SIMULACIÓN EFICIENTE DEL VALOR EN RIESGO DE UN PORTAFOLIO DE ACCIONES DEL IPSA: UN ANÁLISIS DE COMPONENTES PRINCIPALES
Keywords:
Portafolio, Valor en Riesgo, Índice de Precios, Método de Componentes Principales, Simulación Monte CarloAbstract
Este trabajo muestra una aplicación del método de Componentes Principales en la Simulación del Valor en Riesgo de un Portafolio de acciones del Índice de Precios Selectivo de Acciones (IPSA). En particular, mediante el análisis espectral de la matriz de covarianza de los precios, se aproxima la variabilidad del sistema con unos pocos factores estocásticos los cuales se utilizan para la simulación de los cambios en el valor del portafolio y, posteriormente, para la determinación del valor en riesgo asociado a una cierta probabilidad. Los resultados muestran que, para un portafolio compuesto de una acción de cada miembro del IPSA, es suficiente utilizar cinco factores estocásticos para explicar el 99.2% de la variabilidad total del índice. El valor calculado en riesgo diario de dicho portafolio al 90%, 95% y 99% nivel de confianza, es comparado con el estimador paramétrico tradicionalmente utilizado, obteniendo resultados muy cercanos. Este resultado demuestra que la potencialidad de esta metodología de simulación, reside en su posibilidad de ser aplicada a portafolios que incluyen instrumentos derivados, los cuales presentan respuestas no lineales a cambios en las variables de estado. El análisis interpretativo de los coeficientes (loadings) del modelo para las variables expresadas en tasas de retorno, demuestra la existencia de co-movimientos entre los activos, consistente con la identificación o noción clásica de sectores del índice.Downloads
References
M. Coronado. Comparing Different Methods for estimating Value at Risk for actual non-linear portfolios: Empirical Evidence, ICADE, Madrid, 2000.
J. Frye. Principals of Risk: Finding VaR through Factor-Based Interest Rate Scenarios, Federal Reserve Bank of Chicago, 1997.
Hsieh. “Statistical Properties of Daily Foreign Exchange Rates,” Journal of International Economics, pp. 129-145, 1988.
J. C. Hull. Introducción a los Mercados de Futuros y Opciones, Prentice-Hall, Cuarta Edición, pp. 377-402, 2002.
J. C. Hull. Options, Futures & Other Derivatives, Prentice-Hall, New Jersey, Cuarta Edición, pp. 342-367, 2000.
F. Jamshidian and Y. Zhu. “Scenario Simulation: Theory and methodology”, in Finance and Stochastics, 1997.
R. Johnson and D. W. Wichern. Applied Multivariate Statistical Analysis, Prentice Hall, New Jersey, Cuarta Edición, pp. 458-575.
T. J. Linsmeier and N. D. Pearson. Risk Measurement: An Introduction to Value at Risk. University of Illinois at Urbana-Champaign, Economics Working Paper Archive at WUSTL, 1996.
W. Phoa. Yield Curve Risk Factors: Domestic and Global Context, Capital Strategy Research, 1998.
R. Rebonato. Interest-Rate Option Models, John Wiley & Sons, New York, pp. 27-54, 1996.
Published
How to Cite
Issue
Section
License
Creative Commons Attribution-Noncommercial-Share Alike
CC BY-NC-SA
This license lets others remix, tweak, and build upon your work for non-commercial purposes, as long as they credit the author(s) and license their new creations under the identical terms.
The authors can enter additional separate contract agreements for non-exclusive distribution of the version of the article published in the magazine (for instance, they may publish it in an institutional repository or a book), subject to an acknowledgement of its initial publication in this magazine.