El supuesto de normalidad en el cálculo del valor en riesgo
Barra lateral del artículo
Contenido principal del artículo
El presente trabajo muestra que el cálculo del VaR¹ requiere de métodos alternativos al propuesto por RiskMetrics™ debido a que los rendimientos de las acciones del mercado bursátil mexicano no se distribuyen normalmente. En primer lugar se aplica la metodología sugerida por RiskMetrics™ para transformar las distribuciones originales en distribuciones normales estándar, encontrando que el modelo de EWMA² produce una mejor aproximación a la distribución normal que el modelo de volatilidad constante. Además, se analizan algunos modelos como el de mezcla de normales, el modelo hiperbólico y el método de estimación de funciones, siendo éste último el que tiene mejores resultados para captar los valores extremos de las distribuciones. Finalmente, se elabora un cuadro comparativo de los diferentes métodos para calcular el VaR.
Campbell, Lo and Mackinlay, 1997. The Econometrics of Financial Markets, Princeton University Press. Princeton, New Jersey, USA.
Johnston. J. and Dinardo J. 1997. Econometric Methods, McGraw Hill, Fourth Edition, Singapore.
Eberlein, E., Keller, U., Prause, K., (1998). “New Insights into Smile, Mispricing, and Value at Risk: The Hyperbolic Model”, Journal of Business, 1998, vol. 71, no. 3.
Hull, J. and White A., (1998). “Value at Risk When Daily Changes in Market Variables are not Normally Distributed”, Journal of Derivatives, No. 3, Spring 1998, pp. 9-19.
Hull, J., (2000). Options, Futures, and Other Derivatives, Fourth Edition, Prentice Hall.
Jorion, P., (1997). “Value at Risk: the New Benchmark for Controlling Risk”, Richard D. Irwin.
J. P. Morgan (1996). “RiskMetrics, Technical Documentation”. Reuters/J. P. Morgan, Fourth Edition. N. Y.
Kupiec, P. (1995). “Techniques for Verifying the Accuracy of Risk Measurement Models”, Journal of Derivatives, 3, 73-84.
Li, D., (1999). “Value at Risk Based on the Volatility, Skewness and Kurtosis”, Risk Metrics Group, New York.
Ramírez J.C. “Los problemas más comunes en el pronóstico de rendimientos de activos financieros con distribuciones no normales”. CIDE, DTE # 204.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Contenido principal del artículo
El presente trabajo muestra que el cálculo del VaR¹ requiere de métodos alternativos al propuesto por RiskMetrics™ debido a que los rendimientos de las acciones del mercado bursátil mexicano no se distribuyen normalmente. En primer lugar se aplica la metodología sugerida por RiskMetrics™ para transformar las distribuciones originales en distribuciones normales estándar, encontrando que el modelo de EWMA² produce una mejor aproximación a la distribución normal que el modelo de volatilidad constante. Además, se analizan algunos modelos como el de mezcla de normales, el modelo hiperbólico y el método de estimación de funciones, siendo éste último el que tiene mejores resultados para captar los valores extremos de las distribuciones. Finalmente, se elabora un cuadro comparativo de los diferentes métodos para calcular el VaR.
Campbell, Lo and Mackinlay, 1997. The Econometrics of Financial Markets, Princeton University Press. Princeton, New Jersey, USA.
Johnston. J. and Dinardo J. 1997. Econometric Methods, McGraw Hill, Fourth Edition, Singapore.
Eberlein, E., Keller, U., Prause, K., (1998). “New Insights into Smile, Mispricing, and Value at Risk: The Hyperbolic Model”, Journal of Business, 1998, vol. 71, no. 3.
Hull, J. and White A., (1998). “Value at Risk When Daily Changes in Market Variables are not Normally Distributed”, Journal of Derivatives, No. 3, Spring 1998, pp. 9-19.
Hull, J., (2000). Options, Futures, and Other Derivatives, Fourth Edition, Prentice Hall.
Jorion, P., (1997). “Value at Risk: the New Benchmark for Controlling Risk”, Richard D. Irwin.
J. P. Morgan (1996). “RiskMetrics, Technical Documentation”. Reuters/J. P. Morgan, Fourth Edition. N. Y.
Kupiec, P. (1995). “Techniques for Verifying the Accuracy of Risk Measurement Models”, Journal of Derivatives, 3, 73-84.
Li, D., (1999). “Value at Risk Based on the Volatility, Skewness and Kurtosis”, Risk Metrics Group, New York.
Ramírez J.C. “Los problemas más comunes en el pronóstico de rendimientos de activos financieros con distribuciones no normales”. CIDE, DTE # 204.
Detalles del artículo
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.