Qué significa exactamente que una distribución tenga colas gruesas en el
contexto del análisis de riesgo
Una distribución con colas gruesas asigna mayor probabilidad a los retornos
extremos, tanto positivos como negativos, de lo que haría una distribución
normal con la misma media y desviación estándar. En términos prácticos, esto
significa que los eventos que un modelo gaussiano clasifica como ocurrencias de
baja probabilidad, un movimiento de tres o cuatro desviaciones estándar, se
observan en los datos históricos con una frecuencia significativamente mayor.
Nuestro equipo encontró esta discrepancia de forma recurrente al comparar las
predicciones de modelos estándar con los datos reales de episodios de estrés. La
kurtosis excesiva no es una anomalía estadística puntual: es una característica
estructural de los retornos financieros que cualquier marco de análisis de
riesgo serio debería incorporar de forma explícita y sistemática.
La conexión directa entre colas gruesas y ruptura de correlaciones entre activos
durante estrés
Las colas gruesas y la ruptura de correlaciones no son fenómenos independientes
que coinciden por casualidad durante los episodios de estrés: comparten el mismo
origen mecánico. Cuando un evento extremo presiona simultáneamente a múltiples
participantes del mercado, estos responden de forma sincronizada a través de los
canales de desapalancamiento y liquidez que nuestro equipo ha documentado en
análisis anteriores. Esa respuesta sincronizada es la que genera tanto los
retornos extremos como la elevación abrupta de las correlaciones. Tratar el
riesgo de cola como un problema estadístico separado del riesgo de correlación
produce marcos de análisis que subestiman la magnitud de las pérdidas posibles
en escenarios de estrés severo y simultáneo en múltiples activos.
Por qué el valor en riesgo calculado con distribución normal infravalora el
riesgo real de la cartera
El valor en riesgo es la métrica de riesgo más utilizada en los marcos de
gestión institucional, pero su versión estándar, calculada con distribución
normal de retornos, subestima de forma sistemática las pérdidas en los
percentiles extremos de la distribución. Nuestro equipo revisó estimaciones de
valor en riesgo publicadas antes de varios episodios de estrés históricos y
encontró que las pérdidas efectivamente registradas durante esos episodios
superaron el límite del valor en riesgo con una frecuencia mayor a la que el
nivel de confianza del modelo habría predicho. La causa técnica es la
subestimación de la kurtosis y de la correlación de cola, que actúan
conjuntamente para hacer que las pérdidas extremas sean simultáneas y más
severas de lo que el modelo anticipa en su calibración habitual.
