Análisis Riesgo - País

En un mundo globalizado como el actual, el avance de los computadores y las telecomunicaciones ha hecho desaparecer las barreras geográficas, así, basta con oprimir una tecla para movilizar miles de millones de dólares, llevar a la crisis o a la quiebra a una empresa, a un banco central o a un país en cuestión de minutos. La globalización es un proceso contradictorio y desigual que puede generar orden, estabilidad y armonía, pero también puede crear riesgos, crisis, desorden y conflictos. A partir de la caída del muro de Berlín el mundo entró a un proceso acelerado de apertura, internacionalización y globalización, lo que implica que los países están estrechamente interrelacionados, así, si un país entra en crisis puede generar un contagio, una catástrofe o una caída estrepitosa en el entorno internacional. Las crisis que se han generado a partir de 1994 han producido efectos más devastadores que la crisis mundial de octubre de 1929 y la crisis de la deuda en los años ochenta. A finales de 1994, México fue sacudido con una crisis que produjo un violento remezón en los mercados internacionales, especialmente en América Latina, llamado el "Efecto Tequila ", la cual concluyó con una devaluación de más del 100porciento de la moneda de este país frente al dólar. Tres años más tarde, Japón y los Nics Asiáticos, se vieron sacudidos por una crisis más grande, la cual ha sido catalogada como la peor del siglo, el contagio llegó a Rusia y luego se dispersó por el resto del mundo. En enero de 1999, Brasil, la octava economía universal, entró en crisis y puso a correr a medio mundo, después que sus autoridades monetarias se vieran obligadas a devaluar ante un drenaje masivo de capitales, lo que generó pánico especialmente en Latinoamérica: Argentina, Uruguay, Paraguay (Merco sur), Chile, Bolivia, Venezuela y también la Unión Europea. Se puede concluir que cada día es más importante y perentorio desarrollar modelos que intenten pronosticar y cuantificar las causas de las crisis y el valor del riesgo - país.

Introducción al cálculo del valor en riesgo

Este documento tiene como objetivo brindar al estudiante una breve introducción a la interpretación y el cálculo del Valor en Riesgo (VaR) de un portafolio. Se presenta el cálculo del VaR bajo el supuesto de una varianza constante así como bajo la posibilidad de una varianza no constante. Adicionalmente a la exposición teórica, se presentan ejemplos y una hoja de Excel que le permite al lector seguir la exposición. El documento está dirigido principalmente a estudiantes de últimos semestres de pregrado, pero por la sencillez del lenguaje, puede ser de utilidad para cualquier estudiante o profesional interesado en el cálculo del VaR.

Hablando de riesgo cambiario

En el ámbito internacional, el dólar ha sido la moneda de preferencia para las negociaciones. El marco alemán y el yen japonés se afianzan cada día más como monedas fuertes que tienden a compartir este lugar con el dólar. Sin embargo, no todo es de color de rosa para el dólar americano, cuyo exceso de oferta le podría producir una acelerada devaluación. A pesar de que después del descenso en su cotización, producido en marzo de 1995, se volvió a recuperar; el ambiente continúa tenso, debido a los constantes déficit en el presupuesto y en la balanza comercial de los Estados Unidos, y a la caída en el índice de ahorro y de inversión local.

Valor en Riesgo: Evaluación del desempeño de diferentes metodologías para 7 países latinoamericanos

Este documento evalúa el comportamiento de diferentes métodos (paramétrico, no paramétricos y semi-paramétricos) para estimar el VaR (valor en riesgo) de un portafolio representativo para 7 países latinoamericanos. El cálculo del VaR implica la estimación del i-esimo percentil de la distribución del valor futuro del valor de un portafolio. Los resultados no muestran la existencia de un método que se comporte mejor que los demás. Con un nivel de confianza del 95% los modelos paramétricos que emplean el EWMA se desempeñan en general bien así como con el TGARCH, pero estos modelos tienen un comportamiento pobre cuando la significancia considerada es del 1%.