Cálculo de medidas de riesgo para series de activos financieros bajo modelación del tiempo entre eventos extremos

Abstract

Dentro del análisis de retornos financieros, una de las principales preocupaciones comprende medir el riesgo de los eventos extremos y cómo éstos pueden afectar la rentabilidad de una entidad. Las propiedades de estilo, naturales de estas series de tiempo, hacen a las estrategias clásicas publicadas en la literatura insuficientes para modelar la información. En esta investigación se define una alternativa, que toma especial cuidado en dichas particularidades de las series, como las dependencias temporales dentro de ella y en cómo, a partir de esta modelación, es posible extraer medidas de riesgo. La principal novedad de la investigación consiste en modelar el tiempo entre eventos extremos a partir de técnicas propias de datos irregularmente espaciados. El método propuesto es aplicado sobre un índice conocido, así como a un portafolio hipotético, y sujeto a pruebas estadísticas que permiten corroborar tanto su ajuste como la precisión en la estimación del riesgo. Su desempeño es también comparado con modelos clásicos que consideran volatilidad estocástica y su propia estimación del riesgo. La ventaja de la utilización de esta metodología es que utiliza solo la información obtenida a partir de la definición de sus eventos extremos, sin necesidad de realizar algún tratamiento sobre la serie completa. El carácter modular de la estrategia de modelación propuesta, permite también construir estructuras más complejas, definiendo un modelo generalizado, que puede desempeñarse sobre cualquier serie. Los resultados obtenidos permiten validar la utilización de esta metodología, ya que explican de mejor manera las interacciones entre los retornos. Palabras clave: Teoría de valores extremos, Modelo autorregresivo condicional en duración, Medida de riesgo, Valor en riesgo, Cambio de régimen./ABSTRACT:Within the analysis of financial returns, one of the main concerns involves measuring the risk of extreme events and how they can affect the profitability of a firm. Stylized facts within these time series make classical literature's strategies insufficient to model all the information. This research defines an alternative, taking special care to those features of the series, such as serial dependence and how,from this modeling, it is possible to compute classical risk measures. The main novelty of the research is to model the time between extreme events supported by techniques in irregularly spaced data. The proposed method is applied to a known index and a hypothetical portfolio, and subject to statistical tests, which corroborate both its setting and accuracy over risk estimation. Their performances are compared to classical stochastic volatility models and its own risk measure. The major advantage of using this method corresponds to using only the information obtained from the definition of its extreme values, without performing any treatment over the entire series. The modular nature of the proposed modeling strategy allows building a more complex structure, defining generalized models, which can perform on any series. The results obtained validate the utilization of this methodology, as it explains the interactions between the returns. Keywords: Extreme value theory, Autoregressive conditional duration, Risk measure, Value at risk, Regime-switching.