Post on 14-May-2020
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.