La volatilidad en los mercados financieros sobre los productos que se ofrecen, impulsada por choques económicos, operacionales, sociales y ambientales, ha hecho indispensable que los inversionistas cuenten con herramientas que les permitan gestionar sus exposiciones de manera efectiva. En este contexto, el Valor en Riesgo (VaR) se ha consolidado como un indicador clave para medir la exposición al riesgo y anticipar posibles pérdidas dentro de un horizonte de tiempo definido y con un nivel de confianza determinado.
Por: Oscar Manco Lopez - PhD, CEO Trust Investment
Dicho cálculo integra, el valor de la inversión, la probabilidad de que descienda, el tiempo y nivel de confianza sobre los datos que, por cierto, siempre consideran evolución histórica, es decir que es un indicador del pasado que predice el futuro.
Existen diferentes metodologías para calcular el VaR. El método paramétrico supone que los rendimientos siguen una distribución normal y utiliza la desviación estándar para estimar la posible pérdida máxima. Por su parte, la simulación histórica emplea datos pasados sin asumir ninguna distribución específica, mientras que el método de Monte Carlo genera múltiples escenarios aleatorios de precios para estimar la distribución de pérdidas del portafolio.
Ahora bien, con la entrada en escena de activos emergentes como los SPAC (compañías creadas especialmente para adquisiciones), criptomonedas, commodities, ETF’s, NFT’s entre otros, los modelos tradicionales de riesgo enfrentan nuevos desafíos debido a la alta volatilidad y la presencia de colas pesadas en la distribución de retornos (es decir, movimientos potenciales fuertes).
Lo anterior, obliga a que los gestores de portafolios deban adoptar herramientas más sofisticadas, como el Deep Reinforcement Learning (DRL), que permite analizar patrones complejos mediante redes neuronales, por ejemplo. Incluso se ha propuesto el modelo Deep Q-Learning (DQN) capaz de aprender de experiencias pasadas y optimizar la asignación de activos en función de su rendimiento relativo al mercado.
Asimismo, estudios han demostrado que la correlación entre criptomonedas para tomar un caso particular varía según el horizonte temporal. Los análisis, basados en la causalidad de Granger y el tiempo-frecuencia, concluyeron que un portafolio diversificado con Bitcoin y otros criptoactivos mejora la cobertura del riesgo y la estabilidad del portafolio.
En este escenario de constante evolución, la gestión del riesgo debe adaptarse a las nuevas dinámicas del mercado, integrando modelos más flexibles y avanzados que permitan una medición más precisa de la exposición al riesgo en los portafolios de inversión, los cuales cuentan con más instrumentos apuntando al mejoramiento de la diversificación.
Los administradores de portafolios enfrentan el reto de ajustar sus estrategias de gestión de riesgo en un entorno donde los nuevos activos presentan comportamientos no lineales, alta volatilidad y una menor disponibilidad de datos históricos. Esto exige no solo el uso de metodologías más flexibles, como la simulación de Monte Carlo y el análisis de correlaciones dinámicas, sino también la integración de herramientas avanzadas como el aprendizaje profundo y la inteligencia artificial. La capacidad de comprender estos activos emergentes y evaluar su impacto en la diversificación y rentabilidad del portafolio será clave para optimizar la toma de decisiones y mitigar riesgos en un mercado financiero en constante transformación.
Sobre la base del análisis, hasta hace algunos años para tener un control adecuado en los modelos de allocation (asignación de activos) generalmente se integraba un instrumento libre de riesgo sacrificando rentabilidad, pero controlando volatilidad. Con los nuevos avances en disponibilidad de instrumentos, las stablecoins por ejemplo, se perfilan como el activo con precio estable, aunque la teoría requiere que se le defina cual deberá ser su porcentaje de asignación emulando a un activo sin riesgo, aunque guardando sus proporciones.
*Las opiniones vertidas en esta sección son de exclusiva responsabilidad de quienes las emiten y no representan, necesariamente a Buda.com
Join the conversation.