Riesgo de cola: lo que el VaR deja más allá del umbral
Distingue un cuantil de pérdidas de la gravedad de los resultados peores y somete a tensión los supuestos de ambos.
Un umbral no es un máximo
El valor en riesgo, o VaR, resume un cuantil de pérdida para un horizonte y un nivel de confianza declarados. Un VaR diario al 95% es un umbral asociado a la cola superior de la distribución modelizada de pérdidas de un día. No es una pérdida máxima posible, un nivel de stop prometido ni una afirmación de que la pérdida de mañana esté acotada.
El nivel de confianza por sí solo es incompleto. Una cifra en dólares depende del tamaño de la cartera, las posiciones, el método de valoración y la distribución utilizada. Los enfoques históricos, paramétricos y de simulación pueden dar respuestas diferentes porque parten de supuestos distintos. Indica siempre la convención de signos: algunos sistemas presentan una pérdida positiva, mientras que otros muestran un umbral de rentabilidad negativa.
Pregunta qué gravedad tienen los resultados peores
La pérdida esperada en cola examina la pérdida media en la porción seleccionada de los peores resultados, tratando adecuadamente el límite de un cuantil discreto. Describe así una gravedad de cola que un cuantil por sí solo puede ocultar. Dos carteras pueden tener un VaR similar y pérdidas muy diferentes más allá de ese umbral.
Esta información adicional no hace infalible la medida. Las observaciones de cola son escasas, por lo que las estimaciones pueden ser inestables. Una muestra corta puede no contener ninguna crisis parecida a la siguiente. Los marcos regulatorios de riesgo de mercado utilizan la pérdida esperada en cola en modelos específicos, pero un cálculo educativo no es una evaluación de capital regulatorio y no debe apropiarse de la autoridad de esa terminología.
La definición de la cola importa cuando los resultados son discretos. Supón una pérdida de cero con probabilidad del 97%, de 100 dólares con el 2% y de 1000 con el 1%. Con la convención del menor cuantil de pérdida, el VaR del 95% es cero. Sin embargo, la media del peor 5% es (0,02 × 100 + 0,01 × 1000 + 0,02 × 0) / 0,05 = 240 dólares. Promediar solo los resultados estrictamente superiores al VaR daría 400 y respondería a otra pregunta: esos resultados ocupan solo el 3% de la distribución.
La ausencia histórica no implica imposibilidad
Una simulación histórica revalora o aproxima la cartera actual bajo cambios pasados. Su transparencia es útil, pero no representa automáticamente eventos fuera de la muestra. Los cambios estructurales de apalancamiento, centros de negociación o instrumentos pueden hacer que una perturbación histórica conocida se comporte de otro modo hoy.
Los modelos paramétricos también requieren examen. Suponer rendimientos normales puede infravalorar ciertos resultados extremos y dependencias. Escalar el riesgo de un día por la raíz cuadrada del tiempo depende de supuestos restrictivos de dependencia y distribución; no es una regla universal para posiciones ilíquidas o productos no lineales. Muestra sensibilidad a supuestos alternativos en vez de presentar un modelo como propiedad objetiva de la cartera.
La dependencia de cola y la liquidez van juntas
El movimiento conjunto extremo puede diferir de la correlación medida en días normales. Varias posiciones aparentemente diversificadoras pueden volverse difíciles de vender simultáneamente cuando se restringe la financiación. Las pérdidas pueden aumentar las exigencias de garantías, forzar ventas y generar presión adicional sobre precios. Una distribución estática de rendimientos puede omitir esta retroalimentación.
Incluye escenarios de ampliación del diferencial, ejecución retrasada y coberturas no disponibles. En opciones o productos apalancados, revalora bajo sensibilidades cambiantes en vez de extrapolar una estimación de pequeño movimiento. Las interrupciones operativas también pueden convertir un movimiento adverso manejable en una pérdida realizada mayor. Medir riesgo es incompleto si supone una salida perfectamente operativa en todo evento de cola.
Utiliza varias perspectivas e inspecciona las excepciones
Combina medidas cuantitativas de cola con pérdidas por escenarios, informes de concentración y pruebas de tensión de caja. Cada una destaca algo distinto. Cuando pérdidas realizadas superen un umbral VaR modelado, investiga si el evento concuerda con la frecuencia prevista de superación, si se implementó bien el modelo y si cambió la distribución subyacente.
No recalibres solo para hacer desaparecer excepciones recientes. Conserva las previsiones anteriores para evaluar honestamente el modelo. Un informe útil de riesgo de cola explica qué incluye, qué no, cuánta incertidumbre tiene la estimación y qué decisiones dependen de ella. El mayor peligro suele ser tratar una estadística compacta como permiso para ignorar los supuestos que la generaron.
Evalúa la previsión antes de interpretar sus excepciones
La previsión y el resultado observado deben referirse al mismo objeto. Un pronóstico de riesgo diario sobre las posiciones del cierre anterior no se contrasta directamente con un resultado que incluye nuevas operaciones, retiradas y cargos ajenos. Utiliza una comparación basada en aquellas posiciones para evaluar el modelo y otra del resultado efectivo para estudiar la cuenta. Ambas son relevantes; mezclarlas dificulta averiguar de dónde procede una excepción.
Bajo un modelo ideal continuo y correctamente calibrado, un VaR diario del 99% se supera el 1% de los días. En 250 días, el número esperado es 2,5, no exactamente dos o tres. Si las excepciones fueran independientes y su probabilidad constante, la probabilidad de alguna sería 1 − 0,99²⁵⁰, aproximadamente el 91,9%. Una excepción aislada no demuestra por sí sola un fallo. Tampoco un recuento pequeño acredita una buena calibración si todas se concentran en un episodio breve.
La gravedad y la frecuencia son diagnósticos distintos. Perder ligeramente más que el umbral o diez veces ese importe cuenta como una excepción en ambos casos, pero las consecuencias difieren mucho. Revisa las magnitudes, las condiciones de cada episodio y las previsiones anteriores. Acertar aproximadamente el número total no basta si el modelo omite una concentración de pérdidas graves relacionadas con problemas de financiación.
Los niveles de confianza elevados dejan pocas observaciones de cola. En 1000 escenarios históricos con el mismo peso, el peor 1% contiene solo diez. Sustituir uno puede cambiar mucho la media, especialmente si representa una pérdida extrema. Modificar el horizonte o añadir escenarios de tensión vuelve a cambiar la pregunta. Acompaña la cifra principal con el número de observaciones, su ponderación y la sensibilidad a unos pocos resultados grandes. Los decimales adicionales no compensan la escasez de información.