Hasta ahora he encontrado dos formas de medir el VaR para instrumentos de renta fija:
-
Exprese la volatilidad en puntos básicos y la posición en términos de sensibilidad a un movimiento de 1 punto básico en los rendimientos y luego multiplíquelo por el mayor movimiento posible deseado (95% o 99%); Este método se describe en la página 17 de este documento.
-
Mapear los flujos de caja de un instrumento (un bono con cupón) en cubos, obtener los tipos cero (interpolar si es necesario), encontrar el PV01, la volatilidad de estos tipos cero, obtener la matriz de correlación para los tipos cero, encontrar la varianza total y calcular el VaR.
La primera parece relativamente sencilla. Sin embargo, ¿qué ocurre si hay muchos bonos en la cartera? ¿Está bien encontrar los VaR individuales para cada bono y luego simplemente sumarlos?
En cambio, el segundo enfoque sí se ocupa de la covarianza de los tipos en diferentes horizontes temporales. Pero podría haber un pequeño error debido a la especificación de los cubos. En teoría, podríamos obtener un número infinito de cubos. Pero esto es obviamente muy complicado.
¿Alguna idea?
0 votos
¿Alguna idea/pensamiento?
0 votos
No estoy 100% seguro de cuál es su pregunta. El primer método puede utilizarse para una cartera de muchos bonos, sumando primero los VBP de todos los bonos y calculando después el VaR. El método 1 es un caso especial del método 2 sólo con una sola cubeta, si te he entendido bien.
1 votos
En la primera metodología (o en general), seguramente no se sumarían los VaR. Supongamos que estamos largos en algún bono (el VaR proviene de escenarios en los que los rendimientos suben), largos en otro bono (VaR de escenarios en los que los rendimientos bajan), el VaR de la cartera es la suma sólo si la correlación de los rendimientos es -1, lo que no es realista. Asumir una correlación 1 es mejor. Asumir una correlación <1 es aún mejor.
1 votos
He echado un vistazo a las notas de la conferencia de Ken Abbott en el MIT que has citado. Creo que es un error sugerir que si conoces la sensibilidad (primer orden, delta) a un punto básico en el rendimiento, puedes simplemente extrapolar linealmente el impacto de un par de desviaciones estándar, que podrían ser cientos de puntos básicos. Deberías considerar de alguna manera el segundo orden (convexidad, gamma).