RIESGO CUANTITATIVO EN CRISIS: PROBLEMAS DE RUPTURA DE LA CORRELACIÓN

¿Qué es el riesgo quanto?El riesgo quanto se refiere a la incertidumbre financiera que surge en los instrumentos derivados de divisas cruzadas, donde la rentabilidad de un activo denominado en una divisa se liquida en otra, independientemente del tipo de cambio real al vencimiento. Este ajuste introduce varios factores complejos a la hora de fijar el precio y gestionar el riesgo de estos instrumentos, en particular la correlación entre la rentabilidad del activo extranjero y los tipos de cambio.Estos productos, denominados derivados quanto (de "ajuste cuantitativo"), son comunes en los mercados de renta variable, materias primas y tipos de interés. Una estructura típica podría consistir en un índice de renta variable extranjera denominado en yenes, pero el rendimiento se convierte a dólares estadounidenses a un tipo fijo. La fijación de precios y la cobertura de estos contratos se basan en modelos que incorporan las volatilidades y correlaciones esperadas. Sin embargo, surgen problemas cuando estos modelos se enfrentan a perturbaciones reales del mercado. En condiciones normales de mercado, las correlaciones asumidas en los marcos de modelos se mantienen relativamente estables. El ajuste cuantitativo clásico incluye un término que involucra la volatilidad del activo subyacente, la volatilidad del tipo de cambio y su correlación. Sin embargo, este frágil equilibrio puede colapsar cuando más se necesita: durante una crisis, cuando los participantes del mercado están más expuestos. En esencia, el riesgo cuantitativo surge de la fijación de precios incorrecta o la modelización incompleta de estas correlaciones. Cuando estas fallan, fallan los supuestos que sustentan las estrategias de fijación de precios y cobertura. Por lo tanto, para apreciar el riesgo cuantitativo es necesario comprender no solo los derivados financieros y su opcionalidad, sino también cómo las perturbaciones repercuten en los mercados, las divisas y las clases de activos.Para comprender mejor los matices del riesgo cuantitativo, es fundamental examinar por qué colapsan los supuestos de correlación durante las crisis y qué implicaciones tiene esto para la sensibilidad de los modelos y la gestión del riesgo de la cartera.Tipos de instrumentos afectados por el riesgo cuantitativoPagarés vinculados a acciones con conversión fija a divisasSwaps de divisas con opcionalidad incorporadaDerivados de materias primas cotizados en USD pero vinculados a índices de referencia extranjerosSwaps de tipos de interés con nocional en moneda extranjera pero con pago en USDPor qué es importante durante eventos de estrésEn escenarios de crisis, las instituciones financieras pueden descubrir demasiado tarde que los instrumentos que se consideraban seguros Bajo correlaciones históricamente calibradas, las correlaciones se comportan de forma impredecible. Los diferenciales amplios, el aumento de la volatilidad y las fluctuaciones cambiarias inesperadas magnifican el riesgo del modelo y el potencial de pérdidas significativas que no se evidenciaron en las pruebas de estrés basadas en correlaciones estables. Por lo tanto, el riesgo cuantitativo es una manifestación real de la insuficiencia del modelo, especialmente en entornos multidivisa. Reconocerlo exige un análisis sólido de escenarios, una gestión de riesgos conservadora y un sano escepticismo ante datos históricos convenientemente estables.

Ruptura de la correlación en crisis financieras

Un componente crítico en la cuantificación del riesgo cuantitativo es el supuesto de una correlación estable entre el rendimiento del activo extranjero y el factor de conversión de divisas. Esta correlación entre activos es fundamental para determinar el rendimiento esperado de muchos instrumentos cuantitativos. Sin embargo, durante las crisis financieras, estas correlaciones pueden romperse rápidamente y sin previo aviso, socavando las suposiciones del modelo casi instantáneamente.

Dichas rupturas no son teóricas. Durante la crisis financiera mundial de 2008, y de nuevo durante la ola de ventas inducida por la COVID-19 en 2020, estas correlaciones se desviaron significativamente de sus promedios históricos. En tiempos de tensión, las correlaciones inversas tradicionales entre los activos de riesgo y las divisas refugio, como el dólar estadounidense o el yen japonés, desaparecieron o se revirtieron. Este cambio de comportamiento expone la debilidad de los modelos que extrapolan a partir de períodos de calma, especialmente en derivados complejos. El problema principal es el siguiente: los modelos utilizados para fijar el precio de productos cuantitativos suelen asumir una correlación constante. En particular, el ajuste cuantitativo en modelos como Black-Scholes o sus contrapartes estocásticas utiliza una correlación lineal, comúnmente estimada a partir de datos históricos. Este enfoque puede funcionar bien durante períodos de estabilidad, pero se vuelve problemático durante dislocaciones sistémicas cuando las dinámicas no lineales y de cambio de régimen se imponen.

Ejemplos reales de rupturas de correlación

• Durante la crisis de deuda de la eurozona de 2011, las correlaciones entre las acciones y las divisas europeas cambiaron drásticamente, lo que hizo ineficaces las coberturas cuantitativas existentes.
• A principios de 2020, las divisas vinculadas al petróleo reaccionaron violentamente a los cierres del mercado y al desplome de los precios de la energía, desvinculándose de las acciones energéticas e impactando en los derivados cuantitativos vinculados a esos temas.
• Tras la invasión rusa de Ucrania en 2022, las correlaciones entre los activos de los mercados emergentes y las principales divisas cambiaron abruptamente en medio de las sanciones gubernamentales y los controles de capital.

  Estos ejemplos ponen de relieve por qué los gestores de riesgos no pueden permitirse asumir la estacionariedad del mercado. Si un modelo asume una correlación promedio de -0,5 basada en datos de la última década, pero esta se dispara a +0,2 en ventas de pánico, la valoración de una operación cuantitativa podría tener un error de millones. Además, un cambio de signo —no solo de magnitud— puede invertir las estrategias de cobertura en tiempo real, convirtiendo las posiciones protectoras en amplificadores de riesgo.Implicaciones para el riesgo y la regulaciónLos reguladores esperan cada vez más que las entidades financieras incluyan la posibilidad de una ruptura de la correlación en sus Procesos de Evaluación de la Adecuación del Capital Interno (ICAAP) y Análisis y Revisión Integral del Capital (CCAR). Esto significa que las pruebas de estrés y la modelización de escenarios deben ir más allá de los shocks de volatilidad y considerar cambios repentinos y dinámicos en las estructuras de dependencia subyacentes.En los círculos de finanzas cuantitativas, algunos han recurrido a funciones de cópula y modelos de cambio de régimen para captar una mayor adaptación. Sin embargo, estos modelos requieren un uso intensivo de recursos computacionales y aún dependen de patrones de crisis pasadas, que podrían no replicarse en crisis futuras. Por lo tanto, la importancia de contar con amortiguadores de riesgo conservadores y protocolos de cobertura adaptativos se vuelve crucial.En conclusión, la ruptura de la correlación durante las crisis no es una excepción; es un patrón recurrente. Los modelos que dependen excesivamente de la estabilidad histórica fallarán en los momentos de mayor necesidad, precisamente cuando la preservación del capital es más crítica.

Sensibilidad del modelo y gestión del riesgo cuantitativo

La sensibilidad del modelo, a veces denominada «riesgo del modelo», es un aspecto inevitable al trabajar con derivados cuantitativos. Estos modelos, basados ​​en supuestos sobre el comportamiento del mercado, enfrentan su mayor prueba en tiempos de turbulencia. Las crisis revelan las limitaciones de la calibración, la fragilidad de los supuestos gaussianos y la falacia de los parámetros inmutables.

Para cuantificar el riesgo cuantitativo, los modelos incorporan múltiples variables de mercado, en particular:

• Volatilidad del activo extranjero
• Volatilidad del tipo de cambio
• Correlación entre las dos anteriores
• Tasas de interés neutrales al riesgo en ambas divisas

Cada uno de estos datos está sujeto a errores de estimación. Sin embargo, su impacto no es simétrico. Por ejemplo, una estimación errónea del 1% en la correlación puede generar errores de precio significativamente mayores que una estimación errónea del 1% en los diferenciales de tipos de interés. Esta no linealidad se vuelve particularmente problemática en derivados con alta convexidad o dependencia de la trayectoria, como las opciones de barrera cuantitativas y las notas estructuradas con características digitales integradas.

Por qué fallan los modelos en las crisis

Las crisis invalidan varios supuestos en los que se basan los modelos financieros:

• Linealidad: Las correlaciones no responden linealmente a la tensión del mercado; Tienden a converger o incluso a revertirse.
• Volatilidad estacionaria: Los parámetros de volatilidad derivados de períodos históricos son rápidamente superados por nuevos regímenes.
• Homogeneidad: El uso de modelos similares en diferentes empresas introduce vulnerabilidades sistémicas, ya que todas reaccionan de manera similar a los eventos de estrés.

En términos prácticos, esto significa que un modelo que funciona bien en el 95 % de los escenarios puede fallar catastróficamente en el 5 % restante, que, lamentablemente, tienden a ser los de mayor impacto. Es importante destacar que los modelos también carecen de agilidad: para cuando los datos del mercado se ajustan a la realidad, lo peor de la dislocación podría ya estar descontado, dejando a los coberturistas expuestos.

Gestión de la sensibilidad con técnicas robustas

Para mitigar los riesgos relacionados con la sensibilidad de los modelos, los gestores de riesgos emplean diversas herramientas complementarias:

• Pruebas de estrés: Evaluación de precios en escenarios extremos pero plausibles (por ejemplo, una caída del 50 % en el precio de los activos y una apreciación del 30 % en la moneda nacional).
• Análisis de escenarios: Exploración de correlaciones en crisis pasadas para visualizar posibles cambios en la valoración.
• Pruebas retrospectivas: Ejecución de modelos contra datos históricos obtenidos para evaluar la precisión.
• Diversificación de modelos: Uso de marcos alternativos como los modelos Heston-Garman, SABR o dependencias basadas en cópulas.
• Superposiciones Prudentes: Incorporación de ajustes de valoración (xVA) para considerar la incertidumbre en los modelos de precios

Mirando hacia el Futuro

La creciente interconexión de los mercados globales implica que el riesgo cuantitativo no se limita a un conjunto específico de instrumentos. Desde productos estructurados vinculados a criterios ESG en mercados emergentes hasta préstamos a largo plazo con garantía cambiaria, el problema se extiende a todas las carteras institucionales. Por lo tanto, es imperativo que tanto los operadores del lado comprador como del vendedor participen en una gestión activa del riesgo de los modelos, especialmente en momentos de mayor incertidumbre o cambios geopolíticos.

Finalmente, las mejores prácticas del sector sugieren que la monitorización en tiempo real de la sensibilidad de los modelos, junto con la recalibración oportuna y las estructuras de escalamiento de decisiones, es clave. Quienes puedan adaptar los modelos dinámicamente e incorporar supuestos de riesgo de cola tienen mayores posibilidades de sortear las crisis con un daño limitado al capital y la reputación.