22(1), 177-205. https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1665-20452013000100005

Alanya, W., y Rodríguez, G. (2016). Asymmetries in Volatility: An Empirical Study for the Peruvian stock and Forex Markets [documento de trabajo No 413]. Pontificia Universidad Católica del Perú. http://repositorio.pucp.edu.pe/index/handle/123456789/126747

Alcalde, F. B. (2005). La Teoría de los Eventos Extremos, aplicación para evaluación de riesgos. [documento de trabajo]. Universidad de Buenos Aires. https://core.ac.uk/download/pdf/9313202.pdf

Alfonso, J. C., y Berggrun, L. (2015). Introducción al análisis de riesgo financiero. Ecoe Ediciones.

Alfonso, J., y Chaves, J. M. (2013). Valor en riesgo: evaluación del desempeño de diferentes metodologías para 5 países latinoamericanos. Estudios Gerenciales, 29(126), 37-48. https://www.redalyc.org/pdf/212/21228397005.pdf

Alonso, J., y Semaán, P. (2009). Cálculo del Valor en Riesgo y Pérdida Esperada mediante R: Empleando modelos con volatilidad constante. Apuntes de Economía, (21), 3-15. https://core.ac.uk/download/pdf/6362317.pdf

Bali, T. (2007). A Generalized Extreme Value Approach to Financial Risk Measurement. Journal of Money, Credit and Banking, 39(7), 1613-1649. https://www.jstor.org/stable/4494314

Balzarotti, V., y Delfiner, M. (2001). Teoría de valores extremos aplicada a la medición de riesgos de mercado en Argentina. [Serie Documentos de Trabajo, Universidad del CEMA]. https://www.researchgate.net/publication/5000746_Aplicacion_de_la_teoria_de_valores_extremos_al_gerenciamiento_del_riesgo

Balzarotti, V., Del Canto, Á., y Delfiner, M. (2001). “Backtesting” Funcionamiento de los requisitos de capital por riesgo de mercado del BCRA. Buenos Aires: Banco Central de la República Argentina [documento de trabajo, Munich Personal RePEc Archive]. https://mpra.ub.uni-muenchen.de/10231/1/MPRA_paper_10231.pdf

Berger, T., y Moys, G. (2021). Value-at-risk backtesting: Beyond the empirical failure rate (177), 114893. https://doi.org/10.1016/j.eswa.2021.114893

Bhattacharyya, M., y Ritolia, G. (2008). Conditional VaR using EVT – Towards a planned margin scheme. International Review of Financial Analysis, 17(2), 382-395. https://doi.org/10.1016/j.irfa.2006.08.004

Bolsa de Valores de Colombia. (2018). Metodología para el cálculo del índice COLCAP. Bogotá: BVC. https://docplayer.es/28850683-Metodologia-para-el-calculo-del-indice-colcap.html

Bodnar, T., Lindholm, M., Niklasson, V., & Thorsén E., (2022). Bayesian portfolio selection using VaR and CVaR. Applied Mathematics and Computation, (427), 127120. https://doi.org/10.1016/j.amc.2022.127120

Brooks, C., Clare, A., Dalle, J., y Persand, G. (2005). A Comparison of Extreme Value Theory Approaches for Determining Value at Risk. Journal of Empirical Finance, 12(2), 339-352. https://doi.org/10.1016/j.jempfin.2004.01.004

Bucio, C. (2012). Dependencia y valor en riesgo; un estudio de cópulas de los mercados de capitales de América. Tesis de doctorado, Facultad de Economía, UNAM. http://132.248.9.195/ptd2012/noviembre/0685391/Index.html

Cerović, J., y Karadžić, V. (2015). Extreme Value Theory in Emerging Markets: Evidence from the Montenegrin Stock Exchange. Economic Annals, 60(206), 87-116. https://www.sciencegate.app/document/10.2298/eka1506087c

Chuan Huang, Y. (2004). Value-at-Risk Analysis for Taiwan Stock Index Futures: Fat Tails and Conditional Asymmetries in Return Innovations. Review of Quantitative Finance and Accounting, 22 (2), 77-95. https://link.springer.com/article/10.1023/B:REQU.0000015851.78720.a9

Cimpean, L. (2017). El uso de expectiles en la medición del riesgo. comparativa con el VAR y con el ES [tesis de maestría, Universidad Complutense de Madrid]. https://www.uv.es/bfc/TFM2017/6%20Larisa%20Cimpean.pdf

De Lara Haro, A. (2011). Medición y control del riesgo financiero. Limusa.

Fernández, V. (2005). Risk Management under Extreme Events. International Review of Financial Analysis, 14(2), 113-148. https://doi.org/10.1016/j.irfa.2004.06.012

Gerlach, R., y Wang, C., (2019). Semi-parametric Dynamic Asymmetric Laplace Models for Tail Risk Forecasting, Incorporating Realized Measures. International Journal of Forecasting, 36, (2), 489-506. https://doi.org/10.1016/j.ijforecast.2019.07.003

Gencay, R., y Selcuk, F. (2004). Extreme Value Theory and Value-at-Risk: Relative Performance in Emerging Markets. International Journal of Forecasting, 20(2), 287-303. https://doi.org/10.1016/j.ijforecast.2003.09.005

Geenens, G., y Dunn, R. (2022). A nonparametric copula approach to conditional Value-at-Risk, Econometrics and Statistics, (21), 19-37. https://doi.org/10.1016/j.ecosta.2020.07.001.

Grajales, C. A., Pérez, F. R., y Venegas, F. M. (2014). A Comparative Analysis of Models for Estimating the Volatility Distribution of Financial Returns Series [MPRA paper No 54845]. https://mpra.ub.uni-muenchen.de/54845/

Gutiérrez, R., y Salgado, R. (2019). Conditional Extreme Values Theory and Tail-related Risk Measures: Evidence from Latin American Stock Markets. International Journal of Economics and Financial, 9(3), 127–141. https://www.econjournals.com/index.php/ijefi/article/view/7596

Härdle, W., Borak, S., y López, B. (2010). Statistics of Financial Markets. Springer. https://link.springer.com/book/10.1007/978-3-030-13751-9

James, R., Leung, H., Wai, J., & Prokhorov., A. (2023). Forecasting Tail Risk Measures for Financial Time Series: An Extreme Value Approach with Covariates. Journal of Empirical Finance, (71), 29-50. https://doi.org/10.1016/j.jempfin.2023.01.002

Jerábek, T. (2020). The Efficiency of GARCH Models in Realizing Value at Risk Estimates. Acta VŠFS, 14(1), 32-50. https://ideas.repec.org/a/prf/journl/v14y2020i1p32-50.html

Johnson, C. (2001). Value at risk: teoría y aplicaciones. Estudios de Economía, 28(2), 217-247. https://econ.uchile.cl/uploads/publicacion/d21e154f-3899-428d-9a68-255c3a876963.pdf

Jorion, P. (2007). Valor en riesgo: el nuevo paradigma para el control de riesgos con derivados. Limusa.

Karling, M., Lopes, S., y De Souza, R., (2023). Multivariate α-Stable Distributions: VAR(1) Processes, Measures of Dependence and Their Estimations. Journal of Multivariate Analysis, (195), 105153. https://doi.org/10.1016/j.jmva.2022.105153

Londoño, C. A. (2011). Regresión del cuantil aplicada al modelo de redes neuronales artificiales una aproximación de la estructura caviar para el mercado de valores colombiano. Ensayos sobre Política Económica, 29(64), 62-109. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-44832011000100004

Malevergne, Y., y Sornette, D. (2006). Extreme Financial Risks. From Dependence to Risk Management. Springer. https://link.springer.com/book/10.1007/b138841

Mariño, D., y Melo, L. F. (2019). Regresión cuantílica dinámica para la medición del valor en riesgo: una aplicación a datos colombianos. Cuadernos de Economía, 38(76), 23-50. https://doi.org/10.15446/cuad.econ.v37n76.57654

Melo, L., y Becerra, O. (2005). Medidas de riesgo, características y técnicas de medición: una aplicación del VAR y el ES a la tasa interbancaria de Colombia. Banco de la República de Colombia. https://www.banrep.gov.co/docum/ftp/borra343.pdf

Mögel, B., y Auer, B. (2017). How Accurate Are Modern Value-at-Risk Estimators Derived from Extreme Value Theory? Review of Quantitative Finance and Accounting, (50), 979-1030. https://doi.org/10.1007/s11156-017-0652-y

Mora, A. (2010). Estimadores del índice de cola y el valor en riesgo. Cuadernos de Administración, (44), 71-88. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0120-46452010000200005

Matkovskyy, R., Jalan, A., Dowling, M. (2020) Effects of Economic Policy Uncertainty Shocks on the Interdependence between Bitcoin and Traditional Financial Markets, The Quarterly Review of Economics and Finance. (77), 150-155. https://doi.org/10.1016/j.qref.2020.02.004

Ramírez R, E., y Ramírez R, P. (2007). Valor en riesgo: modelos cronométricos contra metodologías tradicionales. Análisis Económico, 22(51), 181-198. https://www.redalyc.org/pdf/413/41311486010.pdf

Reyes, N. G., Venegas, F. M., y Cruz, S. A. (2018). Un análisis comparativo entre GARCH-M, EGARCH y PJ-RS EV para modelar la volatilidad de Índice de precios y cotizaciones de la Bolsa Mexicana de Valores. Panorama Económico, 14(27), 33-57. https://mpra.ub.unimuenchen.de/84304/1/MPRA_paper_84304.pdf

Rodríguez, G. (2017). Extreme Value Theory: An Application to the Peruvian Stock Market Returns. Revista Métodos Cuantitativos para la Economía y la Empresa, (23), 48-74. https://www.redalyc.org/pdf/2331/233151826003.pdf

Rufino, C. C. y De Guia, E. (2011). Empirical Comparison of Extreme Value Theory VisÀ-Vis Other Methods of VaR Estimation Using ASEAN+3 Exchange Rates. Business & Economics Review, (20.2), 9-22. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2624164

Ruiz, B., Altamirano, F., y Tonon, O. (2021). Aplicación del CAPM en Mercados Emergentes: Una revisión teórica. Podium, (39), 53–70. https://doi.org/10.31095/podium.2021.39.4

Salas, H. (2003). La teoría de cartera y algunas consideraciones epistemológicas acerca de la teorización en las áreas económico-administrativas. Contaduría y Administración, (208), 37-52. https://www.redalyc.org/pdf/395/39520803.pdf

Salinas, S., Maldonado, D., y Diaz, L. (2010). Estimación del riesgo en un portafolio de activos. Revista Apuntes del CENES, 29(50), 117-150. https://www.redalyc.org/pdf/4795/479548753007.pdf

Seymour, A. J., y Polakow, D. A. (2003). A Coupling of Extreme-Value Theory and Volatility Updating with Value-at-Risk Estimation in Emerging Markets: A South African Test. Multinational Finance Journal, 7(1-2), 3-23. https://www.mfsociety.org/modules/modDashboard/uploadFiles/journals/MJ~701~p16tflfhnm22rtd31hop1buln5f4.pdf

Sharpe, W. (1964). Capital Asset Prices: A Theory ff Market Equilibrium under conditions of Risk. The Journal of Finance. 19(3), 425-442. https://econpapers.repec.org/article/blajfinan/v_3a19_3ay_3a1964_3ai_3a3_3ap_3a425-442.htm

Song, S., & Li, H., (2022). Predicting VaR for China’s stock market: A score-driven model based on Normal Inverse Gaussian Distribution. International Review of Financial Analysis, (82), 102180. https://doi.org/10.1016/j.irfa.2022.102180

Tabasi, H., Yousefi, V., Tamošaitiene, J., y Ghasemi, F. (2019). Estimating Conditional Value at Risk in the Tehran Stock Exchange Based on the Extreme Value Theory Using GARCH Models. Administrative Sciences, 9(2), 40. https://doi.org/10.3390/admsci9020040

Torres, D., y Calderón, J. (2015). Cálculo del VAR bajo retornos no convencionales. Bogotá: Unipiloto. http://polux.unipiloto.edu.co:8080/00002786.pdf

Torres, G., y Olarte, A. M. (2009). Valor en riesgo desde un enfoque de cópulas. ADMINISTER, (15), 113-136. https://www.redalyc.org/articulo.oa?id=322327246006

Uribe, J. M., y Fernández, J. (2014). Riesgo sistemático en el mercado de acciones colombiano: Alternativas de diversificación bajo eventos extremos. Cuadernos de Economía, 33(63), 613-634. http://www.scielo.org.co/pdf/ceco/v33n63/v33n63a14.pdf

Uribe, J., y Ulloa, I. (2012). La medición del riesgo en eventos extremos. Una revisión metodológica en contexto. Lecturas de Economía, (76), 87-117. https://www.redalyc.org/articulo.oa?id=155224311003

Zhao, X., Cheng, W., y Zhang, P. (2020). Extreme Tail Risk Estimation with the Generalized Pareto Distribution under the Peaks-overthreshold Framework. Communications in Statistics - Theory and Methods, 49(4), 827-844. https://doi.org/10.1080/03610926.2018.1549253