Revisado por Chip Stapleton, el Valor en Riesgo (VaR por sus siglas en inglés) es una medida ampliamente utilizada del riesgo de inversión a la baja para una sola inversión o una cartera de inversiones. El VaR ofrece la pérdida mínima en valor o porcentaje en una cartera o activo durante un período específico de tiempo para un cierto nivel de confianza. El nivel de confianza se elige a menudo para dar una indicación del riesgo en la cola, es decir, el riesgo de eventos de mercado raros y extremos.

¿Qué es el Valor en Riesgo (VaR) y por qué es importante?

Por ejemplo, un cálculo de VaR que sugiere que un activo tiene un 5% de probabilidad de sufrir una pérdida del 3% en un período de un día le diría a un inversor con $100 invertidos en ese activo que debería esperar una probabilidad del 5% de que su cartera caiga al menos $3 en un día dado. El VaR (en este ejemplo $3) puede medirse utilizando tres metodologías diferentes. Cada metodología se basa en la creación de una distribución de rendimientos de inversión; dicho de otra manera, a todos los rendimientos de inversión posibles se les asigna una probabilidad de ocurrencia durante un período de tiempo especificado.

  • Valor en Riesgo (VaR) mide el riesgo de inversión a la baja de una sola inversión o de una cartera completa de inversiones.
  • El Backtesting es una técnica utilizada por los gestores de riesgos para determinar si un modelo de VaR es preciso.
  • Se deben tener en cuenta varias posibles causas cuando y si un backtest falla.

¿Qué tan preciso es el VaR y por qué es necesario?

Una vez que se elige una metodología de VaR, calcular el VaR de una cartera es un ejercicio bastante sencillo. El desafío radica en evaluar la precisión de la medida y, por lo tanto, la precisión de la distribución de rendimientos. Conocer la precisión de la medida es particularmente importante para las instituciones financieras porque utilizan el VaR para estimar cuánto efectivo necesitan reservar para cubrir posibles pérdidas. Cualquier inexactitud en el modelo de VaR puede significar que la institución no tiene suficientes reservas y podría llevar a pérdidas significativas, no solo para la institución, sino potencialmente también para sus depositantes, inversores individuales y clientes corporativos. En condiciones de mercado extremas como las que el VaR intenta capturar, las pérdidas pueden ser lo suficientemente grandes como para causar la bancarrota.

¿Cómo realizar un Backtesting de un modelo de VaR para evaluar su precisión?

Los gestores de riesgos utilizan una técnica conocida como backtesting para determinar la precisión de un modelo de VaR. El backtesting implica la comparación del VaR calculado con las pérdidas (o ganancias) reales alcanzadas en la cartera. Un backtest se basa en el nivel de confianza que se asume en el cálculo.

Por ejemplo, el inversor que calculó un VaR de un día de $3 en una inversión de $100 con un 95% de confianza esperaría que la pérdida de un día en su cartera excediera los $3 solo el 5% del tiempo. Si el inversor registrara las pérdidas reales durante 100 días, la pérdida superaría los $3 exactamente cinco de esos días si el modelo VaR es preciso. Un backtest simple compara la distribución real de rendimientos con la distribución de rendimientos del modelo al comparar la proporción de excepciones de pérdidas reales con el número esperado de excepciones. El backtest debe realizarse durante un período suficientemente largo para asegurar que haya suficientes observaciones reales de rendimientos para crear una distribución de rendimientos real. Para una medida de VaR de un día, los gestores de riesgos suelen utilizar un período mínimo de un año para el backtesting.

El backtest simple tiene una gran limitación: su dependencia de la muestra de los rendimientos reales utilizados. Vuelve a considerar al inversor que calculó un VaR de un día de $3 con un 95% de confianza. Supongamos que el inversor realizó un backtest durante 100 días y encontró exactamente cinco excepciones. Si el inversor utiliza un período de 100 días diferente, puede haber un menor o mayor número de excepciones. Esta dependencia de la muestra dificulta determinar la precisión del modelo. Para abordar esta debilidad, se pueden implementar pruebas estadísticas para arrojar más luz sobre si un backtest ha fallado o pasado.

¿Qué hacer si el Backtest falla?

Cuando un backtest falla, se deben tener en cuenta varias posibles causas:

• Distribución de Rendimientos Incorrecta: Si la metodología de VaR asume una distribución de rendimientos (por ejemplo, una distribución normal de rendimientos), es posible que la distribución del modelo no se ajuste bien a la distribución real. Se pueden utilizar pruebas de bondad de ajuste estadístico para verificar que la distribución del modelo se ajuste a los datos observados reales. Alternativamente, se puede utilizar una metodología de VaR que no requiera un supuesto de distribución.

• Modelo de VaR mal especificado: Si el modelo de VaR captura, por ejemplo, solo el riesgo del mercado de acciones mientras que la cartera de inversión está expuesta a otros riesgos como el riesgo de tasa de interés o el riesgo cambiario, el modelo está mal especificado. Además, si el modelo de VaR no logra capturar las correlaciones entre los riesgos, se considera que está mal especificado. Esto se puede rectificar incluyendo todos los riesgos aplicables y las correlaciones asociadas en el modelo. Es importante reevaluar el modelo de VaR siempre que se añadan nuevos riesgos a una cartera.

• Medición de las Pérdidas Reales: Las pérdidas reales de la cartera deben representar los riesgos que pueden ser modelados. Más específicamente, las pérdidas reales deben excluir cualquier cargo u otros costos o ingresos. Las pérdidas que representan solo los riesgos que pueden ser modelados se conocen como “pérdidas limpias”. Aquellas que incluyen cargos y otros items similares se conocen como “pérdidas sucias”. El backtesting siempre debe realizarse utilizando pérdidas limpias para garantizar una comparación equitativa.

No es recomendable depender únicamente de un modelo de VaR solo porque pasa un backtest. Aunque el VaR ofrece información útil sobre la exposición al peor caso de riesgo, se basa en gran medida en la distribución de rendimientos empleada, en particular en la cola de la distribución. Dado que los eventos de cola son tan poco frecuentes, algunos profesionales argumentan que cualquier intento de medir las probabilidades de la cola basándose en observaciones históricas son inherentemente defectuosos. Según Reuters, “el VaR recibió fuertes críticas tras la crisis financiera ya que muchos modelos no lograron prever la magnitud de las pérdidas que devastaron a muchos grandes bancos en 2007 y 2008.”

La razón es que los mercados no habían experimentado un evento similar, por lo que no fue capturado en las colas de las distribuciones que se utilizaron. Después de la crisis financiera de 2007, también quedó claro que los modelos de VaR son incapaces de capturar todos los riesgos; por ejemplo, el riesgo base. Estos riesgos adicionales se conocen como “riesgo no en VaR” o RNiV.

En un intento por abordar estas deficiencias, los gestores de riesgos complementan la medida de VaR con otras medidas de riesgo y técnicas adicionales como las pruebas de esfuerzo.

Conclusión

El Valor en Riesgo (VaR) es una medida de las pérdidas en el peor caso durante un período de tiempo especificado con un cierto nivel de confianza. La medición de VaR depende de la distribución de rendimientos de inversión. Para probar si el modelo representa o no con precisión la realidad, se puede llevar a cabo un backtest. Un backtest fallido significa que el modelo de VaR debe ser revaluado. Sin embargo, un modelo de VaR que supere un backtest aún debe complementarse con otras medidas de riesgo debido a las limitaciones de la modelización de VaR.