Una revisión histórica del modelo de riesgo de mercado, un dilema por resolver

Palabras clave:

riesgo de mercado, volatilidad, econometría, aprendizaje automático, redes neuronales

Resumen

En la actualidad, un aspecto relevante y significativo del complejo e incierto campo de las finanzas empresariales son los riesgos financieros, en especial el riesgo de mercado, entendido este como una medida de la pérdida máxima de un activo financiero hasta un portafolio de inversiones en un periodo determinado con una fiabilidad definida. Este riesgo se asocia con las crisis financieras con un alto impacto de pérdidas, postergando el desarrollo de las naciones y generando con la globalización un sistema financiero más endeble y necesitado de obtener información fiable e inminente para tomar decisiones oportunas y certeras. La presente investigación ha sido recogida desde la década de los sesenta del siglo pasado a la actualidad, mostrando esta travesía el paso de varias crisis financieras y sus mejoras. Estos sucesos en el tiempo han arrojado un conjunto de modelos matemáticos, entre los que se presentan: modelos determinísticos simples-estocásticos, modelos VaR y modelos contemporáneos del aprendizaje automático para la predicción de series temporales, en especial, redes neuronales recurrentes. Estos últimos modelos del aprendizaje profundo no exclusivos del sector financiero precisan ser más exactos, parsimoniosos y flexibles con respecto a los modelos clásicos econométricos.

Descargas

Citas

Academia Pirani, P. (2022). Pirani. Obtenido de Comité de Basilea I y II para la supervisión bancaria: https://www.piranirisk.com/es/academia/especiales/conoce-basilea-para-la-supervision-bancaria

Ahmed, N., Atiya, A., El Gayar, N., & El-Shishiny, H. (2010). An Empirical Comparison of Machine Learning Models for Time Series Forecasting. Econometric reviews, 549-621. doi:10.1080/07474938.2010.481556

Alaminos, D. (10 de 11 de 2021). Modelos de predicción de crisis financieras internacionales con técnicas de aprendizaje automático: aplicaciones a la reputación país. 1. Málaga, Málaga, España: UMA Editorial.

Ampudia, M., & Żochowski, D. (2016). Financial fragility of euro area households. Journal of Financial Stability(27), 250-262. doi:10.1016/j.jfs.2016.02.003

Aragonés, J., & Blanco, C. (2004). Crisis financieras y gestión del riesgo de mercado. Universia Business Review, 4, 78-87. Obtenido de https://www.redalyc.org/articulo.oa?id=43300407

Arbeláez, F., Ceferino, L., Ceballos, F., & Eduardo, L. (2005). El valor en riesgo condicional CVaR como medida coherente de riesgo. Revista Ingenierías Universidad de Medellín, 4(6), 43-54. doi:ISSN: 1692-3324

Armendáriz, T., & Ramírez, C. (2017). Estimación de un índice de condiciones financieras para México. El trimestre económico, 84(336), 889-946. doi:10.20430/ete.v84i336.610

Bai, S., Kolter, Z., & Koltun, V. (2018). An Empirical Evaluation of Generic Convolutional and Recurrent Networks for Sequence Modeling. arXiv preprint arXiv:1803.01271. doi:10.48550/arXiv.1803.01271

Balin, B. (2008). Basel I, Basel II, and Emerging Markets: A Nontechnical Analysis. Paul H. Nitze School of Advanced International Studies, 1-18. doi:http://dx.doi.org/10.2139/ssrn.1477712

Banco Mundial, B. (15 de Noviembre de 2022). Comunicado de Prensa. Obtenido de El riesgo de una recesión mundial en 2023 aumenta en medio de alzas simultáneas de las tasas de interés: https://www.bancomundial.org/es/news/press-release/2022/09/15/risk-of-global-recession-in-2023-rises-amid-simultaneous-rate-hikes

Boyer, R. (2010). La crisis actual a la luz de los grandes autores de la economía política. Economía: teoría y práctica. doi:ISSN 2448-7481

Breiman, L. (2001). Random forests. (Springer, Ed.) Machine learning, 5-32. doi:10.1023/A:1010933404324

Buriticá, M., Orozco, L., & Villalba, L. (2006). Gestión del Riesgo de Mercado como herramienta de estabilidad económica. El caso colombiano. AD-minister, 9, 167-178. doi:ISSN: 1692-0279

Cabedo, D., & Moya, I. (2003). Estimating oil price ‘Value at Risk’ using the historical simulation approach. Energy Economics, 25(3), 239-253. doi:https://doi.org/10.1016/S0140-9883(02)00111-1

Cangrejo, Á., & Cortes, C. (2019). Modelo de volatilidad a los precios de cierre de la acción pfcemargos comprendidas entre 16/mayo/2013 al 31/mayo/2017. Revista de Economía y Finanzas, 42(119), 81-206. doi:https://doi.org/10.32826/cude.v42i119.78

Canta, M. (2023). Basilea II, ültimos Avances. Superintendencia de Banca y Seguros. Obtenido de https://www.sbs.gob.pe/Portals/0/jer/REGUL_PROYIMP_BASIL_FUNSBS/Presentacion%20BCRP-ago2003.pdf

Casas, M., & Cepeda, E. (2008). MODELOS ARCH, GARCH Y EGARCH: APLICACIONES A SERIES FINANCIERAS. Cuadernos de Economía, 27(48), 287-320. doi:ISSN: 0121-4772

Castillo, J., & Martínez, J. (2007). EL Margen Financiero de La Banca Comercial en México 1995-2005. Quivera, 9(2), 55-169. doi:ISSN: 1405-8626

Cho, K., Van Merrienboer, B., Culcehre, C., Bandanau, D., Bougares, F., Schwenk, H., & Bengio, Y. (2014). Learning phrase representations using RNN encoder-decoder for statistical machine translation. arXiv preprint arXiv:1406.1078. doi:10.48550/arXiv.1406.1078

Chung, J., Gulcehre, C., Cho, K., & Bengio, Y. (2014). Empirical evaluation of gated recurrent neural networks on sequence modeling. arXiv preprint arXiv:1412.3555. doi:10.48550/arXiv.1412.3555

Cobarsí-Morales, J., Canals, A., & Ortoll, E. (2013). La información como bien económico: reflexiones sobre la crisis financiera de 2008. Universitat Oberta de Catalunya.Estudios de Ciencias de la Información y la Comunicación, 22(4), 346-352. doi:10.3145/epi.2013.jul.11

Comité de Supervisión Bancaria de Basilea, B. (2011). Basilea III: Marco regulador global para reforzar los bancos y sistemas bancarios. Banco de Pagos Internacionales.

Cortes, C., & Cangrejo, A. (2018). Modelo de volatilidad en un mercado financiero colombiano. Comunicaciones en Estad´ıstica, 11(2), 191–218. doi: ISSN 2027-3355

Cosentino, D. (2015). MODELO DE RIESGO INTEGRAL Y STRESS TESTING. Revista de Investigación en Modelos Financieros, 1(4), 9-37. doi:ISSN:2250-6861

Cruz, E., Medina, P., & Urrutia, J. (2011). Un modelo dual para portafolios de inversión. Scientia Et Technica, 1(47), 113–118. doi:https://doi.org/10.22517/23447214.559

Cruz, E., Restrepo, J., & Medina, P. (2008). PORTAFOLIO DE INVERSIÓN EN ACCIONES UN ENFOQUE ESTOCASTICO . Scientia et Technica , 2(39), 235-240. doi:https://doi.org/10.22517/23447214.3213

Cuesta, G. (2008). INTRODUCCION A LOS MODELOS DE VOLATILIDAD ESTOCASTICA. Barcelona, España.

De la Cuba, M. (2009). La crisis financiera y los canales de trasmisión. Moneda.

Díaz, I., Martinez, I., & Illueca, M. (2023). Regulation, Supervision and Accounting Conservatism: The Interaction of the Three Pillars of Basel II on the Quality of Reported Earnings in Worldwide Banks. https://doi.org/10.6018/rcsar.438811, 26(2), 330-342. doi:https://doi.org/10.6018/rcsar.438811

Dowd, K. (2002). An Introduction to Market Risk Measurement. John Wiley & Sons Ltd. doi:SBN 0-470-84748-4

Durango, M., & Delgado, L. (2017). Diseño metodológico para la estructuración de portafolios de inversión según el perfil de riesgo del inversionista. Revista Clío América, 11(22), 177 - 187. doi:http://10.21676/23897848.2439

Fabio, N., & Tobias, A. (2020). La COVID-19 empeora vulnerabilidades financieras. IMF Blog. Obtenido de https://www.imf.org/es/Blogs/Articles/2020/05/22/blog-gfsr-covid-19-worsens-pre-existing-financial-vulnerabilities

Feria, J. (2005). El Riesgo de Mercado: Su Medición y Control. Delta Publicaciones. doi:ISBN:8496477029

Fernández, P. (2020). Análisis de bonos: duración y convexidad. IESE Business School. doi:http://dx.doi.org/10.2139/ssrn.2900438

García, A. (2014). Consideraciones Básicas del Riesgo de Interés Estructural. Sinerg. innov., 2(1). doi:ISSN 2306-6431

García-Machado, J., Congregado, E., Golpe, A., & de-la-Vega, J. (2011). Financial crisis and market risk premium: Identifying multiple . Revista: Innovar, 21(39), 153-160. doi:ISSN: 0121-5051

Gomero, N. (2018). Análisis de sensibilidad de los bonos: Duración y duración modificada. Quipu Kamayoc, 26(51), 101-110. doi:https://doi.org/10.15381/quipu.v26i51.15137

Gónzales, A. ((s.f)). Value at Risk (VaR) . UNIVERSITAT AUTÒNOMA DE CATALUNYA , Catalunya, España.

Guzmán, H., & Maldonado, C. (2020). ¿CÓMO RESPONDER DESDE LA ACADEMIA A LOS RIESGOS QUE PREOCUPAN A LAS ORGANIZACIONES? Institución Universitaria Politécnico Grancolombiano, 15(28).

Hochreiter, S., & Schmidhuber, J. (1997). Long Shor-Term Memory. Neural computation, 1735-1780. doi:10.1162/neco.1997.9.8.1735

Hoggarth, G., Sorensen, S., & Zicchino, L. (2005). Stress Tests of UK Banks Using a VAR Approach. Bank of England Working Paper Series(282). doi:http://dx.doi.org/10.2139/ssrn.872693

Holton, G. (2014). Value-at-Risk. Obtenido de Theory and Practice: https://www.value-at-risk.net/title-page/

Hulk, J. (2006). INTRODUCCIÓN A LOS MERCADOS DE FUTUROS Y OPCIONES. PRENTICE HALL, INC., Copyright. doi:ISBN: 978-607-442-100-2

Johnson, C. (2001). Value at risk: teoría y aplicaciones. Estudios de economía, 28(2), 217-247. doi:ISSN-e 0304-2758

Johnson, C. (2005). Métodos alternativos de evaluación del riesgo para portafolios de inversión. Revista Latinoamericana de Administración, 35, 33-65. doi:ISSN: 1012-8255

Knop, R., Ordovás, R., & Vidal, J. (2013). Medición de Riesgos de Mercado y Mercado de Crédito. Delta. doi:ISBN:978-84-1558-49-9

Leiva, & Rodrigo. (2009). Riesgos financieros después de la crisis subprime. Contabilidad y Negocios, 4(8), 18-22.

Lim, B., & Zohren, S. (2021). Time-series forecasting with deep learning: a survey. Philosophical Transactions of the Royal Society A. doi:10.1098/rsta.2020.0209

Lopez, J. (1997). Regulatory Evaluation of Value-at-Risk Model. Federal Reserve Bank of San Francisco, 96(51). doi:http://dx.doi.org/10.2139/ssrn.1577

Makatjane, K. (2022). Bootstrapping Time-Varying Uncertainty Intervals for Extreme Daily Return Periods. ttps://doi.org/10.17713/ajs.v53i2.1710, 53(2). doi:https://doi.org/10.17713/ajs.v53i2.1710

Management Solutions, M. (2016). Requerimientos mínimos de capital por riesgo de mercado. Obtenido de Comité de Supervisión Bancaria de Basilea: www.managementsolutions.com

Martínez, J., & Marín, N. (2020). RELACIÓN DINÁMICA ENTRE LOS CREDIT DEFAULT SWAPS Y LA DEUDA PÚBLICA. ANÁLISIS EN EL CONTEXTO LATINOAMERICANO. Cuadernos de Economía, 40(83), 583-608. doi:https://doi.org/10.15446/cuad.econ.v40n83.81997

Martínez, M., Jiménez, A., & Venegas, F. (2021). Propuesta de mapa térmico del sistema financiero mexicano con alertas tempranas de inestabilidad. Análisis económico, 37(94), 125-142. doi:https://doi.org/10.7440/res64.2018.03

Mascareñas, J. (2008). El Riesgo de Interés. Monografías de Juan Mascareñas sobre Finanzas Corporativas. doi:ISSN: 1988-1878

Mattos, A. (27 de 11 de 2023). ¿Qué es un Stress Testing? Definición y Ejemplos. Colombia.

Merton, R., & Venegas, F. (2021). Tendencias y perspectivas de la ciencia financiera: Un artículo de revisión. Revista mexicana de economía y finanzas, 16(1). doi:https://doi.org/10.21919/remef.v16i1.581

Ming, J. (2013). Medición de riesgo de mercado según los acuerdos de basilea VaR en situaciones de estrés y pérdida esperada. The IEB International Journal of Finance(8), 184-201. doi:ISSN: 2173-0164

Moreno, M. (04 de Enero de 2012). El VaR, la técnica que hundió a Wall Street. Diario El Blog Salmón. Obtenido de https://www.elblogsalmon.com/mercados-financieros/el-var-la-tecnica-que-hundio-a-wall-street

Ocampo, J. (2009). Impactos de la crisis financiera mundial sobre América Latina. REVISTA CEPAL, 97, 9-32.

Orozco, C. (2023). Factores Frecuentes en Burbujas Financieras, suAnalisis Como Herramienta de Prevención de RiesgosEconómicos. México.

Prasad, E. (Diciembre de 2023). CHINA SE TAMBALEA, PERO NO CAERÁ. El crecimiento se desacelera, los riesgos abundan, pero se puede evitar el colapso económico y financiero. Obtenido de https://www.imf.org/es/Publications/fandd/issues/2023/12/China-bumpy-path-Eswar-Prasad

Puerta, A., & Laniado, H. (2010). Diseño de estrategias óptimas para la selección de portafolios, un análisis de la ponderación inversa al riesgo (PIR). Lecturas de Economía, 73. doi: ISSN 0120-2596

Rady, E., Fawzy, H., & Fattah, A. (2021). Time series forecasting using tree based methods. Jorinal of Statistics Applications & Porbability, 10(1), 229-244. doi:10.18576/jsap/100121

Ramirez, E. (2004). VALOR EN RIESGO NO LINEAL. México, México.

Ramírez, J., Marulanda, J., & Manotas, D. (2023). ¿Qué tan sensibles son los mercados financieros al brote por COVID-19? Evidencia de los mercados de Estados Unidos y Colombia. Revista de Métodos Cuantitativos para la Economía y la Empresa, 36, 1-23. doi:https://doi.org/10.46661/rev.metodoscuant.econ.empresa.6431

Rayo, S., Rubio, J., & Camino, J. (2010). Un Modelo de Credit Scoring para instituciones de microfinanzas en el marco de Basilea II. Journal of Economics, Finance and Administrative Scienc, 15(28). doi:ISSN 2077-1886

Rodrigues, A., da Silveira, C., & Silva, G. (2006). Internal Models Validation in Brazil: Analysis of VaR Backtesting Methodologies. Revista Brasileira de Finanςas, 4(1), 363-384. doi:ISSN: 1679-0731

Roncalli, T. (2020). Handbook of Financial Risk Management. CRC Press. doi:ISBN 9781315144597

Ruiz, A., & Margarita, G. (03 de 03 de 2015). Aplicación de medidas de riesgo de mercado : marginal VAR, contribution VAR, incremental VAR y conditional VAR, para el análisis de decisiones en un portafolio de inversión. Bogotá, Colombia: Universidad Piloto de Colombia.

Ruíz, E., & Veiga, M. (2008). Modelos de volatilidad estocástica: una alternativa y factible para modelizar la evolución de la volatilidad. Anales de estudios económicos y empresariales, 8(18), 9-68. doi:ISSN 0213-7569

Saéz, M., & Pérez, J. (1994). Modelos Autorregresivos para la Varianza Condicionada Heterocedástica (ARCH). Journal of Economic Literature, 2-95. doi:C42,C22

Salinas, J. (2009). Metodologías de medición del riesgo de mercado. Innovar, 19(34). doi:ISSN 0121-5051

Surtee, T. (2023). A novel approach to using modern portfolio theory. Borsa Istanbul Review, 23(3), 527–540. doi:https://doi.org/10.1016/j.bir.2022.12.005

Tan, X., Ma, S., Wang, X., Feng, C., & Xiang. (2022). The impact of the COVID-19 pandemic on the global dynamic spillover of financial market risk. frontiers, 10. doi: https://doi.org/10.3389/fpubh.2022.963620

Tasche, D. (2002). Expected shortfall and beyond. Journal of Banking & Finance, 26(7), 1519-1533. doi:https://doi.org/10.1016/S0378-4266(02)00272-8

Tobias, F. (14 de Abril de 2020). La crisis de la COVID-19 es una amenaza para la estabilidad financiera. COVID-19. Obtenido de https://www.imf.org/es/Blogs/Articles/2020/04/14/blog-gfsr-covid-19-crisis-poses-threat-to-financial-stability

Useche, A. (2015). Construcción de portafolios de inversión desde las finanzas del comportamiento: una revisión crítica. Cuadernos de Administración, 28(51), 11-43. doi:https://doi.org/10.11144/Javeriana.cao28-51.cpif

Van den Oord, A., Dieleman, S., Zen, H., Simonyan, K., Vinyaks, O., Graves, O., . . . Kavukcuoglu, K. (2016). Wavenet: A generate model for raw audio. arXiv preprint arXiv:1609.03499. doi:10.48550/arXiv.1609.03499

Velarde, J. (2022). La Crisis Financiera Global de 2008: respuesta de política monetaria y lecciones aprendidas. En HITOS DE LA REFORMA MACROECONÓMICA EN EL PERÚ 1990-2020 (págs. 255-272). Universidad del Pacífico.

Vera, A. (2013). Portafolios óptimos bajo estimadores robustos clásicos y bayesianos con aplicaciones al mercado de acciones peruano. Lima, Perú.

Vilariño, A. (2016). Riesgos de mercado Fundamentos, modelos y aplicaciones. En A. Vilariño, Métodos Parámetricos (págs. 77-78). Garceta, Grupo Editorial.

Woodward, W., Sadler, B., & Robertson, S. (2022). Time Series for Data Science: Analysis and Forecasting. CRC Press.

Yamai, Y., & Yoshiba, T. (2004). Value-at-risk versus expected shortfall: A practical perspective. Journal of Banking & Finance, 27(4), 997-1015. doi:10.1016/j.jbankfin.2004.08.010

Young, T., Hazarika, D., Poria, S., & Cambria, E. (2018). Recent Trends in Deep Learning Based Natural Language Processing. IEEE Computational intelligenCe magazine, 55-75. doi:10.1109/MCI.2018.2840738

Descargas

Publicado

2025-06-12

Cómo citar

Martínez Farfán, J. A., López Meléndez, E., & Lara Rodríguez, L. D. (2025). Una revisión histórica del modelo de riesgo de mercado, un dilema por resolver. Perspectivas De Las Ciencias Económicas Y Jurídicas, 15(1). Recuperado a partir de https://cerac.unlpam.edu.ar/ojs/index.php/perspectivas/article/view/9195

Número

Sección

Investigación científica