DISEÑO DE PRUEBAS DE ESTRÉS INTEGRALES:

Transcripción

1 DISEÑO DE PRUEBAS DE ESTRÉS INTEGRALES: MÁS ALLÁ DE LOS ESCENARIOS DE JUICIO EXPERTO David Ariel Mermelstein, FRM Banco Patagonia, UCEMA y UBA Primeras Jornadas sobre GESTION DE RIESGOS en ENTIDADES FINANCIERAS UCEMA - 13 y 14 de Octubre, 2016 Las opiniones expresadas en esta presentación son personales y no representan la opinión de ninguna institución.

2 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?

3 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.

4 POR QUÉ ESTRÉS TESTS? (CONT.) Se hace necesaria una visión FORWARD LOOKING que complemente a los modelos basados únicamente en información histórica.

5 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.

6 - TRADE-OFF CLAVE EN EL DISEÑO DE ESCENARIOS: SEVERIDAD VS PLAUSIBILIDAD Plausibilidad + NO AMENAZA FOCO PARA MITIGACION - + Severidad NO RELEVANTE NO CREIBLE

7 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

8 SOBRE LA PLAUSIBILIDAD - Restricciones de consistencia - Restricciones de volumen - Restricciones estructurales - Redes Espacio de plausibilidad

9 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 solo se trata de domesticarlo?

10 ESTADIOS DEL JUICIO EXPERTO ESTADIO 0 ESTADIO 1 ESTADIO 2 ESTADIO 3 Proyección a mano alzada Marco de consistencia ad-hoc Marco de consistencia + Econometría Bayes y el juicio experto reencauzado DSGE

11 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

12 SIMULACIONES BASADAS EN MODELO DE VECTORES AUTOREGRESIVOS

13 INCERTIDUMBRE DE PRONÓSTICO Todo pronóstico serio debe reflejar el grado de incertidumbre que tiene asociada. Fuente: Nate Silver, The Signal and the Noise, 2012.

14 ESTIMACIONES DE LA DISTRIBUCIÓN COMPLETA DE LOS KRI

15 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

16 CONCEPTOS BAYESIANOS θ es el vector (o matriz) que contiene los parámetros del modelo p(θ\y): función de densidad "posterior p(θ): función de densidad prior p(y\θ): función de "verosimilitud" 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.

17 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:

18 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.

19 PREGUNTAS

20 DISEÑO DE PRUEBAS DE ESTRÉS INTEGRALES: MÁS ALLÁ DE LOS ESCENARIOS DE JUICIO EXPERTO David Ariel Mermelstein, FRM Banco Patagonia, UCEMA y UBA dam09@ucema.edu.ar Primeras Jornadas sobre GESTION DE RIESGOS en ENTIDADES FINANCIERAS UCEMA - 13 y 14 de Octubre, 2016 Las opiniones expresadas en esta presentación son personales y no representan la opinión de ninguna institución.