Más allá del VaR: medidas entrópicas para el riesgo extremo

Dos nuevas medidas de riesgo para cuantificar eventos extremos y cómo usarlas al optimizar portafolios.

Resumen de la entrevista

Dany Cajas, creador de la biblioteca Riskfolio-Lib para Python y autor de un libro sobre optimización de portafolios, presenta las dos medidas de riesgo que expuso en la IV JAR: el valor en riesgo entrópico y el valor en riesgo relativista. Buscan manejar los riesgos extremos, como los eventos de cola o el riesgo climático, que producen pérdidas mayores a las que estiman el valor en riesgo y el valor condicional en riesgo, y así acercarse a una mejor estimación de los escenarios más catastróficos.

Según explica, estas medidas son más robustas, es decir, menos sensibles a cambios en los datos de entrada, y se derivan de propiedades estadísticas de las distribuciones, de modo que funcionan como límites superiores a las pérdidas. Además permiten diversificar el riesgo y se pueden aplicar al diseño de portafolios, a la generación de escenarios de estrés y al backtesting de pérdidas en riesgo de mercado. En su enfoque, apoyado en la optimización convexa disciplinada, los modelos funcionan como bloques de LEGO: se cambia la medida de riesgo y el problema se resuelve igual, incluso usándola como restricción. Hoy se enfoca en optimización convexa y entera aplicada a inversiones, dicta cursos y colabora con proyectos de software libre como CVXPY.

Temas tratados

• Limitaciones del VaR y del CVaR ante riesgos extremos
• Valor en riesgo entrópico y valor en riesgo relativista
• Robustez y propiedades estadísticas de las medidas
• Aplicaciones: portafolios, escenarios de estrés y backtesting
• Optimización convexa disciplinada: modelos como bloques intercambiables
• Riskfolio-Lib, cursos y software libre