anexo 1: revisión crítica de los artículos

Anexo 1: Revisión crítica de los artículos

Nombre del Artículo No.1

Anybody can do Value at Risk: A Teaching Study using Parametric Computation and Monte Carlo Simulation

Autores Yun Hsing Cheung. Robert J. Powell

Revista Australasian accounting, business and finance journal

Cita (Cheung & Powell, 2013)

Año 2013

Resumen

Expone una forma flexible y fácil (paso a paso) para el cálculo del VaR (Individual y en una cartera) a través de simulación Montecarlo y el método paramétrico (delta normal) haciendo uso de Excel. Finalmente hace una comparación entre los resultados obtenidos mediante las metodologías desarrolladas.

Idea central El cálculo del VaR es simple a través de la metodología paramétrica y simulación Montecarlo y puede llevarse a cabo mediante el uso de Excel,

Ideas secundarias

Ninguna metodología es mejor que otra, cada una tiene sus fortalezas y debilidades, son alternativas a usar dependiendo de la circunstancia. Cada input incierto en Montecarlo es una variable aleatoria con una distribución de probabilidad conocida, el output del modelo también es una distribución de probabilidad en vez de un valor numérico. Esto en términos del VaR es, el input corresponde a los rendimientos del activo y el output corresponde al 5% VaR return and value Se usan números pseudo aleatorios debido a la volatilidad de los números aleatorios, estos permiten repetir el experimento o hacer una revisión del mismo ¿Cuál es el valor adecuado a dar para el numero semilla? Cualquiera, después de que se simulen un gran número de iteraciones. ¿Cuantas iteraciones se deben correr? El número está dado por la ecuación (4), que depende de la precisión que se desea en la simulación.

Hipótesis No sostiene una hipótesis clara

Metodología

Programa (Software) Excel

Contexto

Para el cálculo del VaR, individual y en una cartera, utilizan información de 4 acciones cotizadas en la bolsa de NY; Coca Cola, Bank Of America, Boeing, Verizon Communication

Técnica de solución Metodología paramétrica, Simulación Montecarlo

Variable respuesta VaR con un 95% de confianza y un horizonte temporal

de un día para uno y múltiples activos.

Resultados VaR individual Coca Cola metodología parametrica-2.31% -Simulación Montecarlo- 2.32% Portafolio, Simulación Montecarlo-2.71%

Análisis Crítico – Limitaciones

Presentadas por el Artículo Ideas para el Trabajo

Crear propios algoritmos para generar nuevos números pseudo aleatorios

Hacer los mismos cálculos del VaR, pero esta vez para el mercado de Renta Fija

Estudio de nuevas metodologías

Utilizar un modelo estocástico para la generación de los precios diferente al movimiento Browniano, bien puede ser el CIR (Cox, Ingersoll y Ross)

Nuevas ideas - Oportunidades.

Presentadas por el artículo Ideas para el trabajo

Realizar el mismo estudio con Simulación Histórica

Se puede evaluar las metodologías desarrolladas a través de pruebas de Backtesting

Conclusiones

Las metodologías para el cálculo del VaR pueden ser fácilmente construidas haciendo uso de Excel, estas metodologías van desde métodos simplistas como el Delta Normal, pasando por Simulación histórica y culminado en Simulación Montecarlo

Observaciones

Si bien el objetivo del artículo se cumple, se limita respecto al tipo de mercado seleccionado y número de acciones que componen el portafolio para ejemplificar el procedimiento. Las tomas de pantalla y las indicaciones no están del todo acorde

Fuente y criterio de búsqueda Fuente: Australasian accounting, business and finance journal Criterio: Medición VaR Simulación Montecarlo

Análisis de Aristas

Extensión Realizando el cálculo mediante otras metodologías

Contraposición

Si bien Montecarlo es una buena metodología para el Cálculo del VaR, en este momento existen otras herramientas más robustas que lo estiman con mayor exactitud.

Anidamiento Utilizando otra clase de ecuaciones estocásticas para la generación de los rendimientos

Otras Referencias Anidadas Cheung, Y. H. & Powell, R. J. 2012, ‘Anybody Can Do Value at Risk: A Nonparametric Teaching Study’, Australasian Accounting, Business and Finance Journal, vol.6, no.1,


A comprehensive review of Value at Risk methodologies

Autores Pilar Abada, Sonia Benito, Carmen López

Revista The Spanish Review of Financial Economics

Cita (Abad et al., 2014)

Año 2014

Resumen

El artículo presenta una revisión teórica de la literatura existente para el cálculo del VaR, 24 papers de revisión, haciendo un énfasis especial a los nuevos enfoques para la estimación del mismo. La revisión se hace desde las metodologías tradicionales hasta las más envolventes, presentando las fortalezas y debilidades de cada uno.

Idea central

Existe una vasta literatura que evalúa y compara el rendimiento de las metodologías para el cálculo del VaR, es necesario hacer una revisión de estas para identificar fortalezas y debilidades de cada una.

Ideas secundarias

El rendimiento del enfoque paramétrico para estimar el VaR depende de la distribución supuesta para los retornos y del modelo utilizado para estimar la volatilidad, de esta forma evidencia que cuando se consideran distribuciones asimétricas y de colas pesadas el VaR estimado mejora. La metodología de simulación histórica produce estimaciones inexactas del VaR en comparación con otras metodologías utilizadas recientemente, tales como la simulación histórica filtrada, teoría del valor extremo y enfoques paramétricos a la medida en que estos se alejan de los supuestos de normalidad y se consideran modelos de volatilidad más sofisticados.

Hipótesis Las nuevas propuestas para estimar el VaR han superado a los tradicionales.

Metodología

Programa (Software) No aplica

Técnica de solución Comparación entre los resultados de los papers analizados

Variable respuesta Metodología con mejor desempeño para el cálculo del VaR

Resultados Las metodologías nuevas como la familia de las GARCH han superado a las tradicionales



Comparan los resultados de otros papers, mas no desarrollan las metodologías para comparar sus propios resultados

Se centra en el análisis teórico de las metodologías mas no el practico



Explorara otras metodologías para el cálculo y estimación del riesgo de exposición tales como el EVT

Desarrollo practico, paso a paso de las metodologías.

Conclusiones

Los peores resultados se obtienen por simulación histórica, Montecarlo y Riskmetrics. Ninguna de esas metodologías clasifica mejor en las comparaciones que estén incluidos. Por otra parte, en muchos de estos papers la simulación histórica y Riskmetrics realizan peor la estimación del VaR. Un porcentaje similar de éxito se obtiene por el método paramétrico en virtud de la distribución no normal. Sólo en 2 de 18 papeles, esta metodología se desempeña mejor en la comparación. Parece claro que Las metodologías nuevas han superado a las tradicionales.

Observaciones

Clasifican a la simulación Montecarlo como una metodología semiparametrica, haciendo una búsqueda de lo que es una metodología de esta clase no se encontró especificación alguna.

Fuente y criterio de búsqueda Fuente: Centro de Biblioteca Jorge Roa Martínez. Criterio: Value at Risk, methodologies, comparation Link http://www.sciencedirect.com/science/article/pii/S217312681300017X


Extensión Extendiendo a otras metodologías para la estimación del riesgo de mercados

Contraposición Varios autores difieren frente a la clasificación que se le da a la Simulación Montecarlo, siendo la más apropiada la clasificación de paramétrica.

Anidamiento Desarrollando prácticamente cada una de estas metodologías para un portafolio

Otras Referencias Anidadas Abad, P., Benito, S., 2013. A detailed comparison of value at risk in inter-national stock exchanges. Mathematics and Computers in Simulation, http://dx.doi.org/10.1016/j.matcom.2012.05.011 (forthcoming).


Montecarlo estructurado. Estimación del valor en riesgo en un portafolio accionario en Colombia.

Autores María Auxiliadora Vergara Cogollo, Cecilia Maya Ochoa.

Revista Ad-minister

Cita (Vergara C. & Maya O., 2009)

Año Diciembre, 2009.

Resumen

De acuerdo con el estudio que se presenta y debido a las características de los activos que conforman el portafolio, el método de Montecarlo Estructurado es el más completo y robusto para la medición del valor en riesgo (VaR), en comparación con métodos paramétricos o de simulación histórica. Sin embargo, para su aplicación, es necesaria una cuidadosa modelación del comportamiento de las distintas variables de riesgo.

Idea central En este artículo buscan medir el VaR en un portafolio de inversiones mediante el método de Montecarlo Estructurado

Ideas secundarias

Hacer uso de modelos de volatilidad del tipo GARCH, EGARCH, PARCH y APARCH. Medir el VaR por el método Normal Evalúa la capacidad del método Montecarlo Estructurado para el pronóstico del VaR del periodo siguiente en paralelo con el obtenido por el método Normal.

Hipótesis Modelar el comportamiento de las distintas variables de riesgo mejoran los resultados del método de Montecarlo Estructurado

Metodología

Programa (Software) @RISK – BESTFIT, MATLAB.

Contexto

Para implementar la metodología Montecarlo Estructurado, se seleccionaron 10 acciones colombianas: Aval, Bancolombia, Bogotá, Cemargos, Chocolates, Colinvers, Éxito, Inverargos, Isa y Suraminv. La selección se hizo con base en un criterio de liquidez consistente en que tales acciones se negociaran por lo menos el 75% de los días hábiles de cada año por 20 días hábiles correspondientes al mes de julio de 2007.

Técnica de solución

Se identifica cuidadosamente los factores de riesgo de precio y riesgo de volatilidad de cada uno de los activos del portafolio, luego se compara la estimación del VaR bajo normalidad con la obtenida a partir modelar las series de acuerdo con los hallazgos en los factores de riesgo. Por último, se aplica Montecarlo Estructurado para la estimación del VaR con base en los resultados previos.

Variable respuesta VaR esperado para cada periodo (los 20 días hábiles del mes de julio de 2007) a un nivel de confianza del 95% mediante la metodología Montecarlo Estructurado.

Resultados



Todos los activos seleccionados hacen parte del mercado de Renta Variable y la mitad de ellos pertenecen a entidades bancarias.

Realizar un procedimiento similar para un portafolio compuesto por otro tipo de Activos y que pertenezcan a diferentes sectores



Buscan una distribución diferente a la normal para los rendimientos de los activos, examinando una mejor estimación del VaR.

Es importante buscar siempre la distribución que mejor se acomode a los rendimientos de los activos.

Conclusiones

Asumir normalidad en los retornos de las series, causa que el VaR calculado a partir de este supuesto subestime el riesgo de pérdida potencial de un portafolio. En los modelos Garch versus el método Normal, se encontró que los primeros pronostican mejor el VaR pues logran capturar mejor las colas pesadas. Todo el proceso de estimación de los modelos estocásticos discretos tipo Garch y de las correlaciones permitió simular el VaR utilizando el método Montecarlo Estructurado.

Observaciones

Durante el desarrollo del articulo solo se desarrollan dos metodologías para la medición del VaR, se debería desarrollar otro u otros modelos y buscar posibles mejores resultados.

Fuente

Link: http://publicaciones.eafit.edu.co/index.php/administer/article/download/204/255


Extensión Realizando el cálculo del VaR para mercados de baja bursatilidad y/o renta fija.

Contraposición Explorando otras metodologías que presenten mejores resultados para el cálculo del VaR.

http://publicaciones.eafit.edu.co/index.php/administer/article/download/204/255

Anidamiento Profundizando en el método de Montecarlo Estructurado para la medición del VaR.

Otras referencias anidadas

Cardozo, P. (2004). Valor en riesgo de los activos financieros colombianos aplicando la teoría de valor extremo. Tesis de Maestría en Economía. Universidad de los Andes, Bogotá D.C.


Simulación estocástica en la determinación del valor en riesgo de los activos financieros.

Autores Amancio Betzuen Zalbidegoitia, Aitor Barañano Abasolo

Revista Análisis Financiero

Cita (Betzuen Zalbidegoitia, Barañano Abasolo, 2011)

Año Octubre de 2011.

Resumen

En este artículo determinan el VaR proyectando flujos de caja y asignando distribuciones de frecuencias a las variables del modelo que tienen riesgo y, finalmente, generan números aleatorios acorde a esas distribuciones “simulando” el comportamiento que se considera que tendrán en el futuro. De esta manera es posible darle más realismo al modelo obteniendo resultados más confiables a la hora de tomar una decisión.

Idea central La idea central del articula radica en utilizar la Simulación Montecarlo para estimar el VaR.

Ideas secundarias

Realizar un caso de aplicación para activos individuales. Realizar un caso de aplicación para un conjunto de activos financieros.

Metodología

Programa (Software) Excel - Visual Basic.

Contexto

Para ejemplificar el procedimiento de la utilización de Montecarlo para la medición del VaR utilizaron cuatro activos Indexados: S&P 500, Nasdaq, Gold/Silver Index y Russel 2000.


Primero especifican procesos estocásticos para las variables y se estiman sus parámetros con datos históricos o implícitos, después se simulan trayectorias para las variables y para el horizonte deseado,

finalmente, se obtiene la distribución de su rentabilidad y calculan el VaR.

Variable respuesta El valor del VaR.

Resultados La probabilidad de que la cartera tenga pérdidas asciende al 32%.



No plantea una hipótesis exacta (No intentan demostrar algo).

Plantear que la mejor metodología para calcular el VaR es la simulación Montecarlo.

No utilizan metodologías alternas para realizar una comparación entre los valores de VaR calculados

Utilizar otras metodologías para medir el VaR y comparar los resultados.

Asume una distribución normal para los rendimientos de los activos.

Realizar pruebas de hipótesis para encontrar la distribución óptima para los rendimientos.



Utiliza la simulación Montecarlo para estimar el VaR en un portafolio compuesto por activos financieros.

Utilizar los pasos realizados en este artículo para estimar el VaR en un portafolio conservador diversificado.

Conclusiones

Mediante la simulación Montecarlo se obtienen resultados que muestran no sólo lo que puede suceder, sino lo probable que es un resultado.

Observaciones

Es importante que se compare los resultados obtenidos con los encontrados por otras metodologías y con pruebas de desempeño, además, se debe considerar la utilización de otros activos y no solo los activos de renta variable.

Fuente

Link: http://www.ieaf.es/new/eventos/item/download/351_0eed9a1f2d5d2769a146e0cdba19a9cf.html


Extensión

Extendiendo la simulación a otros portafolios que incluyen otros activos, no solo renta variable y probando otras técnicas de medición del VaR.

Contraposición Utilizar otras metodologías paramétricas y no paramétrica.

Anidamiento Profundizando en la simulación Montecarlo para estimar el VaR en un portafolio compuesto por activos de renta variable


Abken, P. (2000). Scenario Simulation Evaluation of Value at Risk by Scenario Simulation. Statistical Journal of Derivatives, 7(4), 12 General BusinessFile Internat'l.


Valor en riesgo: evaluación del desempeño de diferentes metodologías para 5 países latinoamericanos

Autores Julio César Alonso, Juan Manuel Chaves

Revista Estudios Gerenciales

Cita (Alonso & Chaves, 2013)

Año 2013

Resumen

Este documento evalúa el comportamiento de veinte diferentes métodos (paramétrico, no paramétricos y semi- paramétricos) para estimar el VaR (Valor en Riesgo) de un portafolio representativo para 5 países latinoamericanos (Argentina, Brasil, Chile, Colombia y Perú).

Idea principal Determinar el VaR por diferentes métodos y concluir cual aproxima mejor dicho valor.

Ideas secundarias

Implementar diferentes metodologías para estimar el VaR. Utilizar pruebas de desempeño para determinar que estimación del VaR es más acertada.

Metodología

Contexto

Este documento evalúa el comportamiento predictivo de 20 diferentes aproximaciones de estimación del VaR para los portafolios representativos de 5 países latinoamericanos. Para tal fin, se emplean los rendimientos de los índices de Bolsa de Argentina (Merval), Brasil (Bovespa), Colombia (Igbc), Chile (Igpa) y Perú (Igbvl).

Técnica de solución El documento está organizado de la siguiente manera. La primera Primero se

discute rápidamente los métodos que se han de emplear para la estimación del VaR. Segundo se discute los cálculos realizados, así como los métodos que se emplearán para su evaluación. Finalmente se presenta un resumen de los resultados obtenidos.

Variable respuesta Determinar la metodología más exacta para determinar el VaR.

Resultados

Para el caso del índice de Argentina (MERVAL) se seleccionó la aproximación semiparamétrica de SH. El modelo de SH parece adaptarse bien para el caso de los índices de Perú (IGBVL) y Chile (IGPA). Al igual que en el caso de Brasil, la aproximación seleccionada para el índice de Colombia (IGBC) es la de SH.



No se hace referencia a Renta Fija Implementar Renta Fija

No hacen uso de elementos prácticos para mayor entendimiento.

Realizar los cálculos correspondientes.



Hace un comparativo entre las diferentes metodologías y finalmente mediante una prueba de Backtesting determina cual metodología se aproxima más.

Utilizar la prueba de Backtesting en el proyecto.

Conclusiones

Después de encontrar la aproximación que mejor captura el nivel de riesgo seleccionado para cada portafolio, se encontró que los modelos no- paramétricos de simulación histórica y semi- paramétricos corresponde a la mejor medida de riesgo para todos los países de la muestra.

Observaciones

Este documento presenta un ejercicio para 5 países latinoamericanos en el que se evalúan 20 diferentes aproximaciones para estimar el VaR. Entre los resultados más destacables del ejercicio se encuentra que las estimaciones del VaR que proveen estos 20 métodos son relativamente muy diferentes para la

misma muestra. Es decir, no existe una consistencia entre las estimaciones de cada una de las aproximaciones consideradas en el momento de estimar la misma cantidad: el VaR para el siguiente día de negociación.

Fuente

http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0123-59232013000100006


Extensión Utilizar estas metodologías para estimar el VaR en activos de Renta Fija.

Contraposición Utilizar otras metodologías paramétricas y no paramétrica.

Anidamiento

Profundizando en las metodologías para estimar el VaR en un portafolio compuesto por activos de menor volatilidad.


Alonso C., Julio César and Mauricio Alejandro Arcos. 2005. "4 Hechos Estilizados de las series de rendimientos: Una ilustración para Colombia." Mimeo.


Pruebas de Stress y Backtesting

Autores Andrés Betancur Rodríguez, Lina Mariela Cuervo Paloma

Revista Revista Kairós Gerencial

Cita (Betancur Rodríguez & Cuervo Paloma, 2011)

Año 2011

Resumen

Este documento explica los conceptos de Stresstesting y Backtesting además de implementar la prueba de Backtesting a un valor obtenido de VaR

Idea principal Determinar la capacidad predictiva de un valor de VaR mediante la prueba de Backtesting

Ideas secundarias

Explicar los conceptos y generalidades de las pruebas de Stresstesting. Explicar los conceptos y generalidades de las pruebas de Backstesting.

Metodología

Contexto

Para desarrollar este modelo se tomó la acción de Ecopetrol desde 22 de diciembre de 2009 hasta el 25 de mayo de 2011, siendo en total 350 periodos (días) analizados para desarrollar el test, tomando el precio de cierre de la acción.


Se debe hallar la rentabilidad 350 periodos, se halla la desviación estándar, después se tiene que encontrar el valor medio, se halla la desviación estándar de cada celda desde los últimos 100 datos, se halla el Var, se obtiene la pérdida real, se halla el número de excepciones

Variable respuesta Número de veces que el VaR supera la pérdida real.

Resultados No existe evidencia estadística suficiente para rechazar la hipótesis nula de que el VaR posee la cobertura deseada.



Solo se hace la prueba de Backtesting para un valor de VaR.

Hacer la prueba para dos o más valores de VaR.



Utiliza la prueba de Backtesting para estimar el VaR además de ejemplificarlo.

Seguir los pasos estipulados en este trabajo para determinar la capacidad de predicción de los valores de VaR estimados.

Conclusiones

Después de aplicar la prueba de Backtesting al valor del VaR obtenido, se concluye que no hay evidencia suficiente para rechazar la hipótesis de que dicha estimación del VaR aproxima la predicción correcta del valor real del VaR.

Observaciones

Los resultados obtenidos y en general el contenido del artículo contienen información suficiente y de utilidad para concluir más allá de los resultados

numéricos obtenidos.


Extensión Utilizar la prueba de Backtesting para comparar las estimaciones de VaR obtenidas.

Contraposición Utilizar otras metodologías como Stresstesting.

Anidamiento Profundizando en la prueba de Backtesting para diferentes valores de VaR.

Otras Referencias Anidadas

Medidas de riesgo, características y técnicas de medición: una Aplicación del VaR y el ES a la tasa interbancaria de Colombia. Melo Velandia Luis Fernando, Becerra Camargo Oscar


COMPORTAMIENTO DEL PRECIO DE LAS ACCIONES EN COLOMBIA UN ENFOQUE DE LA CAMINATA ALEATORIA

Autores Eduardo Antonio Cruz T, Cesar Zapata Urquijo, Pedro Daniel Medina V

Revista Scientia et Technica

Cita (Cruz T et al., 2010)

Año 2010

Resumen

El documento expone una metodología para determinar si el comportamiento de los precios de las acciones calificadas de alta bursatilidad del mercado de valores de Colombia sigue una caminata aleatoria, se utiliza la metodología de movimiento browniano. Los cálculos se desarrollan en hoja electrónica Excel, apoyándose en los complementos de Cristal Ball para la simulación Montecarlo.

Idea central Conveniencia de evaluar el precio esperado de las acciones a través del movimiento Browniano..

Ideas secundarias

los charts como el análisis de los fundamentos son ineficientes para realizar. Una buena estimación de los cambios futuros de los precios de las acciones. Existen diferentes métodos de pronóstico y series de tiempo como regresiones, meta heurísticas, redes neuronales, simulaciones, modelos Arima, modelos Arch y Garch entre otros. Dada la dificultad para predecir o

pronosticar el comportamiento del precio de las acciones en los mercados de capitales, se expone el método de caminatas aleatorias (Movimiento Browniano)

Hipótesis el comportamiento de los valores del IGBC durante el año 2009 es estacionaria, es decir, no sigue una caminata aleatoria.

Metodología

Programa (Software) Excel, Cristal ball


Se toman las acciones ordinarias de la bolsa de valores de Colombia calificadas con un IBA (índice de bursatilidad accionaria) de alta bursatilidad con las que se conforma el índice general de la bolsa de Colombia (IGBC). Posteriormente, se realiza la simulación Montecarlo para estimar el precio proyectado de las acciones en el mercado para los próximos cinco días. Finalmente, se compara el precio estimado frente al precio real.

Variable respuesta Comportamiento estacionario o que sigue una caminata aleatoria

Resultados

El tamaño del conjunto de autocorrelaciones es igual a 1/3 del tamaño de los datos. En la figura 5, ninguno de los tres primeros rezagos es mayor a 0.001, lo cual indica una alta probabilidad de tener estacionalidad en los datos del IGBC. La probabilidad de LB es menor a 0.05 lo que confirma que existe estacionalidad.



Comparan los resultados de la caminata aleatoria para veinte datos con los históricos del año 2009, pero sigue siendo conveniente incluir en la toma de decisiones los análisis técnicos (chartismo) y los análisis fundamentales para tomar mejores posiciones en la apertura o cierre de operaciones en el mercado de valores accionario.

Si bien el manejo de modelos estocásticos enriquece los resultados obtenidos al contar con un amplio número de escenarios obtenidos en corto tiempo, La caminata aleatoria se puede realizar con una cantidad mayor de aleatorios para mayor robustez en la simulación



Es conveniente seguir de la mano con el análisis técnico y fundamental para la toma de mejores decisiones, no solamente en los modelos matemáticos.

Se puede explorar una sola acción en vez del índice u otros tipos de mercados como el de renta fija con diferentes modelos para la estimación de las tasas.

Conclusiones

Comportamiento de los valores del IGBC durante el año 2009 demuestra que los cambios en los precios de las acciones de la bolsa de valores de Colombia es estacionaria, es decir, no sigue una caminata aleatoria.

El índice IGBC en su representación gráfica presenta un marcado comportamiento de tendencia al alza, el Componente aleatorio o ruido blanco no es muy significativo frente al valor constante representado como el valor del índice promedio. El componente estocástico representado por el ruido blanco, sigue una caminata aleatoria.

Observaciones

Manejo claro y conciso de la metodología y fundamentos teóricos utilizados

Fuente y criterio de búsqueda Fuente: Centro de Biblioteca Jorge Roa Martínez. Criterio: Movimiento Browniano, simulacion Link: http://revistas.utp.edu.co/index.php/revistaciencia/article/view/1777


Extensión Extendiendo el mismo análisis a otros tipos de mercado con otras técnicas de modelado.

Anidamiento Extendiendo otro modelo que no sea el movimiento browniano para la simulación del índice.

Otras Referencias Anidadas EVANS James, OLSON David, Introduction to simulation and risk análisis, Segunda edición, 392 páginas, prentice hall, New Jersey, 2002.


Estimación de la estructura a plazos para un título de renta fija del tesoro colombiano por el método unifactorial de Vasicek

Autores Luis Guillermo Herrera Carmona, Darwin Cardenas Giraldo, Juan Pablo Salcedo Garcia

Revista Gestion & Desarrollo

Cita (Herrera Carmona et al., 2010)

Año 2010

Resumen

Aquí se presenta e implementa el modelo de evolución de tasas de interés de Vasicek para estimar la estructura a plazos de un título soberano colombiano (TES con vencimiento en 2020). Para ello se efectúan algunos cálculos econométricos, a través de los cuales se encuentra que la estructura temporal de los rendimientos para el instrumento escogido exhibe una pendiente negativa (decreciente), debido al resultado de los parámetros. Así, la aplicación servirá para avanzar en el tema de modelación de los tipos de interés y su carácter estocástico en Colombia; también hará las veces de insumo para valorar opciones sobre títulos de renta fija y realizar cobertura sobre tipo de interés; a su vez, será un estímulo para la introducción y consolidación de este tipo de

productos financieros.

Idea central

Es necesario aplicar modelos existentes para modelar las tasas de interés y estimar su estructura a plazos, y en esa vía introducir productos financieros más estructurados presentes en otros mercados en aras de fortalecer el análisis sobre estructuras temporales e impulsar el mercado de derivados en Colombia.

Ideas secundarias

la simulación de los tipos de interés tiene una gran importancia como herramienta para predecir el comportamiento de los tipos y a la hora de realizar cobertura sobre activos financieros de deuda, para mitigar los riesgos de las tasas de interés. La realidad evidencia que Colombia es un país con un incipiente mercado de derivados y, peor aún, carece de metodologías para abordar el tema específico de modelación de estructuras temporales en la tasa de interés y posteriormente valorar opciones sobre títulos de deuda y tantos de interés.

Hipótesis Es factible utilizar el modelo de Vasicek para la estimación de plazos de un título TES colombiano

Metodología

Programa (Software) Excel, EViews-7


En el presente estudio se seleccionó el modelo de Vasicek (1977), que además de ser pionero de las metodologías de estructura plazos es usado en otros mercados. Este modelo se implementa numéricamente para mostrar la evolución de la tasa de interés de un activo y la estructura a plazos de sus rendimientos. Acto seguido se incluye una aplicación para un título de deuda pública nacional, específicamente un TES con vencimiento al 24 de julio de 2020. Para tales efectos se implementa una formulación en la hoja electrónica Excel® complementada por un algoritmo de programación en Visual Basic (VBA) y cálculos econométricos en EViews-7®, para estimar los parámetros de entrada que exige el modelo

Variable respuesta Estimación de la estructura a plazos utilizando el modelo de Vasicek

Resultados Estimación de parámetros a y b Estimación de la volatilidad Estructura a plazos de los rendimientos del título.



La realidad evidencia que Colombia es un país con un incipiente mercado de derivados y, peor aún, carece de metodologías para abordar el tema específico de modelación de estructuras temporales en la tasa de interés y posteriormente valorar opciones sobre títulos de deuda y tantos de interés.

Modelar las tasas de interés utilizando el modelo de Vasicek y/o buscar estas las tasas ya modeladas por estudios similares y comparar con el trabajo propio



Podría utilizar otras metodologías para modelar las tasas de interés, que incluyan análisis binomiales, como el modelo unifactorial de Vasicek (1977) u otros de similares características, tal vez más sofisticados (multifactoriales). En el mismo escenario futuro sería pertinente modelar la estructura a plazo basado en precio y no en tasa, tal y como ocurre en los mercados desarrollados en los cuales operan los títulos de renta fija basados en el precio y no en el tipo de interés, contrario a lo que acontece en Colombia.

Aunque el modelo de Vasicek es uno de los más utilizados, se puede buscar otros modelos que también se hallan desarrollado en el transcurso de la investigación

Conclusiones

Los resultados que se obtuvieron a partir de los parámetros estimados econométricamente no fueron los mejores, y dejan ver que la estructura temporal de los rendimientos del TES en mención exhibe una pendiente decreciente, evento totalmente contrario a lo que se observa en la realidad. Esto supone expectativas de rendimientos bajos en los próximos diez años.

Observaciones

En la estimación de los parámetros faltó claridad respecto al proceso.

Fuente y criterio de búsqueda Fuente: Google Académico Criterio: Estimación, Modelo de Vasicek, Parámetros Link: www.usbcali.edu.co/sites/default/files/4_vasicek.pdf


Extensión Análisis de más títulos del mercado de renta fija

http://www.usbcali.edu.co/sites/default/files/4_vasicek.pdf

Contraposición Vasicek es un modelo básico para la estimación de las tasas, actualmente existen modelos mucho mas eficientes que presentan mejores estimaciones

Anidamiento Análisis de diferentes modelos aparte del usado

Otras referencias anidadas ARANGO, L. E., MELO, L. F., y VÁSQUEZ, D. M. (2002). Estimación de la estructura a plazo de las tasas de interés en Colombia. Borradores de Economía No. 196. Banco de la República.

Anexo 1: Análisis de Rentabilidad y Volatilidad para el cálculo del Ratio de Sharpe

Análisis de Rentabilidad y Volatilidad BCOLOMBIA

Análisis de Rentabilidad y Volatilidad BCOLOMBIA. Tomado de Plataforma E-BVC

Análisis de Rentabilidad y Volatilidad CEMARGOS

Análisis de Rentabilidad y Volatilidad CEMARGOS. Tomado de Plataforma E-BVC

Análisis de Rentabilidad y Volatilidad GARGOS

Análisis de Rentabilidad y Volatilidad GARGOS. Tomado de Plataforma E-BVC

Análisis de Rentabilidad y Volatilidad ISA

Análisis de Rentabilidad y Volatilidad ISA. Tomado de Plataforma E-BVC

Análisis de Rentabilidad y Volatilidad NUTRESA

Análisis de Rentabilidad y Volatilidad NUTRESA. Tomado de Plataforma E-BVC

Análisis de Rentabilidad y Volatilidad PFAVAL

Análisis de Rentabilidad y Volatilidad PFAVAL. Tomado de Plataforma E-BVC

Análisis de Rentabilidad y Volatilidad PFBCOLOMBIA

Análisis de Rentabilidad y Volatilidad PFBCOLOMBIA. Tomado de Plataforma E-

BVC

Análisis de Rentabilidad y Volatilidad PFGRUPOARG

Análisis de Rentabilidad y Volatilidad PFGRUPOARG. Tomado de Plataforma E-

BVC

Análisis de Rentabilidad y Volatilidad PFGRUPSURA

Análisis de Rentabilidad y Volatilidad PFGRUPSURA. Tomado de Plataforma E-

BVC

Análisis de Rentabilidad y Volatilidad ECOPETROL

Análisis de Rentabilidad y Volatilidad ECOPETROL. Tomado de Plataforma E-

BVC

anexo 1: revisión crítica de los artículos

Documents