la volatilidad de los mercados en el escenario de la crisis de las hipotecas basura y la deuda soberana

Abstract

La volatilidad de los mercados financieros ha experimentado un gran incremento durante las crisis subprime y de deuda pública. No obstante y a pesar de la presencia de no normalidad de los activos financieros en estos escenarios, muchas instituciones financieras todavía consideran medidas del valor al riesgo (VAR) basadas en la distribución gausiana. Este trabajo ilustra el mal comportamiento de tales medidas y muestra la ganancia en términos de ajuste que se obtiene al asumir distribuciones leptocúrticas como la T-Student. Nuestro análisis se realiza en 3 pasos. En primer lugar revisaremos las características empíricas de las series financieras y mostraremos que la no normalidad depende principalmente de la frecuencia de los datos. En segundo lugar, analizaremos el comportamiento del VAR con una metodología basada en la distribución normal y T-Student. Concluiremos que la primera subestima el riesgo de los activos financieros mientras que la segunda lo captura con mayor exactitud para niveles de confianza altos (1%). Sin embargo, para un nivel de confianza del 5%, la T-Student podría ser demasiado conservadora en lo que respecta a la medición del riesgo, lo que abre la posibilidad de estudiar otras alternativas no gausianas que sean más flexibles. En tercer lugar, pondremos de manifiesto que las mejoras obtenidas con la T-Student aparecen en un contexto de alta volatilidad, consecuencia de la reciente crisis. Los resultados se han obtenido al emplear índices de Bolsa de diferentes áreas económicas: Europa (IBEX35 y DAX30), Norte América (DOW JONES) y economías emergentes (HANG SENG)

[EN] The volatility in financial markets has experienced a dramatically increased during the subprime and sovereign debt crises. Nevertheless, and despite the wellknown fact of the non-normality of asset returns in these scenarios, most financial institutions still report value at risk (VAR) measures based on the gaussian distribution. This paper illustres the Underperformance of such measures and shows the gains in accuracy obtained by assuming more leptokurtic student's innovations. Our analyses proceeded in three steps. First, we revise the salient empirical features of fi-nancial data and show that the non-normality depends basically on the high frequency of the data. Second, we compare the relative VAR performance of the methodologies based on either normal oo a student's T Distributions. We show that the former systematically underestimates risk measures but the latter captures more accurately the risk for high confidence levels (1%). At 5% confidence level, however, the student's T are particulary achieved in the context of the highly volatile scenario of the recent crisis. Our resultats are obtained by using stock índices from different economic áreas: Europe (IBEX35 and DAX30), North America (DOW JONES) and emerging markets (HANG SENG)