¿Cuánto riesgo hay en tu bolsillo?
Imagina que tienes una mochila con dinero y que cada mañana la dejas en la puerta de tu casa. No sabes si va a llover, si alguien podría intentar abrirla, o si el viento podría llevársela. Antes de salir, te gustaría saber: ¿cuánto puedo perder, en el peor de los casos razonables, durante el día? Esa idea —saber una pérdida máxima plausible en un horizonte de tiempo y con una probabilidad determinada— es la esencia del Valor en Riesgo (VaR), una herramienta que usan bancos, empresas e inversores para medir el riesgo financiero.
En este artículo explicaremos qué es el VaR, cómo funciona, sus distintas formas de cálculo, ejemplos cotidianos y profesionales, y sus usos y límites. Vamos paso a paso, con analogías sencillas y ejemplos prácticos, para que al final puedas explicar y aplicar la idea con confianza.
¿Qué es el VaR?
El Valor en Riesgo (VaR) es una medida estadística que responde a la pregunta: ¿Cuál es la máxima pérdida que podríamos sufrir en un periodo determinado (por ejemplo un día, una semana, un año), con un nivel de confianza dado (por ejemplo 95% o 99%)?
Más formalmente:
- Si decimos que el VaR diario al 95% de un portafolio es 1.000 €, significa que hay un 95% de probabilidad de que la pérdida no supere 1.000 € en un día; en otras palabras, hay un 5% de probabilidad de que la pérdida exceda los 1.000 €.
Usando notación, y empleando la fórmula en estilo MathJax preferido:
[{eq}\text{VaR}_{\alpha} = \text{cuantil}_{\alpha}\ (\text{pérdidas}){/eq}]
donde ({eq}\alpha{/eq}) es el nivel de confianza (por ejemplo ({eq}\alpha=0.95{/eq}) o ({eq}\alpha=0.99{/eq})). Si ordenamos las pérdidas de menor a mayor, el cuantil (\alpha) marca el valor por debajo del cual se encuentra el ({eq}\alpha{/eq}) porcentaje de los resultados.
Es importante destacar dos cosas:
- VaR no dice cuánto se perderá si ocurre un evento peor que el VaR; solo cuantifica el umbral.
- VaR depende del horizonte temporal (un día, 10 días, un año) y del nivel de confianza seleccionado.
Tres formas sencillas de entender el VaR (analogías)
- Paraguas para tormentas
El VaR es como decidir qué tamaño de paraguas llevar: un paraguas pequeño sirve la mayoría de los días (por ejemplo 95% de los días con lluvia ligera), pero si hay una tormenta extrema (el 5% restante), el paraguas puede no ser suficiente. El VaR te dice el “paraguas” que cubre el porcentaje que tú eliges. - Cinturón de seguridad para el coche
El cinturón protege en la mayoría de los accidentes habituales. El VaR fija la pérdida que puedes soportar en la «mayoría normal» de eventos y te prepara para eso, pero no te protege ante catástrofes raras. - Seguro de casa con franquicia
Piensa en el VaR como la franquicia que asumes: si la pérdida es menor que la franquicia, la soportas (dentro del nivel de confianza), si es mayor, entras en la cola de eventos extremos que quedan fuera de la cobertura prevista.
Cómo se calcula el VaR: métodos principales (explicado paso a paso)
Existen tres métodos comunes para calcular VaR. Cada uno tiene ventajas y limitaciones.
1. Método histórico (o empírico)
Consiste en usar las pérdidas pasadas del portafolio para estimar la distribución futura.
Pasos:
- Recolectar los retornos históricos del portafolio (por ejemplo los últimos 1.000 días).
- Ordenar las pérdidas (o retornos negativos) de mayor a menor.
- Seleccionar el cuantil correspondiente al nivel de confianza. Por ejemplo, para ({eq}\alpha=0.95{/eq}) y 1.000 observaciones, elegir el valor que deja por debajo el 95% (es decir el 950º valor).
Ejemplo sencillo: si, entre 100 días, el quinto peor día muestra una pérdida de 2.500 €, entonces el VaR al 95% (aproximadamente) sería 2.500 €.
Ventaja: sencillo y no requiere supuestos teóricos.
Limitación: asume que el pasado refleja el futuro; si hubo pocos eventos extremos en el pasado, subestimará el riesgo.
2. Método varianza-covarianza (o paramétrico)
Aquí se asume que los retornos siguen una distribución (habitualmente normal) y se utiliza la media y la desviación típica.
Para un portafolio con rendimiento promedio ({eq}\mu{/eq) y desviación estándar ({eq}\sigma{/eq), y asumiendo normalidad, el VaR para nivel ({eq}\alpha{/eq}) se calcula como:
[{eq}\text{VaR}{\alpha} = -\left( \mu + z{\alpha}\ \sigma \right)\{/eq}]
donde ({eq}z_{\alpha}{/eq}) es el cuantil de la distribución normal estándar (por ejemplo ({eq}z_{0.95}\approx 1.645{/eq}), ({eq}z_{0.99}\approx 2.33){/eq}). El signo negativo se usa si trabajamos con retornos; para pérdidas se ajusta la convención.
Ventaja: computacionalmente eficiente y claro.
Limitación: la normalidad rara vez describe correctamente las colas (eventos extremos). Subestima riesgos de cola (eventos raros).
3. Método Monte Carlo
Se generan escenarios aleatorios para los retornos basado en un modelo (puede ser normal, con colas gruesas, con correlaciones complejas, etc.) y se calcula el VaR a partir de la distribución simulada.
Pasos:
- Elegir un modelo dinámico para los retornos (por ejemplo, modelos GARCH, t-student, simulaciones con correlaciones).
- Simular miles o millones de escenarios de mercado para el horizonte elegido.
- Calcular las pérdidas para cada escenario y obtener el cuantil deseado.
Ventaja: extremadamente flexible; permite modelar comportamientos complejos.
Limitación: requiere buenas especificaciones y poder computacional; si el modelo es malo, la simulación dará resultados engañosos.
Un ejemplo numérico práctico (paso a paso)
Supongamos un pequeño portafolio cuya pérdida diaria se modela por una distribución con media cero y desviación estándar ({eq}\sigma = 2%{/eq}). Queremos el VaR diario al 95% de un capital de 100.000 €.
- Nivel de confianza: ({eq}\alpha = 0.95{/eq}).
- Cuantil normal para 95%: ({eq}z_{0.95} \approx 1.645{/eq}).
- VaR (en porcentaje) usando varianza-covarianza:
[{eq}\text{VaR}{0.95} = \dfrac{| \text{pérdida} |}{\text{capital}} = z{0.95}\ \sigma = 1.645 \times 0.02 = 0.0329 = 3.29%{/eq}] - En euros sobre 100.000 €:
[{eq}\text{VaR}_{0.95} = 100,000\ \text{€} \times 0.0329 = 3,290\ \text{€}{/eq}]
Interpretación: hay un 95% de probabilidad de que la pérdida diaria no supere 3.290 €, y un 5% de probabilidad de que la pérdida sea mayor.
Si usáramos ({eq}\alpha=0.99{/eq}) con ({eq}z_{0.99}\approx 2.33{/eq}), la pérdida sería:
[{eq}\text{VaR}_{0.99} = 100,000 \times 2.33 \times 0.02 = 4,660\ \text{€}{/eq}]
Esto muestra cómo elevar el nivel de confianza aumenta el VaR.
Ejemplos cotidianos para entender VaR
Ejemplo 1: La nevera de la casa
Imagina que cada mes compras alimentos por 500 €. ¿Cuál es la máxima pérdida que podrías afrontar por desperdicio (comida que se echa a perder) en condiciones normales? Si revisas los últimos 12 meses y en 11 meses el desperdicio fue menor a 50 €, pero hubo una vez que fue 200 €, podrías decir que el VaR mensual al 92% (11/12) es 50 €.
Ejemplo 2: La feria del fin de semana
Si eres vendedor de frutas y calculas que, con 95% de confianza, tus ventas no caerán más del 10% respecto a lo esperado por día, ese 10% es análogo a un VaR: la pérdida máxima esperada en condiciones normales del 95% de los días.
Ejemplo 3: El conductor prudente
Un conductor que calcula que hay un 99% de probabilidad de que sus gastos de mantenimiento anuales no superen 800 € está usando el mismo razonamiento que VaR: fija un umbral para pérdidas en base a probabilidad y horizonte.
Aplicaciones prácticas del VaR
En la banca y finanzas
Los bancos usan VaR para:
- Medir el riesgo de mercado de carteras de trading.
- Fijar límites de riesgo para traders.
- Calcular capital económico y requisitos regulatorios (aunque los reguladores combinan VaR con otras medidas).
En empresas no financieras
Empresas con exposición a precios (commodities, tipo de cambio) usan VaR para cuantificar la posible pérdida por movimientos adverse en precios y decidir coberturas.
En gestión de carteras
Un asesor de inversión puede usar VaR para explicar a un cliente la probabilidad de pérdidas a corto plazo y comparar alternativas (fondos más o menos volátiles).
En la gestión de riesgo operativo y proyectos
Si un proyecto tiene riesgos monetarios, el VaR ayuda a estimar cuánto capital poner como colchón frente a fluctuaciones plausibles.
En seguros y catástrofes
Aunque los seguros emplean otras métricas (p. ej. PML — Probable Maximum Loss), la lógica del VaR es similar: cuantificar la pérdida con cierto nivel de confianza.
Ventajas y límites: lo que debes recordar
Ventajas
- Clara y compacta: resume riesgo en un solo número comprensible.
- Comparativa: facilita comparar portafolios o estrategias.
- Flexible: puede calcularse en distintos horizontes y con distintos niveles de confianza.
- Estándar de comunicación: es un lenguaje común entre gestores y reguladores.
Límites importantes (¡ojo!)
- No describe las colas: VaR no dice cuánto se perderá cuando las pérdidas excedan el VaR (para eso existe la medida CVaR o Expected Shortfall).
- Dependencia de supuestos: el método que uses (histórico, paramétrico, Monte Carlo) puede influir mucho en el resultado.
- Riesgo de exceso de confianza: un VaR bajo puede llevar a asumir riesgos sistémicos si todos confían en el mismo modelo.
- Horizonte define todo: VaR diario no equivale a VaR anual salvo que se ajuste correctamente (no es simplemente multiplicar por 250).
- No captura riesgos de liquidez y operativos que pueden agravar pérdidas.
¿Qué es el CVaR o Expected Shortfall y por qué aparece junto al VaR?
Mientras VaR indica el umbral de pérdida, el CVaR (o Expected Shortfall) mide la pérdida promedio en los peores casos que superan el VaR. Es decir, responde: si la pérdida excede el VaR (esa cola del ((1-\alpha)) de probabilidad), ¿cuál es la pérdida promedio en esos casos?
Matemáticamente, el CVaR es más conservador y captura mejor el riesgo de eventos extremos. Por eso, algunos reguladores prefieren CVaR porque no ignora lo que sucede más allá del umbral.
Buenas prácticas al usar VaR
- Combinar métodos: comparar VaR histórico, paramétrico y Monte Carlo ayuda a entender la sensibilidad del indicador.
- Pruebas de backtesting: comprobar si las predicciones de VaR se cumplen con los datos reales (por ejemplo, contar cuántas veces la pérdida excedió el VaR y comparar con la probabilidad prevista).
- Calibración periódica: reestimar parámetros y actualizar modelos con nueva información.
- Complementarlo: usar CVaR, stress testing y análisis de escenarios para cubrir limitaciones.
- Documentar supuestos: dejar claro el horizonte, nivel de confianza y modelo empleado.
Stress testing: cuando el VaR no basta
El VaR se basa en probabilidades plausibles; el stress testing fuerza escenarios extremos (por ejemplo una caída del 30% del mercado en 3 días) para medir el impacto. Es como preguntarse no solo «¿qué pasa normalmente?» sino «¿y si ocurre lo impensado?» Ambos enfoques son complementarios.
Resumen y conclusiones
El Valor en Riesgo (VaR) es una herramienta poderosa para resumir el riesgo de pérdidas en un número intuitivo: la máxima pérdida esperada en un periodo dado con una probabilidad prefijada. Funciona como un paraguas para la mayoría de las tormentas, pero no sustituye a la planificación frente a eventos extremos. Sus métodos (histórico, var-cov, Monte Carlo) ofrecen flexibilidad, pero también dependen de supuestos que deben validarse con backtesting y análisis complementarios.
Si te quedas con tres ideas clave:
- VaR mide una pérdida máxima plausible con un cierto nivel de confianza, en un horizonte temporal determinado.
- No dice cuánto se pierde en eventos más extremos (ahí entra el CVaR).
- Debe usarse junto con stress tests, backtesting y otros indicadores para tener una visión completa del riesgo.
Resultados de aprendizaje (qué deberías poder explicar después de leer esto)
Al terminar este artículo, deberías poder:
- Definir qué es el VaR y explicar con tus propias palabras qué significa un VaR al 95% o al 99%.
- Describir las tres principales metodologías para calcular VaR: histórico, varianza-covarianza y Monte Carlo, con sus ventajas y limitaciones.
- Diferenciar entre VaR y CVaR (Expected Shortfall) y entender por qué CVaR puede ser más conservador.
- Entender por qué el VaR necesita complementos (backtesting, stress testing) para medir riesgos extremos.
- Aplicar un cálculo sencillo de VaR usando la aproximación paramétrica (ejemplo numérico) y explicar la interpretación práctica.
Continua con:
- ¿Qué es la Política redistributiva? Definición y ejemplos
- ¿Qué es Inspección de Hacienda? Definición y ejemplos
- ¿Qué es el Salario neto? Definición y ejemplos
- ¿Qué es el Salario bruto? Definición y ejemplos
- ¿Qué es el Test de Durbin-Watson? Definición y ejemplos
- ¿Qué es el Consenso de Washington? Definición y características
