Estimación de Métricas de Riesgo de Mercado usando Mixturas Gaussianas

Resumen

Los principales modelos financieros para la estimación del riesgo de mercado suponen que los rendimientos de los activos siguen una distribución Normal o se basan en la distribución empírica. Con frecuencia, el supuesto de normalidad se da por hecho, sin embargo, resulta poco realista debido a las características de exceso de curtosis y de asimetría observados en el comportamiento real de los retornos. En este trabajo presentamos evidencia de que las mixturas gaussianas finitas constituyen un medio eficiente para modelar la distribución de los rendimientos de los activos financieros. Estudiamos el modelo y derivamos expresiones para las métricas usuales de riesgo de mercado. Ilustramos su aplicación calculando métricas de riesgo para una cartera de activos del mercado mexicano, con el modelo propuesto y comparándolas con modelos ampliamente usados en el mercado.