Tesis para optar al grado de Magíster en Análisis Económico / En este trabajo se construye un modelo que permite analizar un sistema bancario mediante un enfoque de teoría de redes. El modelo constituye una herramienta práctica que permite identificar las vulnerabilidades del sistema y evaluar los costosbeneficios de la potencial respuesta mitigadora de un regulador. La idea básica es explorar la respuesta del sistema bancario frente a los defaults (cesación de pagos) en las carteras de préstamos de los bancos. El algoritmo trata los defaults de los préstamos en forma estocástica, y permite hacer un seguimiento en el tiempo (evolución) del sistema para identificar aquellos bancos que pueden ir a la bancarrota, y la presencia de cascadas. Los beneficios del método propuesto se demuestran con un ejemplo realista, que corresponde a la red bancaria de un país pequeño. Específicamente, se muestra como el algoritmo propuesto permite identificar a los bancos más débiles, detectar la presencia de cascadas (bancarrotas en serie generadas por la caída de un banco), y evaluar la resiliencia del sistema bancario frente a variaciones de distintos parámetros (encaje, leverage, nivel de interconexión, etc.). El método propuesto es de gran utilidad para un regulador. Primero, porque permite hacer un diagnóstico para identificar las posibles debilidades del sistema bancario. Y segundo, permite evaluar las ventajas y desventajas de las distintas respuestas mitigadoras.

Ingeniero Civil Industrial / El presente trabajo de título analiza el uso de factores de riesgo sistémico como herramientas tanto para inversionistas como reguladores. El objetivo principal de este trabajo es determinar si es posible extraer información de tres factores de riesgo sistémico aplicados sobre índices económicos y activos financieros. De esta forma, se pretende determinar cómo y para quien pueden ser útiles los factores de riesgo sistémico seleccionados. Para alcanzar el objetivo mencionado, se construyeron dos factores de riesgo sistémicos y se utilizó la medida CATFIN de Allen et al. (2012) como el tercer factor. El primer factor se construyó en base a la medida de riesgo sistémico SRISK y fue nombrado ASRF. El segundo factor utilizó a la medida de riesgo VaR, en su forma paramétrica GARCH, como base y fue nombrada PVaR. La aplicación de los factores de riesgo sistémico sobre índices económicos se realizó mediante regresiones de series de tiempo. Se utilizaron dos índices económicos y cuatro especificaciones de regresión distintas, además de un análisis out of sample para determinar si los factores económicos entregaban información. En cambio, para aplicar a los factores de riesgo sobre activos financieros se utilizaron regresiones de corte transversal siguiendo la metodología Fama-MacBeth. Se utilizaron dos sets de activos financieros y seis especificaciones de regresión para determinar si se podía extraer información de los factores. Los resultados obtenidos para las regresiones de series de tiempo muestran de que sí es posible extraer información de los factores y es más, los factores pueden predecir el comportamiento de los índices. El factor que obtiene resultados más interesantes es PVaR ya que siempre logra entregar información sobre los índices utilizados. Las regresiones de corte transversal mostraron que los factores de riesgo entregan información sobre los activos, pero esta información no es muy clara. Se obtuvo una relación positiva entre los factores de riesgo y el exceso de retorno de los activos financieros, sin embargo esta relación no es sencilla de entender o aplicar. Finalmente, se determina que sí es posible extraer información de los factores de riesgo sistémico aplicados sobre índices económicos y activos financieros. La información extraída de las regresiones de corte transversal no es de mucha ayuda ya que no es posible aplicar estos factores para obtener mayores retornos. En cambio los resultados entregados por las series de tiempo sí logran ser de gran utilidad, ya que PVaR se puede convertir en una herramienta útil para reguladores con su gran poder de predicción del índice de actividad económica CFNAI.