VeR Y RIESGO DE
LIQUIDEZ EN CARTERAS DE ACCIONES EN TIEMPOS DE TURBULENCIAS FINANCIERAS
VaR AND LIQUIDITY RISK IN EQUITY PORTFOLIOS IN TIMES OF
FINANCIAL TURBULENCE
Francisco
Javier Vásquez Tejos [1], Hernan Marcelo Pape Larre [2]
Palabras
clave: valor en riesgo (VeR),
riesgo de liquidez, mercado emergente. |
Resumen Estudiamos si el riesgo de liquidez
tiene una incidencia en la rentabilidad y riesgo de carteras de acciones en
periodos de turbulencias financieras. En base a 30 acciones de empresas
chilenas del período 2018-2020, se construyeron seis carteras compuestas por
5 acciones de empresas. La conformación se basó en acciones de diferentes
sectores económicos. Se estimaron el valor en riesgo (VeR)
con diferentes metodologías. Se verificó que las turbulencias del mercado
afectaron a todas las carteras en forma similar; sin embargo, se observó que
el riesgo de liquidez incrementa todas las potenciales pérdidas para todos
los períodos y todas las carteras, reflejando la importancia de incorporar el
riesgo de liquidez en la estimación del valor en riesgo Códigos
JEL: F65, G11 |
Keywords: value at risk (VaR), liquidity risk, emerging
market. |
Abstract
We study
whether liquidity risk has an impact on the profitability and risk of stock
portfolios in periods of financial turbulence. Based on 30 shares of Chilean
companies from the 2018-2020 period, six portfolios made up of 5 company
shares were built. The formation was based on actions from
different economic sectors. Value at risk (VaR) was
estimated with different methodologies. It was verified that the market
turbulences affected all the portfolios in a similar way; however, it was
observed that liquidity risk increases all potential losses for all periods
and all portfolios, reflecting the importance of incorporating liquidity risk
in estimating value at risk. |
Como es de conocimiento público estos tres últimos
años han sido muy difíciles para los inversionistas, sobre todo por los efectos
de la pandemia provocada por el Covid-19. Los mercados financieros y las bolsas
de valores no han estado ajena a esta realidad y los precios de los activos
financieros tampoco. Por ello esta investigación se focaliza en el análisis de
rentabilidad y riesgos de acciones de empresas transadas en la bolsa. Los
inversionistas siempre están buscando oportunidades, y en este sentido las
bolsas de valores ofrecen un conjunto de instrumentos de inversión y dentro de
estas están las acciones. Las carteras o portafolios de inversión surgen como
una oportunidad para diversificar riesgos y maximizar beneficios.
El propósito del presente trabajo es medir y analizar
la evolución del valor en riesgo por un conjunto de carteras conformadas por
acciones chilenas que transan en la Bolsa de Santiago de Chile, en el período
2018-2020, periodo que no solo incorpora la pandemia del Covid,
sino que además el estallido social de octubre 2019.
Los gestores financieros e investigadores siempre han
buscado mejores formas de medir el riesgo financiero, sobre todo en periodos de
alta volatilidad y/o turbulencias financieras. Una de estas herramientas es el
valor en riesgo (VeR) o value
at risk (VaR) por su nombre en inglés. El VaR cuenta
con variadas metodologías de cálculos, las principales se pueden revisar en
(Johnson, 2001), (Ávila, 2009), (Alonso & Chaves, 2013), (Chen, 2014),
(Pineda Guerrero, M. S., Rojas Medina, R. A., Agudelo Aguirre, A. A. & Duque
Hurtado, P. L., 2021), (Serrano Bautista, Mata Mata,
& Model, 2018), entre otros.
Para el mercado financiero mexicano, se utilizaron
tres metodologías de cálculo VaR en los periodos 2010-2019, en donde
encontraron que éstos son consistentes en periodos de alta volatilidad (Trejo
& Gallegos, 2021).
Asimismo, un estudio reciente sobre la incorporación
del riesgo liquidez en la estimación del valor en riesgo, es el realizado por
Benito, López, & Arguedas, (2017) en donde incorporan el riesgo de liquidez
utilizando modelos más sofisticados basados en la teoría del valor extremo
(EVT). Es importante considerar que son variados los trabajos que en las
últimas décadas han incorporado el riesgo de liquidez en la estimación del
valor en riesgo (Giot & Grammig,
2006), (Angelidis & Benos,
2006), (Jin, 2017), (Madoroba & Kruger, 2014), (Weiß & Supper, 2013), (Daka & Basu, 2016), (Tran,
T., & Nguyen, N, 2022). entre otros.
La investigación consideró 30 acciones de empresas y
se establecieron seis carteras representativas compuestas por 5 acciones con el
mismo peso relativo, la conformación se basó en acciones de diferentes sectores
económicos (Tabla 1). Se empleó un muestreo no probabilístico. Se utilizaron
las variaciones de precios diarias de las acciones por diferencias
logarítmicas. El riesgo de las carteras se midió usando el método Value at Risk (VaR), y para su
cálculo se empleó un nivel de confianza de 99%, un nivel de significancia de 1%
y un horizonte de 1 día.
Las metodologías utilizadas para el cálculo del VaR
son variadas y se diferencian fundamentalmente en la selección de la
metodología para el cálculo de la volatilidad de la rentabilidad de las
acciones. Por ejemplo, se pueden clasificar en paramétricas y no paramétricas.
TABLA 1
Conformación de
carteras y sector económico
Cartera
1 |
Cartera
2 |
Cartera
3 |
Cartera
4 |
Cartera
5 |
Cartera
6 |
CHILE |
BCI |
ITAUCORP |
BSANTANDER |
IAM |
ILC |
(Finanzas
y Seguros) |
(Finanzas
y Seguros) |
(Finanzas
y Seguros) |
(Finanzas
y Seguros) |
(Finanzas
y Seguros) |
(Finanzas
y Seguros) |
COLBUN |
ENELAM |
ENELCHILE |
ENELGXCH |
ECL |
SALFACORP |
(Energía
Eléctrica) |
(Energía
Eléctrica) |
(Energía
Eléctrica) |
(Energía
Eléctrica) |
(Energía
Eléctrica) |
(Construcción) |
CENCOSUD |
FALABELLA |
RIPLEY |
SMU |
PARAUCO |
LTM |
(Comercio) |
(Comercio) |
(Comercio) |
(Comercio) |
(Comercio) |
(Transporte
Servic) |
CCU |
ANDINA-B |
CONCHATORO |
COPEC |
CMPC |
SQM-B |
(Alimentos
y Beb) |
(Alimentos
y Beb) |
(Alimentos
y Beb) |
(Petróleo
y Gas) |
(Papel
y Celulosa) |
(Minería) |
ENTEL |
SONDA |
CAP |
AGUAS-A |
SECURITY |
VAPORES |
(Telecomunicación) |
(Software
y Datos) |
(Siderur & Metalur) |
(Servicios
Sanitarios) |
(Finanzas
y Seguros) |
(Transporte
Servic) |
Se estiman las rentabilidades diarias de las acciones
a partir de las diferencias logarítmicas (logaritmo natural), durante el
periodo de enero del 2018 a diciembre del 2020:
Donde
Se determino el valor en riesgo por diferentes
metodologías; i) VaR Normal, asumiendo que la distribución que las
rentabilidades de las acciones se distribuyen normalmente, ii)
modelo EWMA (exponentally weighted
moving avarage), utilizado
por RiskMetrics, iii)
simulación histórica y iv) modelos propuestos por Bangia, Diebold, & Stroughair, (1998) el VaR sin y con riesgo de liquidez.
Esta última metodología ha sido utilizada en varios trabajos, por ejemplo;
(Lamothe & Vasquez-Tejos, 2012), (Madoroba & Kruger, 2014), (Benito et al., 2017), entre
otros.
El valor en riesgo lo podemos calcular por medio de la
siguiente ecuación:
Donde;
Para aplicar la metodología EWMA, seguiremos la
siguiente ecuación:
RiskMetrics establece
que λ=0,94 para cálculos con rentabilidades. Con ello estimaremos la
volatilidad dinámica o suavizamiento exponencial, esta metodología da mayores
pesos a las observaciones recientes y menos a las más antiguas.
Para la estimación del valor en riesgo, utilizaremos
un nivel de confianza del 99% y nivel de significancia del 1%, por lo que el
K(α) será de -2,33, además de un horizonte de un (1) día.
Siguiendo a Bangia et al.,
(1998) se estima el VaR tradicional con:
Donde
Donde
Así, el costo
de liquidez propuesto por Bangia et al., (1998) es:
De esta forma, el modelo de Bangia
et al., (1998) ajustado por liquidez es:
Donde L-adjVaR es el valor en riesgo ajustado por liquidez, el
factor θ es un corrector del gruesor de las colas, el cual estimamos en
base a la curtosis (c):
De acuerdo con Bangia et
al., (1998) utilizaremos para una cola del 1%, por lo que el valor de ϕ es
0,4.
Se calcula los valores en riesgo (VaR) el último día
hábil de cada semestre. El año 2018 no tuvo efectos externos que alteraran el
mercado bursátil, en cambio el año 2019 surgió el estallido social que afecto
el último trimestre y el año 2020 a partir de marzo comenzaron los embates del
covid-19 en los mercados financieros.
RESULTADOS
La Tabla 2 presenta las rentabilidades diarias
promedios de las seis carteras consideradas en la investigación.
TABLA 1
Rentabilidades
diarias promedios de las carteras
Periodo |
Cartera 1 |
Cartera 2 |
Cartera 3 |
Cartera 4 |
Cartera 5 |
Cartera 6 |
1º Sem 2018 |
-0,04% |
-0,08% |
-0,01% |
-0,01% |
0,00% |
-0,19% |
2º Sem 2018 |
-0,04% |
0,02% |
-0,01% |
-0,03% |
-0,03% |
0,01% |
1º Sem 2019 |
0,09% |
-0,03% |
0,03% |
0,01% |
0,03% |
-0,04% |
2º Sem 2019 |
-0,19% |
-0,12% |
-0,16% |
-0,13% |
-0,11% |
-0,11% |
1º Sem 2020 |
0,02% |
-0,13% |
-0,16% |
-0,07% |
-0,11% |
-0,39% |
2º Sem 2020 |
-0,03% |
-0,04% |
0,06% |
-0,05% |
-0,08% |
0,13% |
Se puede observar que durante el año 2018 que las
rentabilidades de las carteras tuvieron una tendencia a la baja. Se recuperan a
inicios del año 2019 y vuelven a caer durante el segundo semestre del año 2019.
Seguramente, producto de medidas gubernamentales impopulares que generó un
estallido social en Chile a fines de dicho año. En el año 2020 sigue las caídas
en las rentabilidades porque la economía sigue en bajos niveles producto de la
pandemia del Covid-19.
Realizamos un análisis de varianza de rentabilidades
diarias (Anova). Si consideramos que la hipótesis
nula plantea que las rentabilidades de las seis carteras son similares y se
efectúa una prueba con un nivel de significancia α=0,05 entonces a partir
del resultado se puede observar que el F empírico = 0,33 se encuentra en zona
de no rechazo porque F empírico < F crítico (0,33<2,53); por lo tanto, la
hipótesis no se rechaza y se comprueba que no hay diferencia significativa entre
las rentabilidades.
La Tabla 3 presenta las desviaciones estándares de las
rentabilidades diarias de las seis carteras.
TABLA 2
Desviaciones
Estándar de las rentabilidades diarias de las carteras
Periodo |
Cartera 1 |
Cartera 2 |
Cartera 3 |
Cartera 4 |
Cartera 5 |
Cartera 6 |
1º Sem 2018 |
0,76% |
0,75% |
0,87% |
0,64% |
0,90% |
1,12% |
2º Sem 2018 |
0,82% |
0,89% |
0,80% |
0,59% |
0,76% |
1,03% |
1º Sem 2019 |
0,76% |
0,70% |
0,76% |
0,51% |
0,64% |
0,81% |
2º Sem 2019 |
1,50% |
1,47% |
1,72% |
1,73% |
1,74% |
1,76% |
1º Sem 2020 |
2,72% |
2,82% |
2,79% |
2,13% |
2,67% |
4,42% |
2º Sem 2020 |
1,66% |
1,58% |
1,46% |
1,39% |
1,33% |
1,47% |
Se observa una mayor volatilidad en el primer semestre
del año 2020, los precios de las acciones se recuperan de niveles bajo el
segundo semestre 2019 y siguen con una volatilidad menor a la del semestre
anterior pero superior a la del año 2018. Al igual que en las rentabilidades,
el análisis Anova con un nivel de significancia
α=0,05 se puede observar que el F empírico = 0,29 se encuentra en zona de
no rechazo porque F empírico < F crítico (0,29 < 2,53); por lo tanto, la
hipótesis no se rechaza y se comprueba que no hay diferencia significativa
entre las desviaciones estándares.
La Tabla 4 presenta el riesgo de las seis carteras
usando VaR y método paramétrico, asumiendo normalidad.
TABLA 3
Valor en Riesgo (VaR) asumiendo normalidad
Periodo |
Cartera 1 |
Cartera 2 |
Cartera 3 |
Cartera 4 |
Cartera 5 |
Cartera 6 |
1º Sem 2018 |
-1,78% |
-1,74% |
-2,03% |
-1,49% |
-2,09% |
-2,61% |
2º Sem 2018 |
-1,90% |
-2,08% |
-1,87% |
-1,36% |
-1,76% |
-2,40% |
1º Sem 2019 |
-1,77% |
-1,62% |
-1,77% |
-1,18% |
-1,48% |
-1,89% |
2º Sem 2019 |
-3,50% |
-3,42% |
-4,01% |
-4,02% |
-4,05% |
-4,10% |
1º Sem 2020 |
-6,34% |
-6,56% |
-6,50% |
-4,95% |
-6,21% |
-10,29% |
2º Sem 2020 |
-3,87% |
-3,68% |
-3,40% |
-3,24% |
-3,09% |
-3,41% |
La Tabla 4 presenta el riesgo de las seis carteras
usando VaR y método paramétrico, asumiendo normalidad.
Como era de esperarse el segundo semestre del 2019 y
primer semestre del 2020 presentan los mayores potenciales pérdidas, por el
estallido social y efectos de la pandemia. El segundo semestre del 2020 se
aprecia una leve mejoría, pero no a los niveles del 2018.
Si consideramos que la hipótesis nula plantea que el
Valor en Riesgo asumiendo Normalidad de las seis carteras son similares y se
efectúa una prueba con un nivel de significancia α=0,05 entonces a partir
de los resultados se puede observar que el F empírico = 0,30 se encuentra en
zona de no rechazo porque F empírico < F crítico (0,30 < 2,53); por lo
tanto, la hipótesis no se rechaza y se comprueba que no hay diferencia
significativa entre los Valores en Riesgo.
La Tabla 5 presenta el riesgo de las seis carteras
(VaR) usando método no paramétrico.
TABLA 4
Valor en Riesgo (VaR) estimado por simulación histórica
Periodo |
Cartera 1 |
Cartera 2 |
Cartera 3 |
Cartera 4 |
Cartera 5 |
Cartera 6 |
1º Sem 2018 |
-2,27% |
-2,12% |
-2,35% |
-2,05% |
-2,45% |
-3,49% |
2º Sem 2018 |
-1,65% |
-2,20% |
-2,25% |
-1,33% |
-1,60% |
-2,03% |
1º Sem 2019 |
-1,79% |
-1,70% |
-2,00% |
-1,04% |
-1,39% |
-1,71% |
2º Sem 2019 |
-3,37% |
-3,83% |
-4,56% |
-5,11% |
-4,38% |
-4,30% |
1º Sem 2020 |
-9,36% |
-10,73% |
-11,73% |
-5,97% |
-8,14% |
-15,57% |
2º Sem 2020 |
-3,13% |
-3,71% |
-3,77% |
-3,50% |
-2,96% |
-3,77% |
Si se compara con los riesgos calculados asumiendo
normalidad se aprecia que los cambios no son significativos, salvo para el
primer semestre del año 2020 que se observan incrementos para todas las
carteras.
Si consideramos que la hipótesis nula plantea que el
Valor en Riesgo estimado por simulación histórica de las seis carteras son
similares y se efectúa una prueba con un nivel de significancia α=0,05
entonces a partir de los resultados se puede observar que el F empírico = 0,26
se encuentra en zona de no rechazo porque F empírico < F crítico (0,26 <
2,53); por lo tanto, la hipótesis no se rechaza y se comprueba que no hay
diferencia significativa entre los Valores en Riesgo.
La Tabla 6 presenta las desviaciones estándares de las
seis carteras aplicando la metodología EWMA.
TABLA 5
Valor en riesgo
(VaR) con metodología EWMA
Periodo |
Cartera 1 |
Cartera 2 |
Cartera 3 |
Cartera 4 |
Cartera 5 |
Cartera 6 |
1º Sem 2018 |
-1,69% |
-1,91% |
-1,86% |
-1,31% |
-2,21% |
-3,37% |
2º Sem 2018 |
-1,47% |
-1,77% |
-1,58% |
-1,62% |
-1,52% |
-2,13% |
1º Sem 2019 |
-1,61% |
-1,36% |
-1,88% |
-1,20% |
-1,58% |
-1,88% |
2º Sem 2019 |
-3,49% |
-3,66% |
-4,00% |
-4,03% |
-4,09% |
-3,83% |
1º Sem 2020 |
-4,22% |
-4,28% |
-4,17% |
-3,63% |
-3,67% |
-9,10% |
2º Sem 2020 |
-2,98% |
-3,03% |
-2,37% |
-2,70% |
-2,54% |
-3,00% |
Si consideramos que la hipótesis nula plantea que el
Valor en Riesgo con metodología EWMA de las seis carteras son similares y se
efectúa una prueba con un nivel de significancia α=0,05 entonces a partir
de los resultados se puede observar que el F empírico = 0,76 se encuentra en
zona de no rechazo porque F empírico < F crítico (0,76 < 2,53); por lo
tanto, la hipótesis no se rechaza y se comprueba que no hay diferencia
significativa entre los Valores en Riesgo.
La Tabla 7 presenta el VaR medido usando la metodología
de Bangia sin riesgo de liquidez.
TABLA 6
Valor en Riesgo (VaR) metodología de Bangia
sin riesgo de liquidez
Periodo |
Cartera 1 |
Cartera 2 |
Cartera 3 |
Cartera 4 |
Cartera 5 |
Cartera 6 |
1º Sem 2018 |
1,76% |
1,72% |
2,01% |
1,48% |
2,07% |
2,57% |
2º Sem 2018 |
1,88% |
2,06% |
1,85% |
1,35% |
1,74% |
2,37% |
1º Sem 2019 |
1,76% |
1,61% |
1,76% |
1,17% |
1,47% |
1,88% |
2º Sem 2019 |
3,44% |
3,36% |
3,93% |
3,94% |
3,97% |
4,01% |
1º Sem 2020 |
6,14% |
6,35% |
6,29% |
4,83% |
6,02% |
9,78% |
2º Sem 2020 |
3,79% |
3,61% |
3,35% |
3,19% |
3,05% |
3,36% |
Si consideramos que la hipótesis nula plantea que el
Valor en Riesgo con metodología Bangia sin riesgo de
liquidez de las seis carteras son similares y se efectúa una prueba con un
nivel de significancia α=0,05 entonces a partir de los resultados se puede
observar que el F empírico = 0,29 se encuentra en zona de no rechazo porque F
empírico < F crítico (0,29 < 2,53); por lo tanto, la hipótesis no se
rechaza y se comprueba que no hay diferencia significativa entre los Valores en
Riesgo.
La Tabla 8 presenta el VaR medido usando la
metodología de Bangia con riesgo de liquidez.
TABLA 7
LVaR, metodología de Bangia
con riesgo de liquidez
Periodo |
Cartera 1 |
Cartera 2 |
Cartera 3 |
Cartera 4 |
Cartera 5 |
Cartera 6 |
1º Sem 2018 |
4,44% |
4,03% |
4,86% |
3,93% |
4,58% |
6,46% |
2º Sem 2018 |
4,60% |
4,83% |
4,42% |
3,45% |
4,22% |
5,54% |
1º Sem 2019 |
4,00% |
3,84% |
4,08% |
2,81% |
3,34% |
4,27% |
2º Sem 2019 |
7,44% |
7,50% |
8,33% |
8,56% |
8,54% |
8,58% |
1º Sem 2020 |
13,83% |
13,60% |
14,37% |
11,09% |
13,28% |
21,84% |
2º Sem 2020 |
7,36% |
7,22% |
6,96% |
6,59% |
6,32% |
7,61% |
Si consideramos que la hipótesis nula plantea que el
Valor en Riesgo con metodología Bangia con riesgo de
liquidez de las seis carteras son similares y se efectúa una prueba con un
nivel de significancia α=0,05 entonces a partir de los resultados se puede
observar que el F empírico = 0,33 se encuentra en zona de no rechazo porque F
empírico < F crítico (0,33 < 2,53); por lo tanto, la hipótesis no se
rechaza y se comprueba que no hay diferencia significativa entre los Valores en
Riesgo.
La evidencia empírica muestra que las rentabilidades y
riesgos de las carteras cambian a través del tiempo y están sujetas a riesgos
sistemáticos, como pueden ser el clima social de un país o los efectos de una
pandemia (Covid-19).
Comparando con los resultados medidos sin riesgo de
liquidez se observa que el riesgo de liquidez incrementa todas las potenciales
pérdidas para todos los períodos y todas las carteras, reflejando la
significancia de incorporar el riesgo de liquidez.
No solo se observó un incremento del VaR en periodo
del covid-19, sino que además la incorporación del riesgo de liquidez
incrementó todas las potenciales pérdidas para todos los períodos y todas las
carteras, por lo tanto, es relevante considerarlo si se desea una mejor medición
del riesgo global.
También se pudo determinar que la metodología aplicada
para medir el Value at Risk
(VaR) influye en los resultados. Por lo tanto, dependiendo de los motivos por
los cuales se requiere la medición de riesgo de las carteras se puede
seleccionar un determinado método. Por ejemplo, el regulador buscará maximizar
los riesgos con la finalidad de que una institución financiera de inversiones
destine mayores recursos para provisiones; en cambio, un fondo de inversiones
que desea captar a un nuevo cliente puede usar un método que favorezca sus
inversiones mostrando un bajo riesgo.
A partir de los resultados entregados por los análisis
de varianza (Anova) se observó que las carteras no
presentaron comportamientos volátiles significativamente distintos. Seguramente
porque la pandemia afectó a todos los sectores económicos de forma similar, y
como las cinco carteras investigadas estaban bien diversificadas, con acciones
de los diferentes sectores, entonces el impacto fue menor.
Alonso, J. C., & Chaves, J. M. (2013). Value-at-risk: Evaluation of the behavior of different
methodologies for 5 Latin American countries. Estudios Gerenciales, 29(126), 37–48. https://doi.org/10.1016/S0123-5923(13)70018-4
Angelidis,
T., & Benos, A. (2006). Liquidity adjusted value-at-risk based on the
components of the bid-ask spread. Applied Financial Economics, 16(11), 835–851.
https://doi.org/10.1080/09603100500426440
Ávila, J. J. S. (2009). Metodologías
de medición del riesgo de mercado. Innovar, 19(34), 187–199.
Bangia, A., Diebold, F. X., & Stroughair, J. D.
(1998). Modeling Liquidity Risk With Implications for
Traditional Market Risk Measurement and Management Anil.
Benito,
S., López, C., & Arguedas, R. (2017). An application of extreme value theory in estimating
liquidity risk. European Research on Management and Business Economics, 23(3),
157–164. https://doi.org/10.1016/j.iedeen.2017.05.001
Chen, J. M. (2014). Measuring Market Risk Under the
Basel Accords VaR, Stressed VaR,
and Expected Shortfall. AESTIMATIO, the IEB International Journal of Finance,
6891(502), 184–201.
Daka, V. R., & Basu, S. (2016). Assessing
Performance of Liquidity Adjusted Value-at-Risk Models. International Journal
of Financial Research, 7(5). https://doi.org/10.5430/ijfr.v7n5p87
Giot, P., & Grammig, J. (2006). How large is
liquidity risk in an automated auction market? Empirical Economics, 30(4),
867–887. https://doi.org/10.1007/s00181-005-0003-z
Jin, Y. (2017). Optimal execution strategy and liquidity adjusted
value-at-risk. Quantitative
Finance, 17(8), 1147–1157.
https://doi.org/10.1080/14697688.2016.1275752
Johnson, C. A.
(2001). VALUE AT RISK: TEORIA Y APLICACIONES. Estudios de Economía, 28(2), 217–247.
Retrieved from
https://www.redalyc.org/pdf/221/22128204.pdf
Lamothe, P., & Vasquez-Tejos, F. (2012). Valor
en Riesgo Ajustado por Riesgo de Liquidez, propuesta de aplicación a cartera de
acciones chilenas. Análisis Financiero, 118, 66–81.
Madoroba, S. B. W., & Kruger, J. W. (2014). Liquidity
effects on value-at-risk limits: construction of a new VaR
model. Journal of Risk
Model Validation, 8(4),
19–46.
Pineda
Guerrero, M. S., Rojas Medina, R. A., Agudelo Aguirre, A. A. & Duque
Hurtado, P. L. (2021). Valor en Riesgo y simulación: una
revisión sistemática. Económicas CUC, 43(1), 57–82. DOI:
https://doi.org/10.17981/econcuc.43.1.2022. Econ.3
Serrano Bautista,
R., Mata Mata, L., & Model,
H. (2018). Value at Risk
using an α-Stable Conditional Heterocedastic
Model. Revista Mexicana de Economía y Finanzas,
13(1), 1–26.
Tran, T., &
Nguyen, N. (2022). Improving
Portfolio Liquidity with Cash-Value-at-Risk for Covariance Estimations in
Quantitative Trading.
Trejo Becerril, B.
R., & Gallegos David, A. (2021). Estimación del Riesgo de Mercado
utilizando el VaR y la Beta del CAPM. Revista Mexicana de Economía y Finanzas,
16(2), 1–26. https://doi.org/10.21919/remef.v16i2.589
Weiß, G. N. F., & Supper, H. (2013). Forecasting liquidity-adjusted
intraday Value-at-Risk with vine copulas. Journal of Banking and Finance,
37(9), 3334–3350. https://doi.org/10.1016/j.jbankfin.2013.05.013
[1] Universidad de Las Américas, Facultad de
Ingeniería y Negocios, Sede Providencia,
Manuel Montt
948, Santiago, Chile. Teléfono (56 2) 22531657,
E-mail fvasquez@udla.cl ORCID: https://orcid.org/0000-0002-5341-1415
[2] Universidad de Atacama, Departamento de Industria y Negocios, Copiapó,
Chile.
E-mail hernan.pape@uda.cl ORCID: https://orcid.org/0000-0001-8382-1215