Segun arXiv q-fin, un estudio reciente compara dos enfoques matemáticos para medir cómo cada riesgo contribuye al riesgo extremo total de un conjunto de activos. Uno se basa en la asignación de capital bajo el concepto de Esperanza Condicional del Riesgo en el Extremo (CTE), mientras que el otro utiliza la Esperanza Geométrica del Riesgo en el Extremo (GTE). Aunque ambos métodos derivan de promedios ponderados del riesgo condicional, sus resultados no coinciden en general. La discrepancia entre ellos se traduce en una medida normalizada de covarianza en el extremo del riesgo.
El análisis muestra que las dos asignaciones convergen únicamente cuando el riesgo condicional de cada componente es constante en un rango específico del extremo. En condiciones de distribución unimodal, la dominancia relativa entre ambos métodos se relaciona con la monotonía de esa contribución. En modelos de distribución exponencial con parámetros heterogéneos, solo la familia de Poisson escalada permite una coincidencia exacta. Cuando los riesgos son comonotónicos, la comparación se simplifica a la relación entre funciones cuantiles proporcionales. En el límite del extremo del riesgo, el comportamiento de las asignaciones se regula por la relación entre el Valor en Riesgo (VaR) y el Esperado Shortfall (ES). Si esta relación está acotada, ambas métricas tienden a valores comunes. Si converge a uno, los resultados se superponen completamente. En cambio, si diverge, los límites pueden separarse notablemente.
Para inversionistas peruanos, esta distinción tiene implicaciones prácticas en la gestión de portafolios. Muchos activos locales—como créditos en banca o bienes inmobiliarios—presentan riesgos que no se distribuyen uniformemente, especialmente en situaciones de crisis. La diferencia entre CTE y GTE refleja cómo estos riesgos se amplifican en escenarios extremos. Si un inversor utiliza un modelo que prioriza la asignación de capital bajo CTE, está asumiendo una mayor sensibilidad al escenario más desfavorable. En contraste, el GTE ofrece una visión más equilibrada, sin ponderar el severo impacto de eventos extremos. En el contexto del mercado peruano, donde eventos de volatilidad como el aumento de tasas o crisis económicas pueden afectar a múltiples sectores simultáneamente, entender esta diferencia ayuda a diseñar estrategias más robustas. Los inversores que gestionan carteras en entornos de alta incertidumbre deben evaluar no solo el valor esperado de los riesgos, sino también cómo se distribuyen en escenarios de crisis. Esto permite una asignación más justa y realista de recursos, reduciendo la exposición innecesaria a pérdidas extremas.