DISEÑO DE PRUEBAS DE ESTRÉS INTEGRALESimpacto en los KRI de la entidad, permitiendo entender,...
Transcript of DISEÑO DE PRUEBAS DE ESTRÉS INTEGRALESimpacto en los KRI de la entidad, permitiendo entender,...
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
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.