En finanzas , el riesgo de modelo es el riesgo de pérdida resultante del uso de modelos insuficientemente precisos para tomar decisiones, originalmente y frecuentemente en el contexto de la valoración de valores financieros . [9]
Aquí, Rebonato (2002) define el riesgo de modelo como "el riesgo de que ocurra una diferencia significativa entre el valor de ajuste del modelo de un instrumento complejo y/o ilíquido , y el precio al que se revela que el mismo instrumento se negoció en el mercado". El mercado ".
Sin embargo, el riesgo de modelo es cada vez más relevante en contextos distintos de la valoración de valores financieros, incluida la asignación de puntuaciones de crédito al consumo , la predicción en tiempo real de transacciones fraudulentas con tarjetas de crédito y el cálculo de la probabilidad de que un pasajero de un vuelo sea un terrorista. De hecho, Burke considera que no utilizar un modelo (en lugar de confiar demasiado en el juicio de expertos) es un tipo de riesgo de modelo. [10]
Derman describe varios tipos de riesgo de modelo que surgen del uso de un modelo: [9]
La volatilidad es el insumo más importante en los modelos de gestión de riesgos y de fijación de precios. La incertidumbre sobre la volatilidad genera riesgo de modelo. Derman cree que los productos cuyo valor depende de una sonrisa de volatilidad tienen más probabilidades de sufrir riesgo de modelo. Escribe: "Creo que es seguro decir que no hay ningún área donde el riesgo de modelo sea más problemático que en el modelado de la sonrisa de la volatilidad". [11] Avellaneda y Paras (1995) propusieron una forma sistemática de estudiar y mitigar el riesgo de modelo resultante de la incertidumbre de la volatilidad. [12] Véase también riesgo de volatilidad .
Buraschi y Corielli formalizan el concepto de 'inconsistencia temporal' con respecto a modelos sin arbitraje que permiten un ajuste perfecto de la estructura temporal de las tasas de interés. En estos modelos, la curva de rendimiento actual es un insumo, de modo que se pueden utilizar nuevas observaciones sobre la curva de rendimiento para actualizar el modelo con frecuencias regulares. Exploran la cuestión de las estrategias autofinanciadas y consistentes en el tiempo en esta clase de modelos. El riesgo del modelo afecta los tres pasos principales de la gestión de riesgos : especificación, estimación e implementación. [13]
La incertidumbre sobre los parámetros de correlación es otra fuente importante de riesgo de modelo. Cont y Deguest proponen un método para calcular la exposición al riesgo de modelo en derivados de acciones de activos múltiples y muestran que las opciones que dependen del peor o mejor desempeño de una canasta (las llamadas opciones arcoíris ) están más expuestas a la incertidumbre del modelo que las opciones sobre índices. [14]
Gennheimer investiga el riesgo de modelo presente en los derivados de incumplimiento de la cesta de precios. Fija el precio de estos derivados con varias cópulas y concluye que "... a menos que uno esté muy seguro acerca de la estructura de dependencia que rige la canasta de crédito, cualquier inversor dispuesto a negociar productos predeterminados de la canasta debe calcular imperativamente los precios bajo especificaciones de cópula alternativas y verificar los errores de estimación de su simulación para conocer al menos los riesgos de modelo que corren". [15]
La complejidad de un modelo o de un contrato financiero puede ser una fuente de riesgo de modelo, lo que lleva a una identificación incorrecta de sus factores de riesgo. Este factor fue citado como una fuente importante de riesgo de modelo para las carteras de valores respaldados por hipotecas durante la crisis de 2007.
El riesgo de modelo no sólo existe para contratos financieros complejos. Frey (2000) presenta un estudio sobre cómo la iliquidez del mercado es una fuente de riesgo de modelo. Escribe: "Comprender la solidez de los modelos utilizados con fines de cobertura y gestión de riesgos con respecto al supuesto de mercados perfectamente líquidos es, por lo tanto, una cuestión importante en el análisis del riesgo de modelo en general". [16] Los bonos convertibles , los valores respaldados por hipotecas y los bonos de alto rendimiento a menudo pueden ser ilíquidos y difíciles de valorar. Los fondos de cobertura que negocian estos valores pueden estar expuestos al riesgo de modelo al calcular el NAV mensual para sus inversores. [17]
Muchos modelos se construyen utilizando tecnología de hojas de cálculo , que puede ser particularmente propensa a errores de implementación. [18] Las estrategias de mitigación incluyen agregar controles de coherencia, validar entradas y utilizar herramientas especializadas. [19] Ver Riesgo de hoja de cálculo .
Rantala (2006) menciona que "frente al riesgo del modelo, en lugar de basar las decisiones en un único 'mejor' modelo seleccionado, el modelador puede basar su inferencia en un conjunto completo de modelos utilizando el promedio de modelos". [20] Este enfoque evita el "defecto de los promedios". [21]
Otro enfoque para modelar el riesgo es el peor de los casos, o enfoque minmax, defendido en la teoría de la decisión por Gilboa y Schmeidler. [22] En este enfoque se consideran una variedad de modelos y se minimiza la pérdida encontrada en el peor de los casos. Este enfoque para el riesgo de modelo ha sido desarrollado por Cont (2006). [23]
Jokhadze y Schmidt (2018) proponen varios modelos de medidas de riesgo utilizando la metodología bayesiana. Introducen medidas de riesgo superpuestas que incorporan el riesgo de modelo y permiten una gestión consistente del riesgo de mercado y de modelo. Además, proporcionan axiomas de medidas de riesgo de modelos y definen varios ejemplos prácticos de medidas de riesgo de modelos superpuestas en el contexto de la gestión de riesgos financieros y la fijación de precios de reclamaciones contingentes.
Para medir el riesgo inducido por un modelo, es necesario compararlo con un modelo alternativo o con un conjunto de modelos de referencia alternativos. El problema es cómo elegir estos modelos de referencia. [24] En el contexto de la fijación de precios de derivados, Cont (2006) propone un enfoque cuantitativo para medir la exposición al riesgo de los modelos en carteras de derivados: primero, se especifica y calibra un conjunto de modelos de referencia con respecto a los precios de mercado de instrumentos líquidos, luego se determina la cartera objetivo. con un precio inferior a todos los modelos de referencia. Una medida de la exposición al riesgo del modelo viene dada entonces por la diferencia entre la valoración actual de la cartera y la valoración del peor de los casos según los modelos de referencia. Esta medida puede utilizarse como forma de determinar una reserva para el riesgo de modelo para carteras de derivados. [23]
Jokhadze y Schmidt (2018) introducen medidas de riesgo del mercado monetario que cubren las pérdidas por riesgo del modelo. Su metodología permite armonizar la gestión de riesgos de mercado y de modelo y definir límites y capitales requeridos para posiciones de riesgo.
Kato y Yoshiba analizan formas cualitativas y cuantitativas de controlar el riesgo de los modelos. Escriben: "Desde una perspectiva cuantitativa, en el caso de los modelos de precios, podemos establecer una reserva para permitir la diferencia en las estimaciones utilizando modelos alternativos. En el caso de los modelos de medición de riesgos, se pueden realizar análisis de escenarios para varios patrones de fluctuación de Se pueden establecer factores de riesgo o límites de posición con base en la información obtenida del análisis de escenarios." [25] Cont (2006) aboga por el uso del modelo de exposición al riesgo para calcular dichas reservas.
Taleb escribió al describir por qué la mayoría de los modelos nuevos que intentaron corregir las deficiencias del modelo de Black-Scholes no lograron ser aceptados:
Sin embargo, Cherubini y Della Lunga describen las desventajas de la parsimonia en el contexto de los modelos de volatilidad y correlación. El uso de un número excesivo de parámetros puede inducir un sobreajuste, mientras que la elección de un modelo severamente especificado puede fácilmente inducir una especificación errónea del modelo y una falla sistemática en la representación de la distribución futura. [27]
Fender y Kiff (2004) señalan que tener instrumentos financieros complejos, como CDO , "se traduce en una mayor dependencia de estos supuestos y, por lo tanto, en un mayor riesgo de modelo. Como se debe esperar que el mercado valore este riesgo, parte del rendimiento "La recuperación obtenida en relación con instrumentos de deudor único con igual calificación probablemente sea un reflejo directo del riesgo del modelo". [28]
{{cite journal}}: Citar diario requiere |journal=( ayuda ){{cite journal}}: Citar diario requiere |journal=( ayuda ){{cite journal}}: Citar diario requiere |journal=( ayuda )