Qué es VaR Backtesting Calculator?
▾
El backtesting del VaR es el proceso estadístico de validar un modelo de valor en riesgo comparando las estimaciones del VaR previstas con las ganancias y pérdidas de la cartera realizadas posteriormente. Se produce una superación (o 'excepción') cualquier día en que la pérdida real de la cartera exceda el VaR previsto para ese día. Para un modelo de VaR del 99% correctamente especificado, esperamos que se produzcan excedencias en aproximadamente el 1% de los días de negociación (alrededor de 2 a 3 días por año para un calendario de 250 días de negociación). El backtesting pregunta: ¿el número observado de excedencias es estadísticamente consistente con lo que predice el modelo? El Comité de Basilea formalizó por primera vez los requisitos de backtesting del VaR en su Enmienda de Riesgo de Mercado (1996) y los ha perfeccionado mediante acuerdos posteriores. Según Basilea III, los bancos que utilizan modelos internos de VaR para capital de riesgo de mercado deben realizar pruebas retrospectivas diarias de sus estimaciones de VaR del 99% a 1 día frente a las pérdidas y ganancias reales. El marco regulatorio del semáforo clasifica el resultado del backtest en función del número de superaciones en los 250 días hábiles más recientes: 0 a 4 superaciones (zona verde): el modelo pasa; 5 a 9 excedencias (zona amarilla): aumento del multiplicador de capital; Más de 10 superaciones (zona roja): el modelo falla, requiere revisión y potencialmente pasa a un enfoque estandarizado. La prueba de proporción de fallas (POF) de Kupiec (1995) es la prueba estadística fundamental: prueba si el número observado de excedencias es consistente con el nivel de confianza del VaR declarado utilizando una prueba de razón de verosimilitud. La hipótesis nula es que la verdadera probabilidad de excedencia es igual a (1 − nivel de confianza). La prueba de cobertura condicional de Christoffersen (1998) mejora la de Kupiec al probar también si las excedencias son independientes en el tiempo: un modelo VaR válido no debería tener excedencias agrupadas (lo que indicaría que el modelo tarda en adaptarse a la volatilidad cambiante). El backtesting por sí solo no es suficiente para validar completamente un modelo VaR. La atribución de pérdidas y ganancias (que explica las pérdidas y ganancias de cada día utilizando los factores de riesgo del modelo) es obligatoria según la FRTB de Basilea. Las pérdidas y ganancias hipotéticas (utilizando posiciones de cartera actuales modificadas con los cambios del mercado de ayer) deben ser consistentes con las pérdidas y ganancias teóricas (del modelo de riesgo). Los modelos que superan las pruebas retrospectivas pero no superan la atribución de pérdidas y ganancias aún pueden tener un riesgo de modelo significativo. La validación de modelos va más allá de las pruebas retrospectivas e incluye análisis de sensibilidad, pruebas de estrés, evaluaciones comparativas con modelos alternativos y revisión de supuestos de modelado. El análisis de la magnitud de la excedencia (¿las pérdidas en los días de excepción son mucho mayores que el VaR, lo que sugiere colas gruesas?) complementa el enfoque basado en el conteo.
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
Fórmula
▾
Superaciones esperadas = (1 − Confianza) × N
Kupiec LR = −2 × [ln((1−p)^(N−x) × p^x) − ln((1−x/N)^(N−x) × (x/N)^x)]
Valor crítico: χ²(1) al 5% = 3,84 | χ²(2) al 5% = 5,99 (Christoffersen)Leyenda de variables
▾
| Símbolo | Nombre | Unidad | Descripción |
|---|---|---|---|
| N | Días totales de observación | days | Número de días de negociación en la ventana de backtesting; Basilea exige un mínimo de 250 días hábiles (≈1 año calendario). |
| x | Número de excedencias | count | Días en los que la pérdida real de pérdidas y ganancias excedió la estimación del VaR; esperado = (1−confianza) × N. |
| p | Tasa de excedencia esperada | % | La tasa de superación del modelo VaR declarada: 1% para un VaR del 99%, 5% para un VaR del 95%. |
| LR_POF | Estadística de prueba de Kupiec LR | chi-squared | Relación de probabilidad para probar si la tasa de excedencia observada coincide con la tasa esperada; en comparación con el valor crítico de χ²(1). |
| CC_test | Estadística de Christoffersen | chi-squared | Prueba tanto la proporción correcta como la independencia de los excesos; distribución χ²(2); detecta agrupación de excepciones. |
Cómo VaR Backtesting Calculator
▾
- 1Recopile estimaciones diarias de VaR (al nivel de confianza establecido) y pérdidas y ganancias diarias reales para la ventana de backtesting (mínimo 250 días de negociación).
- 2Contar los excesos: días en los que la pérdida > la estimación del VaR (es decir, las pérdidas y ganancias reales son más negativas que el −VaR).
- 3Calcule las excedencias esperadas: E[x] = (1−confianza) × N. Para un VaR del 99% durante 250 días: E[x] = 2,5.
- 4Aplique la prueba POF de Kupiec: calcule la estadística LR usando la fórmula; compárese con χ²(1) = 3,84 con una significancia del 5%. Si LR > 3,84, el modelo no pasa la prueba.
- 5Aplicar la prueba de cobertura condicional de Christoffersen: construir la matriz de transición 2×2 de excedencias de días consecutivos; probar la independencia de las excedencias.
- 6Aplicar el marco del semáforo de Basilea: 0 a 4 excepciones = verde (ninguna acción); 5–9 = amarillo (capital adicional); 10+ = rojo (fallo del modelo).
- 7Analice la magnitud de la excepción: ¿las pérdidas en los días de excepción están ligeramente por encima del VaR o son dramáticamente mayores? Los grandes excesos sugieren una subestimación de la cola gorda.
Ejemplos resueltos
▾
El modelo pasa: 3 excedencias consistentes con la expectativa de VaR del 99%
Superaciones esperadas = 1% × 250 = 2,5. Observado = 3. LR_POF = −2 × [ln((0,99)^247 × (0,01)^3) − ln((0,988)^247 × (0,012)^3)] ≈ 0,076, que está muy por debajo del valor crítico de χ²(1) de 3,84. El modelo no se puede rechazar. 3 superaciones en 250 días es muy consistente con un modelo de VaR del 99%. Semáforo de Basilea: Zona Verde (excepciones 0 a 4): sin penalización multiplicadora de capital. Éste es el resultado esperado de un modelo VaR bien especificado y actualizado periódicamente.
El modelo falla gravemente: 12 excedencias significan que el riesgo real es 5 veces la estimación del modelo VaR
12 excedencias frente a las 2,5 esperadas: un exceso de 4,8 veces. LR = −2 × [ln(0,99^238 × 0,01^12) − ln(0,952^238 × 0,048^12)] ≈ 24,1, que supera ampliamente a χ²(1)=3,84. El modelo se rechaza estadísticamente en cualquier nivel de significación razonable. Zona Roja de Basilea (más de 10 excepciones): el banco debe explicar las fallas del modelo a los reguladores, se aumenta el multiplicador de capital y es posible que se le exija al banco que cambie al método estandarizado para el capital. Causas comunes: volatilidad subestimada, colas gruesas ignoradas, captura de correlación insuficiente o modelo aplicado fuera de su rango de calibración.
El fracaso de la independencia significa que el modelo no se adapta rápidamente a los cambios del régimen de volatilidad
5 superaciones en 250 días al 99% VaR se encuentran en la zona amarilla de Basilea. La prueba POF de Kupiec puede pasar marginalmente (en el límite). Sin embargo, 4 de 5 excepciones que ocurren en días consecutivos constituyen una grave violación del supuesto de independencia. La prueba CC de Christoffersen calcula la matriz de transición: (el día después de la no excepción es la excepción) versus (el día después de la excepción es la excepción). Si p(excepción | excepción anterior) >> p(excepción | no excepción anterior), la independencia falla. La agrupación indica que el modelo VaR tarda en responder a los picos de volatilidad, probablemente utilizando una ventana histórica larga o volatilidad móvil en lugar de un estimador adaptativo.
Un día catastrófico (2,1 millones de dólares = 4,2×VaR) sugiere una subestimación de las colas gordas
Cuatro de cinco excepciones están sólo ligeramente por encima del VaR (entre 480.000 y 550.000 dólares): son esperadas y coherentes con un modelo bien calibrado. Pero un día se produjo una pérdida de 2,1 millones de dólares, 4,2 veces la estimación del VaR. Este valor atípico es extremadamente improbable bajo una distribución normal (probabilidad de pérdida > 4,2σ ≈ 0,001%). Esto sugiere que la distribución de rentabilidad tiene colas gruesas que el modelo VaR no captura. La excepción promedio = $ 832 000 es 1,66 × VaR (se espera que sea aproximadamente 1,14 × para un VaR normal del 99 %), lo que nuevamente sugiere colas gruesas. El análisis de la magnitud de la excepción desencadena una revisión del modelo incluso si el recuento (5) está en la zona amarilla.
Aplicaciones prácticas
▾
Informes de capital regulatorio bancario según Basilea III FRTB, que representan un área de aplicación importante para Var Back Testing en contextos profesionales y analíticos donde los cálculos precisos de var back testing apoyan directamente la toma de decisiones informadas, la planificación estratégica y la optimización del rendimiento.
La validación interna de modelos y la gestión de riesgos de modelos, que representan un área de aplicación importante para Var Back Testing en contextos profesionales y analíticos donde los cálculos precisos de var back testing apoyan directamente la toma de decisiones informadas, la planificación estratégica y la optimización del rendimiento.
Monitoreo del desempeño del modelo de riesgo de fondos de cobertura, que representa un área de aplicación importante para Var Back Testing en contextos profesionales y analíticos donde los cálculos precisos de var back testing apoyan directamente la toma de decisiones informadas, la planificación estratégica y la optimización del desempeño.
Validación del modelo de riesgo de compañías de seguros bajo Solvencia II, que representa un área de aplicación importante para Var Back Testing en contextos profesionales y analíticos donde los cálculos precisos de var back testing apoyan directamente la toma de decisiones informadas, la planificación estratégica y la optimización del rendimiento.
Atribución del rendimiento de la mesa de operaciones: distingue las pérdidas y ganancias de la exposición a factores de riesgo, lo que representa un área de aplicación importante para Var Back Testing en contextos profesionales y analíticos donde los cálculos precisos de var back testing apoyan directamente la toma de decisiones informadas, la planificación estratégica y la optimización del rendimiento.
Casos especiales
▾
En Var Back Testing, este escenario requiere precaución adicional al interpretar los resultados de la prueba var back. Es posible que la fórmula estándar no tenga en cuenta todos los factores presentes en este caso límite, y es posible que se justifique un análisis complementario o una consulta con expertos. Las mejores prácticas profesionales implican documentar suposiciones, ejecutar análisis de sensibilidad y comparar resultados con métodos alternativos cuando los cálculos de pruebas retrospectivas de var caen en un territorio no estándar.
Los valores de entrada extremadamente grandes o pequeños en Var Back Testing pueden hacer retroceder a var
Los valores de entrada extremadamente grandes o pequeños en la prueba de retroceso de var pueden hacer que los cálculos de la prueba de retroceso de var vayan más allá de los rangos operativos típicos. Si bien son matemáticamente válidos, los resultados de entradas extremas pueden no reflejar escenarios realistas de pruebas retrospectivas y deben interpretarse con cautela. En entornos de pruebas retrospectivas de var profesionales, los valores extremos a menudo indican errores de medición, condiciones inusuales o casos extremos que merecen un análisis adicional. Utilice el análisis de sensibilidad para comprender cómo cambian los resultados en rangos de entrada plausibles en lugar de depender de cálculos de casos extremos únicos.
En Var Back Testing, este escenario requiere precaución adicional al interpretar los resultados de la prueba var back. Es posible que la fórmula estándar no tenga en cuenta todos los factores presentes en este caso límite, y es posible que se justifique un análisis complementario o una consulta con expertos. Las mejores prácticas profesionales implican documentar suposiciones, ejecutar análisis de sensibilidad y comparar resultados con métodos alternativos cuando los cálculos de pruebas retrospectivas de var caen en un territorio no estándar.
Semáforo de Basilea: Umbrales de excepción para 99% VaR a 250 días
▾
| Excepciones (x) | Probabilidad (si el modelo es correcto) | Probabilidad acumulada | Zona | Multiplicador de capital k |
|---|---|---|---|---|
| 0 | 8,1% | 8,1% | Verde | 3.00 |
| 1 | 20,5% | 28,6% | Verde | 3.00 |
| 2 | 25,7% | 54,4% | Verde | 3.00 |
| 3 | 21,5% | 75,9% | Verde | 3.00 |
| 4 | 13,5% | 89,4% | Verde | 3.00 |
| 5 | 6,8% | 96,2% | Amarillo | 3.40 |
| 6–9 | 3,5% | 99,7% | Amarillo | 3,50–3,85 |
| 10+ | 0,3% | ≥99,7% | Red | 4.00 |
Preguntas frecuentes
▾
¿Por qué es importante el backtesting para los modelos VaR?
El backtesting es la validación empírica de que un modelo VaR produce la calibración que afirma. Un banco que reclame un VaR del 99% debería, por definición, experimentar pérdidas superiores al VaR aproximadamente el 1% de las veces. Sin pruebas retrospectivas, un modelo podría subestimar sistemáticamente el riesgo (produciendo un VaR demasiado bajo, lo que reduce los requisitos de capital) sin ningún mecanismo de rendición de cuentas. Las pruebas retrospectivas crean un circuito de retroalimentación regulatoria: los modelos que fallan son penalizados con complementos de capital, lo que crea incentivos financieros para que los bancos mantengan modelos bien calibrados. El backtesting también ayuda a los gestores de riesgos a identificar cuándo los modelos se están volviendo obsoletos debido a cambios en la dinámica del mercado.
¿Cuál es la diferencia entre pérdidas y ganancias limpias y sucias para el backtesting?
Clean P&L (P&L hipotético) mide la ganancia o pérdida en las posiciones de la cartera de ayer modificadas utilizando los precios de mercado de hoy, aislando la exposición pura al riesgo de mercado sin el efecto de nuevas operaciones, tarifas o cambios de cartera. Las P&L sucias (P&L reales) incluyen todas las P&L de todas las fuentes: ingresos comerciales, nuevas posiciones, ingresos por comisiones y partidas operativas. La FRTB de Basilea requiere realizar pruebas retrospectivas contra pérdidas y ganancias hipotéticas limpias, porque el modelo VaR estima el riesgo de la cartera existente, no la cartera en evolución. Si se compara el VaR con pérdidas y ganancias sucias, los buenos días de negociación pueden ocultar las fallas del modelo de riesgo, y viceversa.
¿Cuántos años de backtesting se necesitan para una validación confiable del modelo?
El requisito regulatorio mínimo es de 250 días hábiles (≈1 año). Sin embargo, esto es estadísticamente bastante limitado: con un VaR del 99%, sólo se producen 2,5 excepciones esperadas por año. El error estándar de la tasa de excepción estimada con 2,5 observaciones es muy alto: es imposible distinguir entre un modelo que produce tasas de excepción verdaderas del 0,5%, 1%, 1,5% o 2% con solo 250 observaciones. Para una validación sólida, se prefieren entre 3 y 5 años de datos. Incluso entonces, la prueba de Kupiec tiene poco poder para distinguir pequeños errores sistemáticos. Por este motivo, además del backtesting, se requieren múltiples pruebas estadísticas y métodos de validación complementarios (pruebas de estrés, atribución de pérdidas y ganancias).
¿Qué es el sistema de semáforo de Basilea para el backtesting del VaR?
El sistema de semáforo de Basilea (introducido en 1996 y actualizado en Basilea III) clasifica el rendimiento del modelo VaR en función del número de excepciones de backtesting en los 250 días de negociación más recientes: Zona Verde (0 a 4 excepciones): el modelo pasa, sin penalización de capital; Zona amarilla (5 a 9 excepciones): el multiplicador de capital k aumenta de 3,0 a 3,4 a 4,0 según el número, y aumenta el escrutinio regulatorio; Zona roja (más de 10 excepciones): el modelo falla, k=4,0 o superior, y es posible que se requiera que el banco cambie al enfoque estandarizado. Los umbrales se establecen para equilibrar el error de tipo I (rechazar buenos modelos) y el error de tipo II (aceptar malos modelos) para una muestra de 250 días.
¿Qué es la atribución de pérdidas y ganancias y cómo se relaciona con el backtesting?
La atribución de pérdidas y ganancias (PLA) requiere que los bancos expliquen las pérdidas y ganancias reales de cada día descomponiéndolas en contribuciones de los factores de riesgo capturados en el modelo VaR. Según la FRTB de Basilea, la diferencia entre las pérdidas y ganancias teóricas del modelo VaR (utilizando factores de riesgo del modelo) y las pérdidas y ganancias hipotéticas reales deben ser pequeñas y no estar correlacionadas con las pérdidas y ganancias reales. Si existen pérdidas y ganancias significativas no explicadas por el modelo (los residuos del modelo son grandes), esto sugiere que al modelo VaR le faltan factores de riesgo importantes y puede estar subestimando el riesgo. El PLA se realiza a nivel de mesa de operaciones, mientras que el backtesting también se realiza a nivel de mesa bajo FRTB.
¿Puede el backtesting detectar especificaciones erróneas del modelo más allá de la frecuencia?
El backtesting estándar de Kupiec sólo detecta una frecuencia de superación incorrecta. No puede detectar: (1) forma incorrecta de la cola, si el modelo subestima la gravedad de las pérdidas en los días de excepción; (2) sensibilidades incorrectas de los factores de riesgo, si el modelo predice correctamente la frecuencia pero por razones equivocadas; (3) especificación errónea de correlación: si se exageran los beneficios de la diversificación. La prueba de Christoffersen añade pruebas de independencia. Las pruebas basadas en funciones de pérdida (compare la distribución de pérdidas y ganancias esperada versus la realizada) y las pruebas basadas en regresión brindan poder de diagnóstico adicional. Un programa completo de validación de modelos utiliza múltiples pruebas, pruebas de estrés, análisis de sensibilidad y revisión de modelos por expertos para identificar diferentes tipos de especificaciones erróneas.
¿Qué debe hacer un gestor de riesgos cuando un modelo VaR muestra demasiadas excepciones?
El exceso de excepciones desencadena un proceso estructurado de revisión del modelo: (1) Investigue cada excepción: ¿la pérdida fue provocada por un evento específico, un error de datos o una deficiencia genuina del modelo? (2) Comprobar si las estimaciones de volatilidad están actualizadas: los supuestos de volatilidad obsoletos son una causa común de subestimación del VaR en mercados que cambian rápidamente. (3) Revisar los supuestos de correlación: verificar si se están utilizando correlaciones de crisis cuando sea apropiado. (4) Pruebe supuestos de distribución alternativos: reemplace la normal con distribución t o simulación histórica. (5) Examinar los riesgos de concentración que el modelo no captura plenamente. (6) Si el modelo no puede remediarse rápidamente, aumentar los cargos de capital o reducir los límites de posición hasta que se recalibre el modelo.
Errores comunes a evitar
▾
- !Realizar pruebas retrospectivas de las pérdidas y ganancias sucias reales (incluidas nuevas operaciones y tarifas) en lugar de las pérdidas y ganancias hipotéticas limpias por mantener las posiciones del día anterior.
- !Usar una ventana de backtesting demasiado corta (< 250 días) que proporciona poder estadístico insuficiente para distinguir los modelos buenos de los malos.
- !No investigar los grupos de excepciones: tratar todas las excepciones como eventos independientes cuando la agrupación revela fallas en la actualización del modelo.
- !Ignorar la magnitud de la excepción: un modelo con 2 excepciones, ambas con 5 × VaR, es más alarmante que 4 excepciones, cada una ligeramente por encima del VaR.
- !No realizar pruebas retrospectivas a nivel de la mesa de operaciones (requisito de FRTB) y solo realizar pruebas retrospectivas en toda la empresa, lo que puede enmascarar fallas a nivel de mesa.
Consejo Pro
Mantenga un gráfico de prueba retrospectiva que muestre las excepciones acumuladas durante los últimos 250 días junto con los umbrales verde/amarillo/rojo. Traza esto diariamente para que el deterioro del modelo sea visible como una tendencia antes de que el modelo cruce a la zona amarilla, lo que permite una recalibración proactiva.
¿Sabías que?
El marco de pruebas retrospectivas del semáforo de Basilea se introdujo en la Enmienda de Riesgo de Mercado de 1996 después de que los reguladores descubrieran que los modelos VaR de algunos bancos, aunque pasaban la validación interna, estaban produciendo estimaciones VaR sistemáticamente bajas, engañando efectivamente al sistema de capital. El umbral de 250 días y 99% con zonas verde/amarilla/roja se eligió específicamente para equilibrar dos riesgos en competencia: penalizar incorrectamente los buenos modelos (error tipo I) versus no detectar los malos modelos (error tipo II). Incluso hoy en día, se reconoce que el marco carece de potencia estadística: se necesitan muchos meses de fallas persistentes del modelo antes de que se acumule evidencia suficiente para activar la zona roja.
Referencias
- ›Kupiec, P.H. (1995): Técnicas para verificar la precisión de los modelos de medición de riesgos, Journal of Derivatives
- ›Christoffersen, P. (1998): Evaluación de pronósticos de intervalo, Revista Económica Internacional
- ›Comité de Basilea: Marco de supervisión para el uso de backtesting (1996)
- ›McNeil, Frey & Embrechts: Gestión de riesgos cuantitativos - Capítulo de backtesting
Obtenga consejos semanales de matemáticas
Únase a los suscriptores de 12.000+ que reciben consejos sobre calculadoras todas las semanas.