Pregunta pragmática sobre el uso de las pruebas de resistencia/metría

Question

He estado examinando la incorporación de algunos productos derivados, y el tema de nuestro marco de estrés interno. Sospecho que, al igual que otras empresas similares, disponemos de un conjunto de escenarios de estrés, basados en su mayoría en acontecimientos históricos, pero con ajustes ad hoc, aumentos, etc., a discreción del grupo de riesgo. Estos escenarios se distribuyen y el resultado de los cálculos de estrés se utiliza para la información interna, los límites, etc., junto con otros métodos estándar, VaR, etc.

Mi pregunta es, sin pretender ser demasiado delicado, dado que los escenarios se distribuyen y se calculan en un horario fijo (no se calculan diariamente) ¿cómo se podría evitar que la mesa de contratación optimizara su cartera al horario y/o la elección de los escenarios? Es de distinto valor para que las mesas obtengan bajas puntuaciones en estas pruebas.

Dado que los escenarios de estrés son movimientos grandes y deterministas, en fechas fijas, es relativamente sencillo diseñar carteras de opciones que se rentabilicen en esas fechas concretas para esos movimientos particulares, por ejemplo, diferenciales de compra/venta de relación a corto plazo en los que los strikes y los vencimientos se ajustan para obtener el máximo beneficio para los escenarios particulares.

El primer paso más obvio sería aleatorizar la fecha de la tensión, si se tiene un manejo lo suficientemente bueno de las estructuras de plazos implicadas.

Dada la filosofía del estrés, parece mejor no aleatorizar las magnitudes, pero se podría aleatorizar la selección de un conjunto determinado de escenarios?

¿Alguien sabe si se ha publicado algo al respecto? ¿O tiene alguna idea sobre el tema?

Muchas gracias.

Answer 1

Su proceso de cálculo del impacto de los escenarios de estrés del mercado suena más manual / menos automatizado que las mejores prácticas del sector. Las desventajas de tener procesos manuales incluyen:

• es caro, por lo que es reacio a añadir nuevos escenarios a su cartera de escenarios. (No puedes pulsar un botón y añadir "marzo de 2020", como hacen algunos afortunados).

• hay muchas posibilidades de que los humanos que lo hacen metan la pata accidentalmente

• hay una pequeña posibilidad de que los humanos metan la pata a propósito en connivencia con sus comerciantes.

Creo que, si lo automatizas completamente, podrás ejecutar más escenarios de estrés de mercado diario En lugar de hacerlo mensualmente, e incluso intradía, y preocuparse mucho menos por el coste de añadir escenarios.

Pero la automatización total es una gran petición si no la tienes. Suponiendo que se trabaje con esta limitación:

Su preocupación de que los comerciantes aplanen sus riesgos en los días en que saben que usted va a comprobar, y, a la inversa, sabiendo que usted no va a comprobar justo después durante otro mes, ir a la ciudad en la toma de riesgos suena muy válido.

• Podrías aleatorizar los días en los que realizas las pruebas mensuales. Es decir, la probabilidad de elegir "hoy" debería ser aproximadamente la misma durante los primeros 30 días después de realizar la prueba, y luego llegar rápidamente a 1.

• podría seleccionar escenarios al azar de una gran cartera de escenarios (redundantes).

• se puede realizar un análisis inverso (pregunta relacionada Pruebas de resistencia de los bancos ) - dado el libro, ¿cuáles son las clases de escenarios de mercado plausibles (no necesariamente estresados) que lo perjudicarían? Si se calcula el VaR (diario) (histórico o de Montecarlo), se pueden ver los escenarios adversos allí mismo, pero puede haber otros escenarios adversos plausibles.

En cuanto a la idea de aleatorizar los movimientos del mercado en los escenarios, no estoy seguro de su utilidad para la gestión del riesgo de mercado. Un número cada vez mayor de empresas generan (incluso a diario) escenarios aleatorios (extremos) de tensión en el mercado y ejecutan sus modelos de fijación de precios y la infraestructura de riesgo relacionada con ellos. Se trata de una prueba de regresión sobre un caso de prueba predefinido y a veces también sobre las operaciones reales. Pero su objetivo no es la gestión del riesgo de mercado, sino la gestión del riesgo de los modelos, es decir, la supervisión continua del rendimiento. Verifican que los modelos de fijación de precios no fallan y que toda la fontanería asociada (P&L Explain, etc.) funciona como se espera.

Pero para la gestión del riesgo de mercado, supongamos que sabemos que las pérdidas y ganancias de un escenario en el que el S&P 500 se moviera 1000+aleatorio*10000 es de -1.000 millones de dólares. ¿Cómo sabe si esto es mucho? Para un escenario de estrés no aleatorio, calcular el límite no es trivial. Para uno aleatorio, no veo una buena manera de juzgar si las pérdidas y ganancias están dentro de su apetito.