Valor en riesgo: modelos econométricos contra metodologías tradicionales

Análisis Económico 01/2007;
Source: DOAJ

ABSTRACT En este artículo se evalúa el comportamiento de diferentes métodos (paramétricos y de simulación) para estimar el valor en riesgo de portafolios compuestos por instrumentos de renta variable. También se incorpora el uso de diferentes modelos econométricos que incorporan condicionalidad en la varianza, y se comparan contra los métodos tradicionales de estimación del valor en riesgo. La estimación se realizó para dos periodos: uno con crisis financiera y volatilidad grande, y otro con estabilidad económica y volatilidad menor. En general se encontró que el valor en riesgo estimado es mayor en los periodos de crisis económica que en los periodos de estabilidad y que, según la clasificación del Banco Internacional de Pagos, todas las metodologías de estimación usadas se encuentran en la zona de aceptación de 99% de confianza. Los resultados muestran que cada modelo obtiene diferentes medidas de valor en riesgo, no obstante la metodología de simulación histórica consistentemente fue la que dio mayores estimados, con lo cual se encuentra que los métodos que incorporan condicionalidad en la varianza (exceptuando al EGARCH) permitirían al administrador de riesgos obtener estimados menores a las técnicas tradicionales.

  • Source
    [Show abstract] [Hide abstract]
    ABSTRACT: ARCH and GARCH models have become important tools in the analysis of time series data, particularly in financial applications. These models are especially useful when the goal of the study is to analyze and forecast volatility. This paper gives the motivation behind the simplest GARCH model and illustrates its usefulness in examining portfolio risk. Extensions are briefly discussed.
    Journal of Economic Perspectives 02/2001; 15(4):157-168. DOI:10.1257/jep.15.4.157 · 4.21 Impact Factor
  • Source
    [Show abstract] [Hide abstract]
    ABSTRACT: A ‘long memory’ property of stock market returns is investigated in this paper. It is found that not only there is substantially more correlation between absolute returns than returns themselves, but the power transformation of the absolute return ¦rt¦d also has quite high autocorrelation for long lags. It is possible to characterize ¦rt¦d to be ‘long memory’ and this property is strongest when d is around 1. This result appears to argue against ARCH type specifications based upon squared returns. But our Monte-Carlo study shows that both ARCH type models based on squared returns and those based on absolute return can produce this property. A new general class of models is proposed which allows the power δ of the heteroskedasticity equation to be estimated from the data.
    Journal of Empirical Finance 02/1993; 1(1):83-106. DOI:10.1016/0927-5398(93)90006-D · 0.84 Impact Factor
  • Source
    [Show abstract] [Hide abstract]
    ABSTRACT: In this paper we investigate the ability of different models to produce useful VaR-estimates for exchange rate positions. Our analysis shows that it is important to take into account parameter uncertainty, since this leads to uncertainty in the predicted VaR. We make this uncertainty in the VaR explicit by means of simulation. Our empirical results suggest that more sophisticated tail-modeling approaches come at the cost of more uncertainty about the VaR-estimate itself. We show how to adjust VaR calculations in order to take the parameter uncertainty into account. This is accomplished through a data-driven method to deliver not just a point estimate of the VaR, but a region.
    SSRN Electronic Journal 10/2005; 24(6-24):944-958. DOI:10.1016/j.jimonfin.2005.05.004


Available from