DISEÑO DE PRUEBAS DE ESTRÉS INTEGRALES: MÁS ALLÁ DE LOS ESCENARIOS DE JUICIO EXPERTODavid Ariel Mermelstein, FRMBanco Patagonia, UCEMA y UBA

Primeras Jornadas sobreGESTION DE RIESGOS en ENTIDADES FINANCIERASUCEMA - 13 y 14 de Octubre, 2016

Las opiniones expresadas en esta presentación son personales y no representanla opinión de ninguna institución.

DEFINIENDO ESTRÉS TESTS INTEGRALES

▪ Es el proceso proyectar la evolución del negocio sometiéndola a condiciones extremadamente adversas, pero plausibles, y estimar el impacto en los KRI de la entidad, permitiendo entender, cuantificar y manejar mejor los diversos riesgos a los que se tiene exposición.

▪ El foco de los programas de pruebas de estrés son los riesgos asociados a escenarios “raros” o extremos.

▪ Incluso si algo que puede salir mal nunca ocurre, el banco debería tener un plan de contingencia.

▪ Preguntas que se buscan responder:

▪ Qué problemas de rentabilidad, liquidez o solvencia pueden surgir en determinado escenario?

▪ Bajo qué escenario podría sufrirse cierta pérdida o problema financiero?

POR QUÉ ESTRÉS TESTS?

▪ Los modelos “business as usual” basados en información histórica muestral han subestimado fuertemente la probabilidad de eventos extremos.

▪ A diferencia de lo que ocurre con los riesgos actuariales, la estadística tradicional no es un enfoque suficiente para los riesgos financieros.

POR QUÉ ESTRÉS TESTS? (CONT.)

▪ Se hace necesaria una visión FORWARD LOOKING que complemente a los modelos basados únicamente en información histórica.

DELINEANDO ESCENARIOS PROSPECTIVOS

▪ El análisis de escenarios no es una práctica nueva en el análisis financiero, pero típicamente se basan en análisis de sensibilidad individuales, basados en una o pocas variables.

▪ Las pruebas de estrés integrales, sin embargo, involucran una alta cantidad de variables/factores de riesgo, lo que demanda abordajes técnicamente más sofisticados.

▪ El juicio experto muestra sus límites.

TRADE-OFF CLAVE EN EL DISEÑO DE ESCENARIOS: SEVERIDAD VS PLAUSIBILIDAD

Plausibilidad

NO AMENAZA

FOCO PARA MITIGACION

NO RELEVANTE

NO CREIBLE

Severidad

+

+

-

-

SOBRE LA SEVERIDAD

▪ Severidad en los KRI por comportamientos extremos de factores de riesgo puntuales – Sensibilidad parcial -

▪ Severidad en los KRI por comportamientos extremos de varios factores de riesgo en un entorno multidimensional –por sobre los efectos diversificación-

▪ Severidad en los KRI sin severidad de los factores de riesgo: vulnerabilidades ocultas en el balance

SOBRE LA PLAUSIBILIDAD

- Restricciones de consistencia

- Restricciones de volumen

- Restricciones estructurales - Redes

Espacio de plausibilidad

DELINEANDO ESCENARIOS PROSPECTIVOS

▪ La dimensionalidad del problema requiere no admite de proyecciones a “mano alzada” y requiere un abordaje analítico sistemático…

… Bienvenidos al mundo de “Risk Analyitcs”

▪ Es el fin del juicio experto o solose trata de domesticarlo?

ESTADIOS DEL JUICIO EXPERTO

ESTADIO 0

• Proyección a “mano alzada”

ESTADIO 1

• Marco de consistencia ad-hoc

ESTADIO 2

• Marco de consistencia

+ Econometría

• DSGE

ESTADIO 3

• Bayes y el juicio experto reencauzado

ESTADIO 2▪ Este estadío hace eje en estructuras de

modelización muy marcadas.

▪ Permite replicación múltiple.

▪ El juicio experto ingresa en forma implícita.

▪ Exponentes de este estadío:

▪ Modelos VAR / VARMA

▪ Modelos VARMAX

▪ Modelos VEC

▪ Modelos de equilibrio general computado

▪ Network models

▪ Contingent claim models

▪ …

SIMULACIONES BASADAS EN MODELO DE VECTORES AUTOREGRESIVOS

INCERTIDUMBRE DE PRONÓSTICO

Fuente: Nate Silver, The Signal and the Noise, 2012.

• Todo pronóstico “serio” debe reflejar el grado de incertidumbre que tiene asociada.

ESTIMACIONES DE LA DISTRIBUCIÓN COMPLETA DE LOS KRI

ESTADIO 3

▪ Este estadío representa una mezcla sana entre conocimiento experto y estructura de modelización.

▪ Exponentes de este estadío:

▪ Bayesian VAR (BVAR)

▪ Redes Bayesianas

▪ Métodos cualitativos (Delphi)

▪ Conjuntos borrosos

CONCEPTOS BAYESIANOS

p(θ\y): función de densidad "posterior“p(θ): función de densidad “prior”p(y\θ): función de "verosimilitud"

θ es el vector (o matriz) que contiene los parámetros del modelo

En la especificación BVAR, los parámetros θ son variables aleatorias caracterizadas por una distribución normal multivariada con esperanza conocida “a-priori” (θ∗) y matriz de covarianzas dada por Vθ.

CONCEPTOS BAYESIANOS (CONT.)Por lo cual, la función de densidad a priori viene dada por:

La función de verosimilitud es:

La función “posterior” resulta en:

Con media y var-cov:

COMENTARIOS FINALES

▪ La práctica de pruebas de estrés integrales llegaron para quedarse y ayudar a diseñar planes de contingencia que los modelos tradicionales no permitirían.

▪ Es clave el balance entre severidad y plausibilidad para que la práctica sea creible para el directorio y permanezca integrada a la gestión.

▪ El juicio experto es indispensable puesto que la estadística tradicional “no alcanza”, pero necesita ser “domesticado” con metodología y modelización sistemática.

▪ El “blend” entre modelización, datos históricos, y visión experta prospectiva sistematizada es la mejor respuesta hoy a los desafíos para el desarrollo de planes de contingencia para eventos severamente adversos.

PREGUNTAS

DISEÑO DE PRUEBAS DE ESTRÉS INTEGRALES: MÁS ALLÁ DE LOS ESCENARIOS DE JUICIO EXPERTO

David Ariel Mermelstein, FRMBanco Patagonia, UCEMA y UBA

dam09@ucema.edu.ar

Primeras Jornadas sobreGESTION DE RIESGOS en ENTIDADES FINANCIERASUCEMA - 13 y 14 de Octubre, 2016

Las opiniones expresadas en esta presentación son personales y no representanla opinión de ninguna institución.