El presente trabajo es una investigación acerca de la mejor estimación del riesgo de mercado de posiciones de cambio en diversos países partiendo del análisis de dos diferentes metodologías de estimación del “Valor En Riesgo” o “Value at Risk”, en adelante “VAR”. Existen en la actualidad tres metodologías para el cálculo del VAR: Varianzas y Covarianzas, Simulación Histórica y Montecarlo. El objetivo del trabajo es comprobar que la metodología de simulación histórica para el cálculo del VAR permite obtener mejores resultados para la evaluación del riesgo de mercado de posiciones de cambio en el Perú y otros mercados emergentes latinoamericanos con respecto a la metodología de varianzas y covarianzas, utilizado en mercados desarrollados y para los cuales contribuye con mejores resultados de estimación de riesgo. Para ello será necesario profundizar no solo en la estimación del riesgo de posiciones de cambio de Perú sino también de otros países de la región y algunos países desarrollados representativos. El análisis se hará las series de tipos de cambio diarios de los últimos 2 años de: Cuatro países latinoamericanos: Perú, Chile, México y Brasil; cinco países desarrollados: Inglaterra, Alemania, Suiza, España y Japón; y cuatro países de la zona Asia-Pacífico: Australia, Corea del Sur, Malasia y Singapur.

Most empirical studies in nance use data on a daily basis which is obtained by retaining the last observation of the day and ignoring all intraday records. However, as a result of the increased automatization of nancial markets and the evolution of computational trading systems, intraday data bases that record every transaction along with their characteristics have been stablished. These data sets prompted the development of a new area of research ( nance with high frequency data), and in 1980 a literature based on the mechanisms of trading began (forms of trading, rules on securities trading, market structure, etc.), originating the Theory of Market Microstructure for the valuation of nancial assets, whose models advocate that timing transmits information. Then the literature proposed an extension to risk management by calculating the implied volatility, which is estimated by the realized volatility on an intraday level, and its applications for a ner value at risk (VaR). / Tesis

Actualmente el modelo de liquidez normativo que posee el Banco, no cuenta con una apropiada modelación del comportamiento de los flujos de ingresos y egresos de sus productos de tarjetas y líneas de crédito. Estos flujos se encuentran alocados en el largo plazo, lo que significa que se esta asumiendo que el dinero prestado respecto a estos productos no se recuperará en un plazo menor a 365 días. Esto trae consigo la imposibilidad para el Banco de contar con estos montos de activos en plazos menores, lo que limita normativamente el monto total posible de invertir diariamente. El objetivo que plantea el presente trabajo lo constituye el establecer un modelo que permita distribuir en el tiempo los saldos totales en tarjetas de crédito y líneas de crédito que posee el Banco, respecto al comportamiento de sus clientes, liberando así recursos para ser invertidos y permitiendo una correcta medición del riesgo de liquidez que lo afecta. La metodología a aplicar la constituye el Data Mining. Esta a través de distintas etapas y la aplicación de herramientas estadísticas y análisis cuantitativos permitirá establecer el modelo de comportamiento para estos productos que no poseen vencimiento definido. También forman parte del presente trabajo la medición del impacto en la liquidez del banco con la implantación del modelo. Además del impacto económico generado por la liberación de recursos a ser invertidos. Tras realizar la etapa de segmentación, utilizando el método de la varianza., se puede observar que la cartera de líneas de crédito pueden ser segmentada por variables como el tipo de cliente (persona o empresa), moneda asociada (peso o dólar) y el origen de la deuda (pactada o no pactada). La cartera de tarjetas de crédito fue segmentada por variables como la fecha de pago (día 5, 15 o fin de mes) y por el porcentaje de pago (mas que el mínimo, el mínimo o menor al mínimo). El modelo aplicado permite distribuir los saldos presentes en la cartera de estos productos, de acuerdo al comportamiento que presentan los distintos segmentos definidos. Esta queda fundamentado por la prueba retrospectiva realizada la cual permitió validar la distribución estimada. La holgura que permite obtener, el aplicar el modelo en la medición del riesgo de liquidez del Banco, entrega la disponibilidad de aproximadamente $ 20000 MM. Este monto puede ser invertido en instrumentos financieros tales como las Colocaciones Interbancarias 1 día. Esta alternativa entrega un mayor retorno, el cual supera los $ 4.5 millones diarios. Dado esto es fundamental la próxima implementación del modelo para una correcta gestión del Riesgo de Liquidez del Banco y el retorno asociado.

El presente trabajo de investigación pretende demostrar que las AFP’s pueden obtener una mejor relación riesgo rentabilidad utilizando la metodología CVaR para medir el riesgo. El comité de Basilea recomienda usar la metodología VaR por su simplicidad, sin embargo esta metodología presenta muchas deficiencias, la principal asumir que los retornos de los activos de un portafolio se distribuyen normalmente. Se utilizará un método de simulación histórica para optimizar el riesgo a través de la metodología CVaR. Para realizar la investigación haremos uso de programas informáticos como Excel y MatLab. El programa Excel servirá para depurar la data y el programa MatLab servirá para la optimización del CVaR. Además, expondremos los resultados obtenidos por nuestra aplicación. Determinaremos la frontera eficiente del portafolio óptimo sujeto a las restricciones de inversión impuestas por la SBS y BCR, y la compararemos con la fronteria eficiente del portafolio sin restricciones, posterior a eso, lo compararemos con el portafolio actual que mantienen las compañías administradoras de fondos de pensiones.

El crecimiento de la economía peruana en los últimos años ha logrado recuperar la confianza de los inversionistas, a tal punto que el país se ha convertido en uno de los destino de inversión más importantes de la región. Esto ha traído recursos que impulsan el crecimiento de las empresas; sin embargo, se corre el riesgo de financiar empresas en potencial quiebra, dado que cada vez es más difícil identificar este tipo de empresa. En la investigación se ha estudiado y descrito los distintos modelos de clasificación en quiebra y no quiebras, realizando una explicación de los tipos de modelos existentes: Modelos Univariados y Modelos Multivariados. Dentro de los últimos escogimos al modelo Z_2 de Altman, aplicable a todo tipo de empresas, como el más adaptable a las empresas peruanas (por su fácil aplicación y gran uso en economías emergentes). Para la aplicación del modelo hemos consolidado estados financieros de las empresas registradas en el programa Economática, y la información ha sido completada con la publicada por la SMV; así mismo, el periodo de análisis es del 2000 a 2012. La información tomada fue de corte trasversal y al cierre de cada ejercicio, excluyendo las empresas que no son consideradas como deudor, según la Ley General del Sistema Concursal (empresas financieras, aseguradoras, AFPs, sector público y otras), también se excluyeron empresas en ciclo de inversión con datos faltantes y con menos de 5 años de formación, quedando 74 empresas para su análisis cuyo resultado fue la clasificación de 48 empresas en el grupo de empresas sin problemas, 20 cayeron en zona gris, es decir, no se pudo determinar su situación de quiebra, y 10 cayeron en zona de quiebra, de estos, 8 quebraron en el siguiente año. Las pruebas de bondad de ajuste nos indican un buen poder de discriminación entre empresas en quiebras y no quiebras, comprobando así la validez de la aplicación del modelo en el contexto de la empresa peruana. Comprobada la efectividad del modelo Z_2, hacemos la recomendación a empresarios e investigadores a aplicar este modelo para la clasificación de empresas quebradas y no quebradas y así disminuir, en parte, el riesgo de pérdidas financieras y sociales. / Tesis

En el presente trabajo se realizó una mejora metodológica y operativa al proceso VaR realizado por el Departamento de Riesgos de Mercado, Liquidez e Inversiones de la Superintendencia de Banca, Seguros y AFP’s. Al respecto, se identificó un riesgo de modelo y de riesgo operacional de forma material. En primer lugar, el riesgo de modelo se identificó debido a que existía dos metodologías presentes, una paramétrica (VaR de Bloomberg) y otra de simulación histórica (VaR Excel). En segundo lugar, se identificó el riesgo operacional del proceso por su alto nivel de manualidad. Al respecto, se identificaron dos alternativas de solución: Bloomberg y un desarrollo in house. Para este último se requirió la ayuda del Departamento de Valorización de Inversiones (DVI) y el Departamento de Riesgos de Mercado, Liquidez e Inversiones. Se evaluaron soluciones que solucionen los riesgos identificados, así como el costo asociado a cada soluciòn. Se eligió el desarrollo in house por un tema de costos y que mitigaban los riesgos señalados. Finalmente, se planificaron las actividades en dos fases. La fase 1 abarca la implementación de instrumentos de renta fija y forwards. En la fase 2 se planificó la implementación de swaps de moneda, instrumentos de renta fija con opcionalidad y renta variable. Cada actividad se planificó por producto que incluye el desarrollo metodológico de la valorización y VaR, así como los tiempos de programación de cada actividad.

Most empirical studies in nance use data on a daily basis which is obtained by retaining the last observation of the day and ignoring all intraday records. However, as a result of the increased automatization of nancial markets and the evolution of computational trading systems, intraday data bases that record every transaction along with their characteristics have been stablished. These data sets prompted the development of a new area of research ( nance with high frequency data), and in 1980 a literature based on the mechanisms of trading began (forms of trading, rules on securities trading, market structure, etc.), originating the Theory of Market Microstructure for the valuation of nancial assets, whose models advocate that timing transmits information. Then the literature proposed an extension to risk management by calculating the implied volatility, which is estimated by the realized volatility on an intraday level, and its applications for a ner value at risk (VaR).