scholarly journals The Risk of Miscomputing the Value at Risk / O Risco de Calcular mal o Valor em Risco

2021 ◽  
Vol 3 (5) ◽  
pp. 4102-4118
Author(s):  
Carlos Rodríguez

Este artigo explora como o VaR (Value at Risk), que é a métrica de risco financeiro mais popular, é comumente calculado e usado. Ainda persiste um grande mal-entendido sobre essa técnica no setor financeiro, do que ela é, para que serve, como é usada e até mesmo quem deve usá-la. Embora o VaR não seja mais uma novidade, em muitas organizações, tanto na academia quanto na indústria, ele ainda é implementado da forma como foi concebido na década de 1990 como um primeiro esforço para quantificar o risco financeiro.Dado que o VaR é fortemente apoiado pela Teoria Moderna de Portfólio (Modern Portfolio Theory -MPT), e que esta, por sua vez, foi elaborada sob a suposição de que as oscilações dos sinais financeiros se comportam sob uma Distribuição de Probabilidade Normal, é assim que ainda é calculado em muitas organizações que o aplicam para controlar o negociação de ativos financeiros à vista e derivativos. Neste artigo, o uso da distribuição t de Student em escala (Scaled t-Distribution) é discutido como a melhor opção para modelar a série temporal de retornos financeiros. Os retornos modelados com essa distribuição, por sua vez, permitem que o Value at Risk seja calculado com maior precisão. Além disso, com essa distribuição, pode-se calcular a métrica de risco criada como uma grande melhoria para o VaR: The Expected Shortfall (ES), também conhecido como VaR Condicional (CVaR).Para demonstrar que a distribuição t de Student em escala é melhor para modelar sinais financeiros nos retornos de ações e, portanto, para o cálculo de VaR e ES, três gráficos de distribuições de probabilidade diferentes são gerados e sobrepostos: A distribuição empírica, a distribuição Normal e a distribuição t de Student em escala, calculadas com a técnica de estimativa de máxima verossimilhança (Maximum Likelihood Estimation).Isso é feito para cada uma das seis ações analisadas neste estudo: O FAANG (Facebook, Apple, Amazon, Netflix, and Google), mais aquele recentemente adicionado ao SP 500: Tesla. 

Author(s):  
María Coronado Vaca ◽  
Susana Carabias López

El objetivo de este artículo es ofrecer una panorámica de la evolución de la medición y gestión del riesgo financiero en los últimos 40 años, con especial mención a la banca. Tras una etapa basada en los principios de la Modern Portfolio Theory (MPT), hace 25 años se produce una revolución con la introducción del Value-at-Risk (VaR). Desde entonces, la introducción de nuevas medidas cuantitativas, con complejidad matemática creciente, no se ha detenido, en una interacción continua entre académicos, profesionales y reguladores, como respuesta a las sucesivas crisis financieras y bancarias. Entre ellas, destacan las medidas coherentes del riesgo (concretamente el Expected Shortfall), espectrales y basadas en expectiles. Se concluye que el VaR y el Expected Shortfall (ES) continúan siendo, a pesar de sus limitaciones, las dos medidas más utilizadas tanto desde el punto de vista interno de los bancos, como por parte del regulador y supervisor de su solvencia. Finalmente, se plantean algunas de las líneas de investigación en este campo que tratan de abordar los retos en el futuro de la medición del riesgo financiero en banca.


2005 ◽  
Vol 08 (05) ◽  
pp. 537-551 ◽  
Author(s):  
JULES SADEFO KAMDEM

In this paper, we generalize the parametric Δ-VaR method from portfolios with normally distributed risk factors to portfolios with elliptically distributed ones. We treat both the expected shortfall and the Value-at-Risk of such portfolios. Special attention is given to the particular case of a multivariate t-distribution.


Sign in / Sign up

Export Citation Format

Share Document