Value at Risk (VaR)& Value at Earnings (VaE)

Transcripción

1 Value at Risk (VaR)& Value at Earnings (VaE) Servicios para la automatización de cálculos sobre grandes volúmenes de datos para la gestión de Riesgo de Mercado

2 Compartir conocimiento Respuestas a tiempo real Tan lejos como lo necesite Hasta dónde llegaremos juntos hoy?

3 1. Riesgo de Mercado. 2. Contextualización de SIAG en el entorno de Riesgos. 3. Fases del Cálculo. 4. El Motor y su Entorno. 5. Necesidades.

4 1. Riesgo de Mercado Definición: Probabilidad de incurrir en pérdidas como consecuencia de movimientos adversos en los precios de mercado de los instrumentos de la cartera en manos de la entidad en un momento determinado. Es en realidad se trata de toda una familia de riesgos que abarca cuatro apartados, cada uno con su tratamiento diferenciado: Riesgo de interés de los instrumentos negociables remunerados con un tipo de interés. Riesgo de las acciones. Riesgo de tipo de cambio. Riesgo de los contratos sobre mercaderías.

5 1.1 Riesgo de Mercado Value at Risk (VaR) Metodología para cuantificar la exposición al riesgo de mercado que permite medir la pérdida que se podría sufrir en condiciones normales de mercado en un intervalo de tiempo y a un nivel de confianza determinado. Value at Earning (VaE) Medida estadística complementaria al VaR, que permite medir el beneficio que se podría obtener en condiciones normales de mercado en un intervalo de tiempo y a un nivel de confianza.

6 2. Contextualización de SIAG en el entorno de Riesgos. Consultoría. Siag empresa dedicada a la consultoría de Negocio así como al desarrollo de soluciones informáticas. Consultoría de Negocio, donde diseñamos los caminos a seguir, siempre con la base de los amplios conocimientos en los modelos de negocio donde operan nuestros clientes, aplicando internamente rigurosos controles de evolución y mejora. Consultoría Funcional, donde el trabajo del día a día es poner en práctica las mejores propuestas desarrolladas por los Consultores de Negocio, en Riesgos de mercado, crediticio, operacional.

7 2.1 Contextualización de SIAG en el entorno de Riesgos. Tecnología. Herramientas de Mercado, donde evaluamos las distintas posibilidades de cada una de las nuevas aplicaciones de software de carácter financiero disponibles en el mercado. Desarrollo de Herramientas a medida para el entorno de Riesgos de Mercados así como para Riesgos de Crédito. (Motores de Calculo, Tecnología GRID) Especializándonos en la parametrización y personalización del software, como una herramienta que nos permita establecer las mejores estimaciones y predicciones posibles sobre las condiciones y resultados futuros. Ejemplos. ASSET CONTROL, MUREX, KONDOR, KGL entre otras.

8 3. Fases del Cálculo Simulación Histórica Usa resultados históricos de las rentabilidades de los activos. Valoración de posiciones de la cartera Cálculo del Mark to Market Valoración de las posiciones de la cartera en cada escenario simulado. Agregación de resultados de Pérdidas y Ganancias (P&G, en adelante) a distintos niveles de la cartera.

9 3.1 Simulación Histórica Obtención de las rentabilidades históricas de los Activos necesarios para el cálculo. Capacidad de realizar los cálculos para distintas unidades de negocio al mismo tiempo. Input: Reuters Bloomberg Otros Agilidad en el cálculo. (Gestión masiva de datos en base a Motor de Cálculo). Para activos, obtención de rendimientos en apenas 3 minutos.

10 3.2 Valoración de Posiciones Valoración de posiciones de la cartera Cálculo del Mark to Market Valoración de las posiciones de la cartera en cada escenario simulado y para cada Grupo de Riesgo predefinido Metodologías de Cálculo: Input: Aproximación de Taylor. Full Revaluation Rendimientos históricos de los Activos. (Simulación histórica previa). Posiciones de la cartera. Parametrización de los distintos instrumentos (para cada posición). Algoritmo de Cálculo para la valoración (cada tipo de producto asociado a un algoritmo). Escenario Base (último dato de cierre de mercado disponible), extraído de Bloomberg, Reuters u otros.

11 3.2.1 Valoración de Posiciones Agilidad en el cálculo: Gestión masiva de datos en base a Motor de Cálculo. Para Factores de Riesgo, se obtienen 265 Millones de resultados (valoraciones unitarias) en tiempos mínimos.

12 3.3 Agregación Agregación de resultados de P&G a distintos niveles de la cartera. Agregación por cada cartera y grupo de riesgo, designado previamente. Agilidad en el cálculo. Obtención de las medidas estadísticas de todas las agregaciones en menos de 60 segundos para una muestra de instrumentos.

13 Medidas estadísticas para cada agregación: 3.4 Informes VaR al 1%: definido como el primer percentil del vector de P&G obtenido en el proceso de valoración. VaR al 5%: definido como el quinto percentil del vector de P&G. VaE al 95%: definido como el percentil 95 del vector de P&G. VaE al 99%: definido como el percentil 99 del vector de P&G. Otras como (peor escenario, quinto peor escenario, fechas para el peor y quinto escenario por ejemplo, etc. ) Vector de P&G para cada agregación. Informes por Posición. Distintas medidas estadísticas por posición. Aportación de esa posición al VaR, VaE a los distintos niveles de agregación. VaR/VaE incremental. Qué sucedería si incorporase una nueva posición a la cartera.

14 3.5 Informes VaR/VaE por Producto. VaR por cada Producto pre-definido en el proceso de valoración (Opciones sobre tipos de cambio, Plain Vanilla, Tipos de Cambio al Contado, como ejemplo). VaR/VaE por Divisa. Análisis de Escenarios (Stress Test) Someter la cartera a distintas situaciones de estrés (tanto ad-hoc como situaciones de crisis ya acaecidas en la realidad, sean por ejemplo la Crisis del 94, la Crisis de World Trade Center, ) Back-Testing Bondad de Ajuste del modelo. Input para la obtención del número de excedidos (número de veces en las que los resultados reales son superiores a los obtenidos mediante VaR/VaE).

15 3.6 Simulación Histórica Factores de Precio Reuters Motor de Cálculo Simulación Histórica Bloomberg Series Históricas Otros

16 3.7 Valoración de Posiciones Resultado de Simulación Histórica Proxy Factores de Riesgo Parametrizació n Instrumentos Posiciones Algoritmo de Cálculo por Producto Motor de Cálculo Valoración Unitaria de posiciones Grupos de Riesgo Escenario Base

17 3.8 Agregación Resultado de Valoración Unitaria Motor de Cálculo Agregaciones por Grupos de Riesgo Estructuras de Agregación

18 3.9 Informes Informes Agregados a distintos niveles de la cartera Informes por Posición Informes por Producto Resultado de Agregación Motor de Cálculo Informes por Divisa Informes por Subyacente Informes de Stress Test por cada escenario de Stress Informes de Back-Testing

19 4. El Motor y su Entorno. Motor de Cálculo User interface User Manager Data Manager Data Checker Loader Historical Data Manager Engine Manager GRID-Engine Núcleo-Motor

20 4.1. CAPA DE ADMINISTRACIÓN El User Interface Module (UIM) es en sí la capa de presentación. Normalmente basado en Web según las necesidades actuales del mercado aunque puede generarse en otros modelos, como son arquitectura cliente-servidor, ejecutables convencionales. De hecho no hay impedimento para que un motor pueda administrarse a través de un interfaz de línea de comando, muy útil en sistemas UNIX.

21 4. 2 User Manager Module. El User Manager Module (UMM) se diseñará para controlar el acceso de los usuarios que deseen iniciar una sesión en el motor de cálculo. El UMM se basa en la gestión de usuarios atendiendo a sus perfiles y privilegios acondicionando el entorno a las credenciales aportadas. Este módulo normalmente debe construirse dependiente del sistema de control de accesos que tenga ya la empresa, dado que, en la mayoría de los casos, existirá un aplicativo de gestión encargado de gestionar usuarios sin embargo es necesario complementarlo con los requerimientos específicos del motor de cálculo en cuanto al acceso de usuarios como es la gestión de perfiles. El UMM registrará en la BD todas las sesiones de usuario y resultados de conexiones fallidas o de éxito.

22 4. 2. User Manager Module. Detalle de interacción del UMM User interface User Manager Data Manager BD Data Checker

23 4.3 Data Manager Module. El Data Manager Module (DMM) permite a la capa de administración interactuar con las tablas de la base de datos. El DMM recibe requests del UIM (User Interface Module) para recibir de o enviar a la base datos información relativa al negocio. En el DMM se encuentran todas las queries SQL con la lógica necesaria para obtener los juegos de datos que utiliza la herramienta durante su operativa. Cualquier inserción en la BD estará sujeta a la validación lógica del Data Checker Module (DCM). En caso de no pasar la validación de DCM se enviará un error con un detalle descriptivo al UIM que a su vez lo presentará al usuario para su actuación. Por otro lado el DMM nos permitirá trabajar con distintas BD de distintos fabricantes simultáneamente siendo además posible cambiar de BD simplemente adaptando el DMM sin que el resto de los módulos del motor de cálculo se vea afectado.

24 4.4 Data Checker Module El Data Checker Module (DCM) tiene la finalidad de filtrar cualquier dato que vaya a la BD para comprobar que cumple con las reglas de negocio prefijadas en la misma. En caso contrario devolverá un error descriptivo al módulo llamante. Permitirá la validación de los datos procedentes de las fuentes externas, asegurando la consistencia de los datos. El DCM actúa no sólo a nivel individual, cuando el usuario desea realizar un cambio en la BD sino en cualquier proceso de carga de datos desde las fuentes externas o durante la producción de paquetes de datos al núcleomotor.

25 4.5 Loader. El loader es el módulo encargado de la carga en la BD de los datos externos procedentes de los proveedores de información. Durante un proceso de carga existirá una validación previa de los datos por invocación al DCM, esto producirá un informe para que el usuario pueda tomar decisiones antes de ejecutar el proceso de cálculo.

26 4.5 Loader. Detalle de interacción del Loader User interface SHARE Loader Local DATA Historical Data Manager Data Manager BD Data Checker

27 4.6 Historical Data Manager Module. El Historical Data Manager Module (HDMM) es el módulo encargado de gestionar la funcionalidad histórica de la herramienta. El HDMM intervendrá antes de la preparación de los paquetes de información para el motor de cálculo renovando la información histórica necesaria para la fecha a la que se piden los cálculos. Igualmente intervendrá invocado por el Loader para hacer los cambios necesarios en la BD durante la carga. El HDMM es un módulo de altas prestaciones que permite eficiente transferencia de información entre la BD y el motor de cálculo, disminuyendo en un altísimo porcentaje el número los cambios efectuados directamente sobre la BD.

28 4. 7 Engine Manager Module. El Engine Manager Module (EMM) o Módulo de Gestión del Motor será el encargado de interrelacionarse con el núcleo-motor. Éste conoce los requisitos de motor y es capaz de preparar los paquetes de información que aquél necesita para calcular y elaborar resultados además es el encargado de invocarlo y controlar la sesión de cálculo desde el inicio hasta su finalización.

29 4.8 NUCLEO-MOTOR El núcleo-motor es el módulo encargado de procesar, calcular y elaborar los resultados. El un elemento independiente y se podría gestionar desde línea de comando si de alguna forma se pudiese preparar los paquetes de información de forma manual editando el fichero que espera el motor. Contiene toda la lógica de negocio del cálculo y normalmente se ejecuta de forma paralelizada en sistemas GRID o con multitarea real. Su única comunicación con el mundo exterior está limitada exclusivamente a la comunicación con el invocador para transmitirle información sobre el éxito o error de su ejecución. Por otro lado es capaz de comunicar al EMM su estado y avance en el proceso de ejecución que podrá transmitirse al usuario que estará informado plenamente de la situación del proceso a tiempo real.

30 5. Necesidades Series históricas. Datos de cierre de mercado actualizados a diario. Cartera de posiciones. Parametrización de los instrumentos. Algoritmos de cálculo para la valoración. Escenarios de estrés pre-definidos para el cálculo del Estrés Test.

31 José Ortega y Gasset, 40-7º Dcha , Madrid. España Tel.: (34) Fax: (34) Mail: info@siag.es