En finanzas , el riesgo de modelo es el riesgo de pérdida que resulta del uso de modelos insuficientemente precisos para tomar decisiones, originalmente y con frecuencia 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 mercado de un instrumento complejo y/o ilíquido y el precio al que se revela que ese mismo instrumento se ha negociado en el mercado ".
Sin embargo, el riesgo de modelo es cada vez más relevante en otros contextos además de la valoración de valores financieros, como la asignación de puntuaciones de crédito a los consumidores , 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 aéreo sea un terrorista. De hecho, Burke considera que el hecho de no utilizar un modelo (en lugar de confiar excesivamente en el juicio de los 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 conduce al riesgo de modelo. Derman cree que los productos cuyo valor depende de una sonrisa de volatilidad son los que tienen más probabilidades de sufrir el riesgo de modelo. Escribe: "Creo que es seguro decir que no hay ningún área en la que el riesgo de modelo sea un problema mayor que en el modelado de la sonrisa de 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" en relación con los modelos sin arbitraje que permiten un ajuste perfecto de la estructura temporal de los tipos de interés. En estos modelos, la curva de rendimiento actual es un insumo, de modo que las nuevas observaciones sobre la curva de rendimiento pueden utilizarse para actualizar el modelo con frecuencias regulares. Exploran la cuestión de las estrategias de autofinanciación y consistencia temporal en esta clase de modelos. El riesgo del modelo afecta a los tres pasos principales de la gestión del riesgo : 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 las exposiciones al riesgo de modelo en derivados de renta variable de múltiples activos y muestran que las opciones que dependen de los peores o mejores resultados de una canasta (las llamadas opciones arco iris ) están más expuestas a la incertidumbre del modelo que las opciones sobre índices. [14]
Gennheimer investiga el riesgo de modelo presente en la fijación de precios de derivados de incumplimiento de canastas. Fija el precio de estos derivados con diversas cópulas y concluye que "... a menos que uno esté muy seguro de la estructura de dependencia que rige la canasta de crédito, cualquier inversor que desee negociar productos de incumplimiento de canasta debe imperativamente calcular los precios bajo especificaciones de cópulas 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 se citó como una fuente importante de riesgo de modelo para las carteras de títulos respaldados por hipotecas durante la crisis de 2007.
El riesgo de modelo no sólo existe en el caso de 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 títulos respaldados por hipotecas y los bonos de alto rendimiento a menudo pueden ser ilíquidos y difíciles de valorar. Los fondos de cobertura que comercializan estos títulos pueden estar expuestos al riesgo de modelo al calcular el valor liquidativo 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 consistencia, validar entradas y usar herramientas especializadas. [19] Consulte Riesgo de hojas de cálculo .
Rantala (2006) menciona que “Ante el riesgo del modelo, en lugar de basar las decisiones en un único modelo ‘mejor’ 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 enfoque del peor de los casos, o minmax, propugnado en la teoría de la decisión por Gilboa y Schmeidler. [22] En este enfoque se considera una gama de modelos y se minimiza la pérdida encontrada en el peor escenario posible. Este enfoque para modelar el riesgo ha sido desarrollado por Cont (2006). [23]
Jokhadze y Schmidt (2018) proponen varias medidas de riesgo de modelo utilizando la metodología bayesiana. Introducen medidas de riesgo superpuestas que incorporan el riesgo de modelo y permiten una gestión coherente del riesgo de mercado y del modelo. Además, proporcionan axiomas de medidas de riesgo de modelo y definen varios ejemplos prácticos de medidas de riesgo de modelo superpuestas en el contexto de la gestión de riesgo financiero y la fijación de precios de reclamaciones contingentes.
Para medir el riesgo inducido por un modelo, se lo debe comparar 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 la medición de las exposiciones al riesgo de modelo en las carteras de derivados: primero, se especifica un conjunto de modelos de referencia y se calibra a precios de mercado de instrumentos líquidos, luego se fija el precio de la cartera objetivo según todos los modelos de referencia. Una medida de exposición al riesgo de modelo se da entonces por la diferencia entre la valoración actual de la cartera y la valoración en el peor de los casos según los modelos de referencia. Tal medida puede usarse como una forma de determinar una reserva para el riesgo de modelo para las carteras de derivados. [23]
Jokhadze y Schmidt (2018) introducen medidas de riesgo de mercado monetario que cubren las pérdidas por riesgo de modelo. Su metodología permite armonizar la gestión del riesgo de mercado y de modelo y definir límites y capitales requeridos para las 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 fijación de precios, podemos establecer una reserva para tener en cuenta la diferencia en las estimaciones utilizando modelos alternativos. En el caso de los modelos de medición de riesgos, se puede realizar un análisis de escenarios para diversos patrones de fluctuación de los factores de riesgo, o se pueden establecer límites de posición en función de la información obtenida del análisis de escenarios". [25] Cont (2006) defiende el uso de la exposición al riesgo de los modelos para calcular dichas reservas.
Taleb escribió al describir por qué la mayoría de los nuevos modelos 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 la modelización de la volatilidad y la correlación. El uso de un número excesivo de parámetros puede inducir un sobreajuste, mientras que la elección de un modelo con especificaciones estrictas puede inducir fácilmente una especificación incorrecta del modelo y una falla sistemática en la representación de la distribución futura. [27]
Fender y Kiff (2004) señalan que la tenencia de instrumentos financieros complejos, como los CDO , "se traduce en una mayor dependencia de estos supuestos y, por lo tanto, en un mayor riesgo de modelo. Como se espera que el mercado tenga en cuenta este riesgo, es probable que parte del aumento de rendimiento obtenido en relación con instrumentos de deudor único con calificación igual sea un reflejo directo del riesgo de modelo". [28]
{{cite journal}}: Requiere citar revista |journal=( ayuda ){{cite journal}}: Requiere citar revista |journal=( ayuda ){{cite journal}}: Requiere citar revista |journal=( ayuda )