Según arXiv q-fin, un estudio reciente examina cómo la forma en que se generan las simulaciones de pérdidas en los modelos de riesgo afecta la precisión de las estimaciones del riesgo esperado (ES), un indicador clave en la regulación financiera. El análisis se centra en que, habitualmente, los datos se construyen a partir de retornos diarios superpuestos, lo cual viola las suposiciones teóricas de independencia que subyacen a los métodos no paramétricos. Este desajuste no solo introduce ruido, sino que provoca una distorsión sistemática en los valores estimados del ES, lo que lleva a una subestimación significativa del capital requerido. Los resultados muestran que, bajo esta metodología, los valores del ES se reducen de forma constante, lo que repercute directamente en la capacidad de los bancos para cubrir pérdidas reales.
La presencia de dependencia temporal en los retornos y la existencia de colas pesadas en la distribución de pérdidas potenciales agravan esta tendencia. Aunque el uso de ponderaciones más conservadoras reduce el grado de subestimación, no elimina la discrepancia fundamental. En pruebas con datos reales de once factores de riesgo y noventa y nueve portafolios de acciones, se observa que, en promedio, el nivel de confianza en el cual el capital estimado cubre las pérdidas reales se duplica en cada caso de muestra superpuesta. A pesar de esta variación, la relación entre el ES al 2,5% y el valor en riesgo al 1%, un componente central del marco FRTB, se mantiene estable. Esto indica que, aunque el modelo regula el capital a partir de un criterio teórico, su aplicación en la práctica puede generar una visión errónea de la exposición real al riesgo.
Para el lector peruano, este hallazgo tiene implicaciones directas en el diseño de sistemas de gestión de riesgos en entidades financieras locales. Muchas instituciones, especialmente en entornos con alta volatilidad como el mercado de valores peruano, aplican modelos históricos sencillos basados en pocas variables y muestras limitadas. Si estos métodos no capturan adecuadamente la dependencia estructural de los retornos o el impacto de eventos extremos, el capital asignado podría no ser suficiente para enfrentar crisis. En un contexto donde las fluctuaciones del mercado, especialmente en sectores como el crédito o la bolsa, pueden ser abruptas, una subestimación del riesgo podría exponer a las instituciones a pérdidas no previstas. Por ello, integrar diagnósticos que evalúen tanto el sesgo de estimación como su cobertura real en pérdidas reales, como lo propone el estudio, puede convertirse en una herramienta esencial para mejorar la resiliencia financiera de los bancos y fondos en el país.
Este tipo de análisis no solo es académico, sino que debe ser parte de las prácticas operativas. Los gestores de riesgo en instituciones peruanas deben revisar cuidadosamente los métodos de simulación que usan, y considerar la necesidad de aplicar ajustes que reflejen mejor la realidad de los retornos históricos, incluyendo su dependencia y sesgos estructurales.