Universidad Nacional Mayor de San Marcos

Maestría en Economía – Mención Finanzas

Administración del Riesgo Financiero

Segunda Sesión: Modelación del

Riesgo

Profesor: Armando Cáceres Valderrama

Semestre: 2018-1
acaceres@pucp.pe

1
Administración del Riesgo Financiero
Contenido de la Segunda Sesión
• Modelación del Riesgo: Sensitividad, Volatilidad y
Medida del Valor en Riesgo (VaR).
• VaR y Riesgo de Capital.
Material de referencia:
Bessis, Jöel, “Risk Management in Banking”, 4ta.
Ed., Cap. 11 (3ra Ed., Caps. 15-18 y Caps. 6-7
en la 2da. Ed.)
Crouhy, Galai & Mark, “The Essentials of Risk
Management”, 2da. Ed., Cap. 7.

2
Administración del Riesgo Financiero
Pregunta:

¿Cuánto es lo que podría ganar o perder un

inversionista en un día cualquiera gestionando
un portafolio representativo de acciones del
mercado bursátil de los EEUU?

3
 Administración del Riesgo Financiero
Evolución del S&P 500
Enero 2015- Abril 2018
2900

2700

2500

2300

2100

1900

1700

1500
5

7
15

15

15

15

15

16

16

16

16

16

17

17

17

17

17

18

18
/1

/1

/1
2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/
/2

/2

/2
1/

3/

5/

7/

9/

1/

3/

5/

7/

9/

1/

3/

5/

7/

9/

1/

3/
11

11

11
S&P 500 Base 1941-1942 = 10

• S&P 500: Indice elaborado por Standard & Poor s basado

en la capitalización bursátil de 500 grandes empresas que
cotizan en el NYSE y en el NASDAQ. Es el índice más
representativo del mercado bursátil de los EEUU.
4
 Administración del Riesgo Financiero
Variaciones del S&P 500
Enero 2015- Abril 2018
5

0
5

7
15

15

15

15

15

16

16

16

16

16

17

17

17

17

17

18

18
-1
/1

/1

/1
2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/

2/
/2

/2

/2
1/

3/

5/

7/

9/

1/

3/

5/

7/

9/

1/

3/

5/

7/

9/

1/

3/
11

11

11
-2

-3

-4

-5

S&P 500 Variaciones % diarias

• ¿Cuánto ganó o perdió en un día de negociación un banco

que operó un portafolio que simuló el S&P 500 en los
últimos 3 años?
5
 Administración del Riesgo Financiero
Distribución de las variaciones %
Índice S&P 500 - Enero 2015-Abril
2018
400

350
Enero 2015-Abril 2018
300
Promedio 0.03
250
Desv.Estand. 0.83
200
Max. 3.90
150
Min. -4.10
100

50

0
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12

S&P 500 201 5-2018

• ¿Cuánto esperaría ganar o perder en un día de negociación

cualquiera un inversionista que considera la rentabilidad
histórica del Índice S&P 500 en los últimos 10 años?
6
 Administración del Riesgo Financiero
Distribución de las variaciones %
Índice S&P 500 - Enero 2015-Abril
2018
400

350
VaR = 1,9339 = 2,33 x 0,82
300

250

200
σ = 0,83
150

100

50
Min = -4,10 Max = 3,90
0
-10 -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12
μ = 0,03
S&P 500 201 5-2018

• Si las variaciones del índice siguieran una distribución normal,

con un nivel de confianza de 99% la pérdida no sería mayor a
1,934% (pérdidas mayores no ocurrirían más de 2 o 3 días en
7
un año considerando 250 días de operaciones).
 Administración del Riesgo Financiero
Evolución del S&P 500
Mayo 2005- Abril 2018
3000

2500

2000

1500

1000

500

0
5/5/05 5/5/06 5/5/07 5/5/08 5/5/09 5/5/10 5/5/11 5/5/12 5/5/13 5/5/14 5/5/15 5/5/16 5/5/17

S&P 500 Base 1941-1943 = 10

• ¿Cómo cambian estas conclusiones si consideramos un

período más largo? Crisis Financiera 2007-2009.
8
 Administración del Riesgo Financiero
Variaciones del S&P 500
Mayo 2005- Abril 2018
15

10

0
5/5/05 5/5/06 5/5/07 5/5/08 5/5/09 5/5/10 5/5/11 5/5/12 5/5/13 5/5/14 5/5/15 5/5/16 5/5/17

-5

-10

S&P 500 Variaciones % diarias

• ¿Cuánto ganó o perdió en un día de negociación un

inversionista que operó un portafolio que simuló el S&P 500
en los últimos 13 años?
9
 Administración del Riesgo Financiero
Distribución de las variaciones diarias
S&P 500 - 2005- 2018
1600

1400

1200 Mayo 2005-Abril 2018

1000 Promedio 0.03
800 Desv.Estand. 1.20
Max. 11.58
600
Min. -9.03
400

200

0
- -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12
10

S&P 500 200 5-2018

• ¿Cuánto esperaría ganar o perder en un día de negociación

cualquiera un inversionista que considera la rentabilidad
histórica del Índice S&P 500 en los últimos 13 años?
10
 Administración del Riesgo Financiero
Distribución de las variaciones diarias
en el Índice S&P 500 - Mayo 2005-
Abril 2018
1600 Mayo 2005-Abril 2018
Promedio 0.03
1400
Desv.Estand. 1.20
1200 Max. 11.58
1000 Min. -9.03
Enero 2015-Abril 2018
800
Promedio 0.03
600 Desv.Estand. 0.83
400
Max. 3.90
Min. -4.10
200

0
- -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12
10

S&P 500 200 5-2018 S&P 500 2015-2018

• ¿Cuánto sería la pérdida diaria máxima si consideramos el

período mayo 2005-abril 2018?
11
 Administración del Riesgo Financiero
Distribución de las variaciones diarias
en el Índice S&P 500 - Mayo 2005-
Abril 2018
1600

1400

1200 VaR = 2,796

1000

800 VaR = 1,934

600 σ = 1,20
400

200
Min = -9,03 σ = 0.83 Max = 11,58
0
- -9 -8 -7 -6 -5 -4 -3 -2 -1 0 1 2 3 4 5 6 7 8 9 10 11 12
10 μ = 0,03
S&P 500 200 5-2018 S&P 500 2015-2018

• Si consideramos el período mayo 2005- abril 2018, con un

nivel de confianza de 99% las pérdidas no excederían un
porcentaje de 2,796% (1,934% si consideramos el período
12
enero 2015- abril 2018).
Administración del Riesgo Financiero
¿Cuánto es el capital mínimo que tendría que
mantener un inversionista para respaldar las
pérdidas de operar un portafolio de acciones de US$
100 millones que simula el S&P 500?
Considerando la pérdida en la que podría incurrir con un
nivel de confianza de 99% (1% de probabilidad de que las
pérdidas sean mayores) si decide vender la acción y el
período de liquidación no es mayor a 10 días (Capital por
Riesgo de mercado en el Acuerdo de Basilea):
Para el período enero 2015-abril 2018: 6,12 millones
(riesgo de pérdida durante el período regulatorio
mínimo de liquidación)
√10 x 2,33 x 0,83 = 6,12%
Para el período mayo 2005-abril 2018: 8,84 millones
√10 x 2,33 x 1,20% = 8,84%

13
Administración del Riesgo Financiero
Modelos de medición de riesgos
• A partir de la incorporación del riesgo de mercado
de la cartera de trading (1996) y el Nuevo
Acuerdo de Capital (Basilea II), se permitió a los
bancos la utilización de modelos internos para la
gestión de riesgos.
• Estos modelos incluyen indicadores de pérdida
estimada en activos o portafolios (downside risk),
también denominada Valor en Riesgo (VaR).
• VaR: Resume las medidas de riesgo en un solo
indicador que se utiliza para determinar los
requerimientos de capital regulatorio.
• El proceso de construcción de estos modelos
considera estimaciones de los indicadores de
sensitividad y volatilidad de los riesgos bancarios.
14
Administración del Riesgo Financiero
VaR para la estimación del riesgo de mercado
(1996)
• Considera el riesgo de pérdidas durante el tiempo
mínimo requerido para liquidar transacciones en el
mercado (10 días). Probabilidad de 1% que la
pérdida del banco supere el VaR estimado.
• Los modelos para estimar el VaR deben incorporar
datos históricos de un período mínimo de un año.
Si se observa volatilidad en el mercado debe
utilizarse el periodo más reciente.
• El VaR estimado por el modelo se multiplica por un
factor entre 3 y 4 para determinar el requerimiento
de capital regulatorio. Los modelos que pasen las
pruebas del supervisor podrían beneficiarse de
una reducción en el factor.
15
Administración del Riesgo Financiero
Problemas en el proceso de medición y
estimación de riesgos financieros
• Problemas asociados a 3 tipos de riesgos:
1. Riesgos identificados y medidos en forma
adecuada.
⇒ Ejemplo: valorización de titulos financieros.
2. Riesgos identificados que no han sido medidos
en forma adecuada.
Debilidades en los modelos por exclusión de
factores de riesgo, mediciones inadecuadas de
distribuciones de los factores de riesgo e
incorrecta asignación de exposiciones de riesgo
(riesgo de modelo).
⇒ Ejemplos: portafolios subprime o riesgos de
liquidez.
16
Administración del Riesgo Financiero
Problemas en el proceso de medición y
estimación de riesgos financieros

3. Riesgos no identificados y no considerados en

los escenarios de riesgo (incertidumbre no
medible de Knight) .
Utilización de pruebas de estrés y análisis de
escenarios extremos.
⇒ Ejemplos: riesgos regulatorios,cambios
estructurales (Dodd Frank Act), riesgos de
contraparte, riesgo sistémico, etc.

17
Administración del Riesgo Financiero
Estadísticos básicos de riesgo

• ΔP: Ganancia o pérdida de un portafolio financiero

con valor inicial P en un periodo de tiempo
determinado. Ejemplo: próximo mes.
• RP: Tasa de rentabilidad futura del portafolio
(ΔP/P).
• Retorno promedio del portafolio: μ(RP)
• Desviación estándar: σ (Varianza σ2)
• VaR: Nivel de corte (Cutoff point) a partir del cual
la probabilidad de una pérdida grande es baja.
Ejemplo: 99% de confianza.

18
Administración del Riesgo Financiero
Medición del riesgo en relación con un
benchmark
• Riesgo absoluto: Variación en el valor del activo en
un periodo determinado (ΔP): Ejemplo: Próximo
mes.

• Riesgo relativo: Variación en relación con un

benchmark (B): e = RP – RB

Donde ω la volatilidad del error de seguimiento

del benchmark (Tracking Error Volatility -TEV).
19
Administración del Riesgo Financiero

Proceso de construcción de modelos VaR

(building blocks)

1 Sensitividad

2 Volatilidad
Distribución
3 VaR (downside risk) de valores

Downside Risk
Pérdida potencial ante cambios negativos en las
condiciones del mercado (“peor escenario”).

20
Administración del Riesgo Financiero

Sensitividad
• Respuesta de una variable objetivo a cambios en
los factores de riesgo. Es una medida local que
depende de los valores corrientes.
⇒ Ejemplo: La sensitividad de los precios de los
bonos a los cambios en las tasas de interés
(en puntos básicos) puede aproximarse a
través de la duración (promedio ponderado del
tiempo hasta el vencimiento del bono). Si la
duración es 5, cuando todas las tasas de
interés cambian en 1% (100 puntos básicos),
el valor del bono cambiará en 5% (500 puntos
básicos), asumiendos traslados paralelos en
la estructura de tasas de interés.
21
Administración del Riesgo Financiero
Sensitividad y factores de riesgo
• Si V es el valor de mercado y m es el factor de
riesgo (precios o porcentajes), la sensitividad S es
igual a:

• Cuando consideramos varios factores de riesgo:

• Deltas: Nombre genérico de las sensitividades

22
Administración del Riesgo Financiero
Aplicación de la sensitividad al riesgo de
acciones
• Variaciones porcentuales en valores o retornos
con relación a variaciones en índices de acciones
o retornos.
• Beta: Cambio en el precio o la rentabilidad de la
acción con relación al índice o la rentabilidad del
mercado.
• Modelo CAPM: Rentabilidad como una función del
riesgo del mercado (β).

• β es el coeficiente de la regresión de los retornos

con los índices históricos de las acciones.
23
Administración del Riesgo Financiero
Aplicación de la sensitividad al riesgo de
opciones

• Modelo de Black & Scholes: El valor de la opción

es afectado por un conjunto de parámetros:
⇒ Valor del activo subyacente.
⇒ Plazo de vencimiento.
⇒ La volatilidad del activo subyacente, y
⇒ La tasa de interés libre de riesgo.
• El valor de la opción se incrementa con el
incremento en el valor del activo subyacente, con
la volatilidad, con el vencimiento; se reduce con la
tasa de interés.

24
Administración del Riesgo Financiero
Sensitividad de los parámetros que afectan el
valor de las opciones
⇒ Delta (δ): Sensitividad con respecto al activo
subyacente.
⇒ Gamma (γ): Cambio en el δ cuando cambia el
subyacente.
⇒ Theta (θ): Sensitividad con respecto al periodo
de vencimiento de la opción.
⇒ Vega (ν): Sensitividad con respecto a la
volatilidad del activo subyacente.
⇒ Rho (ρ): cambio por la variación en la tasa
libre de riesgo.
• Las sensitividades varían entre 0 y 1, con
mayores valores cuando es más rentable el
ejercicio de la opción. 25
Administración del Riesgo Financiero
Sensitividades y estrategias de control de
riesgos
• Las estrategias de control de riesgos consideran
acciones de cobertura que anulan la exposición a
las sensitividades.
⇒Ejemplo: Cobertura de un delta implica anular
la exposición del valor de la opción tomando
una posición en el activo subyacente.
• Con este tipo de estrategias se consiguen
portafolios libres de riesgo.
• Deben considerarse todas las sensitividades.
• La efectividad de la cobertura depende de la
disponibilidad de instrumentos de cobertura frente
a las sensitividades.
26
Administración del Riesgo Financiero
Volatilidad
• Magnitud de las desviaciones con respecto al valor
promedio de una variable de mercado.
• Medida más comprehensiva que la sensitividad de
los factores de riesgo que se enfrentan en el
mercado.
• La medida de volatilidad por excelencia es la
desviación estándar.
• Pueden ser indicadores inestables por lo que es
importante considerar metodologías que
consideren cambios en en el tiempo:
⇒Promedios móviles ponderados
exponencialmente (EWMA)
⇒Modelos GARCH
27
Administración del Riesgo Financiero
Problemas para estimar volatilidades

⇒ No se observan directamente. Se estiman a partir

de muestras.
⇒ Las volatilidades estimadas a partir de datos
históricos consideran procesos estocásticos que
asumen independencia en las distribuciones,
varianza constante y estacionaridad.
⇒ Volatilidades implícitas: Volatilidades
incorporadas en el valor de las opciones. Se
obtienen invirtiendo la fórmula Black Scholes y
pueden ser muy inestables.

28
Administración del Riesgo Financiero
Modelo de Promedios Móviles Ponderados
Exponencialmente (EWMA)
• La volatilidad de una variable de mercado (σi) en
el tiempo t, con retorno ri entre el día i-1 e i
(ri=ln(Si/ Si-1), en el tiempo t se estima a partir de:

• La fórmula que introdujo JP Morgan en 1996 con

RiskMetrics considera el parámetro λ (entre 0 y 1)
de acuerdo a la fórmula siguiente:

29
Administración del Riesgo Financiero
Modelos GARCH
• Buscan modelar el comportamiento en el tiempo
de la volatilidad.
• Diferencia con EWMA: combina la variación a
largo plazo (σL)con el último estimado de la
varianza (σt-1) y los retornos (rt-1).
• GARCH(1,1) indica que σ2t se estima a partir de la
última observación del retorno al cuadrado y la
varianza, sin incluir rezagos.
• La fórmula del modelo GARCH es:

• La varianza es condicional, depende de las

últimas observaciones. La varianza a largo plazo
30
(σL) no es condicional.
Administración del Riesgo Financiero
Valor en riesgo (VaR)
• VaR es el límite superior de una pérdida potencial
que no excede un grado determinado de
probabilidad (ejemplo: 99,5% de nivel de
confianza).
• Puede aplicarse a riesgos individuales o a
portafolios y resultar de un modelo que considera
un número grande de factores de riesgo.
• Las distribuciones de pérdidas varían de acuerdo
a los riesgos bancarios considerados.
⇒ Riesgo de Mercado: Variaciones adversas en
los precios de los instrumentos financieros.
⇒ Riesgo de Crédito: Incumplimientos en pagos
de cuotas y principal de los créditos.
31
 Administración del Riesgo Financiero

Supuestos sobre Distribuciones de Pérdidas:

Colas Largas y Pérdidas Extremas

Probabilidades Probabili-
dades

Pérdidas 0 Ganancias Pérdidas

Riesgo de Mercado: Variaciones Riesgo de Crédito:

en Precios de Instrumentos Incumplimientos
Financieros 32
Administración del Riesgo Financiero

Metodología para la estimación de VaR

• Si α es la probabilidad de que la variable objetivo

exceda el límite inferior o superior de la
distribución, entonces por definición:

• Si x(α) es el límite superior, se estima la

probabilidad de que X no asuma un valor mayor
con probabilidad α.

33
 Administración del Riesgo Financiero
Pérdidas No Esperadas y VaR

Probabilidad Pérdida Esperada +

Moda Pérdida No Esperada

Pérdida
Esperada (EL) Probabilidad de
Probabilidad pérdida > UL
Probabilidad de
[X<=x(α)]=α pérdida < UL

Pérdida = 0 Valores de Pérdidas

Pérdida Pérdida No Pérdidas

Esperada Esperada Excepcionales
34
(VaR)
Administración del Riesgo Financiero
Etapas en el proceso de estimación de VaR
• Identificación de los factores de riesgo que
explican los precios de los instrumentos que
conforman un portafolio (tasas de interés, tipos de
cambio, precios de acciones, volatilidades,
coeficientes de correlación, etc.).
• Selección de una metodología para modelar los
cambios en los factores de riesgo: Tres
alternativas.
1. Enfoque analítico de varianzas y covarianzas
2. Enfoque de simulación histórica
3. Enfoque de simulación de Monte Carlo.

35
Administración del Riesgo Financiero
Enfoque analítico de varianzas y covarianzas
• Supuestos sobre la distribución de los factores de
riesgo (ej. log normal).
• Derivación de la media y varianza de la
distribución de retornos del portafolio a partir de:
1. La distribución multivariada de los factores de
riesgo, y
2. La composición del portafolio.
• Aún si la distribución de riesgos de un factor no se
ajusta a una distribución normal, sí lo hacen los
retornos de un portafolio diversificado (Teorema
del Límite Central).
• La estimación puede ser afectada por colas largas,
factores de riesgo correlacionados o portafolios no
diversificados. 36
Administración del Riesgo Financiero
Enfoque simulación histórica
• Enfoque simple no paramétrico que requiere un
mínimo de datos (3 años). Considera 3 etapas:
1. Selección de la muestra de cambios diarios
en los factores de riesgo para un periodo
determinado (500 días o dos periodos
anuales de negociaciones).
2. Aplicación de los cambios diarios en los
factores de riesgo para reevaluar los
portafolios y sumar los cambios para todos
los componentes.
3. Construcción de un histograma de valores de
portafolios e identificación del VaR que
corresponde al percentil de la distribución de
la cola izquierda. 37
Administración del Riesgo Financiero
Enfoque de simulación de Monte Carlo
• Simulaciones repetitivas utilizando un proceso
estocástico para los retornos y los precios de
mercado. El VaR se deriva de la distribución simulada
de los valores del portafolio. Considera 3 etapas:
1. Especificación de los factores de riesgo
relevantes y sus procesos estocásticos, a partir
de los cuales se estiman volatilidades,
correlaciones, factores de reversión a la media,
etc.
2. Construcción de trayectorias de precios (a partir
del simulador de números estocásticos).
3. Valorización del portafolio para cada escenario o
trayectoria de precios con un gran número de
repeticiones (10 mil).
38
Administración del Riesgo Financiero
Ejemplo: Modelo VaR para Riesgo de Crédito
• Las variaciones adversas en el valor de una
empresa pueden llevar al incumplimiento de sus
compromisos de crédito. El valor de la empresa
resulta de un flujo incierto de resultados
acumulados.
• Si A0 es el valor inicial de la empresa (cuando
recibe el crédito), la empresa podría caer en
default de crédito si el valor actual A1, es menor
que el valor inicial A0 y el valor que le permite
cumplir con sus deudas. Un deterioro del valor
inicial A0, afecta la calificación de crédito.
• El banco debe vigilar la evolución del ratio A0/A1.
Este indicador mide la capacidad de la empresa
para cumplir con sus compromisos de crédito. 39
Administración del Riesgo Financiero

VaR de Riesgo de Crédito: Distribución del Ratio

del Valor Inicial al Valor Actual de la Empresa

Probabilidad

Valor de la empresa al
momento de recibir el
crédito
X(α)

A1 A0 Valor de la Empresa
Probabilidad
[A1/A0<=X(α)]=α
40
Administración del Riesgo Financiero
Capital económico
• Es el capital requerido para absorber pérdidas no
esperadas con un nivel determinado de confianza,
de acuerdo al apetito de riesgo o la probabilidad
de insolvencia de un inversionista o una entidad
financiera.
• Ventajas de utilizar el modelo VaR para estimar el
capital económico:
⇒Asigna valores monetarios a los riesgos del
portafolio financiero.
⇒Proporciona una visión completa del portafolio
de riesgos. Es un instrumento sintético
(derivado de otros instrumentos) y fungible
(sustituye el uso de otras medidas de riesgo
financiero). 41
 Administración del Riesgo Financiero
Capital económico y VaR en el negocio
financiero

Riesgo de mercado Riesgo de crédito

- Medidas de riesgo: - Ratings /
Volatilidades Vencimientos /
Sensitividades Industrias
Letras griegas - Sistemas de alertas
- Valores de mercado - Concentración VaR del
- Monitoreo del negocio
Riesgo de tasa de portafolio
interés financiero
- Brechas
Liquidez Otros riesgos
Tasa de interés - Operacional, legal,
Duración regulatorio, lavado de
activos, ….

42
Administración del Riesgo Financiero
VaR y capital económico
• Las pérdidas no esperadas pueden afectar la
solvencia de la entidad financiera.
⇒ Si el capital económico del banco se estima
con una metodología VaR (considerando un
nivel de confianza de 1%) las pérdidas que
podrían exceder al VaR sólo se darían en un
1% de los escenarios posibles (2 o 3 días
durante un periodo de un año – 250 días de
operación).
• Siempre existe la posibilidad que las pérdidas no
esperadas superen el VaR estimado. Para esos
casos conviene recurrir a pruebas de stress
(peores escenarios) o a medidas de pérdidas
extremas (T-VaR). 43
Administración del Riesgo Financiero

Capital Regulatorio
• Es el nivel de capital mínimo exigido por el
regulador financiero. Se determina a partir del
estimado de pérdidas no esperadas, deducidos los
aportes a mecanismos de protección, como el
fondo de seguro de depósito.
• Las medidas aprobadas por el Comité de Basilea
buscan limitar el impacto de los riesgos del
negocio bancario y del riesgo sistémico en la
solvencia del sistema bancario (Systemically
Important Banks – SIB) a través de mayores
requerimientos de capital regulatorio.

44
Administración del Riesgo Financiero
The Economist: ”What s wrong with finance”. Mayo 1ro,
2015, por Buttonwood (www.economist.com)
Cita de David Viniar, Chief Financial Officer de Goldman
Sachs: “… estábamos viendo eventos [en agosto 2007] que
eran equivalentes a 25 veces la desviación estándar, varios
días seguidos. […] aún si las variaciones hubieran sido
equivalentes a ocho veces la desviación estándar, esto no
tendría que haber ocurrido en toda la historia del universo. Un
modelo que produce estos resultados tiene que estar
equivocado”.
“El Sr. Viniar estaba utilizando modelos de Valor en Riesgo
(VaR) que en principio permiten a los bancos de inversión
predecir pérdidas máximas que podrían sufrir en un día
cualquiera de negociación. Pero estos modelos asumen que
los mercados se comportan en forma razonable, con retornos
que replican una campana que explica fenómenos naturales
como la altura de las personas. […] eventos extremos como
los de agosto de 2007 son tan improbables como que una
45
persona mida más de 9 metros”. (Traducción propia)