Libro Riesgos Financieros

Gestin de riesGos
financieros en el mercado
de materias primas
Bogot, DC, 2009
Una aproximacin terico prctica
Editor: John Jairo Roa Prieto
Bolsa Nacional Agropecuaria - Fedearroz
ISBN: 978-958-98466-8-1
Primera edicin: Noviembre de 2009
Tiraje: 1.000 ejemplares
Produccin editorial:
Diagramacin, impresin y encuadernacin
www.produmedios.org
Diseo grfco:
Impreso en Colombia
Printed in Colombia
ACERCA DE LOS AUTORES
John Jairo Roa Prieto (Editor) Economista, Magister en Economa
Economista Investigador de fedearroz - FNA
jjroap@gmail.com
Carolina Cardozo Carvajal Profesional en Finanzas y Relaciones Internacionales
Auditora del sector burstil
karokardozo@gmail.com
Ana Yedith Cepeda Profesional en Finanzas y Relaciones Internacionales
Operaciones aduaneras internacionales
Ana_cepeda4@hotmail.com
Andrs Felipe Jimnez Corts Profesional en Finanzas y Relaciones Internacionales
Gestor de operaciones aduaneras
Andresf711@gmail.com
Gisel Paola Martnez Profesional en Finanzas y Relaciones Internacionales
Investigadora para cadenas de comercializacin
Paolita88_16@hotmail.com
Mariana F. Ospina Bohrquez Economista, Magister en Economa
Analista en buenas prcticas agrcolas
marianafob@yahoo.com
Lorena Prieto Cruz Economista, Magister en Economa
Investigadora de la cadena de tabaco
Prieto.lorena@hotmail.com
Guillermo Alfonso Valbuena C. Economista, Magister en Economa
Analista econmico para mercado de materias primas
valbuenac@gmail.com
3
Gestin de riesGos financieros en el mercado de materia primas aGrcolas
Justificacin
L
a gestin de Riesgos Financieros ha sido uno de los pilares fundamentales para el
desarrollo, consolidacin e innovacin dentro del sector fnanciero internacional.
Su instrumental se ha fortalecido de manera importante durante los ltimos aos, dado
que brinda un campo de investigacin fascinante para los intelectuales a nivel mundial.
El campo de los Riesgos Financieros contempla Riesgo de Crdito, Riesgo de Mer-
cado, Riesgo Operacional y Riesgo de Liquidez. La inadecuada gestin de dichos ries-
gos, o peor an, su desconocimiento ha llevado a que diferentes organizaciones se vean
sometidas a una quiebra o se vean afectadas de manera importante por la crisis de di-
ferentes mercados. En el sector fnanciero estas crisis con recurrentes e impredecibles.
Al igual que en el sector fnanciero, este tipo de riesgos y sus efectos sobre la eco-
noma pueden ser asumidos de manera conciente o inconsciente por empresas del sec-
tor real. Una organizacin y en general un mercado pueden caer en crisis recurrentes
por el desconocimiento de los riesgos a los que se somete o por inadecuada o inexisten-
te gestin del mismo.
La produccin de materias primas agrcolas a nivel internacional ha visto como el
movimiento de los mercados ha llevado a empresas e incluso pases a generar excesiva
inestabilidad por movimientos en los mercados. En los pases subdesarrollados dicha
inestabilidad obedece generalmente a un desconocimiento generalizado de los siste-
mas de gestin de riesgos fnancieros. En los pases desarrollados las crisis de diversos
mercados por lo general afectan a las empresas de produccin de materias primas.
Por lo anterior, es necesario que todos los sectores de la economa, entre los que se
encuentra el sector de produccin de materias primas, conozcan los sistemas de ges-
tin de riesgos fnancieros y adapten su implementacin a las condiciones propias de
cada una de las organizaciones. Esto llevar a mercados ms desarrollados, slidos e
innovadores, donde los productores de bienes y servicios se encargan de producir con el
fn de obtener rentabilidades, sin preocuparse por la volatilidad de los mercados.
Comprender el sistema de gestin de riesgos fnancieros en el mercado de materias
primas agrcolas implica:
Generar un escrito til para minimizar riesgos en empresas agropecuarias y
gobierno, con base en la gestin de riesgos fnancieros en el mercado de ma-
terias primas.
Comprender elementos tericos y conceptuales de la gestin de riesgos, abar-
cando temas de medicin y desarrollo de instrumentos fnancieros para trans-
ferir riesgos.
Comprender la forma como se genera el riesgo, la forma como se mide y las
diferentes estrategias para mitigarlo en el mercado de materias primas agr-
colas a nivel mundial.
Ejemplifcar la forma como una organizacin del sector agropecuario en Co-
lombia, con actividad de fnanciamiento a productores, identifca, mide y ges-
tiona sus riesgos.
Proponer un instrumento fnanciero que contribuya a la mitigacin del riesgo
en el mercado del arroz blanco en Colombia, defniendo las caractersticas del
IntroduccIn
4
instrumento fnanciero, el clculo de las primas, y su modo de operacin, entre
otros aspectos.
Dado que el sector arrocero es uno de los renglones ms importantes en materia
agrcola y econmica, para Fedearroz-FNA y la Bolsa Nacional Agropecuaria es de vital
importancia la solidez y crecimiento sostenido de la actividad econmica, en ambien-
tes sanos que permitan el fortalecimiento del sector. Por ello, consideraron oportuna
y fundamental esta investigacin ya que brinda un primer acercamiento a la creacin
de esquemas que brinden las herramientas para adecuada gestin de los riesgos que
permanentemente generan inestabilidad para el mismo.
Las entidades son concientes de que la solidez del sector y la adecuada gestin de
riesgos a los que se enfrenta el sector son elementos necesarios para los productores,
industriales, consumidores, el gobierno y la Bolsa ya que permite el sano desarrollo del
mercado y consolida al sector como uno de los principales productores de alimentos en
Colombia.
Por ello, las entidades extienden una invitacin a diversas organizaciones, universi-
dades, el gobierno y centros de investigacin para que realicen aportes e investigacio-
nes en esta lnea, aplicados a una diversidad de materias primas agrcolas e industriales.
contenido del libro
El libro se divide en cuatro grandes captulos. Cada captulo tiene una bibliografa al
fnal. Para cada captulo los autores cambian, de modo que se evidencia una investiga-
cin conjunta, fruto de esfuerzos de intelectuales con conocimientos del sector agrcola
o interesados en l.
El primer captulo describe la importancia de la gestin de riesgos fnancieros y res-
ponde a preguntas como Qu es al gestin de riesgos fnancieros?, Para qu sirve?,
Cmo se hace?, y describe las tcnicas para gestionar riesgos en trminos generales.
El segundo captulo hace una aplicacin de las tcnicas de medicin y gestin de ries-
gos de mercado para seis productos agrcolas y propone un esquema para mitigar los
riesgos de acuerdo con las tendencias de los mercados fnancieros internacionales. El
tercer captulo hace una aplicacin de las tcnicas de medicin y gestin de riesgos
fnancieros tomando como base una empresa que desarrollada actividades de fnan-
ciamiento dentro del sector agropecuario en Colombia. Finalmente, el cuarto captulo
propone un instrumento fnanciero (Opcin europea) que cumple con las condiciones
de los mercados fnancieros y a la vez brinda una solucin al mercado en Colombia y
especifca en toda su instancia las condiciones para su aplicabilidad.
Es grato para nosotros hacer entrega de esta publicacin al pblico en general.
Esperamos que este libro genere motivacin entre los investigadores del sector agr-
cola y los formuladores de poltica econmica sectorial. Extendemos la invitacin a la
academia, los gremios, los centros de investigacin, el gobierno y en general a todos
aquellos interesados en aportar conocimientos al sector agropecuario para que tomen
esta investigacin como el primer escaln de un arduo nmero de investigaciones que
propongan soluciones prcticas a los problemas del sector agrcola. Esperamos que los
lectores disfruten esta publicacin tanto como nosotros disfrutamos escribindola y
sientan en este escrito los esfuerzos que empeamos para obtenerla.
John Jairo Roa Prieto
5
contenIdo
CAPTULO 1. ELEmEnTOS COnCEPTUALES PARA
LA gESTin DE RiESgOS finAnCiEROS 7
1. Introduccin 9
2. Ciclo de gestin de riesgos financieros 13
2.1. Identifcacin (factores) 13
2.2. Medicin (cuantifcacin) 13
2.3. Estrategias de Gestin 15
2.4. Seguimiento y control 17
3. Estructura del sector financiero y
esquemas de regulacin 17
4. gestin global de riesgo de crdito 18
4.1. Herramientas para la medicin del Riesgo de Crdito 18
4.2. Acontecimientos de Crdito 25
4.3. Mtodos de califcacin de Riesgo de Crdito 25
4.4. Estrategias para la Mitigacin del Riesgo 27
4.5. Sistema de Administracin de Riesgo de Crdito 28
5. Gestin global de riesgo de mercado 29
5.1. Riesgo de Tipos de Inters 30
5.2. Riesgo de Movimientos de Precios de los Activos 33
5.3. Pruebas de Stress 36
5.4. Sistema de Administracin de Riesgo de Mercado 37
5.5. Gestin de Riesgos de Mercado 37
6. Gestin global de riesgo de liquidez 39
6.1. Medicin y Monitoreo del Riesgo de Liquidez 39
6.2. Administracin del Riesgo de Liquidez 41
7. Gestin global del riesgo operacional 43
7.1. Factores y Categoras de los Riesgos Operacionales 44
7.2. Medicin del Riesgo Operacional 45
7.3. Sistemas de Gestin del Riesgo Operacional 48
7.4. Mitigacin de Riesgo Operacional 50
7.5. Sistema de Administracin de Riesgo Operativo (SARO) 52

Bibliografa 53
CAPTULO 2. gESTin DE RiESgOS En EL mERCADO
DE LAS mATERiAS PRimAS AgRCOLAS
Risk management in the commodities market 55
1. Introduccin 57
2. Fundamentacin Terica 58
2.1. Precio de las Materias Primas y la Poltica Econmica 58
2.2. Teora de la Formacin de Expectativas Adaptativas
y Racionales 61
2.3. Rendimiento y Volatilidad 63
2.4. Tcnicas y Metodologas para el anlisis de Riesgo
de las Materias Primas 64
2.5. Comparacin entre las Metodologas EWMA y GARCH 68
2.6. Metodologa para el Clculo del Valor en Riesgo (VaR) 68
3. Aplicaciones en el Mercado de las Materias
Primas Agrcolas 70
3.1. Metodologa 70
3.2. Resultados de las Aplicaciones 71
6
4. Clculo del Valor en Riesgo (VaR) 81
4.1. Clculo del VaR para Activos Individuales 81
4.2. Clculo del VaR para un Portafolio 82
5. Estrategias para la Gestin de Riesgos de Mercado
en los Mercados Burstiles 84
6. Conclusiones y recomendaciones 86
Bibliografa 87
CAPTULO 3. AnLiSiS DE RiESgOS En EnTiDADES finAnCiERAS
DiRigiDAS AL SECTOR AgROPECUARiO 89
1. Introduccin 91
1.1 Problema a Estudiar 91
1.2. Importancia de la Investigacin 91
1.3. Hiptesis y Resultados Esperados 92
1.4. Metodologa 92
2.1. Riesgo e Incertidumbre 93
2.2. Riesgo de Crdito 94
2.3. Riesgo de Mercado 98
2.4. Riesgo de Liquidez 100
2.5. Riesgo Operativo 102
2.6. Modelos Economtricos en Medicin de Riesgos 103
3. Marco Emprico 106
3.1. Riesgo de Crdito Modelo de Prdida Esperada 106
3.2. Riesgo de Mercado Modelos de Volatilidad 110
3.3. Riesgo de Liquidez. Modelos de Cointegracin 112
3.4. Riesgo Operativo Modelos Discretos 115
4. Conclusiones 117
Bibliografa 118
CAPTULO 4. inSTRUmEnTOS finAnCiEROS PARA EL mERCADO
DEL ARROz bLAnCO En COLOmbiA 119
1. Introduccion 121
2.1. Teora de Mercados a Plazo 121
2.2. Participantes del Mercado a Plazo 122
2.3. Clasifcacin del Mercado a Plazo 123
2.4. Ventajas y Desventajas de Mercado a Plazos 123
2.5. Teora de Instrumentos Derivados 124
2.6. Valoracion de Prima (Precio) de la Opcin: Modelo
Black-Scholes-Merton 130
3. Descripcin del Mercado de Arroz en Colombia 134
3.1. Comercializacin de Arroz en Colombia 134
3.2. Organizacin Mercado a Plazo 137
4. Valoracin de Opciones Europeas para el Mercado
del Arroz Blanco en Colombia 138
4.1. Estimacion de Volatilidad con Datos Historicos 142
4.2. Valoracion de la Prima 142
4.3. Resultados Obtenidos con el Modelo 143
4.4. Condiciones del Mercado de Comodities en Colombia 145
4.5. Operaciones de Reinversion 145
4.6. Ventajas de la Implementacin del Modelo 146
5. Conclusiones y recomendaciones 147
5.1. Recomendaciones 148
Bibliografa 149
7
elementos conceptuales para
la gestIn de rIesgos fInancIeros
Ana Yedith Cepeda
Gisel Paola Martnez
RESUMEN
E
ste captulo, explica la gestin global del ciclo de los riesgos fnan-
cieros (Crdito, Mercado, Liquidez y Operacional) inherentes a
todas las operaciones de negocios y si bien no pueden ser eliminados
totalmente, pueden ser gestionados, mitigados y en algunos casos
asegurados, mediante la identifcacin, cuantifcacin, gestin y con-
trol oportuno de los mismos, con el fn de preservar la transparencia,
seguridad y confanza en los inversionistas y generar nuevas oportu-
nidades de negocio.
Sin embargo, existe una disyuntiva entre riesgo y rentabilidad, ya
que los inversionistas en algunos casos enfrentan riesgos exponin-
dose a la posibilidad de incurrir en prdidas a cambio de obtener ma-
yores benefcios, pues, en la economa es claro que a mayor riesgo
mayor rentabilidad, lo que representa un impedimento para la efecti-
va supervisin de la Superintendencia y as mismo para la estabilidad
de la economa, debido a que en teora las polticas resultan ser ade-
cuadas pero en la prctica resultan inefcientes.
Igualmente, el crecimiento del comercio internacional, la ne-
cesidad de los agentes econmicos de manejar la volatilidad de las
variables macroeconmicas y lograr mayores oportunidades de
negocio, han permitido la implementacin de algunos instrumen-
tos financieros (opciones, futuros, derivados y swaps), que permi-
ten cubrir las operaciones que se realizan dentro del sector, am-
pliando el mercado y contribuyendo a la estabilidad y crecimiento
del Sistema Financiero.
captulo 1.
8
ABSTRACT
This chapter explains the overall cycle of the fnancial risks man-
agement (credit, market, liquidity and operational) inherent in
all business operations, which although can not be eliminated
completely, can be managed, mitigated and in some cases poli-
cyholders through the identifcation, quantifcation, manage-
ment and timely control of them, in order to preserve the trans-
parency, certainty and confdence in investors and generate new
business opportunities.
However, there is a tradeoff between risk and reward, where
risks are evident giving rise to the possibility of incurring losses
in exchange for higher profts, then, the economy is clear that the
higher risk higher return, which represents an impediment to
effective Superintendent supervision and likewise for the econ-
omy stability, because in theory policies turn out to be appropri-
ate but in practice ineffcient.
Likewise, the chapter makes clear the international trade
growth and the economics agents necessity to manage the mac-
roeconomic variables volatility and achieve greater business
opportunities, enabling the certain fnancial instruments imple-
mentation (options, futures, derivatives and swaps), giving the
cover operations that are performed within the sector, expand-
ing the market and contributing to the fnancial system growth
and stability.
PALABRAS CLAVE: Estabilidad fnanciera, ciclo de gestin
de riegos, instrumentos fnancieros, comit de Basilea de super-
visin bancaria, crisis fnancieras,

KEY WORDS: Regulation of banking and stock market, fnan-
cial stability, risk management, fnancial innovations, the Basel
committee on banking supervision, fnancial crisis.
CLASIFICACIN JEL: G18, G28, G38, N20.
9
1. IntroduccIn
Desde de los aos noventa, el Sistema Financiero ha presenciado diferentes crisis que
han generado inestabilidad en las economas del mundo, debido a falencias existen-
tes en la regulacin, en las polticas establecidas por las entidades fnancieras y por los
cambios adversos resultantes de las operaciones realizadas en el mercado.
En este contexto, se ha hecho evidente la intervencin de diferentes entes regula-
dores que contribuyen a la creacin de sistemas, polticas y estrategias que permiten
una mayor gestin de los riesgos sistmicos y de esta manera reduzcan las prdidas
ocasionadas por los movimientos adversos de los mercados fnancieros. Dichos entes,
establecen instrumentos de control de riesgo, con el propsito de lograr un sistema
fnanciero seguro y estable, que genere confanza en los agentes que intervienen en el
mercado, haciendo ms efciente el uso de los recursos.
El Comit de Basilea de 1997, fue el primer ente creado con la fnalidad de admi-
nistrar de manera efectiva los riesgos a los que se enfrentan las entidades fnancieras,
a travs de 25 principios encaminados al mejoramiento en materia de regulacin y su-
pervisin del sector, los que a su vez buscan proteger a los inversionistas y asegurar que
los mercados sean efcientes, transparentes y competitivos. Sin embargo, los principios
establecidos por el comit no fueron sufcientes para lograr el control adecuado del
riesgo, pues el enfoque dado estaba dirigido solo a la regulacin del sector bancario,
dejando de lado las posibles adversidades presentes en los dems sectores que confor-
man el Sistema Financiero (burstil y de seguros).
En Colombia, la Superintendencia Financiera es quien cumple la funcin de regular
y supervisar el Sistema fnanciero, sus polticas estn basadas en el efcaz y efciente
control de los principales riesgos (crdito, mercado, liquidez y operativo) a los cuales se
exponen las entidades que vigila. La Superintendencia nace con la necesidad de gene-
rar un equilibrio para la disyuntiva existente entre el riesgo y la rentabilidad, y de este
modo garantizar la continuidad del funcionamiento del mercado fnanciero. En la gr-
fca 1, se puede observar la relacin directa que existe entre el riesgo y la rentabilidad,
pues, a mayor riesgo mayor va a ser la rentabilidad esperada.
Por lo anterior, los agentes que operan en los mercados fnancieros por medio de
inversiones o cualquier tipo de operacin buscan principalmente generar rentabilidad,
obtener liquidez y as mismo seguridad. Pero, la dicotoma entre maximizar la rentabili-
dad o minimizar el riesgo de cualquier tipo de inversin est siempre presente.
Los Sistemas de Gestin de Riesgos permiten la mayor rentabilidad posible (una
porcin proveniente de rentabilidad libre de riesgo y otra porcin obtenida por medio
de esquemas de minimizacin de riesgos), logrando profundizar el mercado y as mis-
mo proteger a los inversionistas, lo que contribuye a la aplicacin efectiva de controles
que minimizan el riesgo, generando confanza en los inversionistas y transparencia en
el mercado y permitiendo la creacin de nuevos negocios (desarrollo de innovaciones
fnancieras), que buscan blindar la economa de inestabilidad o fuctuacin de los mer-
cados nacionales o internacionales, evitando por tanto el colapso del Sistema Financie-
ro en el pas.
Durante las ltimas dcadas, las crisis fnancieras han ocasionado malestares en el
sistema fnanciero nacional e internacional, generando graves consecuencias en la ma-
10
yora de las economas del mundo. Las principales causas por las que se han presentado
las crisis ms relevantes, no solo en pases emergentes sino tambin en las grandes
potencias son:
Volatilidad del precio de los activos y otras variables fnancieras.
Recesin econmica.
Poltica monetaria restrictiva.
Presiones infacionarias.
Prdida del poder adquisitivo
Falta de liquidez.
Considerable Incremento de los mrgenes de intermediacin.
Sobreendeudamiento de empresas con la banca comercial.
Incremento de la deuda externa pblica y privada.
Falencias existentes en la regulacin y en las polticas establecidas por las en-
tidades fnancieras.
Cambios adversos resultantes de las operaciones realizadas en el mercado.
La ausencia de una adecuada arquitectura del sistema bancario internacional y las
severas fuctuaciones de los tipos de cambio de algunos pases, han sido algunos de los
acontecimientos que ms impacto han tenido en la inestabilidad del Sistema Finan-
ciero, lo que esta generalmente ligado a los procesos de desregulacin y liberalizacin
de los mercados nacionales (en busca de mayor competitividad), exceso de confanza,
altos niveles de apalancamiento y especulacin, presencia de competitividad entre los
mercados locales y el afn de hacer parte de un sistema fnanciero global. Ejemplo de
dichos factores de inestabilidad se encuentran a los largo de la historia de las crisis en
las que se han sumergido un nmero importante de economas.
Grafica 1. Relacin directa entre el Riesgo y la Rentabilidad
F
u
e
n
t
e
:

C
o
n
s
t
r
u
c
c
i
n

p
r
o
p
i
a
.
11
Por ejemplo, al inicio del decenio de los noventa, en Japn, el sector fnanciero
(bancario y burstil) e inmobiliario se vio fuertemente afectado por el desplome de los
precios de los activos fnancieros e inmobiliarios, provocando un efecto riqueza (exceso
de liquidez) y altos mrgenes de rentabilidad que generaron entrada de capitales. Sin
embargo, debido a presiones infacionarias el Banco Central de Japn decidi subir la
tasa de inters bancaria, lo que produjo un fuerte descenso del precio de las acciones y
la cada de los precios inmuebles, provocando una reduccin del consumo, quiebra de
diversas entidades fnancieras y aumento de las difcultades de crdito, lo que paraliz
la economa. A su vez, se present una crisis bancaria generada por la internacionali-
zacin de los bancos y por la fuerte dependencia del sector fnanciero de empresas de
construccin e inmobiliarias, lo cual explica el hundimiento de la banca japonesa, tras la
depreciacin de los bienes inmuebles.
El lector observar que los factores generadores de la crisis japonesa hicieron evi-
dente la presencia de diferentes riesgos en su economa; revalorizacin de activos f-
nancieros e inmobiliarios y elevado supervit comercial (riesgo de mercado), excesivo
otorgamiento de crditos seguido por elevadas tasas de morosidad (riesgo de crdito),
reduccin de operaciones bancarias con el exterior provocando iliquidez (riesgo de li-
quidez) y ausencia de regulacin fnanciera. La gestacin conjunta de todos los riesgos
fnancieros, lleva al riesgo sistmico que provoca las crisis econmicas y fnancieras de
las econmicas.
En Asa la crisis fnanciera comenz en Tailandia con el colapso del Bath tailands
por la decisin del Gobierno de dejarlo fuctuar en 1.997. La mayora de pases vieron
el desplome de sus monedas y la devaluacin del mercado burstil y otros activos. De
acuerdo con Vilario Sanz, la volatilidad de las divisas genero reduccin del crecimiento
econmico, aumento del desempleo, quiebra de bancos y cierre de empresas, provo-
cando salidas de capital (falta de motivacin por parte de inversores) y especulacin
en el mercado. Los Gobiernos para prevenir el colapso de los valores monetarios, in-
crementaron las tasas de inters domesticas e intervinieron en el mercado cambiario
comprando con reservas internacionales todo exceso de moneda domstica a un tipo
de cambio fjo, lo cual genero que los Bancos Centrales redujeran drsticamente las
reservas, y que se dieran ms bancarrotas y se profundizara la crisis.
Esta crisis tuvo tambin repercusiones adversas en la economa rusa (moratoria
rusa), debido a la inadecuada ingeniera de su sistema bancario y burstil a la regulacin
internacional, pues, contaba con normas dbiles, problemas de informacin y una ex-
posicin concentrada de portafolios de los bancos con las empresas industriales, gene-
rando inestabilidad y atraso de los pagos de las obligaciones fnancieras y provocando
la necesidad de implementar normas de regulacin ms slidas que le proporcionaran
la capacidad a los mercados fnancieros de funcionar efcientemente.
Un caso similar, ocurri en Latinoamrica, principalmente debido al aumento de
los tipos de inters, las cadas burstiles, las tensiones infacionarias y crisis bancarias,
que frenaron la actividad econmica de pases como Mxico y Argentina que tuvieron
fuertes presiones sobre sus divisas e inestabilidad en su sistema fnanciero.
En Mxico en 1994, la crisis se dio por la dependencia en gran medida de los fujos
de capital extranjero, lo que provoco la incapacidad de mantener la liquidez interna,
adems del alza de las tasas de inters que inhibi la inversin productiva e incentiv la
inversin especulativa. As mismo, las autoridades ampliaron las reservas en un 15% ge-
nerando que la demanda de dlares fuera mayor a la oferta e imposibilitando equilibrar
12
el mercado con las reservas lo que desencadeno una crisis cambiaria y la devaluacin
de la moneda.
El efecto transmisin que se produjo con la crisis mexicana, se evidencio fuertemente
en la economa Argentina, dada principalmente por la incompatibilidad entre el rgimen
cambiario y la poltica fscal, donde se tomaron medidas de estabilizacin basadas en el
tipo de cambio fjo ley de convertibilidad, lo que aumento la entrada de capital extran-
jero, incrementando la demanda internacional de pesos argentinos y una apreciacin en
trminos reales de la moneda, generando acumulacin de la deuda externa.
En trminos globales, todas las crisis han demandado fuertemente la intervencin
de Organizaciones multilaterales. Este es el caso del Fondo Monetario Internacional y
el Banco Mundial, lideres en asuntos fnancieros, que contribuyen a salvaguardar los
aciertos existentes en la regulacin del sistema fnanciero y, crear y promocionar pol-
ticas de supervisin encaminadas al mejoramiento y fortalecimiento de los mercados
internacionales con un mayor control del capital y liquidez en los establecimientos ban-
carios para reducir las falencias del sistema.
As mismo, con el fn de recuperar la confanza y estabilidad del sistema fnancie-
ro internacional despus de las difciles circunstancias vividas durante los periodos de
crisis, se cre el Comit de Supervisin Bancaria de Basilea con la funcin principal de
crear principios sobre regulacin y supervisin del sistema bancario internacional y con
la particular intencin de identifcar, medir y gestionar el riesgo sistmico.
A pesar de que el Comit no tiene autoridad vinculante, establece estndares y reglas
de supervisin que permiten a la autoridad correspondiente en cada pas la ejecucin de
mejores prcticas en la supervisin tomando medidas que se adapten al sistema nacio-
nal. Su objetivo principal se centra en la necesidad de crear herramientas de medicin y
prevencin de riesgos, dando lugar al establecimiento de las normas de capital adecuado
conocido como Basilea I. Es as como el Comit ha desarrollado nuevas reglas que preten-
den profundizar la seguridad y solidez del sistema fnanciero, la equidad competitiva y la
mayor gestin del riesgos, teniendo en cuenta el capital adecuado para su cubrimiento.
Por esta razn, el Comit considera que la aplicacin de sus principios por todos
los pases supondra un avance considerable para la mejora de la estabilidad fnanciera
nacional e internacional y a su vez, sentara las bases para el desarrollo de mejores siste-
mas de supervisin. Sin embargo, estos principios no suponen que su aplicacin elimine
toda posibilidad de crisis fnancieras pero han ayudado a que las consecuencias de stas
sean menos severas, pues, antes de la existencia de sta regulacin el sector fnanciero
careca de normas de supervisin adecuadas.
No cabe duda que los principios del Comit de Basilea han sido promotores de me-
jores prcticas en la banca, que han contribuido a la administracin de riesgos de las
entidades y del fortalecimiento del sector bancario frente a situaciones adversas pre-
sentadas por variaciones en la economa mediante objetivos dirigidos a mitigar la posi-
bilidad de crisis masivas, como las que sucedieron por exceso de riesgo y desequilibrios
macroeconmicos.
Por otra parte, es importante que se reforzara la suprema coordinacin entre los
distintos mercados que conforman el sistema fnanciero (banca, mercado de valores
y seguros), de manera que no se generaran efectos adversos que perjudiquen su buen
funcionamiento, pues, es claro que la solidez de un sistema bancario es resultado de
polticas macroeconmicas y estructurales que permiten una estrecha correlacin con
el sistema fnanciero.
13
Es as como algunos de los procesos de regulacin fnanciera no han sido exitosos,
a causa de la falta de visin global en el momento de establecer una poltica econmica
que permita la liberalizacin del sector fnanciero, sin dejar a un lado el funcionamien-
to del sistema bancario. Es decir, tomar la regulacin del sistema fnanciero separado
del sector bancario (el Comit de Basilea ha modifcado sus principios bsicos para una
supervisin bancaria efectiva, sin incluir otros mercados fnancieros), limitando el con-
cepto de sistema fnanciero tan solo a sector bancario, y dejando de lado la posibilidad
de que se generen crisis a travs de otras vas.
Para fnalizar, mientras el sistema fnanciero afronta crisis diferentes a las gene-
radas por falencias en el sector bancario, los principios surgidos de Basilea siguen di-
rigidos a la banca comercial, por lo cual, se hace necesario que el sector funcione con
estndares de gestin y use herramientas orientadas al fortalecimiento y estabilidad
del sistema fnanciero en general.
2. cIclo de gestIn
de rIesgos fInancIeros
La creciente complejidad de los mercados y la mayor diversifcacin de los productos y
servicios fnancieros resultado de las innovaciones de los mismos, ha llevado al sector f-
nanciero internacional a concientizarse sobre la relevancia de profundizar en la gestin
de los riesgos que puedan afectar sus operaciones. Como se puede apreciar en el cuadro
1, el ciclo de gestin de riesgos se puede sintetizar en cuatro grandes aspectos bsicos:
Identifcacin de factores generadores de riesgos.
Medicin o cuantifcacin del Riesgo y su impacto.
Estrategias para la Gestin del Riesgo (Minimizar su efecto).
Seguimiento y control de las estrategias diseadas.
1. Identifcacin (factores)
En esta etapa se pretende conocer cul es el factor generador del riesgo. Es decir, las
variables que afectan el desempeo de las operaciones o actividades realizadas en las en-
tidades del sistema fnanciero. Esta etapa implica el conocimiento de las principales fuen-
tes de mercado, macroeconmicas, de la regulacin o de otros sectores (ej. Inmobiliario)
que someten a las entidades del sector fnanciero a riesgos con potencial de perdidas.
2. Medicin (cuantifcacin)
En esta etapa es fundamental utilizar un denso instrumental del anlisis contable, f-
nanciero, econmico, matemtico, estadstico y/o economtrico. El objetivo de em-
plear dicho instrumental es la medicin puntual de las probabilidades de ocurrencia de
eventos que sometan a riesgos a las entidades, y lograr hacer un estimativo de los posi-
bles impactos de dichos eventos.
14
Cuadro 1. Etapas de Gestin de Riesgos Financieros
RiESgO CRDiTO mERCADO LiQUiDEz OPERACiOnAL
D
E
f
i
n
i
C
i
n
Posibilidad de incurrir en
prdidas por el no pago
de obligaciones.
Posibilidad de incurrir
en prdidas por
movimientos adversos
en variables del
mercado.
Posibilidad de incurrir
en prdidas por la
difcultad de mantener
un volumen de inversin
adecuado.
Posibilidad de
incurrir en prdidas
por procesos
inadecuados interna
y externamente.
i
D
E
n
T
i
f
i
C
A
C
i
n
Incumplimiento
de obligaciones
Financieras.

Modelos con
variables Financieras
socio demogrfcas y
econmicas.
Precios activos.
Volatilidad tipos de
cambio.
Movimientos de las
tasas de inters.
Falta de recursos
lquidos (empresas).
Excesivo
otorgamiento de
crditos.
Factores internos.
Factores externos.
m
E
D
i
C
i
n

Matriz de califcacin.
Matriz de transicin.
Prdida esperada.
Matriz de
rodamiento.
VAR.
Duracin.
Convexidad.
VAR.
Matriz de califcacin.
VAR.
Matriz de riesgos:
Impacto-Frecuencia.
E
S
T
R
A
T
E
g
i
A
S

Generar provisiones.
Reestructuracin de
deuda.
Asegurarse.
Inmunizar
portafolios.
Minimizar VAR.
Cubrirse en riesgo.
(Instrumentos
Financieros)
Asegurarse.
Minimizar fondos
riesgosos.
Asegurarse.
Capacitacin al
personal.
Asegurarse.
S
E
g
U
i
m
i
E
n
T
O

Y

C
O
n
T
R
O
L
Revisin permanente
de las califcaciones
de los deudores
Seguimientos de
estado de la cartera
Valoracin
permanente de
portafolios de
inversin
Revisin permanente
de indicadores de
liquidez
Revisin permanente
de indicadores de
gestin:
Efciencia
Efcacia
Impacto
Fuente: Construccin propia.
15
3. Estrategias de Gestin
Es necesario aclarar que gestionar riesgo no implica, bajo ninguna circunstancia, la
eliminacin del mismo. En realidad, de acuerdo con el papel que juegue cada entidad
dentro del sistema fnanciero y el perfl de riesgos de las organizaciones, el riesgo se
transfere a otros agentes del mercado por medio de instrumentos fnancieros o algu-
nas entidades del sistema fnanciero lo asumen como unidad de negocio. En la mayora
de los casos, las organizaciones interesadas en transferir el riesgo no lo pueden hacer
en su totalidad, por lo que toman posiciones intermedias al minimizar el riesgo o evitar-
lo. Otras organizaciones no pueden o no deben asumir el riesgo en su totalidad, por lo
que tratan de asumir solo aquel que tiene menor probabilidad de ocurrencia o genera el
menor impacto en la rentabilidad de su unidad de negocio.
3.1. Transferencia del riesgo mediante seguros
El sector asegurador, ha tomado gran importancia en su papel de mitigacin de los dife-
rentes riesgos presentes en las actividades realizadas en los sectores que conforman el
sistema fnanciero (sector bancario y burstil), riesgos que cada vez se convierten en un
factor clave y estratgico para el desarrollo y crecimiento de las entidades.
Se reconocen los seguros como mecanismo de mitigacin de riesgo, pues, s-
tos permiten transferir el riesgo a un tercero (el asegurador) y mitigar la prdida
financiera, en lugar de gestionar internamente la incertidumbre existente. General-
mente, los riesgos que se aseguran se asocian a activos fsicos, intangibles, perso-
nales o tecnolgicos.
Sin embargo, no todos los riesgos son asegurables y la decisin de contratar un
seguro depende, en defnitiva, del valor aadido que stos supongan para el asegurado.
La contratacin de un seguro puede generar valor aadido para los accionistas a travs
de la estabilidad de los fujos de caja, la prevencin de catstrofes fnancieras, una ma-
yor supervisin y control, as como el logro de una gestin del riesgo a menor coste.
La entidad optar por contratar o adquirir un seguro para fnanciar sus prdidas
operacionales, cuando su coste, es decir, la prima, sea inferior al uso de recursos propios
con la misma fnalidad, donde el seguro es, en este caso, un sustituto del capital y su
aplicacin se centra en los riesgos poco probables y de gran impacto.
Igualmente, los riesgos de baja severidad y los de alta probabilidad por lo general
no se aseguran, debido al alto coste fjo que supone la suscripcin de plizas y por los al-
tos costes administrativos. Por lo anterior, lo habitual ha sido la contratacin de seguros
especfcos o con una nica cobertura, sin embargo, esto lleva a algunos inconvenien-
tes, tales como la existencia de superposiciones entre distintos seguros individuales,
retrasos en el pago de las liquidaciones al asegurado, entre otros.
El auge de nuevas soluciones a este tipo de riesgos, se logra por medio de nuevos
productos que combinan coberturas simultaneas, fjacin de adelantos de caja y las ti-
tularizaciones.
3.2 Transferencia del riesgo mediante Instrumentos Financieros
Las Innovaciones Financieras (opciones, futuros, derivados y swaps), son instrumentos
que se han implementado en el sector fnanciero, con el fn de ampliar el mercado e
16
incrementar su liquidez a travs de una mayor disponibilidad de recursos para los pres-
tatarios y oportunidades para los inversionistas. Igualmente, estos instrumentos son
utilizados para manejar el riesgo fnanciero, pues, hacen ms completos los mercados
al generar mayores oportunidades para los agentes y permitirles transferir el riesgo a
otros inversionistas.
El surgimiento de las innovaciones fnancieras, se debe a diferentes factores que
han generado la necesidad de crear instrumentos que ayuden a mitigar el riesgo sist-
mico y contribuyan a la creacin de mayores oportunidades dentro del mercado tanto
para inversionistas como para prestatarios. Dentro de los principales factores que han
permitido la creacin de estas innovaciones fnancieras se encuentran los siguientes:
La volatilidad en los tipos de inters, en los precios de las acciones, en los tipos
de cambio y en la infacin.
El crecimiento de los mercados fnancieros internacionales, pues, unido a un
proceso de liberalizacin hace necesario la implementacin de nuevos servi-
cios fnancieros y prstamos internacionales.
La desregulacin de los mercados nacionales con respecto a las transacciones
fnancieras internacionales, generadoras de una mayor circulacin de capital
entre los pases.
La creciente competencia entre intermediarios fnancieros y los avances tec-
nolgicos, hacen necesario el desarrollo y la incursin de nuevos activos y ser-
vicios fnancieros en el mercado.
En Colombia, se pueden identifcar diferentes instrumentos innovadores en la ad-
ministracin de riesgos, tales como: los Forward, los Swaps, los Futuros y Derivados.
Los forward, son contratos celebrados entre dos partes, de compra o venta de un
activo subyacente, en los cuales se pactan un precio determinado y una fecha futura de
ejecucin. Este tipo de derivados se caracterizan principalmente porque ofrecen cober-
tura del riesgo, si existe la probabilidad de incurrir en prdidas debido a la volatilidad de
precios durante el tiempo que transcurre la operacin.
As mismo, estos derivados son utilizados como instrumentos especulativos, en la
medida en que el comprador o vendedor pueden anticiparse a los movimientos de los
precios futuros o como arbitraje contra otros mercados donde se presenten oportuni-
dades de obtener mayor benefcio.
Las Opciones, son instrumentos de cobertura, en los cuales dentro del contrato se
confere al tenedor el derecho, ms no la obligacin, de llevar a cabo una transaccin en
fecha futura a un precio predeterminado. Las opciones se clasifcan en opciones put (de
venta) o call (de compra); una put da al tenedor el derecho de vender el activo subya-
cente a un precio especifcado, y un call le da derecho de comprar el activo.
Este tipo de derivados, tienen como ventaja la posibilidad de que el poseedor de la
opcin, ya sea de compra o de venta, elija tres alternativas al momento de adquirir la
opcin, esto es: 1. ejercer el derecho, comprando o vendiendo los ttulos que la opcin
le permite, 2. dejar pasar la fecha de vencimiento sin ejercer la opcin o 3. venderla
antes de su vencimiento en el mercado secundario
1
de opciones.
1 Mercado Secundario. Es aquel donde los instrumentos fnancieros o ttulos valores que se han colocado en el
mercado primario, son objeto de negociacin. El mercado secundario le da liquidez a los valores existentes.
17
Los Futuros, son contratos a plazo estandarizados que obligan a las partes a com-
prar o vender un activo subyacente en una fecha futura y a un precio preestablecido.
Estos derivados suelen ser utilizados comnmente para dos propsitos principales:
Operaciones de cobertura, en los cuales, la persona poseedora del activo
subyacente con la operacin desea asegurar un precio fjo para la operacin
futura.
Operaciones especulativas, en los cuales, la persona que contrata el futuro
solo busca especular con el comportamiento de precios desde la fecha pacta-
da hasta su vencimiento.
4. Seguimiento y control
En esta etapa los gestores del riesgo evalan permanentemente la efectividad de las
estrategias para mitigar el riesgo, pues, el principal objetivo de la administracin de
riesgo es garantizar que la institucin no sufra prdidas econmicas inaceptables y me-
jorar el desempeo fnanciero de la entidad ajustando la exposicin al riesgo y generan-
do nuevas oportunidades de negocio.
Tpicamente, en la etapa de seguimiento, evaluacin de las estrategias y control de
los factores generadores riesgo, se emplean indicadores de medicin que permitan a
los gestores del riesgo tomar decisiones de inversin, cobertura o sencillamente recon-
fgurar sus portafolios o unidades estratgicas de negocio.
3. estructura del sector fInancIero
y esquemas de regulacIn
En Colombia, el Sistema Financiero esta compuesto por diferentes sectores que pres-
tan servicios fnancieros especializados de acuerdo a su naturaleza: bancario, burstil y
asegurador.
Dentro de las instituciones financieras, se encuentran los establecimientos de
crdito, que estn conformados por las instituciones bancarias, corporaciones fnan-
cieras, compaas de fnanciamiento comercial y las cooperativas fnancieras. A su vez,
se encuentran las sociedades de servicio fnanciero que se dividen en sociedades fdu-
ciarias, almacenes generales de depsito y sociedades administradoras de fondos de
pensiones y cesantas y por ltimo estn las sociedades de capitalizacin. Estas institu-
ciones en su conjunto realizan actividades de intermediacin fnanciera, por medio de
la captacin y colocacin de recursos del pblico, con el fn de fnanciar la produccin
y el consumo mediante los depsitos a la vista o a trmino que son canalizados en el
sector bancario.
Por otra parte, el sector burstil esta dividido en sistemas transaccionales y ope-
raciones especiales. Los sistemas transaccionales, estn conformados por el mercado
de acciones, mercado de derivados, mercado de divisas y el mercado de renta fja, que
generalmente son transacciones a largo plazo realizadas con dinero o ttulos valores
18
que se negocian a travs de mercados organizados como lo son bolsas y bajo condicio-
nes preestablecidas. Por otro lado, las operaciones especiales son procedimientos tales
como operaciones martillo, OPA (ofertas pblicas de adquisicin), democratizaciones y
operaciones de subasta, que se caracterizan por ser independientes y realizadas bajo la
supervisin de la Bolsa de Valores de Colombia, siempre y cuando se otorguen garan-
tas y se constituyan con base en los parmetros establecidos por la ley.
Finalmente, el sector asegurador est conformado por las entidades asegurado-
ras, los intermediarios de seguros y los intermediarios de reaseguros, que son institu-
ciones que tienen como objeto social asumir riesgos de terceros mediante la expedicin
de plizas de seguros.
La regulacin del Sistema Financiero Colombiano esta a cargo del Gobierno Na-
cional y el Ministerio de Hacienda, por medio de la expedicin de normas y regla-
mentos que permiten canalizar y desarrollar las actividades bancarias y burstiles de
acuerdo a la normatividad, estableciendo medidas de proteccin para los inversio-
nistas y contribuyendo a la estabilidad del mercado por medio de dos instituciones:
la Superintendencia Financiera y el Autorregulador del Mercado de Valores (AMV),
quienes establecen reglamentos para que sean ejecutados por los agentes de merca-
do, permitiendo procesos y procedimientos transparentes que garanticen una efecti-
va gestin del riesgo. El esquema 1 realiza una descripcin de la estructura del Siste-
ma Financiero en Colombia.
4. gestIn global de rIesgo de crdIto
El Riesgo de Crdito es la probabilidad de que una entidad incurra en prdidas y dismi-
nuya el valor de sus activos, como consecuencia de que sus deudores incumplan total o
parcialmente el pago de sus obligaciones crediticias.
Este riesgo involucra el Riesgo Soberano, que se presenta cuando los pases impo-
nen controles a las divisas extranjeras, imposibilitando el cumplimiento de las obliga-
ciones de la contraparte; as mismo, incluye el Riesgo de pago, que se refere a la posibi-
lidad de que una contraparte pudiese incumplir en un contrato despus de que una de
las partes ha realizado el pago previamente.

4.1. Herramientas para la medicin del Riesgo de Crdito
Dentro de las herramientas para la medicin de riesgo se encuentran dos: Credit Me-
trics y Credit Risk.
4.1.1. Credit Metrics
Esta herramienta para la medicin del riesgo desarrollada por J.P. Morgan en 1997, ha
sido uno de los modelos ms utilizados para medir mejoras o deterioros de la califca-
cin de los sujetos o entidades deudoras o acreedoras. Las principales caractersticas
de la metodologa son:
19
E
s
q
u
E
m
a

1
:

e
s
t
r
u
c
t
u
r
a

d
e
l

s
i
s
t
e
m
a

f
n
a
n
c
i
e
r
o

c
o
l
o
m
b
i
a
n
o
.
20
1. Simulacin en los cambios de califcacin crediticia de cada contrapartida, permi-
tiendo cuantifcar las prdidas por riesgo de crdito tanto por cambio de califca-
cin como por incumplimiento.
2. Estimacin de la distribucin esperada a plazo de los cambios en el valor de una
cartera de bonos o prstamos, en un determinado horizonte temporal.
3. Los cambios en valor se relacionan con las migraciones en la calidad crediticia del
emisor o prestatario.
4. El primer paso en esta metodologa es especifcar un sistema de califcacin crediti-
cia, y de probabilidades de migracin de una calidad crediticia a otra, en el horizon-
te de inters.
El esquema 2 permite apreciar el instrumental desarrollado por credit metrics. En
l se aprecia que los tres (3) pilares bsicos para la cuantifcacin del riesgo de crdito
son las exposiciones o montos expuestos, los Valores en Riesgo (VaR) de carteras cre-
diticias y fnalmente las correlaciones de los rendimientos de los precios de los activos.
La combinacin de los criterios descritos en dicho esquema permite valorar el riesgo
de crdito de un portafolio de otorgamientos de crdito, bonos, papeles fnancieros
representados en acciones por ejemplo.
4.1.2. Credit Risk
Otra herramienta, distinta a la de CreditMetrics de JP Morgan, es la metodologa desa-
rrollada por Credite Suisse en 1997, denominada Credit Risk. Las caractersticas de esta
herramienta son:
1. No se hace ninguna hiptesis sobre las causas de incumplimiento. Un contrato A est
en incumplimiento con probabilidad P(A) o no lo est con probabilidad 1 P(A).
EsquEma 2. Estructura de credit metrics.
Fuente: Credit Metrics - Traduccin Propia.
21
2. La probabilidad de incumplimiento de un contrato en un determinado periodo (un
mes) es la misma para cualquier mes.
3. Para un nmero grande de contratos, la probabilidad de incumplimiento de uno
de ellos es pequea y el nmero de incumplimientos que pueden ocurrir en un
periodo, es independiente del nmero de incumplimientos de cualquier otro
periodo.
4. La exposicin a cada contrato se ajusta por una tasa de recuperacin exgena, in-
dependiente del riesgo de mercado y crdito.
La calidad de la cartera (deterioro o mejora de la misma) puede depender de di-
versos factores como la complejidad organizativa de las corporaciones, el apalanca-
miento, la volatilidad de los mercados, los ciclos de desempleo, entre otros. Por esta
razn, la innovacin en los instrumentos fnancieros para mitigar el riesgo, incluyendo
las nuevas tcnicas de medicin, crean nuevas oportunidades para expandir el mercado
del crdito, fortaleciendo el sistema fnanciero.
Para analizar el Riesgo de Crdito y poder establecer las prdidas por incumpli-
miento, es necesario defnir algunos elementos que lo componen:
Riesgo de Incumplimiento: Es la probabilidad de que se presente incumpli-
miento en el pago de un crdito.
Riesgo de Exposicin: Es el que se refere a los montos futuros en riesgo.
Riesgo de Recuperacin: Es la posibilidad de no poder predecir la recuperacin
en caso de presentarse incumplimiento.
Riesgo de crdito individual: riesgo del acreditado en funcin a sus caracters-
ticas propias, estructura fnanciera, etc.
Riesgo de crdito portafolio: incluye la correlacin existente entre los acre-
ditados y su entorno, utilizando sus principales drivers macroeconmicos de
crdito y mercado.
Cuando se utilizan las tcnicas de medicin asociadas al Riesgo de Crdito, por lo
general lo que se busca es otorgar una califcacin al crdito, es decir, estas tcnicas sir-
ven como herramienta para una mejor toma de decisiones en la concesin de crditos
y en la diversifcacin del portafolio.
4.1.3. Prdida Esperada
Es la media de la distribucin de prdidas del portafolio de crdito, con lo cual se mide
la prdida promedio que se esperara en el siguiente perodo a causa de incumplimiento
o variaciones en la calidad crediticia. Para este clculo existen modelos para la estima-
cin o cuantifcacin de prdidas esperadas, que deben ser estimadas o cuantifcadas
en cada modalidad de crdito.
Al adoptar sistemas de medicin de tales prdidas, las entidades pueden disear y
adoptar sus propios modelos internos de estimacin respecto de la cartera comercial,
de consumo, de vivienda y de microcrdito, ya sea para uno, algunos o la totalidad de
sus portafolios componentes de la medicin de la prdida esperada; aplicar, para los
mismos efectos, los modelos de referencia diseados por la Superintendencia Financie-
ra para diversos portafolios.
22
Para la estimacin de la perdida esperada, se deben considerar los N sujetos deudo-
res que hacen parte de una cartera especifca y para cada uno de ellos estimar los montos
expuestos, las tasas de recuperacin histricas y las probabilidades de incumplimiento.
La agregacin de la combinacin de estos factores, como se muestra en la ecuacin 1,
permite obtener una medida de la perdida esperada de cierta cartera crediticia.
(1)
Donde,
CL = Prdida Esperada del Crdito.

i
= Probabilidad de incumplimiento (Variable Aleatoria Bernoulli): Se tiene en
cuenta las caractersticas del sujeto tales como ingresos del solicitante, su
historial de crdito, avales, la coyuntura econmica, entre otros; y est basa-
da en la matriz de transicin.
CE
i
= Crdito Expuesto (Monto).
f
i
= Tasa de Recuperacin dado el Incumplimiento, Es el porcentaje de la exposicin
que se estima recuperar en caso de que el acreditado llegue al incumplimiento.
4.1.4. Valor en Riesgo de Crdito (VaR)
Esta medida, tambin conocida como Perdida no Esperada hace referencia a la mxi-
ma prdida que puede sufrir un portafolio de prstamos como consecuencia de que
el valor de stos disminuya debido a un deterioro en su calidad crediticia. Es de ano-
tar que, como se mencionara ms adelante, el VaR es una medida que solo puede ser
aplicable a situaciones cotidianas del mercado, pues en pocas de crisis y auges de la
economa tiende a sobreestimar o subestimar las perdidas mximas.
El valor en riesgo se puede calcular mediante dos mtodos:
Mtodos paramtricos. Tiene como caracterstica el supuesto de que los ren-
dimientos del activo se distribuyen de acuerdo con una curva de densidad de
probabilidad normal.
Mtodo no paramtrico: Consiste en utilizar una serie histrica de precios de la
posicin de riesgo (portafolio) para construir una serie de tiempo de precios
y/o rendimientos simulados o hipotticos, con el supuesto de que se ha con-
servado el portafolio durante el periodo de tiempo de la serie histrica
2
.
Las metodologas para la estimacin del VaR de crdito, en todos los casos, esti-
man la varianza de las perdidas esperadas del portafolio. Para la determinacin de la
medida del Valor en Riesgo (VaR) de crdito, es necesario determinar a priori el nivel
de confanza con el que se desea hacer las estimaciones, y el horizonte temporal. Un
supuesto fuerte sobre el que descansa la medida en VaR en la mayora de mtodos de
estimacin hace referencia a la distribucin normal de la variable de prdida esperada.
2 Phillipe Jorion, Nuevo paradigma para el control de riesgos con derivados, valor en riesgo.

dZ =dt+bz
23
Por este motivo, la perdida potencial puede distribuirse como se muestra en la grafca
2. En ella se puede apreciar la perdida esperada (media) y la distribucin de la perdida
inesperada (VaR), y el nivel de confanza con el que se hacen las estimaciones.
GrfiCo 2. Distribucin de Perdidas. Esperadas y no esperadas
Esta distribucin presenta una forma sesgada hacia la derecha debido a la existen-
cia de una gran cantidad de prdidas de menor tamao o valor y slo unas pocas de
tamao considerable.
El lector pensara que un ejemplo ser ms fcil de entender. Si la probabilidad de
incumplimiento de una contraparte, con califcacin bbb de s&p, es de 0,18%, la tasa
de recuperacin de la contraparte es de 51,13% y la exposicin de riesgo de crdito es
de 100 millones de pesos, la prdida esperada por riesgo de crdito ser $87,97. De acu-
erdo con la ecuacin 1, es posible combinar dichos factores para el clculo de la perdida
esperada. La ecuacin 2 muestra el clculo.
(2)
Entonces estos $87,966 indican el nivel de provisiones iniciales que la institucin
debera tener en relacin al incumplimiento de cartera en este crdito.
Para calcular la prdida no esperada se puede asumir que dado que la operacin
puede caer en incumplimiento o no (solamente dos posibilidades), la distribucin de
probabilidad puede asumirse como un procedimiento bernoulli. En este caso, la vari-
able Xi es una variable discreta de categoriza a los clientes cumplidos y los incumplidos,
como se muestra en la ecuacin 3.
(3)
Fuente: Ernst & Young - Traduccin propia

24
La funcin de densidad de la variable Xi est dada por la ecuacin 4.

(4)
Tal distribucin tiene como primer momento la media y segundo momento, la des-
viacin estndar. Considerando que las tasas de recuperacin son constantes, la pr-
dida no esperada estara determinada por la ecuacin 5.
(5)
Teniendo en cuenta el mismo ejemplo para el clculo de la prdida esperada, la
perdida no esperada estara determinada por la ecuacin (6), que muestra el capital
mnimo de $2071.511 que debe mantener la institucin para garantizar la continuidad
del negocio.
(6)
Por otro lado, la perdida no esperada cuando se considera la tasa de recuperacin y
se calcula la varianza de las perdidas en cada uno de los escenarios de crdito, es posible
obtenerla de la ecuacin (7).
(7)

Al igual que antes, CL,
i
, CE y f se defnen como en la ecuacin 1.
Metodologa para el clculo del VaR
1. El clculo del VAR debe basarse en un conjunto de entradas de datos uniformes:
a. Un horizonte de operacin (das, semanas, meses o aos preferiblemente).
b. Un intervalo de confanza de 95, 99 99,9% preferiblemente.
c. Un periodo de observacin basada en, al menos, un ao de datos histricos y
actualizados al menos una vez por trimestre.
2. Las correlaciones pueden establecerse en categoras generales (tales como instru-
mentos de deudas), as como en toda clase de categoras y para instrumentos de
deuda y divisas.
3. El cargo de capital deber ser fijado en relacin al nivel ms alto del VAR del da
previo, o en relacin al VAR promedio de los ltimos 60 das hbiles multiplica-
do por un factor multiplicativo, que es determinado por los reguladores loca-
les, con lo que se pretende proporcionar proteccin adicional contra entornos
menos estables.

25
4.2. Acontecimientos de Crdito
Un acontecimiento de crdito es un estado diferenciado que puede o no suceder. El
problema es, cmo defnir este acontecimiento y que marco legal aplicarle?. De acuer-
do con Standard & Poors, una agencia de crdito es la primera instancia del pago de
cualquier obligacin de crdito, ya sea que sta est califcada o no, diferente a la obli-
gacin fnanciera sujeta a la buena fe de la disputa comercial.
Algunos de los acontecimientos de crdito que se pueden presentar son:
Bancarrota: es una situacin que incluye: (1) La disolucin del deudor;
(2) La inhabilidad o falta de solvencia para el pago de la deuda; (3) La
autorizacin para la realizacin de los pagos en el contrato; (4) El proce-
dimiento de la institucin que se encuentra en bancarrota; (5) La cesacin
de pagos; y, (6) La adscripcin temporal de todos los activos a una tercera
parte.
Incumplimiento de pago: signifca el posible no pago por parte del deudor,
usualmente establecido despus de un perodo de gracia y de un monto de-
terminado.
Obligacin/incumplimiento cruzado: signifca que el no pago se puede dar en
cualquier obligacin similar (swaps) por cualquiera de las partes.
Obligacin/aceleracin cruzada: signifca que el acontecimiento de no pago en
cualquier obligacin similar, se vuelve una deuda inmediatamente.
Rechazo/moratoria: signifca que la contraparte esta rechazando o desafando
la validez de la obligacin.
Reestructuracin: es una reprogramacin de la obligacin con efectos y trmi-
nos poco favorables generalmente.
4.3. Mtodos de califcacin de Riesgo de Crdito
4.3.1. Credit Ratings
3
La califcacin crediticia ha sido defnida como una opinin que las entidades de crdito
utilizan para determinar si se trata o no de dar un prstamo o lnea de crdito a un in-
dividuo o a un pas. El esquema 3 permite observar la clasifcacin de las califcaciones
para evaluar los crditos:
Las califcaciones estn divididas en:
grado de inversin: que son todas aquellas que se encuentran por encima de
BBB para Standard & Poors y de Baa para Moodys.
grado Especulativo: que son el resto de califcaciones que usualmente son
usadas para defnir clases de inversin permitidas para algunos inversionistas,
como por ejemplo fondos de pensin.
3 Phillipe Jorion, Financial Risk Manager Handbook Second Edition.
26
EsquEma 3. Rating o califcacin de Crdito.
TIPO GRADO
STANDARD
& POORS
MOODYS
SERVICES
GRADO
INVERSIN
Grado ms alto AAA Aaa
Grado alto AA Aa
Grado medio alto A A
Grado medio BBB Baa
GRADO
ESPECULACIN
Grado medio bajo BB Ba
Especulativo B B
Pobre CCC Caa
Altamente especulativo CC Ca
Baja calidad C C
En Incumplimiento D
Fuente: Phillipe Jorion, Financial Risk Manager Handbook Second Edition - Traduccin propia
La funcin de las clasifcaciones de riesgo es la de determinar la viabilidad, opor-
tunidad y sobre todo la seguridad de emprender algn tipo de negocio o contrato, en
el caso de los pases tiene que ver con la capacidad de los pases con cumplir con sus
obligaciones.
4.3.2. Matriz de Transicin y cadenas de Markov
Permite estimar la probabilidad de pasar de un estado inicial (i) en el cual se encontraba
la deuda del individuo en un cierto periodo de tiempo t, a un estado fnal (j) en el perio-
do siguiente t+1. Se calcula a partir de la migracin de los acreditados a distintos niveles
de califcacin de riesgo, mostrando la probabilidad de que un crdito con determinada
califcacin pase a otro rating. La tabla 1 muestra un ejemplo:
Tabla 1. Matriz de Transicin de estados. Un periodo.
ESTADO FINAL
TOTAL
PROBABILIDAD
ESTADO
INICIAL
A B C D
A 0,97 0,03 0,00 0,00 1,00
B 0,02 0,93 0,02 0,03 1,00
C 0,01 0,12 0,64 0,23 1,00
D 0,00 0,00 0,00 1,00 1,00
Fuente: Construccin propia
La matriz muestra por ejemplo que la probabilidad de iniciar con una califcacin B
y pasar a califcacin C, despus de un periodo es del 2%, mientras que la probabilidad
de que un sujeto inicie con califcacin C y despus de un periodo tenga califcacin B,
es del 12%. Para todos los casos, la suma de las flas debe ser igual a la unidad ya que
se trata de probabilidades, pero la suma de las columnas no necesariamente tiene que
ser igual a la unidad.
27
Por otro lado, las cadenas de Markov son modelos probabilsticos que se usan para
predecir la evolucin y el comportamiento a corto y a largo plazo de determinados sis-
temas. Cuenta con las siguientes caractersticas:
Un proceso estocstico, es un conjunto o sucesin de variables aleatorias: {X(t)
CG } defnidas en un mismo espacio de probabilidad. Normalmente el ndice t
representa un tiempo y X(t) el estado del proceso estocstico en el instante t.
Un conjunto fnito de M estados, exhaustivos y mutuamente excluyentes (ejem-
plo: estados de la enfermedad).
Ciclo de Markov: periodo de tiempo que sirve de base para examinar las transi-
ciones entre estados (ejemplo, un mes).
Probabilidades de transicin entre estados, en un ciclo (matriz P).
Distribucin inicial del sistema entre los M estados posibles.
Por otra parte, se encuentra que un proceso estocstico tiene la propiedad marko-
viana cuando las probabilidades de transicin de un paso slo dependen del estado del
sistema en el perodo anterior (memoria limitada). Por ejemplo, es posible encontrar en
la tabla 1 la probabilidad de que un individuo haga transicin de un estado B a un estado
C despus del primer periodo, y para el segundo periodo, dado que inicio en C, regrese
al estado B Dicha probabilidad es igual a 0,24%. La ecuacin 8 permite hacer el clculo
del proceso de markov, encadenando las probabilidades a travs del tiempo. El lector
podr extender el anlisis encadenando varios periodos de tiempo.
(8)
4.4. Estrategias para la Mitigacin del Riesgo
Constitucin de provisiones
4
Prev el cubrimiento del riesgo mediante provisiones generales e individuales, que per-
mitan absorber las prdidas esperadas derivadas de la exposicin crediticia de la enti-
dad y estimadas mediante las metodologas y anlisis desarrollados en el Sistema de
Administracin de Riesgo de Crdito (SARC).
Una vez que las entidades fnancieras hacen uso de estas mediciones, una forma de
mitigar el riesgo es provisionar las prdidas esperadas desde el momento que se otorga
el crdito, con el fn de poder responder ante sus clientes y ante el mismo sistema. Por
ello, antes de otorgar un crdito, debe realizarse un proceso de autorizacin en donde
se establezca un monto mximo de riesgo tolerable a futuro, y una vez que se otorga, la
entidad debe realizar un seguimiento al comportamiento del mismo.
Las polticas de provisiones deben considerar explcitamente los ajustes contra-c-
clicos de los modelos, de manera que en los perodos de mejora en la calidad crediticia
se constituyan mayores provisiones de las que seran necesarias en tales condiciones,
a fn de compensar, al menos en parte, las que deberan constituirse en perodos de
deterioro en la calidad crediticia.
4 Circular bsica contable y fnanciera (Circular Externa 100 de 1995).
28
Estos ajustes pueden hacerse mediante provisiones individuales y/o provisiones
generales. En caso de que el ajuste contra-cclico se efecte individualmente, dicho
ajuste deber registrarse independientemente para cada crdito.
Capital econmico
Se entiende por capital econmico la estimacin del nivel de patrimonio necesario para
absorber las prdidas no esperadas de la entidad. La tenencia de un capital econmico
permite mantener activa la unidad de negocio a pesar de fuertes detrimentos genera-
dos por prdidas no esperadas. Si bien todava no es una exigencia regulatoria en Co-
lombia, es deseable que las entidades inicien un proceso de estimacin de este capital
con metodologas internas.
Recuperacin de cartera
Las entidades deben desarrollar polticas y procedimientos que les permitan tomar
oportunamente medidas para enfrentar incumplimientos con el objeto de minimizar
las prdidas. Este tipo de estrategias de recuperacin de carteras vencidas pasan por
lo general por la liquidacin de las garantas reales que respaldan los crditos, el cobro
a frmas aseguradoras de deudas respaldadas por mecanismos de aseguramiento, la
reestructuracin de las deudas, entre otras.
4.5. Sistema de Administracin de Riesgo de Crdito
El Sistema de Administracin de Riesgo Crediticio (SARC), fue diseado con el propsi-
to de evaluar adecuadamente el riesgo de crdito de las entidades que puedan incurrir
en prdidas a causa de este riesgo: establecimientos bancarios, corporaciones fnancie-
ras, compaas de fnanciamiento comercial, cooperativas fnancieras y aquellas enti-
dades autorizadas para otorgar crditos. Las entidades estn obligadas a implementar
este sistema de la superintendencia.
Sin embargo, stas tienen la posibilidad de crear sus propios modelos de adminis-
tracin de riesgo, teniendo en cuenta que stos a su vez sean sometidos a la evaluacin
y aprobacin de la Superintendencia Financiera.
El SARC ha permitido a las entidades tener un mayor control de prdidas causa-
das por el riesgo crediticio, pues, dentro de sus polticas establece una serie de linea-
mientos para el otorgamiento de crditos, basadas en el previo conocimiento del su-
jeto de crdito, su capacidad de pago, garantas y condiciones del prstamo, lo que ha
generado que las entidades tengan limites en los niveles de exposicin de los crditos
otorgados, permitiendo un mayor desarrollo y expansin del sector bancario, vindose
refejado en su importante participacin y aporte dentro del sistema Financiero Colom-
biano en los ltimos aos.
La flosofa de este sistema, supone la minimizacin de los riesgos causados por el
incumplimiento de los pagos. Sin embargo, en Colombia es incipiente su implementacin
en el sector fnanciero, cooperativo y casi nulo en otros sectores de la economa, pues,
la Superintendencia Financiera tiene un control limitado en cuanto a la supervisin de la
aplicacin del SARC o cualquier otro sistema establecido por la entidad. Pero, la difcultad
29
de lograr que el sistema que se aplique sea efectivo, est en que la Superintendencia no
tiene la posibilidad de vigilar su aplicacin y que ste en la prctica este siendo realmente
utilizado. Por ello, un sistema de gestin de riesgo de crdito debe ser mas una flosofa
de manejo de una unidad de negocio, ms que una imposicin de la regulacin o cualquier
otro ente que propenda por la estabilidad de los mercados al interior del pas.
Para el caso internacional, no todos los pases ni entidades aplican este tipo de
modelos, por lo que, la economa colombiana se ve afectada por crisis fnancieras que
se presentan en otros pases. Al ser un pas emergente, Colombia no cuenta con los
instrumentos y recursos sufcientes para salvaguardar los diferentes sectores de la
economa y generalmente la profundizacin de las crisis exige una gestin rpida, am-
plia y coordinada que le permita minimizar los efectos que se puedan presentar a causa
del efecto contagio generado por el colapso fnanciero en la economa de pases de-
sarrollados y lideres en asuntos econmicos y fnancieros.
En este contexto, efectos como la restriccin crediticia, el alza de las tasas de
inters internas y la desaceleracin de la economa mundial, restringen la oferta del
crdito y llevan al incumplimiento de los pagos, generando desconfanza e inestabili-
dad en las entidades fnancieras e impidiendo el adecuado funcionamiento de los mer-
cados de crdito.
5. gestIn global de rIesgo
de mercado
El lector estar altamente interesado en comprender adecuadamente el esquema de
Gestin Global de Riesgos de Mercado y su instrumental de medicin y mitigacin del
riesgo, pues este es uno de los riesgos de mayor importancia en el mercado de materias
primas agrcolas a nivel mundial.
El Riesgo de Mercado es la probabilidad de prdida o ganancia potencial que puede
presentar un portafolio, un activo o un ttulo en particular, originada por cambios y/o
movimientos adversos en los factores de riesgo que determinan el precio de los instru-
mentos que componen una cartera de valores tales como. Los movimientos de una de
las variables que alteran el valor de los activos y/o portafolios pueden traducirse en una
disminucin del patrimonio que puede afectar la viabilidad fnanciera de una organiza-
cin y la percepcin que tiene el mercado sobre su estabilidad.
Basilea indica que el riesgo de mercado, refeja la incidencia de un cambio adverso
en las variables precio, tipo de inters y tipo de cambio sobre posiciones abiertas en los
mercados fnancieros, de ah que, en ocasiones, se denomine Riesgo de Posicin.
Los factores generadores de riesgo de mercado a los que se encuentra expuesto un
inversionista, contemplan el movimiento de una de las siguientes variables:
Tasa de inters.
Tipo de cambio.
Precios de ttulos valores (renta fja (cdts-bonos) y/o renta variable (acciones)).
Precios de materias primas.
30
5.1. Riesgo de Tipos de Inters
El Comit de Supervisin Bancaria de Basilea (BIS, 1997) defne el riesgo de tipos de in-
ters como la exposicin de la situacin fnanciera de una organizacin a movimientos
adversos en los tipos de inters. En particular, es posible diferenciar entre:
Riesgo de inters de balance, derivado de la estructura patrimonial de la entidad
fnanciera, donde, una entidad con sensibilidad pasiva experimentar una prdi-
da ante una subida en los tipos de inters; anlogamente, una entidad con sensi-
bilidad activa, incurrir en una prdida ante una reduccin en los mismos.
Riesgo de inters de mercado, que afecta al precio o valor de mercado de aque-
llos instrumentos fnancieros en los que se negocian tipos de inters, en par-
ticular, renta fja y derivados sobre tipos de inters. Puede identifcarse con la
elasticidad del precio de un activo de renta fja respecto a los tipos de inters.
La tasa de inters como factor de riesgo, es aquella variacin (positiva o negativa)
en el valor de un activo en un periodo de tiempo determinado, entre dos fechas distin-
tas (presente y futuro). En el mercado de dinero se manejan con frecuencia diferentes
tasas o tipos de inters expresadas en diversas bases y diferentes plazos; para que las
tasas que sean comparables, se requieren que se hayan expresado en la misma base y
ser del mismo tipo, a lo que se le llama estructura intertemporal de tasas de inters, que
es una manera estable de mostrar las tasas de inters en diferentes plazos o periodos.
5.1.1. Medicin del Riesgo de Tasa de Inters
La medicin del Riesgo en Tasa de Inters, segn la Superintendencia Financiera de Co-
lombia, tiene como propsito determinar el efecto de cambios en las tasas de inters
sobre el valor del capital de la entidad. Esta medicin se hace a travs de las metodolo-
gas de duracin y convexidad.
La metodologa de duracin, es de gran utilidad, especialmente como un indicador
de riesgo, ya que permite determinar el cambio en el valor de un activo cuando se pre-
senta una variacin en la tasa de inters (es importante tener en cuenta al momento de
realizar el clculo de la duracin, el tipo de tasa de inters pactada, es decir, si es fja o
variable, en moneda local o extranjera).
El lector deber recordar de ahora en adelante que existe una relacin inversa entre
el precio de los bonos (pblicos o privados) y la tasa de inters. Esto se debe a que, por
ejemplo, una subida de la tasa de inters reduce el precio del bono al alterar su valor actual.
En realidad, en escenarios voltiles de la tasa de inters, el clculo de la duracin tiende a
subestimar la subida de los precios de los bonos ante una reduccin de las tasas de inters,
y a sobreestimar la cada de los precios de los bonos ante un aumento de los tipos de inters
de mercado. Para solucionar este problema, el clculo de la convexidad permite hacer una
mejor aproximacin al valor real del movimiento del precio. El grfco 3 muestra la relacin
inversa que existe entre las tasas de inters y los precios de los bonos.
La grfca muestra que con una tasa inicial cercana al 13% por ejemplo, el precio del
bono esta a un nivel de $802, en el punto X1 de la grfca. Si las tasas de inters subi-
eran, el precio del bono se reducira, pero la pregunta es hasta qu punto?. El lector
notar que la recta mostrara una mayor cada (hasta el punto X3) en comparacin con
31
la curva que muestra una cada ms leve (hasta el punto X2). Esta diferencia se debe a
la inclusin del componente convexo. En realidad, el precio del bono se reduce hasta el
punto X2, pero la relacin lineal no recoge este efecto.
La metodologa de convexidad es una propiedad de los instrumentos de deuda, y
se hace cuando el clculo de la duracin es insufciente debido a una alta volatilidad en
las tasas de inters. La convexidad siempre es positiva y es buena en la medida que es
un amortiguador contra las prdidas debidas a los incrementos en las tasas de inters,
la duracin en cambio es negativa y a mayor duracin mayor riesgo en el bono.
Las variaciones en las tasas de inters de mercado van a estar generando dos tipos
de cambios en el escenario empleado por un administrador de cartera; por una parte, se
van a estar viendo alterados los valores actuales de los activos fnancieros que confor-
man el portafolio y, por otro lado, se van a estar viendo modifcadas las posibilidades de
reinversin de los fujos que son liberados por los activos que conforman el portafolio.
La duracin es un concepto que permite calcular el tiempo que tarda un inversioni-
sta en recuperar su inversin, contada desde el momento que compra el bono, hasta el
momento que recupera la totalidad de la inversin. En el mercado de bonos existen al-
gunos bonos que no pagan cupones, es decir que no reportan algn tipo de rentabilidad
al inversionista durante la vida del mismo, sino que pagan un nico cupn al fnal de la
vida del bono. A este tipo de bonos se les denomina bonos cero cupn y se caracterizan
porque la duracin es igual al periodo de vencimiento. Es decir, si un inversionista com-
pro en el periodo t uno de estos bonos, solo percibir el principal (inversin inicial) y la
rentabilidad cuando el bono tenga el vencimiento, por ejemplo t+10, si el bono tiene
Grfco 3. Relacin tasa de inters, precio del Bono.
32
duracin de 10 periodos. Para este caso el vencimiento es a 10 periodos y la duracin es
tambin de 10 periodos.
Por el contrario, los bonos que pagan un cupn de manera peridica a los tenedores
de los bonos captan rentabilidad durante la vida del mismo, por lo que no tienen que
esperar al fnal para ir recuperando la inversin. En este sentido, cuando un bono paga
cupn, la duracin es menor al vencimiento. Esto obedece a que en primera instancia,
el inversionista puede ir acumulando los cupones para completar el principal. La ecu-
acin (9) muestra la forma como se calcula la duracin (D) de un bono.

(9)
Donde,
FC
t

= es el fujo de caja del periodo t,
r = es la tasa de inters de mercado
t = cada uno de los t periodos de tiempo
T = Periodo de vencimiento del Bono
VNA
= Valor neto actual del fujo de caja del bono.
La ecuacin (10) permite apreciar la forma como se calcula el Valor Neto Actual
(VNA) de un bono. El fujo de caja incluye el cupn que recibe en cada periodo el tene-
dor del bono.
(10)
Para medir el cambio en el precio del bono ante un cambio en las tasas de inters,
sin tener en cuenta el efecto que la convexidad ejerce sobre el movimiento del precio
del bono, es necesario emplear la duracin (con signo negativo, por la relacin inversa
entre precio del bono y tasa de inters) y las variaciones de las tasas de inters, tal y
como lo muestra la ecuacin (11).
(11)
Donde

r mide el cambio en la tasa de inters.
Como el lector estar pensando, los inversionistas una vez reciben el cupn cada
periodo, no lo guardan pasivamente y lo van acumulando, sino que toman esos montos
y los reinvierten en los mercados, por lo que el cupn se va a multiplicar igualmente.
Este efecto de reinversin de los cupones hace que la inversin se recupere a una mayor
velocidad, por lo que la duracin se modifcar a la baja. Es decir, un inversionista adqui-
ere un bono en el periodo t, que vence en 10 periodos y que paga cierto cupn C cada
periodo. Si el inversionista acumula pasivamente los cupones recuperar la inversin

2
,
T N M VaR
diaria T

2
,
252
T
N M VaR
anual T

2
2
,
T w C w N M VaR
es individual es individual
T Portafolio
T

33
en t+8 periodos por ejemplo. Pero si el inversionista decide reinvertir los cupones y por
ellos tambin recibe rentabilidades, la inversin inicial (principal) lo recuperar aun mas
rpido, por ejemplo en t+7 periodos. La ecuacin (12) muestra la forma como se estima
la duracin modifcada de un bono.
(12)
Ahora, la convexidad es un concepto sencillo que permite hacer una estimacin del
efecto neto real de un movimiento de las tasas de inters sobre el precio. Por ello, las
ecuaciones (13) y (14) muestran la forma como se calcula la convexidad en periodos y la
sensibilidad del precio ante cambios en la tasa de inters respectivamente.
(13)
(14)
5.1.2. Gestin del Riesgo de Tasa de Inters
El lector estar pensando que cualquier movimiento al alza de las tasas de inters re-
duce el precio del bono por lo que es necesario protegerse de dichos movimientos.
Igualmente, como ocurre cuando varan los precios, algunos lectores pensaran que una
reduccin de la tasa de inters es benfca para el precio del bono por lo que no es ne-
cesario cubrirse en riesgo. Esto es falso en todos los casos. Si cae el precio de un activo
(una materia prima por ejemplo), o si se sube las tasas de inters en ambos casos per-
der el tenedor de estos activos. Como no es posible saber con certeza para donde van
las variables, ya que stas son estocsticas, es mejor que siempre se cubran en riesgo
en el mercado de plazos.
Igualmente, la inmunizacin de un portafolio se convierte en una estrategia que
balancea el riesgo de reinversin y el riesgo de portafolio, pues, un portafolio inmu-
nizado es uno en que la duracin es igual al periodo planeado de permanencia de la
inversin. Para inmunizar, riesgo tasa de inters y riesgo precio se deben balancear y as
mantener un rendimiento de portafolio constante.
5.2. Riesgo de Movimientos de Precios de los Activos
Refeja la incidencia de movimientos adversos tanto en los precios de activos fnancie-
ros de renta variable, acciones y derivados sobre stas o ndices burstiles, como en los
precios de las materias primas (commodities) y sus derivados. La exposicin al riesgo
asociado a valores de renta variable se materializa en la posible depreciacin experi-
mentada por una cartera de dichos ttulos para la entidad tenedora de la misma.

2
,
T N M VaR
diaria T

2
,
252
T
N M VaR
anual T

2
2
,
T w C w N M VaR
T Portafolio
T

2
,
T N M VaR
diaria T

2
,
252
T
N M VaR
anual T

2
2
,
T w C w N M VaR
T Portafolio
T

2
,
T N M VaR
diaria T

2
,
252
T
N M VaR
anual T

2
2
,
T w C w N M VaR
T Portafolio
T

34
5.2.1. Metodologas para medir el Riesgo de Mercado
Los mercados fnancieros se caracterizan por su volatilidad, dado que sta genera tanto
riesgos como oportunidades de nuevos negocios y el desarrollo mismo del mercado f-
nanciero. En este sentido, las innovaciones fnancieras (instrumentos) son una respues-
ta a las necesidades del mercado por gestionar el riesgo y hacer de este una unidad de
negocio rentable.
La medicin del riesgo de mercado se hace generalmente por medio del clculo del
VaR. Esta es una medida que funciona solo en condiciones cotidianas del mercado, pues
en pocas de crisis y auges tiende a sobreestimar o subestimar las potenciales perdidas
inesperadas de un portafolio. Para el clculo del VaR, es necesario tener en cuenta:
El monto expuesto (M): esta cifra es el resultado de multiplicar el nmero de
papeles que se tiene de un activo por el precio actual del mismo. Por ejemplo,
el lector pensar en multiplicar 100 toneladas de un bien por el precio actual
de mercado para conocer el monto que est sometido o expuesto a las varia-
ciones adversas del mercado.
El nivel de confanza (N): dado que esta medida del VaR es paramtrica, el su-
puesto trascendental en el que descansa el VaR se que los rendimientos de los
precios de los activos se distribuyen como una normal estndar. Por lo ante-
rior, cuando se observa la tabla de la distribucin normal estndar, se obtienen
los siguientes factores:
Distribucin Normal Estndar
CONFIANZA FACTOR
90% 1,28
95% 1,64
99% 2,32
99,9% 3.07
La temporalidad (T): el horizonte temporal para la cuantifcacin del VaR per-
mite estimar las mximas perdidas que puede tener un activo t periodos ade-
lante. Por lo general, como el precio de los activos en los mercados se mue-
ve diariamente, es posible contemplar VaR a 1, 10 o 30 das por ejemplo. Sin
embargo, si los precios de los activos se movieran con otra periodicidad, por
ejemplo semanal, sera necesario calcular el VaR a 1, 4 o quizs 8 semanas.
La Volatilidad de los rendimientos del precio del activo (s): ste es el ltimo de
los elementos del VaR. Las metodologas, Lognormal, EWMA o GARH permite
calcular la volatilidad.
La combinacin de los anteriores elementos, como se muestra en la ecuacin (15),
da una medida del VaR, siempre que la volatilidad sea diaria.
(15)
2
,
T N M VaR
diaria T
= s
a
35
Cuando la volatilidad de los rendimientos del precio de un activo es anual, y se quie-
re calcular el VaR en das, es necesario que la temporalidad sea llevada a frecuencias
diarias. Para ello, se debe dividir la temporalidad (dentro de la raz cuadrada) entre el
nmero de rendimientos del precio del activo a lo largo de un ao. Por lo general, los
mercados burstiles operan 252 das al ao, por lo que el clculo del VaR procede como
lo seala la ecuacin (16).
(16)
Ahora, el lector pensar que un inversionista tiene ms de un activo o materia pri-
ma, por lo que compone un portafolio que diversifca su riesgo. En este sentido, el cl-
culo del VaR de un portafolio procede como se especifc anteriormente. Sin embargo,
el clculo de la volatilidad considera el efecto de la diversifcacin por medio de la ma-
triz de correlaciones de los rendimientos de los precios de los activos. La ecuacin (17)
permite apreciar la forma como se estima el VaR para un portafolio.
(17)
Donde w es el vector de participaciones de cada una de las materias primas dentro
de la inversin total (de tamao matricial nx1, cuando se tienen n activos dentro del
portafolio), y w
T
hace referencia a dicho vector transpuesto.
La matriz de volatilidades individuales es una matriz de tamao nxn que contiene
las volatilidades de cada uno de los activos en la diagonal, mientras que est compuesta
de ceros por fuera de la diagonal.
Finalmente, C es una matriz de correlaciones de los rendimientos de los precios de
los activos considerados dentro del portafolio. El lector recordar que las correlaciones
son nmeros pertenecientes al intervalo [-1, 1]. Por lo tanto, el efecto de la diversifca-
cin del portafolio se evidencia en los valores negativos de la matriz de correlaciones.
Es importante aclarar que el VaR de un portafolio es menor o igual a la suma
de los VaR individuales, a razn de la diversificacin que se evidencia dentro de un
portafolio. El nico escenario en el cual el VaR del portafolio es igual a la suma de
los VaR de activos individuales es cuando la matriz de correlaciones es una matriz
identidad, lo que implica un riesgo equivalente al 100% en la volatilidad de cada
activo perteneciente al portafolio. Sin embargo, este escenario es poco probable en
mercados financieros.
Clculo de la Volatilidad
Para calcular la volatilidad (s) de un proceso estocstico es posible emplear la meto-
dologa lognormal, donde se supone que los rendimientos de los precios de los activos
distribuyen como una normal estndar. Es sufciente con estimar la desviacin estndar
de los rendimientos de los precios de los activos, y esta se convierte automticamente
una medida de la volatilidad. La ecuacin (18) permite obtener los rendimientos de los
precios de los activos.
2
,
252
T
N M VaR
anual T
= s
a
( )
2
2
,
T w C w N M VaR
T Portafolio
T
= s s
a
36
(18)
Por otro lado, la metodologa EWMA (Exponentially Weighted Moving Averages)
pondera las observaciones para el clculo de la volatilidad. sta, toma las observacio-
nes y le da mayores pesos a las observaciones ms recientes, de manera exponencial.
El ponderador utilizado por la metodologa es

, perteneciente al siguiente intervalo
0 < <1. La ecuacin (19) permite hacer un clculo consistente de la volatilidad.
(19)
Donde,

2
,
T N M VaR
diaria T

2
,
252
T
N M VaR
anual T

2
2
,
T w C w N M VaR
T Portafolio
T

denota la volatilidad estimada, y

2
,
T N M VaR
diaria T

2
,
252
T
N M VaR
anual T

2
2
,
T w C w N M VaR
T Portafolio
T

es la varianza de los rendimien-
tos de los precios de los activos.
Finalmente, la familia de modelos economtricos Autoregresivos de Heterocedas-
ticidad Condicionada y los generalizados, extienden el anlisis de las series de tiempo
de los tradiciones modelos ARIMA y sus variaciones. Estos modelos construyen ecua-
ciones tanto para los rendimientos de los precios de los activos como para la varianza
de los mismos. La ecuacin (20) muestra la forma general de expresin es GARCH (p,
q), donde p son las varianzas condicionales pasadas y q es el pasado de los errores al
cuadrado.

(20)
Una condicin necesaria de los modelos GARCH (p, q) para asegurar la estacionari-
dad son: w > 0 y
j
,
j
0 y la expresada en la ecuacin (21).

(21)
En el siguiente captulo se har una aplicacin extensa de los modelos GARCH para
el clculo de Volatilidades.
5.3. Pruebas de Stress
Una herramienta complementaria y fundamental para la medicin de los riesgos de
mercado son los anlisis de escenarios de crisis tambin conocidos como pruebas de
stress testing o pruebas de stress, que permiten recoger todas aquellas situaciones no
consideradas por los modelos anteriores, que pueden ser relevantes para la entidad,
pero no han sido detectados debido a las limitaciones tcnicas del modelo y propia me-
dida del riesgo.

2
,
T N M VaR
diaria T

2
,
252
T
N M VaR
anual T

2
2
,
T w C w N M VaR
T Portafolio
T

2
,
T N M VaR
diaria T

2
,
252
T
N M VaR
anual T

2
2
,
T w C w N M VaR
T Portafolio
T

= =

+ + =
q
j
p
j
j t j j t j t
y
1 1
2 2 2
s b a w s
1 0
1 1
<
+ <

= =
q
j
p
j
j j
b a
37
El Stress Testing (ST) tiene como objetivo medir las variaciones en el valor de una
cartera en respuesta a alteraciones extremas en los precios de mercado de los instru-
mentos que la confguran. En ningn caso debe interpretarse como lmites de las prdi-
das mximas que pueda sufrir la cartera.
Se calcula mediante simulacin con evaluacin completa de escenarios histricos
de especial turbulencia o bien ante otros escenarios tericos propuestos por el rea de
riesgo de mercado.
5.4. Sistema de Administracin de Riesgo de Mercado
La Superintendencia Financiera establece el Sistema de Administracin de Riesgo
de Mercado (SARM), que es necesario desarrollar e implementar en las entidades
vigiladas por sta, con el fin de minimizar prdidas relacionadas con cambios ad-
versos en las tasas de inters, el tipo de cambio, los precios y las inversiones reali-
zadas por las entidades. Este sistema ha permitido a las entidades tener una mejor
gestin y confianza en las inversiones y operaciones que realizan que pueden verse
afectadas por las adversidades en el mercado. Igualmente, las entidades pueden
implementar diferentes modelos internos con polticas acordes con el reglamento
establecido por la Superintendencia. El objeto final es que dicho modelo ayude a
minimizar las prdidas esperadas y establecer el monto necesario para cubrir y mi-
tigar el riesgo.
El problema que se presenta con este sistema, se hace evidente cuando las en-
tidades se enfrentan a una disyuntiva entre la opcin de obtener mayores utilidades
o cumplir con las polticas establecidas dentro del marco regulatorio presentado
a la Superintendencia. Generalmente, las entidades se sienten atradas por el fin
ltimo de toda inversin, obtener rentabilidad; pero esto puede resultar contrapro-
ducente, ya que al no existir una gestin consistente del riesgo pueden generarse
prdidas que ocasionan no solo iliquidez de los activos, sino que deterioran la con-
fianza y estabilidad en el sector.
5.5. Gestin de Riesgos de Mercado
Como se menciono anteriormente, para mitigar el riesgo de mercado es posible inmu-
nizar portafolios cuando se trata de portafolios que incluyen bonos, pues los movimien-
tos de las tasas de inters son compensados entre s.
Por otro lado, los riesgos de mercado generados por movimientos de los precios
de los activos son generalmente mitigados en el mercado a plazos, donde es posible
encontrar, de acuerdo al grado de desarrollo del mercado, diferentes instrumentos f-
nancieros como Opciones, Futuros, Derivados y Swaps. Este arsenal de instrumentos,
que tambin funcionan para materias primas en varios mercados mundiales como la
Bolsa de Chicago por ejemplo, permite reducir la incertidumbre y la volatilidad de
los mercados. Como vera el lector en el captulo 4 ms extensamente, estos instru-
mentos son en buena medida una solucin al problema de la estacionalidad que se
presentan en los mercados de materias primas agrcolas, ya que permiten negociar
las materias primas incluso antes de que se realicen las siembras, para los casos de
los cultivos de ciclo corto.
38
5.5.1. Forward
Este instrumento es el clsico de los derivados, ya que de l se desprenden los dems,
con pequeas variaciones. Es decir, el fundamento de todos los instrumentos derivados
es el mismo forward. Ahora, este instrumento est defnido segn Hull como is a parti-
cularly simple derivate, it is an agreement to buy or sell an asset at a certain future time for
a certain price (HULL, 2003, Pg. 2), en otros trminos, es un contrato escrito en el cual
se acuerda la compra o venta de un producto en una fecha futura acordada.
El texto de Option, Futures and other derivates de John Hull, se hace referencia a
la siguiente caracterstica en los forward:
Un contrato forward es comercializado en el mercado OTC. Es decir, los con-
tratos forward no son estandarizados, se ajustan a las necesidades de las con-
trapartes, no requieren exigencias en la medida que no hay una institucin que
evalu las capacidades de las partes. (Hull, 2003)
5.5.2. Opciones
Una opcin es defnida segn Hull, como el derecho de comprar o vender un bien en el
futuro (HULL, 2000). En ese sentido, las opciones tienen una diferencia fundamental
con los forward, ya que estos ltimos generan obligacin de realizar una transaccin
mientras que la opcin ofrece la posibilidad de no ejercer la posicin, segn las circuns-
tancias del mercado. En una defnicin precisa Kozikowsky sostiene que es un derecho
que confere al comprador el derecho, pero no la obligacin, de comprar o vender una can-
tidad determinada a una fecha determinada. (Kozikowsky, 2000, Pg. 157) Este dere-
cho tiene un costo que es conocido como la prima o costo de la opcin.
Caractersticas de las opciones
Las variables de una opcin son: Precio al contado del activo subyacente, pre-
cio del ejercicio (K) este hace referencia al precio estipulado en el contrato. La
Prima, que se refere al precio de la opcin, que se paga al frmar el contrato La
prima puede estar defnida como un seguro que respalda el cumplimiento del
contrato (Kozikowsky, 2000)
Las opciones transadas en bolsa se liquidan a travs de cmaras de compensa-
cin, de forma que el comprador ni el vendedor se encuentran directamente
(Kozikowsky,2000).
Tipos de opciones:
Existen dos tipos bsicos de opciones, aquella que da el derecho a comprar
call option, y aquella que da el derecho a vender put option.
Clasifcacin por fecha de ejercicio
Dentro de las opciones de compra y venta o Call y Put respectivamente, tam-
bin se encuentra una clasifcacin en trminos de fecha de ejercicio. Por un
39
lado las Opciones Americanas, que son las ms costosas, se pueden negociar o
liquidar en cualquier momento durante la vigencia del contrato. Por otro lado
estn las Opciones Europeas que solo se pueden ejercer en la fecha estipulada
en el contrato, en ese sentido tienen una prima menor en comparacin con las
opciones americanas. (Kozikowsky, 2000).
Para cada fecha de vencimiento existen diferentes precios del ejercicio (Ko-
zikowsky, 2000, Pg. 157).
Cualquiera de estos, o de otros instrumentos fnancieros son capaces de transferir
o tomar el riesgo para administrarlo.
6. gestIn global de rIesgo de lIquIdez
El riesgo de liquidez por lo general es visto como un componente del riesgo de mer-
cado, pues, la carencia de liquidez puede causar el fracaso de una institucin, ya que
se entiende como la posibilidad de sufrir prdidas por la difcultad en la fnanciacin
necesaria para mantener el volumen de inversin deseado o la imposibilidad de trans-
formar en efectivo un activo o portafolio para responder por los pasivos de la entidad
(imposibilidad de vender un activo en el mercado).
Este riesgo se presenta en situaciones de crisis, cuando en los mercados hay ni-
camente vendedores y las diferentes fuentes de liquidez a las que puede acudir una
institucin en poca de iliquidez son:
Acceso a fondos interbancarios: Las entidades fnancieras efectan entre s
prstamos y descuentos de operaciones de corto plazo, a una tasa de inters
fjada contractualmente.
Operaciones Repo: Es un contrato por medio del cual se adquiere un ttulo va-
lor, con la obligacin de restituir al vendedor los mismos ttulos, u otros de
la misma especie y condiciones, al vencimiento del plazo acordado y por un
precio y rdito previamente estipulado.
Los determinantes del riesgo de liquidez hacen referencia a las circunstancias que
inciden directamente en el monto y temporalidad de los fujos de caja, tales como:
La Estacionalidad de los retiros, que pertenece a los periodos o fechas especfcas en
los cuales se presentan retiros de altos volmenes de efectivo como pagos de nmina,
pagos de impuestos entre otros.
La Ciclicidad de los recursos, que representa los periodos establecidos estadstica-
mente en donde se detecta un incremento o reduccin de las captaciones de recursos.
6.1. Medicin y Monitoreo del Riesgo de Liquidez
Tal vez la ms importante adicin en la medicin de liquidez, proviene de encuestas pe-
ridicas (mensuales) que miden las percepciones y puntos de vista de una base amplia
de participantes del mercado, (tanto vendedores como compradores); estas encuestas
40
peridicas permiten observar como estas percepciones afectan la liquidez del mercado
fnanciero. Sin embargo, estas encuestas no son 100% confables, ya que los agentes
del mercado pueden llegar a alterar las condiciones de liquidez del mercado, a su favor,
emitiendo falsas opiniones de sus verdaderas expectativas del mercado.
Mediciones Micro
En los mercados fnancieros, la liquidez es vista como el grado en el cual las transaccio-
nes ms grandes pueden ser llevadas a cabo en el tiempo con un impacto mnimo en
los precios. En tal caso, afrmaba Keynes, no es defnida o medida como un estndar
absoluto, sino en una escala, la cual incorpora elementos claves de volumen, tiempo y
costos de transaccin.
Entonces la liquidez puede ser medida por tres dimensiones que incluyen los si-
guientes elementos:
Profundidad: puede ser defnida como el volumen de transacciones posibles sin
afectar los precios. Es medida mediante el uso del promedio de turn over (vo-
lumen de negocio) como una aproximacin para el impacto sobre el mercado.
Amplitud: es la diferencia entre los precios de mercado promedio y aquellos a
los cuales ocurren realmente las transacciones. Es medida mediante el uso de
spreads efectivos, que representan los precios de mercado reales ante cam-
bios en los mercados fnancieros.
Resistencia: es la velocidad con la cual se disipan las fuctuaciones de los precios re-
sultantes de las transacciones, generando indicadores acerca de la profundidad po-
tencial del mercado, que puede ser vista desde los fujos de mercado prevalecientes.
6.1.1. Gestin de Activos y Pasivos (GAP-ALM)
Existe una amplia diversidad de mtodos que se pueden utilizar para medir el riesgo
de liquidez, pero entre los ms utilizados por las instituciones fnancieras se destaca la
gestin de los activos y pasivos.
El Comit de Supervisin Bancaria de Basilea emiti una versin revisada sobre
la supervisin y los principios que deben defnir la gestin de activos y pasivos en en-
tidades fnancieras. A raz de este hecho, diversas entidades se interesaron por dicha
gestin y adquirieron herramientas informticas que facilitaran los clculos necesarios
para conocer la exposicin de la entidad a los riesgos de inters y liquidez.
El GAP es una herramienta que sirve para monitorear el riesgo y dfcit de liquidez
a travs de la comparacin de fujos de caja de las posiciones de activos y pasivos fuera
del balance sobre una serie temporal, donde la posicin del GAP de liquidez suele ex-
presarse a travs del ratio de desajuste acumulado neto sobre el total de los depsitos,
teniendo rangos porcentuales establecidos como limites.
6.1.2. Ratios de Liquidez
Los Ratios Financieros, son coefcientes que muestran una relacin entre dos variables
contables de la empresa, permitiendo el estudio de su situacin fnanciera a partir de
los siguientes aspectos:
41
Liquidez: capacidad de la empresa para hacer frente a las deudas y obligacio-
nes a corto plazo.
Solvencia: capacidad de la empresa para hacer frente a sus obligaciones y deu-
das en general (tanto a largo como a corto plazo)
Rentabilidad: capacidad de la empresa para genera benefcios o ganancias
conseguidas por cada peso que se ha utilizado o invertido.
El objetivo del clculo de ratios, es proporcionar informacin sobre la liquidez de las
entidades. Entre los ratios ms utilizados se encuentran los siguientes:
1. Ratio a corto plazo: mide la relacin entre los activos lquidos y los pasivos a corto
plazo:
plazo corto a Pasivos
lquidos Activos
plazo corto a Ratio =
2. Ratio de prstamos contra depsitos: compara el nivel de depsitos contra el nivel
de prstamos para entender las necesidades adicionales, una vez considerados las
cuentas a la vista y los depsitos de clientes.
3. Ratio de Activos ilquidos contra depsitos de clientes: mide el nivel de fnanciacin
de los activos no lquidos por parte de los depsitos y cuentas a la vista.
6.1.3. Matrices de riesgos y mitigacin del riesgo de liquidez
La Matriz de riesgo constituye una herramienta de control y de gestin normalmente
utilizada para identifcar las actividades (procesos y productos) ms importantes de una
corporacin, el tipo y nivel de riesgos inherentes a estas actividades y los factores ex-
genos y endgenos relacionados con estos riesgos.
As mismo, el plan de contingencia debe permitir administrar situaciones de una
eventual falta de liquidez como consecuencia de contextos distintos, entre los princi-
pales estn:
Prdida sostenida de depsitos.
Concentracin de depsitos por contraparte.
Concentracin de vencimientos excesiva.
Disminucin de lneas de contrapartes.
Problemas de liquidez en el sistema fnanciero.
Anlisis de costos de las diversas alternativas de fnanciamientos.
6.2. Administracin del Riesgo de Liquidez
El manejo de la liquidez es el proceso ms importante que llevan a cabo las instituciones
fnancieras al incluir en su administracin el resto de los riesgos fnancieros y operativos
que enfrenta una Institucin; adems, es un riesgo que potencialmente puede exponer
a la Organizacin a una alta volatilidad y generar la quiebra. Por lo tanto, el seguimien-
to, gestin e identifcacin del mismo permite a la entidad mantener niveles de estabi-
lidad que garantizan su permanencia en el tiempo asegurando el pago de compromisos
a un costo razonable.
42
6.2.1. Los estndares internacionales del Comit de Supervisin
Bancaria de Basilea (BSBC)
Los estndares internacionales del Comit de Supervisin Bancaria de Basilea (BSBC),
en el desarrollo de una estructura para la administracin de la liquidez sealan que:
Los bancos deben tener una estrategia conjunta para la administracin de la
liquidez diaria.
Debe asegurarse que la alta gerencia controle el riesgo de liquidez.
Los bancos deben tener una estructura administrativa para ejecutar en forma
efectiva la estrategia de liquidez.
Los bancos deben tener sistemas de informacin adecuados para medir, moni-
torear, controlar e informar el riesgo de liquidez.
En la tabla 2 se pueden observar los elementos que conforman el sistema de ad-
ministracin de riesgo de liquidez, as como la descripcin de lo que cada uno de stos
contiene.
Tabla 2. Sistema de Administracin de Riesgo de Liquidez.
ELEMENTOS CONTENIDO MNIMO
Polticas
Defniciones expresas y clara en relacin con el Riesgo de Liquidez
Polticas para la evaluacin del Riesgo de Liquidez
Polticas acerca de funciones y responsabilidades para la administracin del Riesgo de
Liquidez
Polticas acerca del seguimiento, control y reporte de Riesgo de Liquidez
Polticas acerca de lmites de exposicin y asuncin del Riesgo de Liquidez
Polticas de mitigacin del Riesgo de Liquidez
Polticas en materia de planes de contingencia por Riesgo de Liquidez
Polticas sobre el manejo de informacin interna y al pblico
Procesos de
Administracin
Divulgacin de las polticas de la entidad
Diseo de los mecanismos para poner en prctica las polticas
Documentacin del Sistema de Administracin del Riesgo de Liquidez (SARL)
Desarrollo del manual de procedimientos y responsabilidades para la gestin del Riesgo de
Liquidez
Necesidades de personal y tecnolgicas para la gestin del Riesgo de Liquidez
Metodologas
de Medicin
Modelo estndar para la medicin de Riesgo de Liquidez
Requisitos para usos de los modelos internos para medicin de Riesgo de Liquidez
Metodologas de
Monitoreo y Control
Diseo de reportes de seguimiento y control de lmites
Frecuencia y responsables de monitoreo
Funciones de los rganos de control interno
Metodologas de
Mitigacin
Fuentes de liquidez permanentes y transitorias
Costos de mitigacin asumibles
Mecanismo para atender distintos grados de Riesgo de Liquidez
Planes de contingencia y efectividad de los mismos
Fuente: Superintendencia Financiera de Colombia
43
6.2.2. Sistema de Administracin de Riesgo de Liquidez (SARL)
Para el control del riesgo de liquidez, la Superintendencia obliga a las entidades
que vigila a implementar el Sistema de Administracin de Riesgo de Liquidez
(SARL), que ha desarrollado para evitar el incumplimiento de pago de las obliga-
ciones en las fechas oportunas y as mismo asumir costos adicionales que no se
esperan.
Este Sistema le ha permitido a las entidades establecer el monto adecuado para
reducir el riesgo y de esta manera generar estabilidad y confanza tanto para las entida-
des como para el pblico y el mercado en general, pues, se cumple con las obligaciones
fnancieras y al mismo tiempo se evita la falta de recursos lquidos e inestabilidad y
desconfanza en el mercado.
La difcultad que se presenta en la implementacin de este sistema, se encuen-
tra ligada a los efectos que pueden generar las crisis fnancieras, particularmente,
al impedir el normal funcionamiento de la economa y generar estancamiento de la
misma, ya que la liquidez del sector se ve limitada, pues, la baja frecuencia de nego-
ciacin hace que las transacciones en el mercado sean menores o en su defecto no
puedan realizarse. Esto se debe, a que la incertidumbre se torna mayor cuando no se
tiene ningn conocimiento o medio efcaz de cobertura que ayude a mitigar o prever
las posibles prdidas generadas por las volatilidades en los precios o por el incumpli-
miento de las obligaciones al momento de enfrentar las adversidades causadas por
colapsos fnancieros.
7. gestIn global del rIesgo operacIonal
El Acuerdo de Capitales emitido por Basilea II ofcializa a nivel internacional el riesgo
operacional estableciendo las pautas para el uso de metodologas de medicin y reque-
rimientos de capital para su cobertura.
En este contexto, el Comit de Supervisin Bancaria de Basilea, defne el riesgo
operacional como prdidas derivadas de inadecuacin o fallos en los procesos inter-
nos, en los sistemas, en la actuacin del personal o por eventos externos (Asoban-
caria, 2007).
Por su parte la Superintendencia Financiera de Colombia defne al riesgo operacio-
nal como la posibilidad de incurrir en prdidas por defciencias, fallas o inadecuaciones,
en el recurso humano, los procesos, la tecnologa, la infraestructura o por la ocurrencia de
acontecimientos externos (Asobancaria, 2007).
Con respecto a la concepcin que tienen estas entidades sobre riesgo operacional,
existe una discrepancia en la inclusin del riesgo legal y el reputacional, dado que el
Comit de Basilea excluye dentro de su defnicin stos riesgos, mientras que la Super-
intendencia los incorpora defnindolos como:
1. Riesgo Legal es la posibilidad de prdida en que incurre una entidad al ser sancio-
nada u obligada a indemnizar daos como resultado del incumplimiento de normas o
regulaciones y obligaciones contractuales.
44
2. Riesgo Reputacional es la posibilidad de prdida en que incurre una entidad por des-
prestigio, mala imagen, publicidad negativa, cierta o no, respecto de la institucin y
sus prcticas de negocio que cause prdida de clientes, disminucin de ingresos o pro-
cesos judiciales. (Asobancaria, 2007).
La adecuada administracin del riesgo operacional ha adoptado cada vez ms rel-
evancia dentro de las empresas del sector fnanciero, pues el no control de ste ha lleva-
do a diversas compaas fnancieras internacionales a enfrentarse a grandes problemas
por prdidas originadas por inadecuados manejos y ausencia de supervisin sobre las
actividades de los funcionarios de stas instituciones, que en muchos casos hizo inevi-
table el cerramiento de estas por la eventual bancarrota, o la venta a empresas que las
absorbieran y pudiesen responder por sus deudas.
Tal es el caso del Allied Irish Banks que perdi 691 millones en el ao 2002, como
responsabilidad de uno de sus funcionarios que oculto las prdidas acumuladas de tres
aos sobre la tasa de cambio Yen/Dlar a su subsidiaria en los Estados Unidos, afectan-
do drsticamente la reputacin del Banco. ste, como otros casos, ha hecho que los
integrantes del sistema fnanciero busquen la manera de cubrirse de ste tipo de situa-
ciones mediante el control sobre las operaciones de sus compaas.
As, se hace necesario la implementacin de metodologas que permitan la
medicin del riesgo operacional que contemplen los factores que inciden en las activi-
dades de las diferentes lneas de negocios que manejan las distintas entidades fnan-
cieras, haciendo posible que las compaas diseen estrategias para mitigar el efecto
de ste riesgo adaptndolo a su perfl. La inclusin de la gestin de riesgo operacional
dentro de las empresas permite:
Identifcar las prdidas contables y no contables de la empresa.
Clasifcar y conocer de los riesgos.
Formular de medidas para monitoreo.
Evaluar el coste/benefcio de su mitigacin.
Analizar los indicadores de riesgo y de rendimiento.
7.1. Factores y Categoras de los Riesgos Operacionales
Los factores de riesgo operacional, son aquellos que pueden o no generar prdidas para
las entidades. Estos, segn su clasifcacin, pueden ser internos o externos, como se
indica a continuacin:
internos: Recurso Humano, procesos, tecnologa, infraestructura.
Externos: Son situaciones asociadas a la fuerza de la naturaleza u ocasionadas
por terceros, que no pueden ser previstos ni controlados por la entidad, tales
como prdidas, eventos de prdida.
El riesgo operativo, consta de siete categoras de eventos, considerados como las
principales causas de las prdidas operacionales en las entidades fnancieras:
1. Fraude Interno: actos intencionados que buscan defraudar o apropiarse de activos
de la entidad o incumplir normas o leyes, en los que estn implicados funcionarios
de la entidad.
45
2. Fraude Externo: actos realizados por una persona externa a la entidad, que buscan
defraudar o apropiarse de activos de la misma o incumplir normas o leyes.
3. Relaciones laborales: actos que son incompatibles con la legislacin laboral, con los
acuerdos internos de trabajo y con la legislacin en general.
4. Clientes: fallas negligentes o involuntarias de las obligaciones frente a los clientes y
que impiden satisfacer una obligacin profesional frente a stos.
5. Daos a activos fsicos: hacen referencia a prdidas o daos en activos fsicos de la
entidad, originados por desastres naturales u otros sucesos.
6. Fallas tecnolgicas: obedecen a todas las interrupciones que se producen en el ne-
gocio por motivos tecnolgicos y fallas en los sistemas.
7. Ejecucin y administracin de procesos: hacen referencia a las fallas en el procesa-
miento de las transacciones o en la gestin de los procesos.
En el esquema 4 se puede observar un cuadro conceptual que permite identifcar la
interaccin de los componentes que conforman el riesgo operacional.
Esquema 4. Riesgo Operacional.

7.2. Medicin del Riesgo Operacional
La cuantifcacin permite tener ms objetividad en la gestin del riesgo, logrando mayor
efcacia en la asignacin de recursos para minimizar el impacto de las prdidas operativas.
Metodologas para la cuantifcacin
Basilea II establece un marco de referencia para la gestin integral de los riesgos que es
adoptado por los supervisores y entidades como una gua de mejor prctica. ste pre-
senta tres mtodos para el clculo de los requerimientos de capital asociados al riesgo
operacional:
Fuente: Ernst & Young
46
1. Mtodo del Indicador Bsico
De acuerdo a los parmetros establecidos por el Comit de Basilea, en la utilizacin del
mtodo del indicador bsico el requerimiento de capital es equivalente a un porcentaje
del 15% del promedio de los tres ltimos aos de ingreso bruto anual positivo que haya
obtenido la entidad, es decir, se excluyen los aos en que el ingreso anual haya sido
negativo o igual a cero.
2. Mtodo Estndar
Para la implementacin de este mtodo, se debe tener en cuenta la divisin de las ac-
tividades que realizan las entidades fnancieras (lneas de negocio), donde el requeri-
miento de capital para cubrir el riesgo se obtiene multiplicando el ingreso bruto anual
por un factor (valor) sugerido por el Comit de Basilea. Cabe destacar que los ingresos
brutos negativos de cualquier lnea de negocio pueden ser compensados por los ingre-
sos brutos positivos de las otras lneas de negocio. Los porcentajes por lnea negocio se
pueden observar en la siguiente tabla.
Tabla 3. Factores de requerimiento de capital por actividad fnanciera.
LNEAS DE NEGOCIO FACTOR
Finanzas Corporativas 18%
Negociacin y Ventas 18%
Banca Minorista 12%
Banca Comercial 15%
Pagos y Liquidacin 18%
Servicios de Agencia 15%
Administracin de Activos 12%
Intermediacin Minorista 12%
Los mtodos de indicador bsico y estndar, no son considerablemente sensibles al
riesgo, debido a que la cuantifcacin de los montos de capital requeridos es producto
de la relacin de los ingresos brutos y el coefciente de exigencia de capital. Estos m-
todos son criticados, pues, las entidades son sancionadas por tener ingresos brutos el-
evados y porque el requerimiento de capital podra depender de las prcticas contables
de cada pas, posibilitando as el arbitraje regulatorio.
3. Mtodos de Medicin Avanzada (AMA)
En los AMA el requerimiento de capital es determinado en funcin de la estimacin de
modelos estadsticos de medicin interna del riesgo operacional al que est expuesta
la entidad. Segn Basilea II, la posibilidad de implementar modelos internos est suje-
ta a la aprobacin del supervisor y el cumplimiento de los requerimientos cualitativos
pertinentes.
47
La metodologa para determinar el requerimiento de capital por riesgo operacional
mediante los AMA es semejante al clculo del VAR, con la estimacin obtenida de la
distribucin de prdidas. As, el requerimiento de capital establecido por Basilea es el
que acumula el 99,9% de las prdidas en un ao.
Mtodos de medicin avanzada: Enfoque de Distribucin de Perdidas
El mtodo de Enfoque de Distribucin de Prdidas (LDA por sus siglas en ingls -Loss
Distribution Approach-), es uno de los ms utilizados en la cuantifcacin del riesgo
operacional y tiene como objetivo la obtencin de la funcin de distribucin agregada
de prdidas operacionales, la que se obtiene de la acumulacin de distribuciones de
prdidas para cada lnea de negocio, tipo de riesgo o combinacin de ambas. Para que
la metodologa resulte efciente, se deben tener dos condiciones importantes:
1. Adecuada seleccin de las distribuciones de frecuencia e intensidad.
2. Apropiada parametrizacin de las distribuciones seleccionadas.
Las prdidas operativas pueden dividirse en dos componentes:
1. La frecuencia, que representa todas las cantidades posibles de eventos con su res-
pectiva probabilidad.
2. La intensidad, que representa todos los posibles valores de prdida por evento y su
probabilidad, una vez ocurrido el evento.
Para efectos del clculo, tanto la distribucin de frecuencia como la de intensidad de-
ben ser estimadas en funcin de las prdidas operacionales observadas por la entidad y re-
gistradas en su base de prdidas operacionales histricas. El esquema 5 permite observar
la esquematizacin del proceso de estimacin de la distribucin de prdidas operacionales.
EsquEma 5. Proceso de Estimacin de Distribucin de Prdidas Operacionales.
Fuente: Price Water House Coopers
48
Paso 1. Base de datos
Es el paso fundamental en la construccin o desarrollo del modelo de cuantifcacin
del riesgo operacional y permitir el traspaso de un enfoque cualitativo a un enfoque
integral (cualitativo-cuantitativo).
Paso 2. Frecuencia de eventos
Con el fn de determinar la frecuencia de eventos con un plazo defnido, se utiliza una
distribucin de conteo que especifca la probabilidad de un determinado nmero de
eventos para dicho plazo a partir de las prdidas registradas por la entidad.
Paso 3. Intensidad de eventos
Para lograr determinar la intensidad de los eventos, es necesario estudiar la base de
prdidas operacionales para ajustar la distribucin paramtrica que mejor se adecue a
los datos observados en los montos de prdidas. En la prctica, generalmente se utili-
zan distribuciones como Log normal, Pareto y distribuciones de cola larga, para evitar
subestimar sta por falta de informacin.
Paso 4. Simulacin de Montecarlo
Con el objeto de generar la distribucin de prdidas se puede utilizar el mtodo de si-
mulacin de Montecarlo, que se obtiene del siguiente proceso:
Simular la cantidad de eventos de prdidas operacionales para el plazo de
tiempo determinado.
Para cada evento de prdida se debe hacer una simulacin del monto de pr-
dida asociado.
La prdida total para el plazo, es la suma de los montos de prdida de cada uno
de los eventos que se simularon en el punto anterior.
De esta manera, el proceso estima la distribucin de prdidas utilizando un nmero
sufciente de escenarios hipotticos, generados aleatoriamente a partir de las estima-
ciones de las distribuciones de intensidad y frecuencia.
7.3. Sistemas de Gestin del Riesgo Operacional
Con el surgimiento de la necesidad de implementar un marco que administre el ries-
go operacional y permita contrarrestar los efectos negativos que pueden afectar la es-
tructura empresarial, la comprensin del impacto del riesgo, el poder asignar el capital
segn el riesgo asumido e informacin que logre mejorar las decisiones sobre la miti-
gacin del riesgo operacional, se hace necesario uno o varios mtodos para gestionar
el riesgo operacional. La Gestin del riesgo, se puede realizar de dos formas: cualitativa
y cuantitativa.
Para lograr una efectiva aplicacin de la primera forma de gestin, se deben tener
en cuenta tres aspectos fundamentales:
49
1. Identifcacin del riesgo: en el cual se elabora un mapa de procesos que permita
detectar los riesgos y controles existentes, as como su valoracin en trminos de
impacto y frecuencia de las prdidas. El esquema 6 permite apreciar un ejemplo de
este tipo de matrices.
En el esquema, el eje de las abscisas (X) muestra el impacto de un evento de riesgo
y el eje de las ordenadas (Y) muestra la probabilidad de ocurrencia del evento. Los
escenarios de baja probabilidad de ocurrencia de evento y bajo impacto se denomi-
nan escenarios de Riesgo Bajo, mientras que escenarios de Riesgo Extremo se
presentan cuando la magnitud del evento o su probabilidad de ocurrencia son altas.
2. Modelo organizativo: donde se contempla la creacin de una unidad independiente,
responsable de la gestin del riesgo, pues, esta ser que genere mecanismos que
procuren una efectiva administracin del riesgo.
3. Herramientas de gestin: dentro de la gestin, los instrumentos que se deben im-
plementar son mapas de procesos y riesgos, indicadores de riesgo, alertas, bases
de datos y sobre todo auto-evaluaciones.
Por otro lado, la segunda forma de gestin, la forma cuantitativa, debe tener en
cuenta que la existencia de datos externos es fundamental para las entidades, puesto
que stos les permiten lograr una mejor cuantifcacin del riesgo. Sin embargo, se pre-
sentan difcultades en su realizacin, pues muchas empresas son reacias a compartir o
divulgar esta informacin o en su defecto muchas de ellas no llevan registros histricos
acerca de este riesgo.
Cabe destacar, que los mtodos utilizados para realizar esta gestin son muy gene-
rales, por lo que se requiere que cada entidad establezca su perfl de riesgo y as lograr
que la cuantifcacin y mitigacin sea ms efciente. Uno de los mtodos ms utilizados
para la gestin de riesgo operacional, es el modelo actuarial, que tiene por objetivo es-
timar las prdidas obtenidas basndose en datos histricos, determinando el impacto y
la frecuencia con que ste se presenta.
EsquEma 6. Mapa de Gestin de Riesgo Operacional.
Fuente: SERFINCO S.A.
50
As mismo, existen algunas herramientas que son utilizadas para gestionar el riesgo
operativo y estn clasifcadas en seis categoras, tal y como se observa en la tabla 4.
Tabla 4. Herramientas Utilizadas para la Gestin del Riesgo Operativo.
HERRAMIENTAS DESCRIPCIN
Auditora de Supervisin
Revisin de los procesos de un negocio por parte de un departamento de
auditora externa
Evaluacin Auto-crtica Cada unidad de negocio identifca la naturaleza y el tamao de Riesgo Operativo
Indicadores Claves de Riesgo
Medidas sencillas que identifcan si los Riesgo Operacionales estn cambiando
con el tiempo
Volatilidad del Ingreso
Riesgo generado por las fuctuaciones de los negocios y los riesgos
macroeconmicos
Modelos Actuariales
Describe como las causas y efectos de los sucesos estn ligados a travs de
probabilidades condicionales
Causas en Red
Combina la distribucin de frecuencia de las perdidas con la severidad de la
distribucin por la ocurrencia de un riesgo operacional
Igualmente para que las entidades obtengan una efectiva administracin del ries-
go, pueden adherirse a la utilizacin de la Norma Tcnica Colombiana 5254 (NTC-5254),
la cual contempla la manera como se debe adoptar un sistema de administracin de
riesgos, que a su vez permitir a stas:
Control de costos
Minimizar prdidas
Maximizacin de oportunidades
Gestin ms fexible
Nuevas habilidades de gestin
Aumento de responsabilidad
7.4. Mitigacin de Riesgo Operacional
Para la mitigacin del riesgo operacional, es importante que las entidades creen bases
de datos internas que contengan informacin de las prdidas y de su asignacin, para
lo que existen diferentes modelos que contribuyen a que stas entidades gestionen y
administren de manera efciente los diferentes riesgos operacionales.
Uno de los modelos ms efectivos de mitigacin de riesgo operacional, son los
AMA, que permiten hacer una previsin de los diferentes contextos en que se desem-
pea la entidad, y la implementacin de nuevas polticas de seguros, que les permitan
cubrir parte de las prdidas que se puedan presentar. Cabe destacar, que el requeri-
miento de capital para cubrir el riesgo, estar infuenciado por el mtodo empleado y
por su parametrizacin, as como la exactitud de su estimacin estar en funcin de los
supuestos e hiptesis incluidos.
51
La implementacin de estos modelos de medicin avanzada del riesgo operacio-
nal, le permitir obtener importantes benefcios a las entidades, que se ver principal-
mente refejado en ahorros de capital y optimizacin de sus polticas de seguros.
As mismo, para que exista una efectiva mitigacin del riesgo, es necesaria la inte-
gracin de la gestin cualitativa y cuantitativa, pues, esto permitir que se detecten e
identifquen todos los riesgos y causas que puedan generar prdidas futuras en la enti-
dad, lo cual contribuir a la oportuna formulacin de planes de accin que minimicen el
impacto de estos riesgos, y que a su vez, las entidades logren una reduccin de costos
en sus lneas de negocio y en los requerimientos de capital.
En este contexto, Basilea II contempla que para la aplicacin de metodologas de
medicin de riesgo operacional es necesario contar con buenas prcticas de gestin y
supervisin. Para esto, ha emitido un documento llamado Sound Practices for the Ma-
nagement and Supervision of Operational Risk, en el cual estipula principios que sirven
de marco de referencia para lograr una efectiva administracin del riesgo operativo,
que facilitar a las entidades la evaluacin de polticas y prcticas orientadas a gestio-
nar este tipo de riesgos.
Dentro de dicha publicacin, se establece que para lograr una adecuada admi-
nistracin de riesgo operativo, las entidades deben tener en cuenta factores como el
tamao, la naturaleza y complejidad de sus actividades, as como diversos elementos
que estn relacionados con estrategias bien defnidas, una slida cultura de gestin de
riesgo operativo, control interno y herramientas efcaces para la divulgacin interna de
informacin y planes de contingencia.
Igualmente la mitigacin de los riesgos operacionales se realiza a travs de controles,
que deben ser evaluados en relacin a su efectividad y su implementacin, para ello se re-
quiere la construccin de una escala de califcacin que permita realizar dicha evaluacin.
Posteriormente se debe construir la matriz de evaluacin de controles en la cual
se identifque el estado de cada uno de los riesgos, de acuerdo a la efectividad e imple-
mentacin, como se muestra en el esquema 7.
EsquEma 7. Matriz de Evaluacin de Controles para Mitigar Riesgo Operacional.
Fuente: FEN
52
Por lo tanto, el control que se ejerza permitir a la empresa orientar la gestin de
riesgo a la implementacin de metodologas que permitan minimizar el impacto de
ste o transferirlo. Por lo anterior, es importante que las entidades fnancieras adopten
un Sistema de Administracin para ste riesgo que le permita tener un control sobre el
mismo, permitindoles dimensionar la magnitud de su exposicin.
7.5. Sistema de Administracin de Riesgo Operativo (SARO)
En Colombia la Superintendencia Financiera es quien supervisa que las entidades que
vigila establezcan un sistema que les permita administrar de una manera efectiva el
riesgo operacional. Mediante la circular externa del 2006 se establecen reglas relativas
a la administracin del Riesgo Operativo, que son de obligatorio cumplimiento para las
entidades que estn sometidas a su inspeccin y vigilancia.
De acuerdo con la Superintendencia Financiera de Colombia el SARO contempla un
conjunto de polticas, documentos, procedimientos, estructura organizacional, rga-
nos de control, registro de eventos de riesgo, plataforma tecnolgica y divulgacin de
informacin y capacitacin, mediante los cuales las entidades vigiladas pueden realizar
una efectiva administracin del riesgo. Para ello, las etapas de la Administracin del
riesgo operacional son cuatro: Identifcacin, Medicin, Control y Monitoreo.
1. Identifcacin: Las entidades deben identifcar los posibles riesgos que puedan
presentarse en el ejercicio de sus actividades, teniendo en cuenta los factores que
la afectan segn el rea de negocio. En esta etapa, las entidades deben documen-
tar todos los procesos que realizan, con el fn de establecer metodologas de iden-
tifcacin del riesgo aplicadas a cada proceso.
2. medicin: La implementacin del SARO, permite calcular la probabilidad de que
un evento ocurra, la prdida y el impacto de ste en caso de materializarse. La in-
formacin obtenida puede ser cualitativa o cuantitativa en caso de emplear datos
histricos. Es importante que las entidades establezcan su perfl de riesgo y a su vez
tengan en cuenta que la metodologa implementada para esta etapa sea suscepti-
ble a aplicacin individual o consolidada segn los factores de riesgo.
3. Control: Las entidades podrn decidir si aceptan, transferen o evitan el riesgo si
es posible. Sin embargo, es obligacin de stas tomar medidas correctivas que les
permitan minimizar la probabilidad de que eventos adversos ocurran y que su im-
pacto genere prdidas signifcativas. En esta etapa, las entidades deben establecer
medidas que permitan tener un control efectivo de los riesgos, as como asegurar
la continuidad del negocio.
4. monitoreo: Las entidades deben realizar peridicamente un seguimiento de los
perfles de riesgo potenciales presentados y las prdidas a las que estuvieron ex-
puestas, con el fn de facilitar una rpida deteccin y correccin de las falencias de
su sistema, establecer indicadores que permitan identifcar las principales fuentes
de riesgo operacional y asegurar que los controles y programas implementados
sean efcaces y funcionen de manera oportuna.
Este sistema puede resultar insufciente, en la medida en que todas las entidades
vigiladas por la Superintendencia establecen y presentan dentro de su flosofa una se-
rie de medidas que ayudan a contrarrestar las fallas presentadas en el contexto opera-
53
tivo y as mismo realizan convenios con diferentes instituciones cuyo objeto social es
asegurar todo tipo de riesgo generado por los agentes que actan internamente en la
misma. El ncleo del problema est en que estas medidas son tomadas como una ob-
ligacin de seguridad y no como un factor relevante para el adecuado funcionamiento
de la gestin del riesgo, haciendo estas medidas insufcientes, pues, su aplicacin no es
permanente y su exposicin se hace mayor al no cumplir con los requerimientos estab-
lecidos dentro del marco regulatorio expuesto ante la autoridad supervisora.
biblioGrafa
Asesoras e inversiones s.a. (2007). Sistema de administracin de riesgo
operativo. Recuperado, 12 de mayo de 2009, de http://www.ase-
soriaseinversiones.com/informes/CULTURA%20DE%20RIESGO/
saro_web.pdf.
ASOBANCARIA (Marzo de 2006). La gestin del riesgo operacional en
Colombia: un tema de gran importancia en el sector fnanciero. Re-
cuperado el 9 de mayo de 2009, de http://www.asobancaria.com/
upload/docs/docPub2971_2.pdf.
(cbot(fecha de visita: 15 de Septiembre 2008; 5:30p.m) Comits de su-
pervisin bancaria de Basilea Suiza; disponible en http://www.
bis.org/stability.htm).
(cbot(fecha de visita: 03 de Octubre 2008; 2:14p.m) Circulares de Basilea
disponible en http://www.bis.org/stability.htm).
(cbot(fecha de visita: 03 de Octubre 2008; 3:45.m) Circular bsica con-
table y fnanciera (Circular Externa 100 de 1995.) Superintendencia
Financiera de Colombia, disponible en http//www.superfnanciera.
gov.co/Normativa/Normasy Reglamentaciones/cir100.htm).
BUENO, J. Conceptos y experiencias en riesgo operacional. Recuperado, 12
de mayo de 2009, de http://auditor2006.comunidadcoomeva.com/
blog/uploads/2-PresentacinLibardoBueno-ERNSTYOUNG.pdf.
CEA, J. (Noviembre de 2002). Mitigacin del riesgo operacional. Recu-
perado el 11 de mayo de 2009, de http://www.risklab.es/es/jorna-
das/2002/BearingPoint_Mitigacion_Riesgo_Operacional.pdf.
DIOSDADO, Alejandro Ernst & Yong Mxico, 2007 administracin de
riesgo fnanciero, riesgo de crdito. Presentacin riesgo y oportu-
nidad, Bolsa Mexicana de valores.
D&A CONSULTORES (Octubre de 2005). La cuantifcacin del riesgo ope-
racional (ms que un requerimiento del supervisor una necesidad
para ser efcientes). Recuperado el 14 de mayo de 2009, de http://
www.prmia.org/Chapter_Pages/Venezuela/presentaciones%20
de%20eventos/sro-int-prmia(1).pdf.
ESPINOZA, Juan (2007), matrices de transicin y cadenas de markov edi-
cin, N20. FEN (Noviembre de 2007). manual de riesgo operati-
vo. Recuperado el 14 de mayo de 2009, de www.fen.co
JORION, Philippe (2007) El nuevo paradigma para el control de riesgo con
derivados, valor en riesgo.
KOZIKOWSKI, Zbigniew (2000) Finanzas Internacionales. Ed. McGraw-
Hill, Primera edicin. Mxico. Captulos 4 y 9.
54
KPMG (KPMGs Basel Iniative). (Abril de 2004). Basilea II: una mirada
ms cercana - Administracin del Riesgo Operacional (Boletin Fi-
nanciero). Recuperado el 14 de mayo de 2009.
PRICEWATERHOUSECOOPERS (2007). riesgo operacional. Recupera-
do el 14 de mayo de 2009, de http://www.pwc.com/ar/spa/pdf/
CEO_RiesgoOperacional02.pdf.
VILARIO, ngel (2001). Turbulencias fnancieras y riesgos de mercado.
Ed. Prentice Hall. Espaa.
55
captulo 2.
gestIn de rIesgos en el mercado
de las materIas prImas agrcolas
Risk management in the commodities market
Guillermo Valbuena Caldern
RESUMEN
L
os precios de las materias primas estn determinados por factores
de oferta y demanda, por ejemplo, las preferencias de los consu-
midores, las condiciones climticas, confictos polticos, entre otros.
Una caracterstica de las materias primas es la presencia de alta vola-
tilidad en los rendimientos de los precios, generando incertidumbre a
los agentes participantes en el mercado. Es importante pronosticar la
volatilidad de los rendimientos de los precios de las materias primas,
permitiendo una medida ms consistente de la prdida mxima de un
portafolio en condiciones normales del mercado.
56
ABSTRACT
The prices of commodities are determined by supply and de-
mand factors. For instance, the preferences of consumers, the
weather conditions, political conficts, among others. One of the
features of commodities is high volatility in the prices returns,
which raises uncertainty among the agents participating in the
market. It is important to forecast the volatility of the price re-
turns of commodities in order to have a more consistent measure
of maximum loss on a portfolio under normal market conditions.
PALABRAS CLAVE: Decisiones de inversin en materias pri-
mas, Pronstico de la volatilidad, Riesgo.
KEY WORDS: Investment decisions in commodities, Forecas-
ting volatility, Risk
CLASIFICACIN JEL: G11, G17, G32.
57
1. IntroduccIn
Este captulo tiene como objetivo pronosticar las volatilidades de los rendimientos de los
precios diarios de algunas materias primas agrcolas, a travs de metodologas que per-
miten cuantifcar el comportamiento de la desviacin estndar de los precios de estos
activos. Por otro lado, pretende determinar cul es el efecto de incorporar en el clculo
de la volatilidad, variables exgenas, ya sean variables macroeconmicas y/o precios de
otras materias primas. Finalmente, identifcar el efecto que podran ejercer las expectati-
vas que se forman en el periodo t, de valores futuros t+1 de variables exgenas, sobre la
volatilidad actual (t) de los rendimientos de los precios de las materias primas y por tanto
de los valores en riesgo VaR de los portafolios de materias primas agrcolas.
El precio de una materia prima agrcola no solo est determinado por el compor-
tamiento histrico del precio de los factores, sino que tambin se ve infuenciado por
las expectativas que tengan los agentes del comportamiento futuro de los factores que
afectarn la variable en un momento del tiempo. Lo anterior hace referencia a las ex-
pectativas en la teora econmica, que se dividen en expectativas adaptativas y expec-
tativas racionales. Las expectativas adaptativas parten del supuesto de que el presente
y futuro de una variable est determinado por el comportamiento histrico de la misma
variable o de otras variables, mientras que las expectativas racionales parten del su-
puesto de que las variables econmicas no siguen siempre un comportamiento alea-
torio sino un patrn de conducta, lo que permitir formar expectativas sobre el valor
futuro de una variable.
La dinmica en el precio de las materias primas esta determinada principalmente
por movimientos de oferta y demanda; por el lado de la oferta estn las condiciones
climticas, bajo o elevado suministro del producto debido a un dfcit o un supervit de
la materia prima, confictos polticos o militares, entre otros; y, por el lado de la deman-
da se encuentran las preferencias del consumo por un determinado bien y, la variacin
del ingreso de los consumidores, como est sucediendo desde mediados de los aos
ochenta en China e India.
Por lo anterior, la presente investigacin mostrar que s el pronstico de las volati-
lidades del rendimiento de los precios de las materias primas agrcolas utiliza modelos
que incluyen nicamente informacin histrica de la propia variable u otras variables
exgenas, se obtendr un pronstico de la volatilidad ms alto que si el pronstico de
dichas volatilidades utiliza modelos donde se incluye informacin sobre el comporta-
miento futuro de las variables exgenas que afectan la volatilidad. Entonces, para un
clculo consistente del pronstico de la volatilidad se debe incluir en los modelos in-
formacin que incorpore expectativas racionales sobre el comportamiento futuro del
precio de un bien especfco o una variable macroeconmica.
En los mercados fnancieros, la medicin de Valores en Riesgo (VaR) es una he-
rramienta fundamental para el clculo de mximas perdidas de una inversin en una
materia prima agrcola o un portafolio de las mismas, en un periodo de tiempo y con
un nivel de confanza determinado a priori. Dicha herramienta de cuantifcacin VaR
funciona en condiciones estables del mercado. Es decir, en periodos de crisis o auges
del mercado puede llegar a subestimar o sobreestimar las prdidas de las inversiones
que tengan los agentes del mercado.
58
Por lo anterior, la medicin de las volatilidades es una herramienta til en la gestin
de riesgos en el mercado de las materias primas agrcolas, ya que los precios de esta
clase de activos son altamente voltiles creando incertidumbre a los productores, con-
sumidores, negociadores, gobiernos, gremios econmicos, instituciones fnancieras,
entre otros, por lo que las volatilidades de los rendimientos de los precios pueden llevar
a grandes prdidas o ganancias en un periodo de tiempo.
La presente investigacin se centrar principalmente en la aplicacin de diversas
metodologas para el clculo de las volatilidades de los rendimientos de los precios de
algunas materias primas agrcolas, y al fnal compara las potenciales perdidas de una
inversin (comparacin de VaR) con volatilidades pronosticadas por modelos que incor-
poran expectativas racionales y expectativas adaptativas.
Algunas metodologas para pronosticar la volatilidad de los rendimientos de los
precios de los activos son: a) La distribucin lognormal; b) El Mtodo EWMA (Exponen-
tially Weighted Moving Average) desarrollado por JPMorgan; y, c) Los mtodos Econo-
mtricos de modelacin de heterocedasticidad (Familia de modelos GARCH univaria-
dos o multivariados).
2. fundamentacIn terIca
2.1 Precio de las Materias Primas y la Poltica Econmica
El comportamiento de los precios de la materias primas puede estar explicado por la
dinmica econmica, la presin geopoltica, intervencin de los especuladores, fondos
de coberturas e inversionistas institucionales,, comportamiento de la poltica mone-
taria y la debilidad o fortaleza del dlar, Arango et.al. (2008, pg. 4. Las itlicas son
propias).
Numerosos pases en desarrollo son grandes productores
1
y exportadores de mate-
rias primas, por lo que son vulnerables a las volatilidades de los precios internacionales
de los productos, afectando los ingresos recibidos por exportaciones.
Las materias primas son activos que se caracterizan por:
Contar con una oferta limitada.
Ser principalmente activos de consumo y no ser activos de inversin
2
.
Son activos heterogneos (por uso y procedencia).
Su utilizacin en la manufactura y el consumo industrial.
Fabozzi, Fss y Kaiser (2008) dan una clasifcacin de las materias primas, como se
muestra en el cuadro1.
1 Por ejemplo, Costa de Marfl produce cacao, Brasil produce caf, China produce trigo, arroz, aluminio, algodn,
entre otros, Tailandia produce caucho natural, Indonesia produce aceite crudo de palma, los pases de la OPEP
producen petrleo, etc.
2 El oro podra ser la excepcin ya que es un commodity que no se consume sino que se invierte.
59
De acuerdo con Anson (2008), las materias primas diferen de otros activos, bonos
y acciones, en la formacin de precios dado que stos se forman en el mercado global,
mientras que los precios de los activos de renta fja y renta variable se forman en el mer-
cado regional. En concordancia con Anson (2008), Gilbert (2003) seala que una carac-
terstica de los precios de los commodities
3
es la volatilidad que se presenta porque las
elasticidades de la produccin y el consumo son bajas. En este sentido Gilbert (2003)
permite concluir que:
Los choques de demanda afectan principalmente los precios de las materias
primas industriales ya que la oferta es relativamente inelstica; y,
Los choques de oferta afectan principalmente los precios de las materias pri-
mas agrcolas ya que la demanda de dichos commodities es relativamente
inelstica.
El comportamiento de los precios de las materias primas puede estar afectado por
factores macroeconmicos de oferta y demanda. Al respecto Pindyck y Rotemberg
(1990), concluyen que:
Un aumento en la tasa de inters actual disminuye la demanda futura por ma-
terias primas y eleva los costos de transporte.
Un incremento en la tasa de produccin industrial aumenta la demanda por
materias primas industriales ya que son insumos para la produccin4
4
.
Un efecto indirecto de las variables macroeconmicas sobre los precios de las mate-
rias primas se da a travs de las expectativas sobre la oferta y la demanda agregada.
3 Un commodity generalmente es un bien de inversin y se transa en bolsa, mientras las materias primas gener-
almente son insumos para la produccin y algunas se transan en bolsa.
4 Este es un efecto directo de una variable macroeconmica sobre el precio de las materias primas, que a su vez
incrementa la demanda por materias primas, por ejemplo, dentro del grupo de bebidas y granos aumenta la
demanda como resultado del incremento en el ingreso.
Cuadro 1. Clasifcacin de las materias primas.
60
Por su parte Frankel (2006) observ la relacin entre los precios de los commodi-
ties y los factores macroeconmicos, utilizando un modelo similar al overshooting de
Dornbusch, y concluy que en un escenario de altas tasas de inters reales se presenta
una disminucin en la demanda por commodities o un aumento en la oferta, generando
una cada en su precio. Lo anterior se explica por:
Un mayor incentivo de realizar extracciones en el presente, perodo t, ms que
en el futuro, perodo t+1.
Desincentivo de las empresas o frmas a tener inventarios, explicado por el alto
costo de oportunidad de los inversionistas de tener materias primas.
La formacin de preferencias por parte de los especuladores al sustituir con-
tratos o inversiones en commodities por inversiones en activos de ingresos f-
jos, por ejemplo, bonos del gobierno.
Otra relacin entre el precio de los commodities y factores macroeconmicos lo
observaron Adams, Fss y Kaiser (2008) a travs del IPC. Precisaron que las materias
primas son una cobertura de riesgos contra incrementos en el nivel de precios, enton-
ces, en situaciones infacionarias aumenta la demanda por materias primas ya que el
valor nominal de los otros activos se deteriora al aumentar la infacin esperada.
Por su parte Krichene (2008), realiza ejercicios de elasticidades entre ndices de
precios de commodities y el ndice de precios al consumidor (IPC) de los Estados Unidos
entre los perodos 1973 a 1980 y 2003 a 2007, y concluy que las elasticidades de los
ndices de precios de commodities respecto al IPC disminuyeron. Algunos factores que
explicaron los resultados del ejercicio, Krichene (2008, pg. 12), fueron:
Primero, las materias primas pueden presentar un componente muy pequeo en
la cesta de bienes de consumo. Por consiguiente, un aumento en los precios es pon-
derado por un menor coefciente y tiene por lo tanto un menor efecto sobre el IPC.
Segundo, como el petrleo y otras materias primas son insumos dentro de los
procesos de produccin, las ganancias en productividad pueden reducir el efecto
de los altos precios de las materias primas.
Tercero, la ganancia en productividad tambin puede disminuir el precio de los
productos manufacturados y, por lo tanto, compensa el impacto de los altos pre-
cios de las materias primas.
Adicionalmente, para determinar el impacto de la poltica monetaria en los ndi-
ces de algunas materias primas
5
Krichene (2008), a travs de un vector autorregresivo
(VAR) evala dicho efecto, a partir de la tasa de cambio y la tasa de inters. Analiz
los efectos de la poltica monetaria en trminos de una descomposicin de varianza y
concluy que la poltica monetaria explica en gran medida las variaciones de precio de
las materias primas.
Un factor importante que determina el comportamiento del precio de los com-
modities es la dinmica de la poltica econmica medida a travs de variables macro-
econmicas como las variaciones del ndice de precios al consumidor (IPC), comporta-
5 ndices del precio del oro, del petrleo, de los commodities diferentes a los combustibles, etc.
61
miento de la tasa de cambio, de la tasa de inters, etc. Los pases que son productores
y a la vez exportadores de commodities, como es el caso de Colombia, donde sus in-
gresos derivados del mercado de commodities dependen de las variaciones de los pre-
cios internacionales de los commodities y de las medidas de poltica econmica estarn
interesados entonces en la adecuada gestin de riesgos econmicos y fnancieros del
precio de las materias primas.
Como se menciono anteriormente, una caracterstica de los precios de los com-
modities es la volatilidad. Dicha variabilidad en los precios afecta las decisiones de
poltica microeconmica y macroeconmica, por ejemplo, las decisiones que tomen
los individuos sobre el consumo y el ahorro, los diseos de coberturas de riesgo que
involucran a los agricultores, intermediarios y gobierno, Deaton y Laroque (1992). Adi-
cionalmente, afecta las decisiones fscales y los niveles de inversin y decisiones de por-
tafolio, Arango et.al. (2008).
Es importante determinar la volatilidad de los precios de los commodities, ya que le
permite a los agentes agricultores, intermediarios, especuladores, gobierno, etc.- que
participan en este mercado disear estrategias de mitigacin de riesgos con el objetivo
de minimizar las perdidas esperadas que pueden sufrir sus portafolios, inversiones o
ingresos provenientes de los commodities
6
.
2.2 Teora de la Formacin de Expectativas Adaptativas
y Racionales
2.2.1 Expectativas adaptativas
Las expectativas adaptativas se fundamentan en que el comportamiento futuro de una
variable depende slo del pasado y presente de la misma. Un ejemplo de las expecta-
tivas adaptativas es el modelo de hiperinfaciones desarrollado por Cagan, con el cual
observ la estabilidad de las hiperinfaciones. La expresin de la formacin de las ex-
pectativas es:
(1)
En la ecuacin anterior se encuentra entre 0 y 1. La expresin (1-) indica la ve-
locidad de adaptacin de las expectativas. S la =1 las expectativas adaptativas no se
corrigen y s =0 indica que el nivel de precios no vara con respecto al anterior.
Para determinar el comportamiento esperado o futuro de los precios se reescribe
la ecuacin (1):
(2)
La ecuacin (2) expresa que los precios esperados en el momento t+1 son iguales
al promedio de los precios realizados en el momento t, con ponderaciones de 1- y .
6 Las frmas aseguradoras que ofrecen coberturas de seguros para el sector agrcola estn interesadas en que las vo-
latilidades sean mximas en pocas en las cuales los agentes del mercado demanda las coberturas, con el objetivo
de maximizar ingresos; y estn interesados en que las volatilidades sean mnimas en situaciones en los cuales es
necesario hacer efectivas las plizas o seguros y que la probabilidad de hacer efectiva la pliza sea mnima.
P
e
t +1
P
e
t
= (1 ) (P
t

P
e
t)
P
e
t+1
= (1 ) (P
t
+

P
e
t)
62
Por ltimo, la ecuacin de solucin del modelo de Cagan con expectativas adapta-
tivas, donde M
t
es la cantidad de dinero en el periodo t, es:
(3)
La ecuacin (3) indica que El nivel de precios de un perodo depende slo de la can-
tidad de dinero en el mismo perodo y los niveles de precios de perodos anteriores, pon-
derados con pesos decrecientes hacia atrs (es decir, de las cantidades de dinero presentes
y pasadas) Argandoa (1996, pg. 86).
2.2.2 Expectativas Racionales
La hiptesis de expectativas racionales se centra en el hecho de que la conducta de los
agentes depende de los valores pasados, presentes y futuros de las variables, Argando-
a (1996).
Las expectativas racionales parten del supuesto
de que las variables econmicas no son puramente aleatorias, sino que siguen cierto
patrn de conducta, que es necesario (y posible) conocer para formar las expectativas,
para lo cual los agentes deben intentar identifcar ese patrn (que puede ser propio de
esa variable o dependiente de otras). En todo caso cuanta mayor informacin se ten-
ga sobre el patrn, ms fcil ser formar expectativas sobre la variable en cuestin.
Argandoa (1996, pg. 87).
Sargent (1989), plantea que los agentes toman decisiones en situaciones dinmicas
sujetos a restricciones, por ejemplo, un cambio en la poltica gubernamental. Las re-
stricciones pueden variar afectando el comportamiento de los agentes y sus resultados
en el mercado. Adicionalmente, Sargent (2008) defne las expectativas racionales como
un concepto de equilibrio donde las variables endgenas dependen de las expectativas
de los valores futuros de dichas variables en un modelo de economa dinmica.
De acuerdo con Argandoa (1996), una aplicacin de las expectativas racionales
fue desarrollada por Muth, quien aplico estas expectativas a la macroeconoma con el
objeto de utilizar toda la informacin disponible de la mejor manera y tratar de dis-
minuir los errores sistemticos presentados en las expectativas adaptativas. La formal-
izacin de las expectativas racionales se expresa de la siguiente manera:
(4)
Donde,
x
t +1
= es la expectativa subjetiva de la variable . Signifca que es el valor esperado
de la variable condicionada a la informacin disponible en el momento t.
E
t
= es el valor esperado de la variable en el momento t.
I
t
= es el conjunto de informacin disponible en el tiempo t.
En conclusin, El uso de expectativas racionales no signifca,.., que los agentes no
cometan errores, ni que puedan predecir el futuro con exactitud, ni que conozcan todas
P
t
= (M
t /
a)+(b/a)(1)
i=0

i
P
ti
x
e
t +1
= E
t
[x
t +1
|I
t
]
63
las variables de la economa, etc., pero s que los errores cometidos no son sistemticos,
que no estn serialmente correlacionados (hiptesis de ortogonalidad), y que no se pueden
reducir con la informacin disponible (incluyendo la informacin sobre los errores cometi-
dos). Un agente que utilice reglas distintas a las expectativas racionales puede cometer
errores menores en la prediccin de una variable, pero, si usa expectativas racionales, no
cometer errores mayores. Argandoa (1996, pag.90).
2.3 Rendimiento y Volatilidad
2.3.1 Rendimientos de los Activos
La mayora de los anlisis de volatilidad de los activos se realizan sobre los rendimien-
tos o retornos y no sobre los precios. Los rendimientos de los activos se clasifcan en
retornos simples y retornos compuestos logartmicos.
El rendimiento simple se expresa de la siguiente manera:
(5)
Por otro lado, el rendimiento logartmico se expresa as:
(6)
Baillie (2007) menciona algunas caractersticas de los rendimientos a partir de var-
ias investigaciones empricas realizadas por otros autores.
Los rendimientos presentan no normalidad.
Exceso de curtosis en los rendimientos.
Los rendimientos no se pueden predecir y estn no correlacionados.
Las variaciones en los precios de los activos tienen periodos de estabilidad y
volatilidad.
2.3.2 Caractersticas de la Volatilidad
La forma ms general para medir la volatilidad de los rendimientos de los precios de
los activos es por medio de la desviacin estndar. Por ejemplo, s el comportamiento
del precio de un activo presenta alta volatilidad el resultado esperado (pronostico) es
altamente incierto.
La volatilidad de los rendimientos de los activos presenta las siguientes caracter-
sticas:
Asimetra: la volatilidad en un escenario de innovaciones positivas se compor-
ta diferente a un escenario con innovaciones negativas.
Variables exgenas: el comportamiento de la volatilidad de una serie se puede
ver afectada por la infuencia de variables exgenas.
Conglomerados de volatilidad (volatility clustering): se presentan conglome-
rados de volatilidad en los rendimientos de los precios de los activos cuando
Ecuacin 5

Ecuacin 6

Ecuacin 7

Ecuacin 8

Ecuacin 9

Ecuacin 10

Ecuacin 11

Ecuacin 12

Ecuacin 5

Ecuacin 6

Ecuacin 7

Ecuacin 8

Ecuacin 9

Ecuacin 10

Ecuacin 11

Ecuacin 12

64
hay periodos de alta volatilidad seguidos de periodos de baja volatilidad. Los
conglomerados de volatilidad dependen de la frecuencia de la informacin.
Reversin a la media: la volatilidad de los rendimientos de los precios tienden
a la media, es decir, existe un nivel normal de la volatilidad.
2.4 Tcnicas y Metodologas para el anlisis de Riesgo
de las Materias Primas
2.4.1 Hechos estilizados
Las series de tiempo generalmente se caracterizan por ser series no estacionarias.
Bailled y Myers (1991), encuentran las siguientes caractersticas de los precios de los
commodities:
Se distribuyen como un paseo aleatorio.
Presentan perodos de tranquilidad y volatilidad.
Tienen una varianza heterocedstica (cambia a travs del tiempo).
Las distribuciones son leptocrticas, evidencindose por la presencia de colas
gruesas o pesadas.
El trabajo de Parthe, et al. (1996) coincide con Bailled y Myers (1991) en que los
precios de los commodities son series de tiempo heterocedsticas que presentan colas
gruesas.
Existen varios ejercicios empricos que aplican mtodos estadsticos y econom-
tricos para analizar el comportamiento de los precios de los commodities. Dentro de
los ejercicios estadsticos se encuentra el trabajo realizado por Pindyck y Rotemberg
(1990), donde realizaron un anlisis de correlacin para siete materias primas no cor-
relacionadas
7
, utilizaron la tcnica de co-movimiento. Concluyeron que existe un mov-
imiento comn en los precios de las materias primas analizadas, el cual es explicado por
cambios en los valores presentes y futuros de las variables macroeconmicas, como la
infacin, tasa de inters, tasa de cambio y demanda agregada.
Adicionalmente a las tcnicas estadsticas, Parthe, et al. (1996) utilizaron el modelo
de series de tiempo GARCH para evaluar la hiptesis de excesos de co-movimiento en
el precio de algunos commodities no correlacionados. Concluyeron que existe un co-
movimiento entre las series de precios de los respectivos commodities seleccionados
que se debe a las infuencias de las variables macroeconmicas.
Por el contrario, Cashin, et.al (1999) llegaron a conclusiones diferentes. Utilizaron
la medida estadstica de concordancia y demostraron que los precios de las materias
primas que no estn correlacionados no se mueven juntos. Concluyeron lo contrario a lo
encontrado por Pindyck y Rotemberg (1990) y Parthe, et al. (1996).
Otro anlisis de correlacin aplicado a los commodities fue desarrollado por Bailey
y Chan (1993), donde utilizaron la prima de riesgo como una aproximacin para explicar
las variaciones en el precio de los mercados futuros de materias primas. Demostraron
7 La no correlacin implica que las elasticidades de oferta y demanda son cero. Adicionalmente, las materias
primas no correlacionadas no son sustitutos ni complementarios, no son usadas como insumos para las produc-
cin de otras y no son co-producidas.
65
que existe una signifcativa correlacin entre las variaciones de los precios de las mate-
rias primas y la prima de riesgo de los stocks y los bonos.
En conclusin, se aprecia que los valores esperados o futuros de las variables mac-
roeconmicas afectan el comportamiento del precio de las materias primas. Las ex-
pectativas que se tengan sobre qu valores esperados van a tener las variables mac-
roeconmicas, es un indicador muy importante para los agentes que participan en el
mercado de los commodities para el diseo de estrategias de inversin y de coberturas
de riesgos.
2.4.2 Metodologa histrica o lognormal
Este mtodo asume que los rendimientos tienen media cero y que son independientes
e idnticamente distribuidos (i.i.d). Este supuesto de i.i.d es ampliamente utilizado en
series de tiempo diarias, mientras en series de tiempo con otros intervalos de tiempo no
es comn. En el modelo histrico la varianza se expresa de la siguiente forma:
(7)
La ecuacin (7) signifca que la varianza de los rendimientos es el promedio de los
retornos al cuadrado. Donde r
i,t
son los rendimientos y T es el ltimo rendimiento diario.
La covarianza entre el precio del activo i y el activo j, se defne como:

(8)
2.4.3 Metodologa EWMA
8
Esta metodologa es ms robusta para el clculo de la volatilidad que la metodologa
lognormal. Algunas caractersticas generales de los modelos EWMA son:
Que le da una mayor ponderacin a las observaciones ms recientes.
Que el parmetro o factor de suavizamiento exponencial es , defnido entre
0 < < 1.
El clculo de la varianza es:

(9)
Y, el clculo para la covarianza:
(10)

8 Por sus siglas en ingles: Exponentially Weighted Moving Averages.
Ecuacin 5

Ecuacin 6

Ecuacin 7

Ecuacin 8

Ecuacin 9

Ecuacin 10

Ecuacin 11

Ecuacin 12

Ecuacin 5

Ecuacin 6

Ecuacin 7

Ecuacin 8

Ecuacin 9

Ecuacin 10

Ecuacin 11

Ecuacin 12

Ecuacin 5

Ecuacin 6

Ecuacin 7

Ecuacin 8

Ecuacin 9

Ecuacin 10

Ecuacin 11

Ecuacin 12

Ecuacin 5

Ecuacin 6

Ecuacin 7

Ecuacin 8

Ecuacin 9

Ecuacin 10

Ecuacin 11

Ecuacin 12

66
Tambin existe la forma recursiva para calcular la varianza y covarianza, que se pre-
sentan en las ecuaciones (11) y (12), respectivamente:
(11)
Donde,
El trmino
Ecuacin 5

Ecuacin 6

Ecuacin 7

Ecuacin 8

Ecuacin 9

Ecuacin 10

Ecuacin 11

Ecuacin 12

mide la intensidad de reaccin de la volatilidad cuando
varan las condiciones del mercado, mientras el trmino
Ecuacin 5

Ecuacin 6

Ecuacin 7

Ecuacin 8

Ecuacin 9

Ecuacin 10

Ecuacin 11

Ecuacin 12

mide la persistencia
de la volatilidad. El presenta dos interpretaciones: primero, s es pequeo signifca
que la volatilidad presenta una alta reaccin al fuctuar las condiciones del mercado y
segundo, s tiene un valor cercano a uno, la persistencia de la volatilidad es alta. En
sntesis, cuando hay alta reaccin hay baja persistencia y viceversa.

Y la covarianza recursiva:
(12)
En relacin con la reaccin y la persistencia de la volatilidad el modelo EWMA pre-
senta una restriccin porque asume que los parmetros de reaccin y persistencia no
son independientes. Deberan asumirse independientes ya que el parmetro de reac-
cin es determinado por (1-) y el parmetro de persistencia por , Alexander (2008).
2.4.4 Modelos ARCH
Esta familia de modelos es muy til para capturar irregularidades de las series fnan-
cieras como lo son los conglomerados de volatilidad y las colas gruesas o pesadas de la
distribucin.
2.4.4.1 Modelo ARCH
Los modelos ARCH (Autoregressive Conditional Heteroskedasticity) se caracterizan por:
Utilizan la varianza condicional, es decir, no es constante a travs del tiempo.
La volatilidad est en funcin del pasado de los errores al cuadrado.
Las variables endgenas y exgenas son rezagadas.
Este modelo se expresa como ARCH (q), donde q son los rezagos. Siguiendo a Bai-
llie (2007) este modelo se expresa como la ecuacin 13, donde y representa los errores
del modelo:
(13)
Los parmetros de restriccin deben ser positivos, es decir, > 0 y
j
0. Con las
condiciones de los parmetros de restriccin se garantiza que la varianza condicional
no va a ser negativa.
Ecuacin 5

Ecuacin 6

Ecuacin 7

Ecuacin 8

Ecuacin 9

Ecuacin 10

Ecuacin 11

Ecuacin 12

Ecuacin 5

Ecuacin 6

Ecuacin 7

Ecuacin 8

Ecuacin 9

Ecuacin 10

Ecuacin 11

Ecuacin 12

Ecuacin 13

Ecuacin 14

Ecuacin 15

Ecuacin 16

Ecuacin 17

Ecuacin 18

Ecuacin 19

Ecuacin 20

Ecuacin 21
67
2.4.4.1.1 Pruebas para detectar el efecto ARCH
Las pruebas ms conocidas para detectar el efecto ARCH de una serie de tiempo son:
La prueba de los multiplicadores de Lagrange (LM).
El estadstico Lijung-Box.
2.4.4.2 Modelos GARCH Simtricos
Los modelos GARCH (Generalized Autoregressive Conditional Heteroskedasticity) son
una generalizacin de los modelos ARCH y son modelos simtricos. Sus caractersticas
generales son:
La varianza condicional no solamente depende de las innovaciones o los erro-
res al cuadrado, como en el modelo ARCH (q), sino tambin de las varianzas
condicionales pasadas.
Son modelos simtricos porque parten del supuesto de que los choques del
mercado de la misma magnitud, ya sean positivos o negativos, afectan de la
misma manera a la volatilidad.
Una ventaja en relacin a los modelos ARCH (q) es que se reducen los parme-
tros a estimar, es decir, son modelos parsimoniosos.
La forma general de expresin es GARCH (p, q), donde p son las varianzas condicio-
nales pasadas y q es el pasado de los errores al cuadrado se presenta en la ecuacin 14:
(14)
Por ejemplo, un modelo GARCH (1,1) se expresa de la siguiente manera:
(15)
Una condicin necesaria de los modelos GARCH (p, q) para asegurar la estacionari-
dad son: > 0 y
j
,
j
0 y la expresada en la ecuacin (16).

(16)
Si los parmetros cumplen las condiciones de estacionariedad entonces se asegura
que la varianza condicional siempre sea positiva. La varianza incondicional o tambin
llamada varianza de largo plazo se expresa como en la ecuacin (17). Aplicando raz
cuadrad a la ecuacin (17) es posible derivar la volatilidad.
(17)
Ecuacin 13

Ecuacin 14

Ecuacin 15

Ecuacin 16

Ecuacin 17

Ecuacin 18

Ecuacin 19

Ecuacin 20

Ecuacin 21
Ecuacin 13

Ecuacin 14

Ecuacin 15

Ecuacin 16

Ecuacin 17

Ecuacin 18

Ecuacin 19

Ecuacin 20

Ecuacin 21
Ecuacin 13

Ecuacin 14

Ecuacin 15

Ecuacin 16

Ecuacin 17

Ecuacin 18

Ecuacin 19

Ecuacin 20

Ecuacin 21
Ecuacin 13

Ecuacin 14

Ecuacin 15

Ecuacin 16

Ecuacin 17

Ecuacin 18

Ecuacin 19

Ecuacin 20

Ecuacin 21
68
Alexander (2008), presenta una interpretacin de los parmetros del modelo
GARCH (p, q):
El parmetro es una medida de reaccin, cuando es mayor a 0.1 la volatilidad
es muy sensible a las variaciones de las condiciones del mercado.
El parmetro es una medida de persistencia, cuando es superior a 0.9 la vola-
tilidad permanece por largo tiempo.
La suma de los parmetros + es la tasa de convergencia, se considera gran-
de a partir de 0.99.
El nivel promedio de la volatilidad en el largo plazo es la varianza incondicional.
Cuando la volatilidad incondicional es grande signifca que la volatilidad a lar-
go plazo en un mercado especfco es alta.
2.5. Comparacin entre las Metodologas EWMA
y GARCH
Existen unas similitudes entre estas dos clases de metodologas, por ejemplo:
El en el modelo EWMA es similar al parmetro de persistencia () de los mo-
delos GARCH.
El parmetro de reaccin () en los modelos GARCH es equivalente a 1- en el
modelo EWMA.
Por otro lado, algunas diferencias entre estos dos modelos se presentan a conti-
nuacin:
En el modelo EWMA = 0.
El pronstico de la volatilidad en los modelos EWMA es constante mientras
que en los modelos GARCH (p, q) no lo es.
En el modelo EWMA la varianza incondicional del modelo GARCH (p, q) es in-
defnida porque los parmetros de reaccin y persistencia suman la unidad.
En el modelo GARCH (p, q) los parmetros son estimados separadamente.
2.6. Metodologa para el Clculo del Valor en Riesgo (VaR).
El Valor en Riesgo (VaR) es una medida que permite calcular la mxima perdida, en
condiciones habituales
9
del mercado, que puede tener un activo o un portafolio de ac-
tivos por movimientos en los precios de mercado de los mismos. El VaR es una medida
que esta determinada por periodos de tiempo (por ejemplo, das, meses, aos, etc.) y
niveles estadsticos de confanza.
La cuantifcacin de esta medida es posible hacerla por mtodos que descansan
fuertemente en el supuesto de distribucin normal de los rendimientos de los activos. A
este tipo de mtodos se les denomina paramtricos y sirven para cuantifcar VaR tanto
de activos individuales como de portafolios de activos.
9 El VaR es una medida inadecuada o insufciente en pocas de auges, crisis o burbujas especulativas en los mer-
cados burstiles, ya que puede subestimar o sobreestimar las perdidas para el valor de mercado de un activo.
69
El lector pensar que es posible que un inversionista tenga la posesin de los de-
rechos de un activo o materia prima, o un portafolio de las mismas, por lo que ser
necesario especifcar los detalles del clculo del VaR de activos separadamente y de
portafolio.
2.6.1. VaR para Activos individuales
Para el clculo del VaR, es necesario tener en cuenta:
El monto expuesto (M): esta cifra es el resultado de multiplicar el nmero de
papeles que se tiene de un activo por el precio actual del mismo. Por ejemplo,
el lector pensar en multiplicar 100 toneladas de un bien por el precio actual
de mercado para conocer el monto que esta sometido o expuesto a las varia-
ciones adversas del mercado.
El nivel de confanza (N): dado que esta medida del VaR es paramtrica, el su-
puesto trascendental en el que descansa el VaR se que los rendimientos de los
precios de los activos se distribuyen como una normal estndar. Por lo ante-
rior, cuando se observa la tabla de la distribucin normal estndar, se obtienen
los siguientes factores:
Distribucin Normal Estndar
CONFIANZA FACTOR
90% 1,28
95% 1,64
99% 2,32
99,9% 3.07
La temporalidad (T): el horizonte temporal para la cuantifcacin del VaR per-
mite estimar las mximas perdidas que puede tener un activo t periodos ade-
lante. Por lo general, como el precio de los activos en los mercados se mue-
ve diariamente, es posible contemplar VaR a 1, 10 o 30 das por ejemplo. Sin
embargo, si los precios de los activos se movieran con otra periodicidad, por
ejemplo semanal, sera necesario calcular el VaR a 1, 4 o quizs 8 semanas.
La Volatilidad de los rendimientos del precio del activo ( ): ste es el ltimo de
los elementos del VaR. Las metodologas, Lognormal, EWMA o GARH permite
calcular la volatilidad como se describi en apartados anteriores.
La combinacin de los anteriores elementos, como se muestra en la ecuacin (18),
da una medida del VaR, siempre que la volatilidad sea diaria.

(18)
Cuando la volatilidad de los rendimientos del precio de un activo esta de manera
anual, y se quiere calcular el VaR en das, es necesario que la temporalidad sea llevada
a frecuencias diarias. Para ello, se debe dividir la temporalidad (dentro de la raz cua-
drada) entre el nmero de rendimientos del precio del activo a lo largo de un ao. Por
lo general, los mercados burstiles operan 252 das al ao, por lo que el clculo del VaR
procede como lo seala la ecuacin (19).
Ecuacin 13

Ecuacin 14

Ecuacin 15

Ecuacin 16

Ecuacin 17

Ecuacin 18

Ecuacin 19

Ecuacin 20

Ecuacin 21
70
(19)
2.6.2. VaR para Portafolios de activos
Ahora el lector pensar que un inversionista en el mercado de materias primas tiene mas
de una materia prima, por lo que compone un portafolio que diversifca su riesgo. En este
sentido, el clculo del VaR de un portafolio procede como se especifc anteriormente.
Sin embargo, el clculo de la volatilidad considera el efecto de la diversifcacin por medio
de la matriz de correlaciones de los rendimientos de los precios de los activos. La ecuacin
(20) permite apreciar la forma como se estima el VaR para un portafolio.

(20)
Donde w es el vector de participaciones de cada una de las materias primas dentro
de la inversin total (de tamao matricial nx1, cuando se tienen n activos dentro del
portafolio), y w
T
hace referencia a dicho vector transpuesto.
La matriz de volatilidades individuales es una matriz de tamao nxn que contiene
las volatilidades de cada uno de los activos en la diagonal, mientras que esta compuesta
de ceros por fuera de la diagonal.
Finalmente, C es una matriz de correlaciones de los rendimientos de los precios de
los activos considerados dentro del portafolio. El lector recordar que las correlaciones
son nmeros pertenecientes al intervalo [-1, 1]. Por lo tanto, el efecto de la diversifca-
cin del portafolio se evidencia en los valores negativos de la matriz de correlaciones.
Es importante aclarar que el VaR de un portafolio es menor o igual a la suma de los
VaR individuales, a razn de la diversifcacin que se evidencia dentro de un portafolio.
El nico escenario en el cual el VaR del portafolio es igual a la suma de los VaR de activos
individuales es cuando la matriz de correlaciones es una matriz identidad. Sin embargo,
este escenario es poco probable en mercados fnancieros.
3. aplIcacIones en el mercado de
las materIas prImas agrcolas
3.1. Metodologa
La estimacin de la volatilidad del precio de las materias primas agrcolas aqu anali-
zadas, con y sin expectativas de valores futuros de variables exgenas, se realiz de la
siguiente manera:
Primero, la seleccin de las materias primas endgenas se baso en el hecho de
sus signifcativas variaciones en el precio, principalmente en el ao 2008. Por
2
,
252
T
N M VaR
anual T
= s
a
( )
2
2
,
T w C w N M VaR
T Portafolio
T
= s s
a
71
otro lado, las materias primas exgenas se seleccionaron por su gran infuen-
cia en el comportamiento de los precios de las otras materias primas.
Segundo, los precios de las materias primas seleccionados son los internacio-
nales. El anlisis no incluy el precio domestico o interno debido a que el mer-
cado colombiano no es formador de precios, es decir, es precio aceptante. Lo
anterior implica que el precio del mercado interno esta correlacionado con el
precio del mercado internacional de un producto especifco.
Tercero, las variables endgenas son los precios de cinco materias primas agr-
colas: azcar, algodn, caf y cacao, que hacen parte de las materias primas
agrcolas suaves, y, adicionalmente, el precio del maz que hace parte de las
materias primas agrcolas granos-semillas, como se aprecia en el cuadro 2.
Cuarto, las variables exgenas son: el precio del petrleo Brent, que se encuentra
clasifcado en las materias primas energticas, la Tasa Representativa del Mercado
Colombiano (TRM) y la Tasa para los Certifcados de Depsitos a Trmino Fijo (DTF).
Quinto, todas las variables de estudio comprenden el perodo 2 de enero de
2007 al 31 de diciembre de 2008, con una frecuencia diaria
10
. Solo se tuvieron
en cuenta los das hbiles en Colombia.
Sexto, los precios se emplearon en trminos nominales o corrientes.
Sptimo, la fuente del precio de las cinco materias primas agrcolas es la publi-
cacin Global Economic Monitor del Banco Mundial y la fuente para la TRM y
la DTF es el Banco de la Repblica de Colombia.
Octavo, para el clculo de las variaciones de los precios se empleo el rendi-
miento logartmico, como se describe en la ecuacin 6.
Noveno, el valor del parmetro de suavizamiento exponencial del modelo
EWMA (numeral 2.4.3) se supuso igual a = 0,94, valor sugerido para series
diarias por JP Morgan en su estudio de RiskMetrics.
3.2 Resultados de las
Aplicaciones
3.2.1 Materias primas agrcolas
11

Algodn
Durante el perodo de anlisis el precio diario
del algodn alcanz su valor mximo USc$
90/ lb el 5 de marzo de 2008, mientras que su
valor ms bajo USc$51,8/ lb lo obtuvo el 21 de
noviembre de 2008 (Grfco 1), lo que signif-
c una variacin de 73,54%.
En el 2008 fue donde se evidenci la ma-
yor alza en los precios del algodn, situacin
que obedeci a las expectativas sobre los
10 La DTF es una tasa semanal.
11 La parte conceptual de la seccin 4.2 se basa en algunos informes sobre materias primas realizados por The Economist.
GrfiCo 1. Precio diario del Algodn
ndice A en el Lejano Oriente. 2 de ene-
ro de 2007 a 31 de diciembre de 2008.
Fuente: Global Economic Monitor. Banco Mundial.
Elaborado por el autor.
40
60
80
100
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dlar por libra
8
12
16
20
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
1,500
2,000
2,500
3,000
3,500
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Dlares por tonelada
100
120
140
160
180
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
200
300
400
500
600
700
800
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Centavos de dlar por bushels
72
stocks o existencias algodoneras en China, y
por otro lado al comportamiento del precio
del petrleo.
Azcar
La variacin entre el precio diario mximo
y mnimo del azcar fue de 60,42%, con un
precio mximo de USc$16,7/lb el 3 de marzo
de 2008 y un mnimo de USc$10,41/lb el 5 de
mayo de 2007, (grafco 2).
El precio del petrleo ha infuido en el
comportamiento del precio del azcar a tra-
vs del etanol, porque al aumentar el precio
del crudo presiona al alza el precio del bio-
combustible. Otro factor que infuye sobre el
precio del azcar son las expectativas sobre
las existencias de la misma.
Cacao
Los precios del cacao en grano experimen-
taron un aumento exorbitante en gran parte
del 2008, alcanzando un precio mximo de
US$3.296 por tonelada el 3 de julio de 2008, y
un precio mnimo de US$1.668 por tonelada
el 29 de enero de 2007, lo que indica una va-
riacin muy signifcativa entre el precio mxi-
mo y mnimo de 97,6%.
Un factor que ha infuido sobre el alto
precio del cacao durante el primer semestre
de 2008 son las inversiones especulativas,
que se caracterizaron por las marcadas fuc-
tuaciones en las compras y ventas del cacao.
Los fundamentales tambin han infuido en
el precio; por ejemplo, uno de los funda-
mentales ha sido el aumento en la demanda
de chocolate negro en Inglaterra y los Esta-
dos Unidos, que se compone principalmente
de cacao.
Caf
La variacin entre el precio mximo y mni-
mo del caf arbiga fue de 54,82%, repun-
tando el mayor precio USc$ 170,31 por libra
el da 29 de febrero de 2008, mientras que
GrfiCo 2. Precio diario del Azcar Mun-
do en los mayores puertos del Caribe. 2
de enero de 2007 a 31 de dic. de 2008.
GrfiCo 3. Precio diario del Cacao en
Nueva York y Londres. 2 de enero de
2007 a 31 de dic. de 2008.
GrfiCo 4. Precio diario del Caf Arbigo
en Nueva York y Bremen/Hamburgo. 2
de enero de 2007 a 31 de dic. de 2008.
40
60
80
100
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
8
12
16
20
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
1,500
2,000
2,500
3,000
3,500
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Dlares por tonelada
100
120
140
160
180
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
200
300
400
500
600
700
800
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
40
60
80
100
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
8
12
16
20
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
1,500
2,000
2,500
3,000
3,500
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Dlares por tonelada
100
120
140
160
180
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
200
300
400
500
600
700
800
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
40
60
80
100
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
8
12
16
20
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
1,500
2,000
2,500
3,000
3,500
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Dlares por tonelada
100
120
140
160
180
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
200
300
400
500
600
700
800
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
73
el 3 de mayo del mismo ao se evidenci el
menor precio (USc$110 por libra).
Igual que el precio del cacao, el precio
del caf ha sido infuenciado por el compor-
tamiento de los inversionistas en materias
primas. Por ejemplo, a fnales del 2007 e ini-
cios del 2008 los inversionistas presionaron el
precio al alza debido a la incertidumbre que
se present en el momento por la cosecha de
la primera parte del ao en Brasil.
Maz
El precio mximo USc$711 por bushels
12
del
maz amarillo No. 2 se present el 27 de ju-
lio de 2007, lo que signifc una variacin de
161,4% respecto al precio mnimo USc$272
por bushels del 5 de diciembre de 2008.
Durante el 2008 los factores fundamen-
tales que llevaron a aumentar el precio del maz, fueron: el aumento de la oferta de
maz para producir biocombustibles- etanol- y el aumento de los precios de las semillas
oleaginosas.
3.2.3 Clculo de la volatilidad del precio de algunas materias primas agrcolas
con expectativas adaptativas
La estimacin de la volatilidad de los rendimientos de los precios diarios de las materias
primas seleccionadas se va a realizar aplicando la metodologa lognormal, EWMA y
GARCH. En algunos casos, para las estimaciones de la volatilidad se incluirn las va-
riaciones porcentuales de algunas de las variables exgenas seleccionadas. Adicional-
mente, las variables tanto endgenas como exgenas estn en el mismo momento de
tiempo, por ejemplo, en el momento t.
La forma general de los modelos GARCH seala que la forma de calcular la vo-
latilidad se debe realizar como se muestra en la ecuacin (17). Para el pronstico de
la volatilidad, en el presente captulo, se incluyeron variables exgenas dentro de la
ecuacin de varianza, y el clculo de la volatilidad se realiz como se muestra en la
ecuacin (21).
(21)
12 Una tonelada de maz es igual a 39,36825 Bushels.
GrfiCo 5. Precio diario del Maz Ama-
rillo No. 2 en puertos de EU. 2 de enero
de 2007 a 31 de dic. de 2008.

Ecuacin 22

Ecuacin 23

L a siguiente ecuacin es el pie de pgina que esta despus del cuadro 3:

Ecuacin 24

Ecuacin 25

Ecuacin 26

Ecuacin 27

Ecuacin 28

Ecuacin 29

40
60
80
100
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
8
12
16
20
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
1,500
2,000
2,500
3,000
3,500
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
Dlares por tonelada
100
120
140
160
180
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
200
300
400
500
600
700
800
0
2
/
0
1
/
2
0
0
7
1
2
/
0
4
/
2
0
0
7
2
1
/
0
7
/
2
0
0
7
2
9
/
1
0
/
2
0
0
7
0
6
/
0
2
/
2
0
0
8
1
6
/
0
5
/
2
0
0
8
2
4
/
0
8
/
2
0
0
8
0
2
/
1
2
/
2
0
0
8
74
Donde E(exgena) denota el valor esperado (promedio) de la variable exgena que
se incluy dentro de la ecuacin de Varianza, y hace referencia al coefciente (parme-
tro) de la variable exgena obtenido del proceso de estimacin.
Algodn
La mayor volatilidad de los rendimientos del precio diario del algodn en el Lejano
Oriente, sin incluir variables exgenas, se present con la metodologa GARCH (cua-
dro 2). La ecuacin 22 muestra la ecuacin de varianza de los rendimientos del precio
del algodn:
(22)
Con una volatilidad de 2,39% (ecuacin 22), se puede concluir que, dado que el par-
metro de reaccin (0,176696) es mayor a 0,1 y la medida de persistencia (0,809857)
es menor a 0,9, la volatilidad de los rendimientos del precio diario del algodn reaccio-
na fcilmente a las variaciones en el mercado y la volatilidad generada no permanece
por mucho tiempo.
Al incluir la variable la DTF como variable exgena, la varianza es representada por
la ecuacin 23:
(23)
La volatilidad aumenta en 1,16%, ubicndose en 3,55%
13
. Pero, de acuerdo a la
ecuacin (23), la relacin entre la DTF y los rendimientos del precio del algodn es in-
versa, por lo tanto una decisin de poltica econmica, utilizando como instrumento las
tasas de inters, por ejemplo un aumento, generara una menor volatilidad en el precio
diario del algodn debido a que los agentes participantes en este tipo de inversiones
disminuiran su demanda sustituyendo las inversiones en algodn por otro tipo de ac-
tivos. En conclusin incluir la DTF como variable exgena aumenta la volatilidad de los
rendimientos del precio del algodn en relacin con un modelo donde no se incluye
mencionada variable exgena.
Azcar
Con la metodologa EWMA se estim la mayor volatilidad (2,50%) de los rendimientos
del precio diario del azcar en el mundo sin incluir alguna variable exgena (cuadro 3):
El parmetro de suavizamiento exponencial empleado fue =0,94
14
, como es
un valor mayor a 0.90 significa que la volatilidad de los rendimientos del precio del
azcar mundial es persistente, es decir, permanece fluctuando por un largo perodo
de tiempo.
13 El clculo de la Volatilidad para el Algodn, derivado del cuadro 2 procede como lo seala la ecuacin (21):
14 Ver la seccin metodolgica No. 3.

Ecuacin 22

Ecuacin 23


Ecuacin 24

Ecuacin 25

Ecuacin 26

Ecuacin 27

Ecuacin 28

Ecuacin 29

Ecuacin 22

Ecuacin 23


Ecuacin 24

Ecuacin 25

Ecuacin 26

Ecuacin 27

Ecuacin 28

Ecuacin 29

Ecuacin 22

Ecuacin 23


Ecuacin 24

Ecuacin 25

Ecuacin 26

Ecuacin 27

Ecuacin 28

Ecuacin 29

75
El modelo GARCH, antes de introducir la variable exgena, permite obtener la
ecuacin (24) que describe el comportamiento de la varianza, con el cual se obtuvo una
volatilidad de 2,20%.
(24)

Por otro lado, el modelo GARCH despus de incorporar la DTF como variable ex-
gena, permite obtener la ecuacin (25) para la varianza, con la cual se obtuvo una vo-
latilidad de 2,29%, lo que muestra un incremento en la volatilidad del precio diario del
azcar en 0,09% al incluir la variable exgena.
(25)
El efecto de la DTF en la volatilidad del rendimiento del precio diario del azcar
mundial es el mismo presentado para el caso del algodn, pero con la diferencia de que
al incluir la DTF aumenta ms variabilidad en los rendimientos del precio del algodn
(1,16%) que en los rendimientos del precio del azcar (0,09%) comparados cuando no
se incluye la DTF.
Respecto al parmetro de reaccin y la medida de persistencia de los dos mo-
delos GARCH del cuadro 3, se concluye que la volatilidad del precio diario del azcar en
el mundo no reacciona rpidamente a las variaciones o cambios en el mercado, pero su
Cuadro 2. Clculo de la volatilidad con
expectativas adaptativas del precio diario del
Algodn ndice A (Usc $/ lb), en el Lejano
Oriente. 2 de enero de 2007 a 31 de dic. de 2008.
1. Metodologa lognormal
Volatilidad diaria (%) 1.59
2. Metodologa EWMA
3a. Metodologa GARCH: Modelo A
Variable dependiente: Algodn
Ecuacin de varianza
Coefciente Probabilidad
w 7.71E-06 0.002
a 0.176696 0.000
b 0.809857 0.000
Metodologa GARCH: Modelo B
Variable dependiente: Algodn
Ecuacin de varianza
w 7.08E-06 0.00030
a 0.190969 0.00000
b 0.803826 0.00000
D(LOG(DTF)) -0.00066 0.00180
Fuente: Clculos del autor.
Cuadro 3. Clculo de la volatilidad con ex-
pectativas adpatativas del Precio diario del
Azcar Mundo, en los mayores puertos del
Caribe. 2 de enero de 2007 a 31 de dic. de 2008.
2. Metodologa EWMA
Variable dependiente: Azcar
Ecuacin de varianza
w 2.14E-05 0.0543
a 0.062879 0.0109
b 0.893007 0.0000
Variable dependiente: Azcar
Ecuacin de varianza
w 9.69E-06 0.00000
b 0.984783 0.00000
D(LOG(DTF)) -0.002232 0.00070

Ecuacin 22

Ecuacin 23


Ecuacin 24

Ecuacin 25

Ecuacin 26

Ecuacin 27

Ecuacin 28

Ecuacin 29

Ecuacin 22

Ecuacin 23


Ecuacin 24

Ecuacin 25

Ecuacin 26

Ecuacin 27

Ecuacin 28

Ecuacin 29

76
medida de persistencia de la volatilidad indica que sta tiene un efecto permanente por
un largo perodo de tiempo
15
.
Cacao
La volatilidad ms signifcativa (2,47%) de los rendimientos del precio diario del cacao
en los mercados de Londres y Nueva York sin incluir variables exgenas se estim a
partir de la ecuacin (26) de varianza derivada del cuadro 4:
(26)
Al incluir el rendimiento del precio del crudo Brent como variable exgena
16
se ob-
tuvo una volatilidad de 1,96%, lo que signifca introducir en la ecuacin de varianza el
precio de una materia prima energtica disminuye la volatilidad de los rendimientos del
precio diario del cacao respecto al escenario donde no se ha incluido esta variable. Las
ecuaciones (26) y (27) de varianza permite apreciar este hallazgo.
(27)
Sin embargo, la relacin entre el rendimiento del precio diario del crudo Brent y el
rendimiento del precio diario del cacao es inversa, es decir, si sube el precio del petrleo
disminuye la volatilidad en los rendimientos del precio del cacao. Esto sucede porque
el petrleo es un insumo de diversos procesos productivos y, si aumenta su precio hace
ms atractivo participar en inversiones en otras materias primas u otros activos que
estn directamente infuenciados por el comportamiento del precio de petrleo, que
en inversiones en cacao.
El parmetro de reaccin (0,053911) indica que la volatilidad del precio diario del
cacao no es muy sensible a los cambios en el mercado, mientras que para la medida de
persistencia los resultados fueron ambiguos, ya que en un caso el es mayor 0.9 (ecua-
cin 26) y en la otra es menor (ecuacin 27).
Caf
De acuerdo con el cuadro 5, la mayor volatilidad (1,51%) de los rendimientos del precio
diario del caf arbigo en Nueva York y Bremen / Hamburgo sin incluir variable exgena
se obtuvo con el modelo GARCH, cuya varianza se representa en la ecuacin (28):
(28)
Tomando la TRM como variable exgena se obtiene la ecuacin (29) del modelo
GARCH que describe el comportamiento de la varianza arrojando una volatilidad de
1,38%, inferior en 0,13% derivada de la ecuacin sin variable exgena TRM.
(29)
15 Igual resultado obtenido por le EWMA.
16 La DTF no es signifcativa para el clculo de la volatilidad del rendimiento del precio diario del cacao, mientras
que para el caso del algodn la DFT si fue signifcativa.

Ecuacin 22

Ecuacin 23


Ecuacin 24

Ecuacin 25

Ecuacin 26

Ecuacin 27

Ecuacin 28

Ecuacin 29

Ecuacin 22

Ecuacin 23


Ecuacin 24

Ecuacin 25

Ecuacin 26

Ecuacin 27

Ecuacin 28

Ecuacin 29

Ecuacin 22

Ecuacin 23


Ecuacin 24

Ecuacin 25

Ecuacin 26

Ecuacin 27

Ecuacin 28

Ecuacin 29

Ecuacin 22

Ecuacin 23


Ecuacin 24

Ecuacin 25

Ecuacin 26

Ecuacin 27

Ecuacin 28

Ecuacin 29

77
Lo anterior indica que el modelo con variable exgena es menos voltil que sin va-
riable exgena, igual situacin se present en cacao. Hay que anotar que la relacin de
la TRM y los rendimientos del precio diario del caf arbigo es inversa.
Tomando las ecuaciones (28) y (29), los parmetros de reaccin () permiten apre-
ciar que la volatilidad del precio diario del caf arbiga no reaccin rpidamente a los
cambios del mercado. Y, la medida de persistencia de las mismas ecuaciones muestra
que las fuctuaciones de la volatilidad duran a lo largo del tiempo.
Maz
Igual que para el azcar, a partir de la metodologa EWMA, sin incluir variables exge-
nas, se obtuvo la mayor volatilidad (3,37%) del rendimiento del precio diario del maz
amarillo No.2.
Por otra parte, con la ecuacin de varianza (30) sin incluir variables exgenas se
obtuvo una volatilidad de 2,84%, con la metodologa GARCH:
(30)
Al incorporar la DTF como variable exgena, en el modelo GARCH se obtiene la
ecuacin (31) de varianza:
Cacao en Nueva York y Londres. 2 de enero
de 2007 a 31 de diciembre de 2008.
2. Metodologa EWMA
Variable dependiente: Cacao
Ecuacin de varianza
w 3.59E-06 0.0000
a 0.053911 0.0000
b 0.940192 0.0000
Variable dependiente: Cacao
Ecuacin de varianza
w 6.08E-05 0.0000
b 0.833097 0.0000
D(LOG(DTF)) -0.003318 0.0000
Caf en Nueva York y Bremen/Hamburgo. 2
de enero de 2007 a 31 de diciembre de 2008.
2. Metodologa EWMA
Variable dependiente: Caf
Ecuacin de varianza
w 6.91E-06 0.02870
a 0.075057 0.00000
b 0.894604 0.00000
Variable dependiente: Caf
Ecuacin de varianza
w 8.86E-06 0.0351
a 0.070534 0.0000
b 0.883245 0.0000
D(LOG(DTF)) -0.000596 0.0512
Ecuacin 30

Ecuacin 31

Ecuacin 32

Ecuacin 33

Ecuacin 34

Ecuacin 35

Ecuacin 36

Ecuacin 37

78
La aplicacin de las expectativas racionales permite observar s la volatilidad de los
rendimientos de los precios de las materias primas agrcolas en el momento t, estarn
infuenciadas por el comportamiento futuro, t+1, de las variables exgenas ya sean ma-
terias primas o variables macroeconmicas-. Lo anterior se expresa en la ecuacin (32):
(32)
La metodologa empleada para clculo de los rendimientos de los precios de las
materias primas agrcolas incluyendo expectativas es la metodologa GARCH. A conti-
nuacin se presentan los resultados generales de los anlisis economtricos y la respec-
tiva ecuacin de varianza derivada para cada uno de los productos aqu analizados. Para
el clculo de la volatilidad se procede como seala la ecuacin (21).
Algodn
Su ecuacin de varianza determinada por la ecuacin (33).
(33)
(31)
La volatilidad del rendimiento del
precio diario del maz amarillo No. 2 fue
de 2,66%, inferior en 0,18% al modelo sin
variable exgena. Igual que en casos ante-
riores, la relacin entre la DTF y las mate-
rias primas analizadas es negativa, por las
razones ya expuestas en algodn.
La volatilidad del rendimiento del pre-
cio del maz amarillo No.2 es muy sensible
a los cambios en las condiciones del mer-
cado ya que su medida de reaccin fue
superior a 0.1 y la volatilidad tienen poca
persistencia por que es inferior a 0.9.
3.2.4 Clculo de la volatilidad del precio de
algunas materias primas agrcolas
con expectativas racionales
En esta seccin se va estimar la volatilidad de
las materias primas agrcolas seleccionadas
incluyendo expectativas racionales. La ma-
nera de incluir las expectativas racionales es
rezagando las variables endgenas t pero-
dos en relacin con las variables exgenas.
expectativas adaptativas del precio diario
del Maz Amarillo No. 2 en puertos del
golfo de EU. 2 de enero de 2007 a 31 de
diciembre de 2008.
2. Metodologa EWMA
Variable dependiente: Maz
Ecuacin de varianza
w 6.91E-06 0.02870
a 0.075057 0.00000
b 0.894604 0.00000
Variable dependiente: Maz
Ecuacin de varianza
w 8.76E-05 0.0037
a 0.132994 0.0087
b 0.743476 0.0000
DLBRENT -0.002591 0.0097
D(LOG(DTF)) -0.0031 0.0393
Ecuacin 30

Ecuacin 31

Ecuacin 32

Ecuacin 33

Ecuacin 34

Ecuacin 35

Ecuacin 36

Ecuacin 37

Ecuacin 30

Ecuacin 31

Ecuacin 32

Ecuacin 33

Ecuacin 34

Ecuacin 35

Ecuacin 36

Ecuacin 37

Ecuacin 30

Ecuacin 31

Ecuacin 32

Ecuacin 33

Ecuacin 34

Ecuacin 35

Ecuacin 36

Ecuacin 37

Ecuacin 30

Ecuacin 31

Ecuacin 32

Ecuacin 33

Ecuacin 34

Ecuacin 35

Ecuacin 36

Ecuacin 37

79
La volatilidad del precio del algodn en el momento t es afectada inversamente
por el comportamiento de la DTF en el momento t+1, y se obtiene una volatilidad de
3,03%. El parmetro (0,174162) mayor a 0,1 indica que las variaciones del precio del
algodn son sensibles a los cambios en las condiciones del mercado; adicionalmente,
la medida de persistencia (0,819003) sta indicando que la volatilidad no permanece
por mucho tiempo.

Azcar
Con una ecuacin de varianza determinada por la ecuacin (34).
(34)
En el momento t la volatilidad del precio del azcar es afectada por la DTF del mo-
mento t+1, presentando una volatilidad de 2,31%, inferior a la evidenciada en el algo-
dn. Hay que anotar que la variabilidad del precio del azcar presenta una alta medida
de persistencia (0,985864) indicando la permanencia de la volatilidad por un largo pe-
rodo de tiempo cuando se presenta un choque que afecta el precio del mismo.
Cacao
Su respectiva ecuacin de varianza representada por la ecuacin (35):
(35)
El precio del petrleo Brent y la DTF en el momento t+1 afectan el comportamiento
de la precio del cacao en el momento t, arrojando una volatilidad de 2,25%. De acuerdo
a las medidas de reaccin y persistencia se concluye que el precio del cacao no reaccio-
na rpidamente cuando cambia el mercado y la volatilidad del precio permanece por un
largo periodo de tiempo.
expectativas racionales del precio diario del
Algodn ndice A (Usc$/lb), en el Lejano
Oriente. 2 de enero de 2007 a 31 de dic. de 2008.
1a. Metodologa GARCH
Variable dependiente: Algodn (-1)
Ecuacin de varianza
w 6.61E-06 0.0029
a 0.174162 0.0000
b 0.819003 0.0000
D(LOG(DTF)) -0.000458 0.0740
expectativas racionales del precio diario del
Azcar Mundo en los mayores puertos del
Caribe. 2 de enero de 2007 a 31 de dic. de 2008.
Variable dependiente: Azcar (-1)
Ecuacin de varianza
w 9.18E-06 0.0000
b 0.985864 0.0000
D(LOG(DTF)) -0.002154 0.0044
Ecuacin 30

Ecuacin 31

Ecuacin 32

Ecuacin 33

Ecuacin 34

Ecuacin 35

Ecuacin 36

Ecuacin 37

Ecuacin 30

Ecuacin 31

Ecuacin 32

Ecuacin 33

Ecuacin 34

Ecuacin 35

Ecuacin 36

Ecuacin 37

80
Caf
La representacin de la ecuacin de varianza para cacao se muestra en la ecuacin (36).

(36)
El comportamiento de la volatilidad del precio del caf en el momento t es infuen-
ciado inversamente por las variaciones de la DTF en el momento t+2, obtenindose una
volatilidad de 1,41%. La interpretacin de las medidas de reaccin y persistencia son
iguales a las expuestas para el algodn.
Maz
La representacin de la ecuacin de varianza para maz esta descrita en la ecuacin (37).

(37)
expectativas del precio diario del Cacao en
Nueva York y Londres. 2 de enero de 2007
a 31 de dic. de 2008.
3c. Metodologa GARCH
Variable dependiente: Cacao (-1)
Ecuacin de varianza
w 4.86E-06 0.06540
a 0.045555 0.00000
b 0.942209 0.00000
DLBRENT -0.000606 0.02180
D(LOG(DTF)) 0.001007 0.01130
expectativas del precio diario del Caf Arabigo
en Nueva York y Bremen/Hamburgo. 2 de
enero de 2007 a 31 de dic. de 2008.
Variable dependiente: Caf (-2)
Ecuacin de varianza
w 3.17E-05 0.0014
a 0.18195 0.0000
b 0.661692 0.0000
D(LOG(DTF)) - 0. 000995 0.0007
Igual que para el caso del cacao,
la volatilidad del precio del maz en el
momento t es afectada por la DTF y
el petrleo Brent en el momento t+1,
pero con la diferencia de que las varia-
bles exgenas en el caso del maz afec-
tan la volatilidad del precio de manera
inversa, mientras que para el caso del
cacao la volatilidad del precio slo es
afectada inversamente por el precio
del petrleo Brent.
Se demostr en los cuadros del 7 al
11 y en las ecuaciones de varianza de la
32 a 37, que la volatilidad de los rendi-
mientos de los precios de las materias
primas agrcolas en el momento t estn
influenciadas por las expectativas que
los agentes participantes en los merca-
dos especficos tengan sobre del valor
futuro que se esperan que tomen las va-
riables macroeconmicas o el precio de
otras materias primas.
Para el caso del algodn y azcar
la expectativa que se tenga sobre la
DTF del periodo siguiente (t+1) afecta
la volatilidad de los rendimientos de
los precios de estas materias primas
en el periodo actual (t). Mientras que
para el caf las expectativas futuras
que los agentes tengan sobre el posi-
Ecuacin 30

Ecuacin 31

Ecuacin 32

Ecuacin 33

Ecuacin 34

Ecuacin 35

Ecuacin 36

Ecuacin 37

Ecuacin 30

Ecuacin 31

Ecuacin 32

Ecuacin 33

Ecuacin 34

Ecuacin 35

Ecuacin 36

Ecuacin 37

81
ble valor que tome la DTF dos pe-
riodos adelante (t+2) influye sobre
la volatilidad del rendimiento del
precio del caf en el periodo ac-
tual (t). El ltimo grupo es cacao
y maz, donde se observo que las
expectativas que se tengan sobre
el posible valor que va ha tomar en
el siguiente periodo (t+1) la DFT y
el crudo Brent influyen sobre las
volatilidades de los rendimientos
de los precios del cacao y el maz
en el periodo actual (t).
Cuadro 12. Clculo del Valor en Riesgo (VaR) para un da, con expectativas adaptativas
y racionales a travs de diferentes metodologas
Producto
Expectativas adaptativas
Expectativas
racionales
Lognormal EWMA Garch A
a/
Garch B
b/
Garch C
b/
Volatil. VaR Volatil. VaR Volatil. VaR Volatil. VaR Volatil. VaR
Algodn 1.59% $ 2.61 1.52% $ 2.49 2.39% $ 3.92 3.55% $ 5.82 2.31% $ 3.79
Azcar 2.12% $ 3.48 2.50% $ 4.10 2.20% $ 3.61 2.29% $ 3.76 3.03% $ 4.97
Cacao 1.95% $ 3.20 2.29% $ 3.76 2.47% $ 4.05 1.96% $ 3.21 2.25% $ 3.69
Caf 1.40% $ 2.30 1.31% $ 2.15 1.51% $ 2.48 1.38% $ 2.26 1.41% $ 2.31
Maz 2.74% $ 4.49 3.37% $ 5.53 2.84% $ 4.66 2.66% $ 4.36 2.75% $ 4.51
Fuente: Clculos del autor. a/ Sin variables exgenas. b/ Con variable (s) exgena (s)
4. clculo del Valor en rIesgo (Var)
4.1. Clculo del VaR para Activos Individuales
En el cuadro No.12, se presentan los clculos del VaR, para las cinco materias primas
seleccionadas, de acuerdo a la ecuacin No.18. Suponiendo un monto expuesto de
$100,00, nivel de confanza del 95%, horizonte temporal de un (1) da y las volatilidades
calculadas en los ejercicios anteriores, el cuadro 12 resume la medida del VaR.
expectativas del precio diario del Maz
Amarilo No. 2 en puertos del golfo de EU. 2
de enero de 2007 a 31 de diciembre de 2008.
3b. Metodologa GARCH
Variable dependiente: Maz (-1)
Ecuacin de varianza
w 6.83E-05 0.0045
a 0.129798 0.0040
b 0.782409 0.0000
D(LOG(DTF)) -0.004949 0.0011
DLBRENT -0.001945 0.0733
De acuerdo a los resultados del cuadro 12, se observa que con una volatilidad ms
alta se obtiene un mayor VaR. Por ejemplo, la mxima volatilidad diaria de los rendi-
mientos del precio del azcar (3,03%) se clculo a travs de un modelo GARCH con
variables exgenas rezagadas, y el mayor VaR ($4,97) se obtuvo con esta volatilidad,
lo que signifca que por cada $100,00 del valor diario del azcar, en un da la prdida
mxima sera de $4,97, en condiciones cotidianas del mercado.
En el cuadro 13, se presentan los clculos de la prdida mxima para las cinco ma-
terias primas seleccionadas, para un horizonte temporal de 10 das.
82
Por activo individual, el mayor VaR lo obtuvo el algodn con una mxima prdida
de $18,41 en 10 das, es decir, que por cada $100,00 del valor del algodn en 10 das la
mxima perdida sera de $18,41 en condiciones normales del mercado.
4.2. Clculo del VaR para un Portafolio
El lector recordar que el VaR de un portafolio es menor o igual a la suma de los VaR
individuales, a razn de la diversifcacin que se evidencia dentro de un portafolio. Los
cuadros 14 a 18 permiten ejemplifcar esta afrmacin. Por ejemplo, en el cuadro 14 se
aprecia que en un escenario hipottico cuando se invierte $100,00 en cada uno de los
activos, la inversin agregada asciende a $500,00, y la suma de los VaR alcanza un valor
de $16,07, equivalente al 3,21% de la inversin total. Sin embargo, cuando un inversio-
nista diversifca su portafolio, las correlaciones entre los rendimientos de los precios de
los activos permiten mitigar parte de esa potencial prdida. En el cuadro 14 se evidencia
igualmente, que en el mismo escenario de inversin de $500,00, el VaR del portafolio
asciende a $9.65 equivalente al 1,93% de la inversin total.
Cuadro 13. Clculo del Valor en Riesgo (VaR) para diez (10)dias, con expectativas
adaptativas y racionales a travs de diferentes metodologas
Producto
Expectativas adaptativas
Expectativas
racionales
Lognormal EWMA Garch A
a/
Garch B
b/
Garch C
b/
Volatil. VaR Volatil. VaR Volatil. VaR Volatil. VaR Volatil. VaR
Algodn 1.59% $ 8.25 1.52% $ 7.88 2.39% $ 12.39 3.55% $ 18.41 2.31% $ 11.98
Azcar 2.12% $ 10.99 2.50% $ 12.97 2.20% $ 11.41 2.29% $ 11.88 3.03% $ 15.71
Cacao 1.95% $ 10.11 2.29% $ 11.88 2.47% $ 12.81 1.96% $ 10.16 2.25% $ 11.67
Caf 1.40% $ 7.26 1.31% $ 6.79 1.51% $ 7.83 1.38% $ 7.16 1.41% $ 7.31
Maz 2.74% $ 14.21 3.37% $ 17.48 2.84% $ 14.73 2.66% $ 13.80 2.75% $ 14.26
Fuente: Clculos del autor. a/ Sin variables exgenas. b/ Con variable (s) exgena (s)
Cuadro 14. Clculo del Valor en Riesgo (VaR) para un da, comparativo de VaR
individual y VaR del Portafolio con volatilidad Lognormal
PRODUCTO MONTO
INDIVIDUALES PORTAFOLIO
Volatilidad
Lognormal VaR
Volatilidad
Lognormal VaR
Azcar $ 100.00 2.12% $ 3.48
1.18% $9.65
Algodn $ 100.00 1.59% $ 2.61
Cacao $ 100.00 1.95% $ 3.20
Caf $ 100.00 1.40% $ 2.30
Maz $ 100.00 2.74% $ 4.49
SUMAS $ 500.00 $ 16.07 $ 9.65
El cuadro 14 presenta los clculos de VaR individual y del portafolio cuando se asu-
me que las volatilidades de los precios de los activos individuales siguen un patrn tipo
lognormal. Por su parte, el lector observara que el cuadro 15 asume que la volatilidad
sigue un proceso EWMA, mientras que los cuadros 16 al 18 asumen volatilidades deter-
minadas por metodologas GARCH con sus respectivas caractersticas.
83
El cuadro 15, cuando se emplea la volatilidad calculada por el mtodo EWMA,
muestra que el efecto diversifcacin del portafolio reducen el VaR de $18,02 a $12,22,
mientras que el cuadro 16, cuando se emplea la metodologa GARCH, permite apreciar
que la reduccin en el VaR es de $7,96, al pasar de $18,71 a $10,75.
individual y VaR del Portafolio con volatilidad EWMA
PRODUCTO MONTO
Volatilidad
EWMA VaR
Volatilidad
EWMA VaR
Azcar $ 100.00 1.52% $ 2.49
1.49% $12.22
Algodn $ 100.00 2.50% $ 4.10
Cacao $ 100.00 2.29% $ 3.76
Caf $ 100.00 1.31% $ 2.15
Maz $ 100.00 3.37% $ 5.53
SUMAS $ 500.00 $18.02 $12.22
individual y VaR del Portafolio con volatilidad GARCH sin variables Exgenas.
PRODUCTO MONTO
Volatilidad
GARCH A
a/
VaR
Volatilidad
GARCH A
a/
VaR
Azcar $ 100.00 2.39% $ 3.92
1.31% $10.75
Algodn $ 100.00 2.20% $ 3.61
Cacao $ 100.00 2.47% $ 4.05
Caf $ 100.00 1.51% $ 2.48
Maz $ 100.00 2.84% $ 4.66
SUMAS $ 500.00 $18.71 $10.75
Fuente: Clculos del autor. a/ Sin variables exgenas.
El cuadro 17, cuando se emplea la metodologa GARCH con variables exgenas sin
rezagar, muestra la mayor volatilidad en comparacin con las restantes metodologas
aqu empleadas. Esto es equivalente a sealar que el VaR con esta metodologa es el
ms alto, llegando a $12.52, con una volatilidad de 1.53%.
individual y VaR del Portafolio con volatilidad GARCH con variables Exgenas.
PRODUCTO MONTO
Volatilidad
GARCH A
a/
VaR
Volatilidad
GARCH A
a/
VaR
Azcar $ 100.00 3.55% $ 5.82
1.53% $12.52
Algod6n $ 100.00 2.29% $ 3.76
Cacao $ 100.00 1.96% $ 3.21
Caf $ 100.00 1.38% $ 2.26
Maz $ 100.00 2.66% $ 4.36
SUMAS $ 500.00 $19.42 $12.52
Fuente: Clculos del autor. a/ Con variable (s) exgena (s)
84
Finalmente, el lector observar que en todas las tablas, la volatilidad del portafolio es
para todos los casos es menor al promedio de las volatilidades individuales del precio de los
activos. Este hecho se evidencia en el proceso de diversifcacin del portafolio, donde las
correlaciones de los rendimientos de los precios de los activos permiten un efecto compen-
sacin con correlaciones negativas que reducen la volatilidad agregada del portafolio.
5. estrategIas para la gestIn de rIesgos de
mercado en los mercados burstIles
En el mercado de futuros de las materias primas hay diferentes tipos de inversionistas o
participantes. Entre ellos se encuentran quienes se cubren contras las volatilidades en el
mercado (conocidos como Hedgers), los especuladores y los que realizan arbitraje. Los in-
versionistas participantes se enfrentan a un tipo de mercado especfco (materias primas),
que se diferencian de los activos de capital
17
como la fnca raz, los bonos las accio-
nes- por que no generan fujos continuos de efectivo. En sntesis, el valor de las materias
primas no se puede determinar por un mtodo como el valor presente neto, sino por el
comportamiento de la oferta y la demanda de mercado. Fabozzi, Fss y Kaiser (2008).
Siguiendo a los autores, las formas ms representativas para invertir en el mercado
de las materias primas son:
(1) inversin directa en bienes fsicos; (2) inversin indirecta en existencias de com-
paas de recursos naturales o (3) fondos mutuos de materias primas; (4) inversiones
en futuros de materias primas, o (5) una inversin en productos estructurados sobre
ndices de futuros de materias primas. Fabozzi, Fss y Kaiser (2008, pg.10).
De acuerdo con Fabozzi, Fss y Kaiser (2008), entre los principales ndices sobre
futuros de materias primas se encuentran:
17 Para ampliar, ver numeral 2.1 de este documento.
Cuadro 18. Clculo del Valor en Riesgo (VaR) para un da, comparativo de VaR individual
y VaR del Portafolio con volatilidad GARCH sin variables Exgenas resagadas.
PRODUCTO MONTO
Volatilidad
GARCH A
a/
VaR
Volatilidad
GARCH A
a/
VaR
Azcar $ 100.00 2.31% $ 3.79
1.42% $11.62
Algod6n $ 100.00 3.03% $ 4.97
Cacao $ 100.00 2.25% $ 3.69
Caf $ 100.00 1.41% $ 2.31
Maz $ 100.00 2.75% $ 4.51
SUMAS $ 500.00 $19.27 $11.62
Fuente: Clculos del autor. a/ Con variable (s) exgena (s)
85
Goldman Sachs Commodity Index (GSCI).
Reuters/ Jeferies Commodity Research Burue (RJ/CRB).
DowJones/ AIG Commodity Index (DJ-AIGGI).
Igualmente, Fabozzi, Fss y Kaiser (2008) sealan que algunas de las mayores Bol-
sas del mundo donde se transan materias primas son:
Chicago Board of Trade (CBOT).
Chicago Mercantile Exchange (CME).
New York Mercantile Exchange (NYMEX).
Intercontinental Exchange (ICE).
Tokyo Commodity Exchange (TOCOM).
Braziliam Mercantile and Futures Exchange BM&F.
En Colombia, se encuentra la Bolsa Nacional Agropecuaria (BNA) donde actual-
mente se realizan transacciones sobre contratos de algunas materias primas
18
.
De este modo, las estrategias que tienen los agentes para gestionar el riesgo en el
mercado de materias primas agrcolas, y en general en cualquier otro mercado de ma-
terias primas, se sustenta de manera fundamental en la negociacin de instrumentos
fnancieros ofertados en los mercados burstiles locales y/o globales.
En el cuadro 19, presenta algunos tipos de negociaciones con materias primas re-
alizadas en Chicago Mercantile Exchange que ofrecen instrumentos para la gestin de
riesgo de mercado principalmente.
18. Sitio web: www.bna.com.co
Cuadro 19. Algunas negociaciones de productos bsicos en
hicago Mercantile Exchange.
PRODUCTO TIPOS DE CONTRATOS
Arroz paddy Futuros y opciones
Avena Futuros y opciones
Cerdo faco Futuros y opciones
Ganado gordo Futuros y opciones
Ganado en pie Futuros y opciones
Mantequilla Futuros y opciones
Maz Futuros, opciones y swaps
Leche Futuros y opciones
Pulpa de madera Futuros y opciones
Trigo Futuros, opciones y swaps
Soya Futuros, opciones y swaps
Sueros de leche Futuros y opciones
Fuente: Chicago Mercantile Exchange
86
Finalmente, luego de comparar las diferentes metodologas para el clculo de la
volatilidad de los rendimiento del precio de los activos y mirar su infuencia en el clculo
del VaR tanto en activos individuales como en portafolios, es posible concluir que un
inversionista que tome decisiones permanentemente en los mercados, tiende a cor-
regir sus pronsticos del comportamiento de los precios de las materias primas, y por
lo tanto de sus rendimientos, observando las tendencias (Expectativas Racionales) de
variables exgenas como la TRM, la DTF o el precio del petrleo en sus clculos.
Por lo anterior, es altamente recomendado que los agentes estimen volatilidades
de los rendimientos de los precios de las materias primas agrcolas, y en general de cu-
alquier otro activo de inversin, por medio de modelos GARCH que permitan incorporar
variables exgenas rezagadas para recoger el efecto de las expectativas racionales.
6. conclusIones y recomendacIones
No existe evidencia para rechazar la hiptesis, mencionada en la introduccin,
ya que para realizar un clculo consistente de la volatilidad del precio de una
materia prima especifca, se requiere incluir el comportamiento futuro o las ex-
pectativas que los agentes participantes del mercado tengan sobre el posible
valor que tome la variable exgena.
Para el perodo seleccionado, se encontr que la volatilidad de los rendimien-
tos de los precios diarios del algodn y el maz reaccionan fcilmente a las va-
riaciones o cambios en el mercado, mientras que para el azcar, cacao y el caf
arbiga la volatilidad de los rendimientos de los precios diarios no reaccionan
fcilmente a las fuctuaciones o cambios en el mercado.
Cuando se presentan un choque y aumenta la volatilidad de los rendimientos
de los precios diarios, esta tiene una medida de persistencia baja en el tiempo
para el caso del maz y el algodn, mientras que para el azcar y el caf el cho-
que tiene una persistencia en la volatilidad por un largo perodo. Para el caso
del cacao, el resultado de la medida de persistencia es ambiguo.
Al incluir variables exgenas, se observ que siempre existe una relacin inver-
sa entre la volatilidad de los rendimientos de los precios de las materias primas
y la volatilidad de los rendimientos de los precios de las variables exgenas
para el clculo de la volatilidad con expectativas adaptativas.
Al incluir expectativas racionales en las variables exgenas para pronosticar
las volatilidades, se concluy que el valor futuro que los agentes del mercado
esperan que tomen la o las variables exgenas en el periodo siguiente (t+1)
afectan la volatilidad de los rendimientos del precio de las materias primas en
el periodo actual (t).
Es muy importante que los agentes participantes en el mercado de materias
primas identifquen, a travs de las metodologas presentadas para el clculo
o pronostico de la volatilidad, las variables macroeconmicas u otras materias
primas (las energticas) que hacen ms sensible el precio del producto con el
cual estn negociando.
Se mostr que el VaR de activos individuales es una medida que depende fuer-
temente de la volatilidad de los rendimientos de los precios de los activos.
87
Igualmente, la temporalidad permiti observar que cuando se contemplan
plazos ms alejados del momento actual, el VaR crece de manera importante.
El VaR del portafolio mostr que el efecto diversifcacin redujo en todos los
casos las perdidas mximas en condiciones normales del mercado. Dicha di-
versifcacin obedece al deseo de minimizacin de riesgo que tienen los inver-
sionistas, por lo que negocian instrumentos fnancieros en los principales mer-
cados burstiles del mundo con el fn de mitigar o gestionar adecuadamente el
riesgo en el mercado de materias primas agrcolas.
biblioGrafa
ADAMS Zeno, Fss Roland y Kaiser Dieter G.. Macroeconomics Deter-
minants of Commodity Futures Returns, en The Handbook of
Commodity Investing, captulo 4. Primera edicin, publicado por
John Wiley & Sons, Inc., Hoboken, New Jersey, 2008.
ALEXANDER Carol. Practical Financial Econometrics. John Wiley &
Sons, Ltd, 2008.
ANSON Mark J.P, The Pricing and Economics of Commodity Futures,
en The Handbook of Commodity Investing, captulo 2. Primera
edicin, publicado por John Wiley & Sons, Inc., Hoboken, New
Jersey, 2008.
ARANGO Luis E., Arias Fernando y Flres Luz A.. Trends, Fluctuations,
and Determinants of Commodity Prices, en Borradores de Eco-
noma, No.521, Banco de la Repblica 2008.
ARGANDOA Antonio, Gamez Consuelo y Mochn Francisco. La Mo-
delizacin de las Expectativas: Introduccin a las Expectativas Ra-
cionales, en Macroeconoma Avanzada, captulo 1. McGraw- Hill,
Buenos Aires, 1996.
BAILEY Warren y Chan K.C. Macroeconomic Infuences and the Varia-
bility of the Commodity Futures Basis en The Journal of Finance,
vol.48, No.2, junio 1993, pg 555-573.
BAILLIE Richard, Modeling Volatility, en Palgrave Handbook of Eco-
nometrics, vol.1, Palgrave Macmillan, 2007, editado por; Mills C.
Terence y Patterson Kerry. pg 737-764.
BAILLIE Richard T. y Myers Rober J., Bivariate Garch Estimation of the
Optimal Commodity Futures Hedge, en Journal of Applied Eco-
nometrics, vol.6, 1991, pg 109-124.
BANCO MUNDIAL, publicacin Global Economics Monitor, marzo de
2009.
BOLLERSLEV Tim y Engel Robert. Common Persistence in Common Va-
riances, en Econometrica, Vol. 61, No. 1 (Jan.,1933), pg. 167-186.
CASAS Martha y Cepeda Edilberto. Modelos ARCH, GARCH y EGARCH:
Aplicaciones a Series Financieras, Cuadernos de Economa, vol.
XXVI, No.48, Bogot, pg 287-919.
CASHIN Paul, McDermont y Scott Alasdair. The Myth of Comoving
Commodity Prices. En working Paper 99/169, publicado por el
Fondo Monetario Internacional, diciembre de 1999.
DEATON Angus y Laroque Guy. On the Behaviour of Commodity Pri-
ces, en The Review of Economic Studies, vol. 59, No.1, 1992,
pg.1-23.
88
DEB Partha, Trivedi Pravin K. y Varangis Panayotis. The Excess Co-mo-
vement of Commodity Prices Reconsidered en Journal of Applied
Econometrics, vol 11, No. 3 (may- jun 1996), pg 275-291.
ENGEL Robert. GARCH 101: The Use of ARCH/GARCH Models in Applied
Econometrisc, en The Jorunal of Economic Perspectives, vol. 15,
No.4 (Autumn, 2001), pg.157-168.
FABOZZI Franz J., Fss Roland y Kaiser Dieter G.. A Primer on Commo-
dity Investing, en The Handbook of Commodity Investing, ca-
ptulo 1. Primera edicin, publicado por John Wiley & Sons, Inc.,
Hoboken, New Jersey, 2008.
FRANKEL A., Jefrey. The Efect of Monetary Policy on Real Commodity
Prices. NBER Working Paper 12713, diciembre de 2006.
GILBERT Chistopher L. Tendencias y Volatilidad en Precios de los
Commodities Agrcolas. Documento traducido al espaol por
Marcela Cabal. Documento preparado para el simposio State of
Research and Future Directions in Agricultural Commodity Mar-
kets and Trade , Roma, diciembre de 2003. Se encuentra disponi-
ble en la siguiente direccin web: URL: http://www.cafedecolom-
bia.com/documents/Articulo%208%20(pag%2041-61).pdf
MORGAN J.P. / Reuters. Risk Metrics
TM
Technical Document. Cuarta
edicin, Nueva York, 1996.
NOUREDDINE Krichene. Recent Infationary Trends in World Commodi-
ties Markets. En Working Paper 08/130, Fondo Monetario Inter-
nacional, mayo de 2008.
YINQIU Lu y Salih, Nefcti. Financial Instruments to Hedge Commodity
Price Risk for Developing Countries. Working paper 08/6, Fondo
Monetario Internacional, enero de 2008.
NELSON Daniel B. Conditional Heteroskedasticity in Asset Returns: A
New Approach, en Arch Selected Readings editado por Robert
Engle, Oxford University Press, 1995.
PINDYCK Robert S. y Rotemberg Julio J., The Excess Co- movement of
Commodity Prices, en The Economic Journal, vol 100, diciembre
1990, pg. 1173-189.
SARGENT Thomas J. Las Expectativas Racionales y la Reconstruccin
de la Macroeconoma, en Expectativas Racionales e Infacin, ca-
ptulo 1. Madrid: Alianza Editorial, 1989
SARGENT Thomas J. Rational Expectations. The New Palgrave Dictio-
nary of Eocnomics. Second Edition. Eds. Steven N. Durlauf and
Lawrence E. Blume. Palgrave Macmillan, 2008.
The Economist. Economist Intelligence Unit, World Commodity Fore-
casts varias publicaciones, 2007 y 2008.
89
captulo 3.
anlIsIs de rIesgos en entIdades fInancIeras
dIrIgIdas al sector agropecuarIo
Mariana F. Ospina Bohrquez
Lorena Prieto Cruz
RESUMEN
E
ste documento identifica, mide y evala los riesgos financieros
de una cartera crediticia orientada al sector arrocero, emplean-
do metodologas propias de los Riesgos Financieros, mtodos eco-
nomtricos y teora de la incertidumbre. Al final se encuentra que
la entidad financiera que otorga crditos al sector arrocero tiene
bajo riesgo de crdito (6.34% de probabilidad de prdida de carte-
ra), bajo riesgo de mercado (entre 1.79% y 3.13% de volatilidad en
sus ingresos operacionales), ausencia de riesgo de liquidez y relati-
vamente baja probabilidad de riesgo operacional, razn por la cual
se puede calificar cartera sana a pesar de su elevado y creciente
nivel de cartera con el sector.
90
ABSTRACT
This document identifes, measures and evaluates the fnancial
risk of a credit portfolio oriented rice sector using proper meth-
ods of Financial Risk analysis and econometric analysis under
uncertainty theory framework. This investigation fnds that the f-
nancial institution that provides credit to the rice sector has a low
credit risk (6.34% probability of a portfolio loss); low market risk
(between 1.79% and 3.13% operational income volatility); absence
of liquidity risk and relatively low probability of operational risk,
which is why healthy portfolio can be described despite their high
and growing level portfolio with the fnancial sector.
PALABRAS CLAVE: administracin del riesgo, sector arrocero,
anlisis y medicin del riesgo fnanciero, teora de la incertidum-
bre, riesgo de mercado, riesgo de crdito, riesgo de liquidez, ries-
go operacional.
KEY WORDS: risk management, rice sector, analysis and mea-
surement of fnancial risk, uncertainty theory, market risk, credit
risk, liquidity risk, operational risk.
CLASIFICACIN JEL: C10, C51, D81, G29, L79, N26, N56, Q14.
91
1. IntroduccIn
El riesgo fnanciero, y los riesgos en general, nacen de la incertidumbre de realizacin
de eventos futuros. No es posible saber si un cliente pagar una deuda, si el mercado
se mover en tal magnitud que logre derivar perdidas para las organizaciones, si los
pasivos de corto plazo pueden ser respaldados con activos lquidos, y si existe la posi-
bilidad de que una organizacin incurra en perdidas por fallas en las personas o los sis-
temas de la organizacin. En este punto, se evidencia la necesidad de identifcar, medir
y controlar los riesgos derivados de la realizacin de posibles sucesos que perjudican la
organizacin.
1.1 Problema a Estudiar
Una entidad crediticia representativa
1
con cartera para el sector arrocero, ha mantenido
un amplio historial de otorgamiento crediticio a un sector agrcola sometido a volatilidad.
A pesar de las grandes magnitudes monetarias que le adeuda al sector arrocero, los ca-
lifcadores de riesgo clasifcan a esta entidad como segura debido al adecuado compor-
tamiento del pago de las obligaciones de los deudores. Este hecho radica en la adecuada
administracin del riesgo fnanciero con el que cuenta la organizacin fnanciera.
Sin embargo, la administracin de riesgos fnancieros de la entidad crediticia re-
presentativa direccionada al sector arrocero, hace referencia principalmente a los ries-
gos de crdito, riesgo de mercado, riesgo de liquidez y riesgo operacional. Los riesgos
institucionales derivados del proceso asociativo y los riesgos econmicos no son ex-
plcitamente administrados por medio de polticas organizacionales que mitiguen su
impacto en caso de darse un evento adverso al funcionamiento de la organizacin. Es
evidente que la actividad del proceso asociativo depende en gran medida de las condi-
ciones econmicas del pas y del quehacer de la poltica arrocera como uno de los ejes
centrales del diseo de lineamientos de los planes y programas tendientes al desarrollo
del mercado. Este riesgo no es fcil de medir, pero la inteligencia del sistema fnanciero
colombiano evala criterios de las entidades que otorgan crditos al sector arrocero,
que consideran necesarios para la evaluacin del cliente como sujeto de crdito. Esto
es, la evaluacin de los riesgos de crdito, mercado, liquidez y operacional.
1.2. Importancia de la Investigacin
La importancia del anlisis de la administracin de riesgos fnancieros para la entidad
crediticia representativa lleva a la identifcacin de factores de competitividad del sec-
tor, para que stos se fortalezcan y/o mejoren en caso de ser posible. No se debe olvidar
que la entidad crediticia representativa debe ser una institucin fuerte que promueva
el desarrollo del mercado arrocero en escenarios tcnicos y comerciales. Por esto, si la
entidad crediticia representativa es una entidad robusta en trminos fnancieros, con
1 Se hace referencia a una Organizacin con actividades crediticias para el sector agrcola en general y arrocero
en particular. Con el fn de preservar la confdencialidad de la fuente de informacin, no se revela la fuente de
informacin, sin alterar el objetivo de la investigacin, por su carcter exclusivamente terico.
92
solidez y presencia nacional, entonces los ciclos econmicos del cultivo la afectarn
cada vez en menor medida, por su adecuada gestin del riesgo.
1.3. Hiptesis y Resultados Esperados
El empleo de estas herramientas permitir llegar a la medicin de los riesgos fnancie-
ros a los que se ve sometida la entidad crediticia representativa.
La entidad crediticia representativa es una entidad fnanciera slida debido al re-
ducido riesgo fnanciero que presentan sus deudores, razn por la cual, mantiene
crditos de corto y largo plazo a los productores, lo que ha permitido mantener la
liquidez del sector.
1.4. Metodologa
Para la identifcacin y medicin de los riesgos, en el presente documento se utilizan
una serie de modelos economtricos. Primero, para la medicin del riesgo de crdito
se emplearan modelo discretos (Logit - Probit), que trabajan con variables dicotmicas
y permiten el clculo de probabilidades de realizacin de un evento (no pago de las
deudas por parte de los deudores fallas humanas en la realizacin de tareas). Por otro
lado, se emplearn modelo de heterocedasticidad condicionada (GARCH), para medir
la volatilidad de los precios de los productos comercializados por los deudores. Final-
mente, para la medicin del riesgo de liquidez se emplear una prueba de Cointegra-
cin como instrumento de medicin. Cada una de las mediciones llevar su respectivo
anlisis y conclusiones derivadas del proceso.
Igualmente, la teora de los riesgos fnancieros y la incertidumbre darn norte al
empleo de las tcnicas economtricas y su interpretacin.
El anlisis de la eleccin en ambientes de incertidumbre tiene sus primeras aproxima-
ciones en la teora microeconmica y en la teora estadstica de la probabilidad, que
en escenarios independientes han desarrollado un cuerpo de explicaciones coherentes
que dan tratamiento detallado a los riesgos y las oportunidades que tienen los agentes
(individuos) en el proceso de toma de decisiones cuando los resultados dependen en
gran medida de las leyes del azar.
Sin embargo,
los trabajos de investigacin sobre la medicin de los riesgos son actividades que
en muy poco tiempo han experimentado un crecimiento espectacular; tanto as, que
hace siete u ocho aos no exista, de forma generalizada, nada parecido a lo que hoy
llamamos <Sistema de medicin de riesgos> (Vilario, 2001, Pgina IX).
93
Tanto el desarrollo de un cuerpo terico, como el desarrollo de un amplio espectro
de aplicaciones han sido desarrolladas por economistas y estadsticos profesionales del
sistema fnanciero mundial. En este sentido, el contexto de anlisis terico y aplicacin
de riesgos se debe al sistema fnanciero, que ha propiciado el ambiente para que se
analicen escenarios en los cuales actan los bancos: ambientes de riesgo e incertidumbre.
2.1. Riesgo e Incertidumbre
Generalmente la teora microeconmica hace un arduo tratamiento a la eleccin rea-
lizada por los consumidores en escenarios de incertidumbre. En este sentido, enfocan
su atencin al anlisis de la aversin al riesgo y utilidad esperada asignndole un impor-
tante papel a la probabilidad de ocurrencia de eventos inciertos, que, en un contexto
de maximizacin, afecta positivamente o negativamente la utilidad del consumidor, ya
que la adquisicin de un bien no garantiza ningn resultado determinado.
De acuerdo con Nicholson,
El estudio de la conducta individual en condiciones de incertidumbre y el estudio ma-
temtico de la probabilidad y la estadstica tienen un origen histrico comn en el in-
tento de comprender los juegos de azar (Nicholson, 1997, Pg. 165).
Cuando un individuo realiza una eleccin, en realidad esta jugando con variables des-
conocidas que determinan la verdadera utilidad del bien. Un ejemplo de ello es la calidad
del bien, la aceptacin del bien por parte de su organismo, entre otras. Por ello, la proba-
bilidad de ocurrencia del evento y la ganancia que obtendra el individuo con dicho evento
han conducido el anlisis al concepto de valor esperado, que no es ms que la probabili-
dad de ocurrencia del evento por la ganancia que se derivara de dicho evento.
Por otro lado, la teora de la frma incorpora el anlisis de la incertidumbre por me-
dio de la teora de juegos. De acuerdo con Monsalve,
La teora de las decisiones interactivas analiza, bsicamente, la toma de decisiones
racionales en las cuales dos o ms agentes, considerando las POSIBLES acciones
de sus oponentes, deben tomas decisiones en el esfuerzo por obtener las mximas
ganancias posibles (Monsalve, 2004, Pg. 1).
Generalmente, los agentes son empresarios que deben tomar decisiones en con-
textos en los cuales se conoce informacin parcial o incompleta de las posibles acciones
de los dems agentes que interactan en el proceso y que por tanto afectan los resulta-
dos del juego y en esta medida la maximizacin de los benefcios de la frma.
Un tercer escenario en el cual la teora microeconmica tradicional incorpora la teo-
ra de la incertidumbre y el riesgo en las elecciones de los agentes, tiene fundamento en
la teora de la regulacin y la eleccin pblica. Con la identifcacin de fallas del merca-
do, los gobiernos han tendido a disear mecanismos en los cuales pretender mitigar el
efecto de las fallas del mercado. Sin embargo, en el diseo y aplicacin de las polticas
tendientes a contrarrestar los efectos de las fallas del mercado, se presenta un proble-
ma de seleccin adversa en el cual, como los gobiernos no conocen perfectamente a
los agentes regulados, les otorgan un trato homogneo castigando a los agentes eco-
nmicos que no generan fallas de mercado, y por otro lado, subvalorando la magnitud
94
de las fallas de mercado de los agentes que las generan. Este escenario de informacin
asimtrica, en el cual los reguladores no conocen la informacin perfecta de la forma
como operan los agentes econmicos, lleva a la aplicacin de polticas regulatorias que
pueden llevar a la consolidacin de las fallas del mercado o a la desaceleracin de la
actividad econmica.
Igualmente existe riesgo e incertidumbre en escenario en los cuales los agentes
econmicos privados (frmas y consumidores), interactan, pero sus elecciones depen-
den de variables exgenas al proceso de eleccin. Un escenario de este tipo se encuen-
tra cuando, un ahorrador (consumidor 1) lleva sus ahorros a un banco y los deposita
como mecanismo de reserva de valor. El banco (frma), puede garantizar o no la devolu-
cin de los recursos al ahorrador, pero dicha decisin no depende de si mismo, sino de
un tercer agente. El tercer agente tomador de recursos del sistema bancario (consumi-
dor 2) puede decidir, una vez ha retirado los recursos del sistema fnanciero, regresar o
no dichos recursos al banco para que ste los regrese al consumidor 1. En este sentido,
los tres agentes asumen riesgo por la incertidumbre que genera el pago o no de las
obligaciones bancarias por parte del agente 2. La utilidad de los tres agentes (valor es-
perado de la utilidad) se ve afectado por la probabilidad de que la eleccin del agente 2
sea pagar o no sus obligaciones bancarias.
En todos los escenarios en los cuales se incorpora el anlisis del riesgo y la incer-
tidumbre a la eleccin de los individuos, la microeconoma tradicional, y los avances
recientes de la teora microeconmica, fundamentan toda la estructura terica y las
conclusiones derivadas de ella, en el concepto elemental de probabilidad.
De acuerdo con Canavos, La probabilidad es un mecanismo por medio del cual pue-
den estudiarse sucesos aleatorios (Canavos, 1988. Pgina 28). En un contexto econ-
mico amplio, los sucesos aleatorios (teora de la incertidumbre) a los que se ve someti-
do un agente econmico lleva a que este tome decisiones que son racionales en funcin
de los resultados esperados de la realizacin de ciertos eventos. Se puede pensar por
ejemplo que dentro de las decisiones de un banco, es necesario tomar la decisin de a
quien prestarle recursos, cuando prestar, que tipo de portafolios constituir, que tipo de
proveedores y acreedores tener como clientes, que tipo de empleados contratar o no,
etc., ya que cada una de estas elecciones implica un resultado favorable o no, en cierto
grado, para el banco. Si los resultados de las elecciones de los bancos no son favorables,
podr asumir riesgos que no le permitan maximizar los benefcios como agente racio-
nal, o simplemente le reduzcan signifcativamente los benefcios.
Sin duda alguna, el fascinante mundo del riesgo y la incertidumbre llevan al arduo
estudio de la probabilidad como una primera aproximacin al estudio de sucesos alea-
torios que afectan el resultado de las decisiones econmicas aparentemente racionales.
Igualmente, relajar el supuesto de la microeconoma tradicional de ceteris paribus (todo lo
dems constante), implica la inmediata aceptacin de un amplio componente de incerti-
dumbre en el proceso de eleccin racional de los agentes econmicos (frmas y consumi-
dores), ya que la diversidad de factores que afectan los resultados de una eleccin estn
regidos por los sucesos aleatorios en los que se desempea el mundo econmico.
2.2. Riesgo de Crdito
En un contexto fnanciero, la defnicin ms sencilla de riesgo de crdito afrma que
el riesgo de crdito es la probabilidad de que una entidad incurra en perdidas generadas
95
por el incumplimiento de las obligaciones contractuales de la contraparte (Jorion, 2002,
Pgina 433). El sistema fnanciero puede incurrir en perdidas cuando sus deudores no
cumplen con sus obligaciones bancarias o simplemente cuando cumplen imperfecta-
mente stas.
De acuerdo con Jorion, los sistemas de medida del riesgo de crdito intentan cuan-
tifcar el riesgo de prdida debido al incumplimiento de la contraparte. La distribucin
del riesgo de crdito puede ser vista como un proceso compuesto por las siguientes
variables (Jorion 2002, Pginas 437-438):
1. Default (incumplimiento), es el estado discreto de la contraparte si la contraparte
cumple o no sus obligaciones bancarias.
2. Credit Exposure (Exposicin Crediticia) tambin llamado exposicin al incumpli-
miento (EAD), es el valor de la demanda al momento que la contraparte incumple.
3. Loss Given Default (Prdida dado el incumplimiento), representa la fraccin perdida
debido al incumplimiento. Por ejemplo, si se toma una situacin donde el resultado
del incumplimiento a una tasa de recuperacin (Fraccional Recovery Rate) es solo del
30%, la perdida por incumplimiento es entonces el 70% de la exposicin crediticia.
En el proceso de medicin del riesgo de crdito infuyen tres variables. La primera
hace referencia a la probabilidad de que un deudor incumpla sus obligaciones fnancieras.
El resultado es evidentemente un suceso aleatorio que distribuye como una Bernoulli. Si
se tienen 100 individuos, algunos decidirn pagar y otros no sus obligaciones fnancieras.
La segunda hace referencia al monto expuesto, esto es la cantidad de dinero que debe el
deudor al banco. La tercera variable hace referencia a la perdida del banco dado el incum-
plimiento real, esto es, que si el deudor en un momento del tiempo decide no continuar
con los pagos peridicos al sistema fnanciero, y su deuda en ese momento de incumpli-
miento es de 70 pesos, pero luego de un arduo cobro por parte del banco, se logra recupe-
rar 42 pesos, la tasa real de perdida es del 40% del monto expuesto.
Cuando un sistema fnanciero o entidad crediticia tiene N agentes tomadores de
prstamos, la prdida agregada se defne nicamente como la suma de las prdidas in-
dividuales dado el incumplimiento para cada uno de los agentes. La ecuacin (1) mues-
tra en forma simplifcada el proceso de agregacin de la perdida crediticia esperada CL
(Jorion, 2002, Pgina 441).
(1)
Donde:
i
= es una variable aleatoria (Bernoulli) que toma valores de 1 en caso de incum-
plimiento (default) y cero en otro caso, con una probabilidad
i
p
.
CE
i
= es el crdito expuesto (monto expuesto) al tiempo de incumplimiento.
i
b = es la tasa de recuperacin, ( )
i
b 1 es la prdida dado el incumplimiento
(default)
En teora, todas estas pueden ser variables aleatorias. Pero se debe asumir que solo
la variable aleatoria es
i
b (incumplimiento default). En este sentido, la inclusin del
( )
=
=
N
i
i i i
b CE CL
1
1 * *
( ) ( ) x y y 1 Pr = = E
( ) ( ) ( )
( ) | |
|
| u
i i
i
X X
X
i i
e e
e
X Y F X Y P

+
=
+
= A = = =
1
1
1
; 1
t
L
i
i i
q
i
i t i
P
i
i t i t
D Y T Y c o c u | | + + + + + =

= =

=

1 1 1
0 0
( )
t
iid
t
h N , 0 c

=

=

+ + =
p
i
i t i
q
i
i t i t
h h
1 1
2
0
o c o o

= =

=
q
i
p
p
i
p
1 1
0 2
| o
o
o

= =

=
q
i
p
p
i
p
1 1
0 2
| o
o
o
( )
t t t t
Y X X c | | o + + + =
1 2 1 1 1 1
( )
t t t t
Y X Y c | | o + + + =
1 2 1 1 2 2
96
concepto de probabilidad lleva a califcar a la prdida como prdida esperada, ya que
sta depende de la ocurrencia del evento que es un suceso aleatorio.
La medicin del riesgo de crdito es importante en cuanto a que encuentra el valor
terico al cual se est en riesgo, y dado que la probabilidad de incumplimiento siempre
esta latente, son las entidades bancarias las responsables de adoptar las polticas para
reducir el impacto de las prdidas (disear las estrategias para la maximizacin de sus
benefcios dado el incumplimiento).
De acuerdo con la Superintendencia Financiera de Colombia, es importante y obli-
gatorio que los bancos realicen el clculo de las prdidas esperadas (defnidas como
la suma de las prdidas individuales de los tomadores de prstamos dado el incum-
plimiento de sus obligaciones bancarias), ya que en caso de que se incumplan las obli-
gaciones fnancieras, son los ahorradores los que ven en riesgo sus recursos. En este
sentido, para proveer un escenario de estabilidad y seguridad del sistema fnanciero,
los bancos deben calcular las prdidas esperadas con el fn de crear un fondo que so-
porte los montos que se encuentran en riesgo de exposicin, y de este modo asegurarle
al ahorrador que tiene la capacidad de responder por sus ahorros a pesar de que los
deudores incumplan sus obligaciones.
Dentro de la regulacin fnanciera en Colombia, la Superintendencia Financiera,
en el captulo II de la circular 100 obliga a los banco a identifcar, medir y controlar el
riesgo de crdito, de modo que se generar estabilidad en el sistema fnanciero. Para
ello, diferencia entre modalidades de crdito, para dar a cada modalidad un tratamien-
to diferente. Los tipos de carteras de crdito que considera la regulacin fnanciera en
Colombia son:
1. Cartera Comercial (Para actividades econmicas organizadas)
2. Cartera de Consumo (Para fnanciar adquisicin de bienes de consumo)
3. Cartera de Vivienda (Adquisicin de Vivienda nueva o usada)
4. Cartera de Microcrdito (Otorgados a Microempresas con carteras menores a 25
SMLV)
Por otro lado, se considera que un cliente incumple sus obligaciones fnancieras
(entra en default) si:
1. Siendo cartera comercial, cumple 90 das en mora. A partir de ese momento es un
cliente en default.
2. Siendo cartera de consumo, cumple 60 das en mora. A partir de ese momento es
un cliente en default.
3. Siendo cartera de Vivienda, cumple 60 das en mora. A partir de ese momento es un
cliente en default.
4. Siendo cartera Microcrdito, cumple 30 das en mora. A partir de ese momento es
un cliente en default.
Igualmente, de acuerdo con recomendaciones y estndares internacionales, la su-
perintendencia fnanciera en dicha circular adopt un sistema de clasifcaciones de los
clientes. Dentro de dichas clasifcaciones es posible encontrar: A, B, C, D y E. Los clien-
tes tipo A son los mejores. Los licites tipo B son clientes buenos pero con cierto perfl de
incumplimiento de pagos espordicos que tratan de solucionar a tiempo. Los clientes
97
tipo C con clientes regulares que tienden a retrasarse en sus obligaciones fnancieras,
pero nunca han incumplido sus pagos al sistema fnanciero. Los clientes tipo D son los
clientes incumplidos (Default) con sus obligaciones fnancieras. Los clientes tipo E son
clientes cuyas carteras son incobrables (ni el cobro jurdico logro la recuperacin de la
cartera).
Finalmente, la Regulacin Bancaria en Colombia seala que las provisiones de los
bancos deben ser el 1% de la cartera total de la entidad sumado a las prdidas espera-
das obtenidas del proceso de clculo anterior.
Sin embargo, la aplicacin del concepto de riesgo de crdito puede ser fcilmente
extensible al sector no fnanciero. Por ejemplo, una entidad comercial que otorga cr-
ditos o facilidades de pago a sus clientes, tambin se ve sometida a evento de que los
clientes incumplan las obligaciones contractuales en los pagos, por lo que se pondra en
riesgo la estabilidad de la compaa.
La complejidad del anlisis lleva a que, los riesgos se correlacionen. Por ejemplo,
en el sector agrcola, y ms especfcamente en el sector arrocero, un deudor de una
casa comercial que le da facilidades de pago en la compra de insumos, puede decidir no
pagar sus obligaciones a la casa comercial porque, por ejemplo, la cosecha fue mala o
porque los precios estaban deprimidos al momento de la venta de la cosecha, de modo
que los ingresos obtenidos por la venta de los mismo no alcanza para cumplir completa-
mente con las obligaciones fnancieras ante las casas comerciales. Las casas comercia-
les veran un riesgo de crdito, de modo que el dueo de la misma incurrira en prdidas
dado el incumplimiento de los deudores, mientras que los productores estaran someti-
dos a riesgo de mercado (precios de mercado diferentes a los esperados).
En este escenario, la medicin del riesgo de crdito debe servir como base para la
toma de decisiones empresariales (no solo aplica para el sector bancario), que propen-
dan por la reduccin del impacto del incumplimiento de los deudores. La medicin del
riesgo en si misma es intil, solo toma vida cuando sirve como criterio para la toma de
decisiones racionales por parte de los agentes econmicos.
En este documento, se pretende construir un modelo de prdida esperada de la
cartera crediticia de una entidad crediticia representativa, de modo que la entidad di-
see las estrategias pertinentes para la reduccin del riesgo de crdito. Una entidad
crediticia representativa que provee crditos a los agricultores para la compra de semi-
llas para la siembra de arroz, y los insumos agrcolas para el cultivo, tiene un mecanis-
mo de fnanciacin para los agricultores en la medida que distribuye los pagos de los
monto prestados a lo largo de los meses de siembra hasta llegar a la poca de cosecha,
cuando los agricultores venden la produccin y pagan sus obligaciones fnancieras con
los ingresos derivados del proceso. Para ello, se hace necesario que, en algn sentido,
estudiar los determinantes que inciden en el suceso aleatorio del pago o no de las obli-
gaciones fnancieras a la entidad crediticia representativa por parte de los agricultores.
Dado que las entidades no fnancieras desconocen por completo el esquema de
regulacin del sistema fnanciero en Colombia, a pesar de que otorgan crditos, no
clasifcan a los clientes de acuerdo con un perfl, y tampoco defnen puntos de default
(incumplimientos) como lo defne la Superintendencia Financiera de Colombia, este
ejercicio pretende ejemplifcar el proceso de medicin del riesgo para que las entidades
no fnancieras que realizan el mismo ejercicio de otorgamiento de crditos apliquen el
esquema a sus unidades de negocio. Diversas entidades crediticias no fnancieras del
sector agropecuario en general, como entidades comerciales por ejemplo, cometen el
98
mismo error. Por este motivo, no distinguen clientes tipo A, B, C, D E, y no distinguen
las modalidades de crdito. Para el presente ejercicio, se tomo un segmento de la carte-
ra agropecuaria, los productores de arroz a lo largo del territorio nacional, y de stos, se
analiz aquel segmento de clientes que tenan crditos iguales o menores a 25 Salarios
Mnimos mensuales legales vigentes a diciembre de 2.006. Bajo este concepto, la car-
tera se podra llegar a clasifcar como Microcrdito como se menciono anteriormente.
Igualmente, y por facilidad de los clculos y del anlisis econmico, se consideran todos
los clientes como homogneos, ya que no existe discriminacin entre ellos y todos son
deudores en montos pequeos.
Finalmente, se va a calcular la perdida esperada y las provisiones potenciales que
debera tener la entidad crediticia representativa de acuerdo con los conceptos de la
Superintendencia Financiera de Colombia. Esto no implica que existan dichas provisio-
nes, ya que pueden ser menores o mayores, sino por el contrario, es un valor terico
que permitir realizar una medicin del riesgo de crdito de la entidad, y dar luces a
entidades no fnancieras para que realicen el mismo ejercicio.
2.3. Riesgo de Mercado
El riesgo de mercado
son las posibles prdidas que pueden producirse en activos fnancieros que forman
parte de carteras de negociacin y de inversin, y que estn originadas por movimien-
tos adversos de los precios de mercado (Vilario, 2001, Pgina 13).
Dentro de los riesgos de mercado, es posible apreciar, los tipos de inters en mone-
da nacional, los tipos de inters en moneda extranjera, las tasas de inters pactadas en
UVR, los tipos de cambio, el valor de la UVR, los precios de las acciones, etc. Cualquier
movimiento en uno de estos factores puede llevar a perdidas potencias a los agentes
econmicos que intervienen en el proceso econmico.
El riesgo de mercado se origina en el movimiento adverso de los precios. Sin em-
bargo, no todo movimiento en los precios lleva a prdidas o ganancias signifcativas a
los agentes que intervienen en el proceso econmico. Lo realmente importante a la
hora de analizar el movimiento de los precios es la magnitud del movimiento de los
mismos.
El anlisis de volatilidades soporta la teora del riesgo de mercado. En tal caso, es
necesario observar la frecuencia con que se mueven los precios, y el grado de tolerancia
que puede tener una entidad ante los movimientos del mercado antes de incurrir en
una perdida real. Esto implica, que en el caso de un banco, si dentro del portafolio en el
cual invierte los fondos de los ahorrados hay un tipo de divisa, por ejemplo el Yen japo-
ns, que tiene una rentabilidad media de 6% anual y su volatilidad es del 2%, el banco
solo incurrir en prdida si el precio de la divisa llega a una rentabilidad de 4% cuando
l tiene que pagar al dueo del dinero (ahorradores) una rentabilidad anual de 4.5% por
ejemplo. En caso contrario, si el movimiento del rendimiento de la divisa cae a una tasa
de 4.5% anual por ejemplo, solo estar incurriendo en un costo de oportunidad, ya que
pudo haber invertido el dinero en otra divisa, papel o bono que le reportara rentabilidad
en vez de invertirla en una moneda (el Yen para el caso del ejemplo), que le reporto una
rentabilidad nula.
99
El concepto de Valor en Riesgo (Value at Risk - VaR), se ha acuado para referirse
al riesgo de mercado.
El concepto VaR es la estimacin de la prdida mxima que puede tener la posicin
de una cartera, con un determinado horizonte temporal y un determinado nivel de
confanza (Vilario, 2001, Pgina 189).
Los precios futuros son desconocidos, por lo deben ser considerados como sucesos
aleatorios.
El VaR es una medida que resume el riesgo de movimientos negativos de los pre-
cios, expresados en dinero. Esto implica que el
VaR es mxima prdida en un horizonte objetivo de tiempo tal que hay una baja en
el precio, especifcando la probabilidad de que la perdida actual sea ms grande (Jo-
rion, 2001, Pgina 246).
La defnicin implica que con el movimiento futuro de los precios, existe un valor
que se puede perder en la actualidad (un porcentaje de la inversin actual).
Para medir el VaR, es obligatorio medir dos parmetros cuantitativos. El nivel de
confanza y el horizonte (Jorion, 2001, Pg. 252). El nivel de confanza ( a 1 ) no es
ms que el nivel estadstico de certeza con el cual se realizan los clculos, por lo que
el nivel de signifcancia ser a . Generalmente el nivel de confanza suele ser de 95%,
99% 99.9%, pero en la medida en que aumenta el nivel de confanza, los clculos
deben ser tan exactos que se hacen complejos. Por otro lado, el horizonte de hace refe-
rencia al tiempo de exposicin del precios a movimientos del mercado. Los resultados
del VaR pueden diferir si se tienen en cuenta movimientos de los precios de manera
continua en el tiempo, o de manera discreta (diaria, semanal, mensual, etc.), ya que
la frecuencia de movimiento de los precios puede generar compensaciones en el largo
plazo, de modo que los efectos en los movimientos del mercado se vuelvan, en cierta
medida, neutros. Para el caso de horizontes de tiempo corto, las compensaciones no
necesariamente se dan y por lo tanto el riesgo puede aumentarse expresando un VaR
signifcativamente mayor.
En trminos sencillos, el riesgo de mercado se ve infuenciado por la volatilidad
(desviacin estndar de un precio con respecto a un nivel medio) de los precios que
intervienen en un proceso econmico. Basta con conocer la raz cuadrada de la varian-
za del comportamiento histrico de un precio, para tener una primera aproximacin al
riesgo de mercado. Sin embargo, la construccin de modelos economtricos ha enri-
quecido el anlisis de volatilidades, de modo que es posible explicar el comportamiento
de los precios y sus volatilidades. Dentro de los modelos economtricos de volatilida-
des se encuentran los modelos tipo ARCH, GARCH, T-GARCH, etc., que sern tratados
mas adelante en este captulo.
Al igual que antes, la aplicacin del concepto de Riesgo de Mercado puede ser f-
cilmente extensible al sector no fnanciero. Una entidad comercial que se encarga de la
venta de un nico bien (insumos agrcolas por ejemplo), asumir cierto grado de riesgo
cuando los precios de mercado se muevan. Si el precio se mueve a la baja por las con-
diciones del mercado (aumento de la competencia, aumento de la oferta o cada en la
demanda), sus ganancias se pueden ver afectadas. Para el caso una entidad crediticia
100
no fnanciera, si la ganancia por venta de agroinsumos es de 10%, por ejemplo, y la
volatilidad es del 15%, la actividad econmica se enfrenta a un VaR alto que llevar a
potenciales prdidas econmicas en la entidad. En caso contrario deber incrementar
la ganancia por encima del 15% para reducir la posibilidad de perdida por movimientos
en el mercado. Si por el contrario, la Volatilidad es del 5% y la ganancia del 10%, ante
una cada de precio de los agro insumos de 5%, lo que enfrenta la compaa es un costo
de oportunidad por dejar de invertir en otra actividad que le hubiera generado una ga-
nancia superior a 5%.
Nuevamente, la medicin del Riesgo de Mercado debe servir como base para la
toma de decisiones empresariales (en trminos de fjacin del precios del bien que le
permita soportar los movimientos del mercado). Como se dijo anteriormente, La me-
dicin del riesgo en si mismo es intil, solo toma vida cuando esta sirve como criterio para
la toma de decisiones racionales por parte de los agentes econmicos.
En este documento, va a realizar un clculo de las volatilidades de los precios del
arroz al productor a lo largo del territorio nacional. Estos clculos servirn para identi-
fcar el comportamiento de los mismos, de modo que se identifquen aquellas regiones
en las cuales el riesgo de mercado es mayor, y por tanto, se decida disear un mecanis-
mo de aprovisionamiento (mayores provisiones tericas para las entidades que otor-
gan crditos). Por otro lado, en regiones donde el riesgo de mercado sea menor, de
modo que se estabilice la actividad arrocera, las provisiones deberan ser menores para
la entidad crediticia representativa. De igual manera, esto no implica que la entidad
crediticia representativa tenga dichas provisiones, sino que ste ejercicio aproximar
los montos tericos.
2.4. Riesgo de Liquidez
El riesgo de liquidez puede defnirse como la perdida potencial ocasionada por even-
tos que afectan la capacidad de disposicin de recursos por parte de una entidad para
enfrentar sus obligaciones pasivas, ya sea por incapacidad para vender sus activos, por
reduccin del valor de sus activos valorados a precios de mercado, por aumento de sus
pasivos valorados a precios de mercado o por incapacidad para recurrir a las fuentes
habituales de fnanciamiento.
La medicin del riesgo de liquidez es un tanto ms compleja que la medicin de
riesgos de mercado y de crdito. Para la medicin del riesgo de crdito y del riesgo
mercado, en cierta medida, solo es necesaria una base de datos que de cuenta del com-
portamiento histrico del cumplimiento de los pagos por parte de los deudores, o el
comportamiento histrico de cierto precio, para calcular su volatilidad. Por otro lado,
para la medicin del riesgo de liquidez, se puede tener una medida bsica como la igual-
dad histrica en las variaciones de los valores de mercado de los activos lquidos de la
entidad y los pasivos de corto plazo. Esto implica que si el valor de mercado de los acti-
vos lquidos vara en la misma proporcin que los activos de corto plazo de la entidad, el
riesgo de liquidez es menor (lo que no implica que sea poco severo).
Sin embargo, el simple clculo de las variaciones de los valores de mercado de los
activos lquidos y los pasivos de corto plazo dan una idea vaga del verdadero riesgo
de liquidez, ya que, si bien es cierto que los activos soportan los pasivos, desconoce la
posibilidad de disponer de recursos para realizar operaciones de mercado que generen
una oportunidad de rentabilidad. Por ejemplo, supngase que, en cierto momento del
101
tiempo, los activos lquidos de una compaa son de 100 y los pasivos de corto plazo tie-
nen el mismo valor, a pesar de que la tasa de crecimiento histrica de los dos sea similar
(2% por ejemplo), si la compaa necesita disponer del 50% de sus activos lquidos para
realizar una inversin que le va a generar un 20% de rentabilidad dos aos despus, y
el riesgo de mercado es bajo (por ejemplo en renta fja), aparentemente existirn dos
periodos en los cuales el riesgo de liquidez es alto, ya que el fujo de caja de los acti-
vos lquidos se reducira los dos aos siguientes antes de la maduracin de la inversin,
desconociendo que el costo de oportunidad de no hacer la inversin es ms alto que el
crecimiento del valor de mercado de los activos lquidos en el tiempo.
En este sentido, se necesita una visin y un campo de anlisis ms amplio para el
anlisis del riesgo de liquidez. La teora de la Gestin de Activos y Pasivos (GAP), en-
gendra en si misma una secuencia de anlisis que dan una mejor aproximacin al riesgo
de liquidez.
Un primer objetivo de la gestin de activos y pasivos esta situado en la anticipacin
de los cambios en el balance y en los mrgenes, y en la cuantifcacin de los cambios
no anticipados, asignndole probabilidades a dichos cambios o, inversamente dado
un nivel de probabilidad determinado, cuantifcar el cambio negativo (Vilario,
2001, Pgina 276).
Esto implica que el anlisis de los estados fnancieros y balances de una entidad
pueden llevar a una mejor aproximacin del riesgo de liquidez.
De acuerdo con Vilario, la tcnica del GAP o brecha de fondos consiste en el cl-
culo de activos y pasivos sensibles a las variaciones de tipos de inters, ordenados por
plazos. El concepto central es el de sensibilidad al tipo de inters. Sin embargo, el clcu-
lo del GAP es excesivamente sencillo en el sentido de que si en una situacin el GAP es
nulo, esto signifca que las tasas de inters que afectan a los activos lquidos variaron en
la misma proporcin y sentido que las tasas de inters que afectan los pasivos de corto
plazo. Nuevamente, la metodologa desconoce o le brinda poca importancia al costo de
oportunidad de reducir el fujo de caja por el lado de los activos lquidos de la compaa.
En cualquier caso, las tcnicas de medicin del riesgo de liquidez son en s mismas
dbiles y no proveen criterios sufcientes que describan la complejidad a la que se en-
frenta una entidad cuando hace anlisis de riesgos de liquidez. Y como es de esperarse,
el riesgo de liquidez depende del riesgo de mercado ya que las tasas de inters son el
precio que pagan las entidades por el uso del dinero.
En esta investigacin, por la disposicin de informacin de los estados fnancieros
y los balances de la entidad crediticia representativa, solo ser posible la evaluacin de
la hiptesis que afrma que tanto los activos como los pasivos han crecido a una tasa
histrica similar. Si este es el caso, el riesgo de liquidez en su forma ms bsica es poco
probable, pero si no es el caso, estar presente el riesgo de liquidez. Nuevamente, al
igual que en la medicin de los riesgos de crdito y los riesgos de mercado, los resulta-
dos tericos encontrados no implican la realizacin del evento por parte de la entidad
crediticia representativa. Ms an, en el riesgo de liquidez se tienen unas tcnicas de
medida tan dbiles, que afrmar que una entidad se enfrenta a riesgo de liquidez, por el
hecho de que la tasa de variacin de los pasivos de corto plazo es mayor que la tasa de
variacin de los activos lquidos, es una afrmacin que fcilmente puede ser puesta en
tela de juicio.
102
2.5. Riesgo Operativo
Este es sin duda alguna, el ms difcil de todos los riesgos. Las tcnicas de medicin de
los riesgos operativos son tanto o ms dbiles que las tcnicas empleadas para medi-
cin del riesgo de liquidez, pero ms complejas que las anteriores.
Las transacciones fnancieras deben ser registradas, almacenadas y contabilizadas,
y debe exigirse, adems, la realizacin de un seguimiento durante su vida hasta que
son fnalmente canceladas. Todos estos aspectos tienen un soporte documental pre-
ciso, y unas normas y procedimientos de administracin y control. Cualquier discre-
pancia entre lo que <debe ser> y lo que <realmente es> produce la materializacin de
riesgo operativo. (Vilario, 2001, pgina 16).
El riesgo operativo nace en el desempeo de las funciones de los empleados de una
entidad. Para el caso de una entidad fnanciera, la entidad puede incurrir en prdidas
derivadas de equivocaciones de los empleados, como por ejemplo una pliza sin frmar,
una garanta no verifcada, una operacin no registra, mal manejo tecnolgico, etc. In-
cluso el riesgo operativo puede acuarse a la actuacin de los empleados que lleven a
prdidas econmicas a la entidad como fraudes y despilfarro de fondos.
Si se defne el riesgo operativo como el riesgo de prdida resultante de inadecua-
dos procesos, sistemas o personas internas, o de eventos externos (Jorion, 2002, pgina
537), es posible afrmar que la fuente de riesgo operacional es etrea y compleja de
medir. No se trata solo de identifcar y mucho medir cuando una entidad se encuentra
en riesgo por actuaciones mal intencionadas de los empleados (no es fcil medir cual es
la probabilidad de que un empleado despilfarre fondos, o cual la probabilidad de que a
futuro realice fraudes), se trata tambin de gestionar dicho riesgo. Por otro lado, ningu-
na entidad puede medir con facilidad lo adecuado de los procesos o procedimientos de
las tareas de los empleados, ya que stos pueden fallar por factores externos al actuar
de los empleados.
Las medidas actuariales construidas para la medicin del riesgo operacional se ba-
san en fallas histricas de las personas, procesos o sistemas. Tales modelos incluyen dos
conceptos, la frecuencia con que ocurre la falla en un intervalo de tiempo, y la severi-
dad de la perdida una vez se ha obtenido una falla. Aproximadamente, al igual que en
los modelos de riesgo de crdito, se puede adoptar una metodologa similar e indagar
la probabilidad de que un elemento del sistema organizacional falle, por la magnitud
econmica de la perdida. En este sentido el riesgo operacional puede ser medido con
relativa facilidad, aunque desconoce los factores externos que generan la falla de uno
de los elementos del sistema.
Todas las entidades, fnancieras y no fnancieras se ven sometidas a este tipo de
riesgo, que en muchos casos puede llevar a prdidas enormes y quiebras de compaas.
Para el caso de una empresa comercial o industrial existe riesgo en la realizacin de
un proceso, que lleve a prdidas econmicas para la compaa. Por ejemplo, la enti-
dad crediticia representativa se ve sometida a riesgo cuando realiza contratos con los
deudores, cuando acta como cobrador jurdico, cuando desconoce las intenciones
de sus empleados (todas las compaas conocen el perfl de sus empleados en cierta
proporcin), y cuando ejecuta actividades de contabilizacin, control y dems labores
administrativas.
103
En esta investigacin se medir la probabilidad de que se cometa una falla humana
dentro de la organizacin de modo que se materialice en perdidas. Por limitaciones en
la informacin o inexistencia de la misma, se calcular el riesgo operativo valorado a
precios de mercado como el resultado de multiplicar la probabilidad de falla de un ele-
mento del sistema organizacional (los empleados) por la masa de activos de la entidad.
Si bien esta es una medida muy bsica porque desconoce la probabilidad de ocurren-
cia de eventos externos, o fallas en los sistemas, es una primera forma de lograr una
aproximacin al riesgo operativo.
2.6. Modelos Economtricos en Medicin de Riesgos
Para el caso del clculo de las probabilidades de incumplimiento de las obligaciones
fnancieras por parte de los deudores, generalmente se emplean modelos de eleccin
discreta Logit y Probit. Igualmente, es posible emplear este tipo de modelos en la medi-
cin de riesgos operativos si se observa a un empleado y se le clasifca como empleado
que incurri en falla o no. Para ambos casos, las variables exgenas sern aquellas que
describan el perfl del sujeto (deudor o empleado). Por otro lado, el anlisis de series
de tiempo sirve para el clculo del comportamiento histrico de variables (precios) y
sus volatilidades (Modelos ARIMA y GARCH), para el caso de riesgo de mercado. Para
la medicin del riesgo de liquidez es til el anlisis de series de tiempo de largo plazo,
mediante metodologas de Cointegracin de series como activos lquidos y pasivos de
corto plazo.
Por un lado los modelos de eleccin discreta se caracterizan porque la variable en-
dgena toma valores que permiten clasifcar a los individuos. De acuerdo con Roa,
Los modelos de eleccin binaria permiten el clculo de probabilidad de ocurrencia de
un evento denotado por
i
Y , condicionado al conjunto de informacin del conjunto de
variables X . (ROA, 2006, Pgina 24).
La ecuacin [2] describe esta idea.
(2)
Se debe tener en cuenta que
i
Y solo toma dos valores cero y uno. Por ejemplo se
quiere construir un modelo permita calcular la probabilidad de que un cliente bancario
al que se le acaba de otorgar un prstamo entre o no en mora. Se tienen datos de to-
dos los clientes del banco con las mismas y diferentes caractersticas. La variable
i
Y
toma valor de cero si un cliente antiguo del banco nunca ha entrada en mora, y valor
de uno si otro cliente antiguo del banco ha entrado en mora. El modelo descrito por la
ecuacin pretende calcular la probabilidad de que el cliente nuevo entre en mora dado
que tiene un conjunto de caractersticas denotado por X . (ROA, 2006, Pgina 24)
De acuerdo con Roa, los resultados de un modelo Logit y un Modelo Probit son si-
milares a pesar de que emplean supuestos diferentes en cuanto a la distribucin de los
errores que actan como componente aleatorio del modelo. En este sentido, la ecua-
cin de un modelo Logit esta defnida de acuerdo con la ecuacin (3).
( )
=
=
N
i
i i i
b CE CL
1
1 * *
( ) ( ) x y y 1 Pr = = E
( ) ( ) ( )
( ) | |
|
| u
i i
i
X X
X
i i
e e
e
X Y F X Y P

+
=
+
= A = = =
1
1
1
; 1
t
L
i
i i
q
i
i t i
P
i
i t i t
D Y T Y c o c u | | + + + + + =

= =

=

1 1 1
0 0
( )
t
iid
t
h N , 0 c

=

=

+ + =
p
i
i t i
q
i
i t i t
h h
1 1
2
0
o c o o

= =

=
q
i
p
p
i
p
1 1
0 2
| o
o
o

= =

=
q
i
p
p
i
p
1 1
0 2
| o
o
o
( )
t t t t
Y X X c | | o + + + =
1 2 1 1 1 1
( )
t t t t
Y X Y c | | o + + + =
1 2 1 1 2 2
104
(3)
La ecuacin (3) se construye de modo que cualquiera sea el valor de los parmetros
(
i
b
) y el valor de las variables (
i
X ), el valor de ( )
i
X Y P 1 = es un valor positivo menor
a la unidad. Esto es vlido si se tiene en cuenta que la probabilidad por defnicin se
enmarca en tales limites. De este modo, los modelos de eleccin discreta permitirn
el clculo de las probabilidades de un suceso aleatorio representado por una variable
dicotmica.
En el presente captulo se emplearn modelos de eleccin discreta para el clculo
de la probabilidad de incumplimiento de los pagos de las obligaciones fnancieras de los
agricultores que toman crditos, para la adquisicin de insumos, de la entidad crediticia
representativa. Este ser el mtodo que realizar una aproximacin a la medicin del
Riesgo de Crdito en la cartera de la entidad crediticia representativa.
Igualmente, se emplear un modelo de eleccin discreta para el clculo de la proba-
bilidad de que un empleado de la entidad crediticia representativa cometa una falla en
la ejecucin de un proceso o tarea. Se explicar el hecho de que un empleado se equivo-
que o no en funcin de sus caractersticas personales. Como se afrmo anteriormente,
se realizar una aproximacin al riesgo operativo de la entidad crediticia representativa
por medio de un modelo de prdida esperada dada la falla de un empleado en la ejecu-
cin de un proceso dentro de la estructura de la organizacin.
Por otro lado, los modelos de series de tiempo se caracterizan por la modelacin de
variables a travs de estructuras tipo ARIMA. De acuerdo con Roa,
El punto de partida de los modelos ARIMA es el supuesto de estacionariedad. Esto
signifca que para cada modelo, existen unos errores que se comportan como ruido
blanco, es decir, con media cero y varianza constante (Roa, 2006, pgina 6).
Un modelo tpico de series de tiempo ARIMA se caracteriza por una ecuacin del
tipo (4)
(4)
El lado izquierdo de la igualdad representa el comportamiento de la serie en el mo-
mento t. En el lado derecho de la igualdad se tiene primero el componente constante
del modelo, segundo la tendencia de la serie, tercero el comportamiento auto regresivo
de la serie (P rezagos), cuarto la parte de media mvil del modelo (q rezagos), quinto las
variables instrumentales del modelo (L variables Dummy), y fnalmente el componente
irregular del modelo.
Generalmente los supuestos del modelo se realizan sobre los errores (componente
irregular) del modelo. Cuando se cumplen los supuestos tradicionales del modelo, se
dice que el modelo es adecuado para la explicacin del comportamiento de la serie.
Igualmente, la estacionariedad de un modelo hace referencia al hecho de que la serie
sea estable alrededor de un nivel. Esto implica que los parmetros del modelo cumplan
ciertas condiciones que permitan la convergencia de la serie al nivel preestablecido.
Sin embargo, entre los supuestos del modelo existe uno de difcil cumplimiento.
La homocedasticidad hace referencia a la varianza constante de los errores del mo-
( )
=
=
N
i
i i i
b CE CL
1
1 * *
( ) ( ) x y y 1 Pr = = E
( ) ( ) ( )
( ) | |
|
| u
i i
i
X X
X
i i
e e
e
X Y F X Y P

+
=
+
= A = = =
1
1
1
; 1
t
L
i
i i
q
i
i t i
P
i
i t i t
D Y T Y c o c u | | + + + + + =

= =

=

1 1 1
0 0
( )
t
iid
t
h N , 0 c

=

=

+ + =
p
i
i t i
q
i
i t i t
h h
1 1
2
0
o c o o

= =

=
q
i
p
p
i
p
1 1
0 2
| o
o
o

= =

=
q
i
p
p
i
p
1 1
0 2
| o
o
o
( )
t t t t
Y X X c | | o + + + =
1 2 1 1 1 1
( )
t t t t
Y X Y c | | o + + + =
1 2 1 1 2 2
( )
=
=
N
i
i i i
b CE CL
1
1 * *
( ) ( ) x y y 1 Pr = = E
( ) ( ) ( )
( ) | |
|
| u
i i
i
X X
X
i i
e e
e
X Y F X Y P

+
=
+
= A = = =
1
1
1
; 1
t
L
i
i i
q
i
i t i
P
i
i t i t
D Y T Y c o c u | | + + + + + =

= =

=

1 1 1
0 0
( )
t
iid
t
h N , 0 c

=

=

+ + =
p
i
i t i
q
i
i t i t
h h
1 1
2
0
o c o o

= =

=
q
i
p
p
i
p
1 1
0 2
| o
o
o

= =

=
q
i
p
p
i
p
1 1
0 2
| o
o
o
( )
t t t t
Y X X c | | o + + + =
1 2 1 1 1 1
( )
t t t t
Y X Y c | | o + + + =
1 2 1 1 2 2
105
delo. Cuando la varianza es no constante, las ecuaciones que se pretende expliquen el
comportamiento de las series no son adecuadas. En este sentido, los modelos pierden
relevancia.
De acuerdo con Roa, para solucionar el anterior problema, se ha diseado mode-
los que permite la explicacin de la volatilidad de la serie. Dichos modelos, conocidos
dentro de la familia de modelos GARCH, explican por un lado el comportamiento de la
serie y por otro lado la volatilidad de la misma a travs de un modelo de varianza con-
dicionada. Las ecuaciones (4), (5) y (6) representan un modelo de heterocedasticidad
condicionada.
(5)
(6)
La ecuacin (5) muestra que la varianza del modelo no es una constante, ya que
depende del tiempo (subndice t de la variable h). Esto implica la presencia de hetero-
cedasticidad en los errores del modelo. Sin embargo, la ecuacin (6) condiciona el com-
portamiento de la heterocedasticidad a un modelo tipo ARIMA asociado a la varianza.
La ecuacin (6) muestra que la varianza en todo periodo t depende de una constante,
de los errores cuadrticos rezagados en el tiempo y la varianza rezagada en el tiem-
po. De acuerdo con Vilario, luego del desarrollo matemtico de la ecuacin es posible
apreciar que La varianza incondicional viene dada por la ecuacin (7) (Vilario, 2001,
pgina 163. las itlicas son propias).
(7)
Cuando se le calcula la raz cuadrada a de la varianza se obtiene la volatilidad. En
este sentido la volatilidad de una serie esta dada por la ecuacin (8).
(8)
Como se afirmo anteriormente, el clculo de modelo de serie de tiempo tipo
ARIMA y GARCH ser la base mediante la cual se estima el riesgo de mercado al
que se ven sometidos los precios del arroz al productor en diferentes zonas a lo
largo del pas.
Finalmente, los modelos de Cointegracin pretenden explicar movimientos de lar-
go plazo de las series. Cuando dos series se mueven en el mismo sentido y en la misma
magnitud (incrementos o cadas de las dos series que concuerdan en magnitud y en
largos periodos de tiempo), se dice que ests cointegradas. Las ecuaciones (9) y (10)
permiten apreciar que dos series
t
X y
t
Y estn cointegradas si ambas comparten un
equilibrio de largo plaza dado por ( )
1 2 1 1
+
t t i
Y X b b a . Los valores
1
y
2
repre-
sentan las constantes de las series. Los coefcientes
1
a y
2
a representan las velocida-
des de ajuste de las series a su nivel de equilibrio de largo plazo en caso de que no se
( )
t
iid
t
h N , 0

=

=

+ + =
p
i
i t i
q
i
i t i t
h h
1 1
2
0
d a a

= =

=
q
i
p
p
i
p
1 1
0 2
b a
a
s

= =

=
q
i
p
p
i
p
1 1
0 2
b a
a
s
106
encuentren all. Finalmente, cada una de las series esta explicada por un componente
de error, como ya es tradicional.
(9)
(10)
Para el clculo de estos modelos, la tradicional metodologa de Johansen permite
el clculo del nmero de vectores de Cointegracin por medio del rango de la matriz
T
ab =ab
t
. Si el rango de la matriz es 1, por ejemplo, existir un equilibrio de largo plazo,
y por lo tanto, las series estarn cointegradas mostrando que estas comparten similar
comportamiento de largo plazo.
Sin embargo, Roa seala que un requisito previo para la probar la existencia de rela-
ciones de Cointegracin o equilibrio de largo plazo de las series es la presencia de races
unitarias en las series de tiempo analizadas. El mtodo ms popular para probar races
unitarias es series de tiempo es el Dickey-Fuller. Este mtodo evala la hiptesis nula de
raz unitaria en las series ( ( ) 1 0 = = ) en la ecuacin (11) en su forma ms bsica, obte-
nida a partir de la diferenciacin de la ecuacin (4) para un modelo bsico AR(1). Lo que
se espera es que ( 1 = ) con el fn de probar la existencia de relaciones de largo plazo en
las series. Adicionalmente, Roa seala que las dos series deben tener raz unitaria para
la adecuada realizacin de la prueba (Roa, 2006).
(11)
En este documento se realizarn modelo de Cointegracin para probar la hi-
ptesis del riesgo de liquidez en su forma ms elemental. Si las series de activos
lquidos y pasivos de corto plazo de los ltimos aos estn cointegradas, esto signi-
fica que existen activos que crecen a la misma tasa de los activo de corto plazo, de
modo que en primera instancia se puede aprobar la hiptesis de baja probabilidad
de riesgo de liquidez. Por el contrario, si las series no estn cointegradas, las series
no crecen a la misma tasa, razn que da un primer indicio de riesgo de liquidez.
Como se discuti anteriormente, esta primera aproximacin es un tanto dbil, pero
es una tcnica existente de medicin.
3. marco emprIco
3.1. Riesgo de Crdito Modelo de Prdida Esperada
Para la construccin del modelo se tomaron datos de 5.563 clientes de la cartera de la
entidad crediticia representativa. La informacin fue clasifcada o categorizada para su
posterior tratamiento, de cuerdo con la informacin descrita en la tabla 1.
( )
t t t t
Y X X b b a + + + =
1 2 1 1 1 1
( )
t t t t
Y X Y b b a + + + =
1 2 1 1 2 2
t t t
Y Y + =
1
*
107
Tabla 1. Variables utilizadas en el modelo Riesgo de Crdito
CDIGO VARIABLE CARACTERSTICA
X
3
Crditos Obtenidos
Variable discreta que toma valores de 1 a 8 en la base de datos
X
4
Gnero
Variable dicotmica. Toma valores de 1=mujer, 2=hombre
X
5
Edad
Se categoriz la variable por rangos de edad. 1=menor 18 aos; 2=19 a 25
aos; 3=26 a 35 aos; 4=36 a 45 aos; 5=46 a 60; 6=mayor 60 aos
X
6
Estrato
Se contempla del estrato 1 al 6
X
7
Ocupacin
Variable discreta defnida as: 1=Agricultor; 2=Empleado; 3=Desempleado;
4=otro
X
8
Ingresos
Se categoriz la variable por rangos de ingresos mensuales. 1=menor SMLV;
2=entre 1 y 2; 3=entre 2 y 3; 4=entre 3 y 4; 5=entre 4 y 5; 6=ms de 5
X
9
Educacin
Variable discreta defnida as: 1=Ninguna Primaria; 2=Secundaria;
3=Profesional; 4=Postgrados
X
10
Estado Civil
Variable discreta defnida as: 1=Soltero; 2=Casado; 3=Viudo; 4=Separado;
5=Unin Libre; 6=Otro
X
11
Personas a Cargo
Variable discreta que toma valores de 1 a 7 en la base de datos
X
12
Califcacin Bancaria
Variable discreta que toma valores de 1=D; 2=;C 3=B; 4=A. De acuerdo
con la informacin suministrada por los deudores
X
13
Experiencia Especfca
Variable discreta defnida as: 1=menos de un ao; 2=entre 1 y 3 aos;
3=entre 4 y 10 aos; 4= ms de 11 aos
X
14
Valor Agregado de Activos
Variable discreta defnida as: 1=Menos de 15 millones; 2=entre 15 y 30 millones;
3=entre 31 y 45 millones; 4= entre 46y 60 millones; 5=ms de 60 Millones
Y
Morosidad
Variable dicotmica. Toma valores de 0=Cliente Cumplido; 1=Cliente en Mora
Z
Saldo de Cartera
En pesos Colombianos a 31 de Octubre de 2006
La base de datos permite observar que la cartera para los 5.563 clientes asciende a
$18.303165.799 pesos colombianos a 31 de octubre de 2006. La cartera promedio por agri-
cultor es de $3290.161 pesos colombianos. Se tomaron todos esos crditos cuyos saldos a
la fecha de corte oscilaban entre $1000.000 y $10000.000. En este sentido, el valor mnimo
reportado en la cartera ascenda a $1000.469 y el valor mximo asciende a $9990.600,
por lo que se clasifco como cartera de micro crditos, ya que no exceden los 25 SMLV, y en
general fue posible aplicar los criterios de la cartera de microcrdito para este documento.
La variable morosidad toma valores de 1 para un cliente, si ste lleva 30 das ms
en mora, y valores de cero si el cliente no est en mora o lleva menos de 30 das en mora
a 31 de octubre de 2006. Los das de mora se empiezan a contar a partir de la fecha de
corte del cultivo, no desde la fecha de desembolso del mismo, por motivos de la vida
productiva del cultivo.
Clculo de la probabilidad de incumplimiento:
Se construye el modelo descrito por la ecuacin (12).
(12)
( )
+ +

+
= =
=
i
i
i i
X
i
e
X Y P
b b
14
3
0
1
1
1
108
La ecuacin (12) calcula la probabilidad de que un cliente i, se encuentre en mora
(Valor de 1), dadas sus caractersticas sociodemogrfcas (X
i
). La tabla 2 muestra los
resultados de la estimacin.
De acuerdo con la tabla, entre ms historia crediticia tengan los clientes (mayor
nmero de crditos), la probabilidad de incumplimiento de las obligaciones fnancieras
actuales disminuye (signo negativo del parmetro).
Sin embargo, se encuentra que entre ms edad tengan los deudores, la probabi-
lidad de incumplimiento se incrementa (signo positivo de parmetro), lo que signifca
que los clientes ms jvenes tienen un mayor inters en cumplir sus obligaciones con
entidad crediticia representativa con el fn de tener una buena historia crediticia y as
mantener crditos para el desarrollo del cultivo.
Tabla 2. Resultados de la Estimacin del Modelo Riesgo de Crdito
Dependent Variable: MOROSIDAD
Method: ML - Binary Logit (Quadratic hill climbing)
Included observations: 5563
Covariance matrix computed using second derivatives
Variable Coeffcient Std. Error z-Statistic Prob.
CRDITOS -0.118011 0.025925 -4.551977 0.0000
EDAD 0.094883 0.044407 2.136677 0.0326
OCUPACIN 0.135365 0.062731 2.157869 0.0309
EDUCACIN -0.274337 0.062738 -4.372724 0.0000
ESTADO CIVIL -0.088514 0.045752 -1.934664 0.0530
CALIFICACIN -0.212229 0.055867 -3.798852 0.0001
EXPERIENCIA -0.107217 0.044918 -2.386939 0.0170
ACTIVOS -0.294843 0.046171 -6.385913 0.0000
Mean dependent var 0.063635 S.D. dependent var 0.244123
S.E. of regression 0.239887 Akaike info criterion 0.452577
Sum squared resid 319.6673 Schwarz criterion 0.462103
Log likelihood -1250.843 Hannan-Quinn criter. 0.455898
Avg. log likelihood -0.224850
Obs with Dep=0 5209 Total obs 5563
Obs with Dep=1 354
Por otro lado, los agricultores y trabajadores asalariados tienen mayor probabilidad
de cumplir con sus obligaciones fnancieras, mientras que los desempleados (agricultu-
ra ociosa) entran con mayor frecuencia en mora en las obligaciones fnancieras con la
entidad crediticia representativa (signo positivo del parmetro).
Las variables educacin y aos de experiencia especfca tiene una relacin inversa
con la probabilidad de incumplimiento (signos negativos de los coefcientes). Esto im-
plica que entre ms aos de experiencia en el sector y entre ms educacin tengan los
deudores, menor es la probabilidad de incumplimiento. Se espera, que los profesiona-
109
les y los agricultores de tradicin tengan un buen hbito de pago de sus obligaciones
fnancieras a razn de mantener vigentes sus posibilidades crediticias con las empresas
del sector arrocero.
La variable califcacin tiene signo negativo en respuesta a que los clientes que tie-
nen mala califcacin crediticia en bancos comerciales, tienen una mayor probabilidad
de incumplir con las obligaciones fnancieras de la entidad crediticia representativa.
Inversamente, los clientes que tienen mejores califcaciones en el sistema fnanciero
tienen menores probabilidades de incumplir las obligaciones fnancieras de la entidad
crediticia representativa (signo negativo del parmetro).
Una variable fundamental en el anlisis es el valor de los activos, ya que entre ma-
yor sea el valor de los activos del deudor, menor es la probabilidad de incumplimiento
(signo negativo del parmetro). En este sentido, las garantas reales por parte de los
deudores, aunque exista o no prenda sobre el patrimonio, infuyen de manera positiva
en el pago de las obligaciones fnancieras de los agricultores. Esto implica que, si en un
momento la cosecha no present un ingreso razonable para cubrir las obligaciones f-
nancieras con la entidad crediticia representativa, el agricultor puede disponer de otros
activos para responder por la deuda.
Clculo de la prdida esperada.
Provisiones por cliente y generales:
La probabilidad media de que un cliente entre en mora es de 6.34%. Cuando se multipli-
ca la probabilidad de incumplimiento de cada cliente por el monto de cartera que adeu-
dan a la entidad crediticia representativa, a corte del 31 de octubre de 2006, se obtiene
la prdida esperada por cliente. La suma de las prdidas esperadas por cliente genera la
perdida esperada de la cartera. Para el caso del ejercicio, sta asciende a $1.154350.701
correspondientes al 6.31% de la cartera bruta de la entidad crediticia representativa.
Dado que la entidad crediticia representativa debe seguir los lineamientos de admi-
nistracin de riesgo de crdito que determina la Superintendencia Financiera de Colom-
bia, las provisiones (en bancos), debera ascender al total de la prdida esperada ms el
1% de la cartera bruta. Esto implicara una provisin total de $1.337382.359, equivalentes
al 7.31% de la cartera de la entidad crediticia representativa. Esto se aprecia en la tabla 3.
Tabla 3. Provisiones tericas de la entidad crediticia representativa
Riesgo de Crdito
Perdida Esperada $1.154350.701
1% de la cartera bruta $183031.158
TOTAL $1.337382.359
En realidad el riesgo de crdito de la cartera de la entidad crediticia representativa
esta alrededor de 6.34%, con un nivel de confanza de 95%, razn por la cual, las provi-
siones de dicha entidad por este concepto debera ascender al 7.31% de la cartera bruta.
En realidad hay entidades bancarias que enfrentan mayores riesgos de crdito. La en-
tidad crediticia representativa tiene un menor riesgo de crdito, seguramente porque
los clientes a pesar de verse sometidos a la venta de la cosecha, son clientes tradiciona-
les que histricamente han hecho negocios con la entidad, y por motivos de tradicin
110
cumplen sus obligaciones crediticias. Igualmente, una de las razones por las cuales el
incumplimiento es bajo se debe a que los montos de deuda son pequeos. Esto implica
que los agricultores dispongan de otros ingresos (diferentes a la actividad econmica)
para cubrir sus obligaciones fnancieras.
Recomendaciones derivadas del anlisis:
Las deudas que tienen los agricultores con la entidad crediticia representativa esta cer-
cana a $18.000000.000. La sostenibilidad de la deuda se debe en parte a que sta se
respalda con cartera de bajo riesgo (6.34% de probabilidad de incumplimiento). En este
sentido, la entidad crediticia representativa puede cumplir con sus obligaciones fnan-
cieras (a otros ahorradores) en respuesta al adecuado manejo de cartera y otorgamien-
to de crditos a los agricultores.
Por otro lado, los clientes con mayor tradicin en el sector son aquellos que
presentan menor probabilidad de incumplimiento de sus obligaciones financieras
con la entidad crediticia representativa, hecho que ha fortalecido la actividad de
generacin de liquidez de la entidad. En este sentido, el riesgo es bajo en trminos
probabilsticos.
3.2. Riesgo de Mercado Modelos de Volatilidad
Para el clculo de las volatilidades de los precios de las semillas comercializadas, se
tomaron por separados las sedes de Tolima, Huila, Meta, Crdoba, Cesar y Norte de
Santander. Equivalentemente, se tom el precio promedio ponderado nacional para
Colombia. Por motivos de estacionariedad de las series en el proceso de anlisis esta-
dstico, fue necesaria una transformacin por aproximaciones de Taylor que permitie-
ron la estacionariedad. Se trabajan precios promedio mensual entre 1995 y 2005.
Para todas las series analizadas se encontr que las volatilidades de los precios de las
materias primas (arroz paddy) se situaban alrededor de 0.72% nacional, con volatilidades
promedio de 3.13% (tabla 4 y grfco 1). Sin embargo, los precios en Ccuta y Montera
presentan mayores volatilidades relativas, lo que lleva a mayores ganancias o prdidas
potenciales por movimientos del mercado, pero con un mayor nivel de riesgo.
Tabla 4. Rentabilidad del precio del arroz paddy por regiones Riesgo de Mercado
Ibagu Espinal Neiva V/vicencio Montera Valledupar Ccuta Colombia
Rentabilidad
Media
0,71% 0,72% 0,71% 0,70% 0,77% 0,77% 0,78% 0,72%
Volatilidad 3,06% 3,10% 3,24% 3,90% 6,36% 3,12% 4,03% 3,13%
Fuente: Fedearroz. Clculos propios
La tabla 5 permite apreciar el modelo de volatilidad para la serie de precios del
arroz paddy en Colombia. La ecuacin de varianza, y la ecuacin principal cumplen
condiciones de estacionariedad, siendo signifcativas al 95%. Igualmente, la ausencia
de auto correlacin (estadstico Durban-Watson 2.13), permiten observar lo adecua-
do del modelo.
111
Tabla 5. Resultados de la Estimacin del Modelo Riesgo de Mercado
Dependent Variable: COLOMBIA
Method: ML - ARCH (Marquardt) - Normal distribution
MA backcast: 1993M02 1995M01, Variance backcast: ON
GARCH = C(6) + C(7)*RESID(-1)^2 + C(8)*RESID(-2)^2 + C(9)*RESID (-1)^2*(RESID(-1)<0) + C(10)*GARCH(-1)
Coeffcient Std. Error z-Statistic Prob.
AR(1) 0.390828 0.064073 6.099691 0.0000
AR(6) -0.405188 0.058723 -6.899952 0.0000
MA(6) 0.306136 0.053637 5.707508 0.0000
MA(7) 0.319220 0.064056 4.983448 0.0000
MA(24) 0.480070 0.062604 7.668414 0.0000
Variance Equation
C 9.63E-05 2.66E-05 3.617339 0.0003
RESID(-1)^2 0.226709 0.110493 2.051799 0.0402
RESID(-1)^2*(RESID(-1)<0) -0.233222 0.062263 -3.745775 0.0002
RESID(-2)^2 -0.194359 0.099338 -1.956537 0.0504
GARCH(-1) 0.901007 0.047366 19.02238 0.0000
R-squared 0.323213 Mean dependent var 0.007505
Adjusted R-squared 0.270247 S.D. dependent var 0.031587
S.E. of regression 0.026984 Akaike info criterion -4.512106
Sum squared resid 0.083734 Schwarz criterion -4.285841
Log likelihood 292.0066 Durbin-Watson stat 2.131419
Fuente: Fedearroz. Clculos propios.
GrfiCo 1. Rentabilidad del precio del arroz Paddy en Colombia.
Riesgo de Mercado
Fuente: Fedearroz. Clculos propios
112
Dado que no existe constante en la ecuacin principal del modelo, el estado
estacionario de la serie es cercano a cero. Por otro lado, el modelo permite apreciar
una volatilidad de la serie de 1.79%. La diferencia entre la volatilidad histrica de la
serie (3.13%) y la pronosticada por el modelo (1.79%), radica en que la construccin
de la volatilidad del modelo se realiza con datos de los ltimos meses (rezagos re-
cientes), mientras que la volatilidad histrica de la serie tiene en cuenta la totalidad
de los datos de la muestra. En conclusin, la volatilidad de largo plazo del precio
del arroz paddy es ms alta que la volatilidad de corto plazo. Esto implica que en la
actualidad, la volatilidad ha tendido a reducirse, minimizando el riesgo por varia-
ciones en los precios.
En conclusin, la volatilidad del precio del arroz paddy, por cualquiera de los dos
mtodos que se emplee, representa variaciones signifcativamente bajas ya que en nin-
gn paso esta por encima del 3.13%.
Para el caso de ciudades, dado que el precio promedio nacional ponderado sigue
un comportamiento similar, se tiene que las volatilidades de largo plazo son mayores
que las de corto plazo. Sin embargo, la volatilidad del precio es ms alta en la ciudad de
montera, donde supera el 6%.
3.3. Riesgo de Liquidez.
Modelos de Cointegracin
El anlisis incluye activos lquidos de corto plazo, entendidos como aquellos activos que
se puede convertir fcilmente en dinero sin que el dinero pierda valor. A este rubro per-
tenecen las cuantas bancarias, las acciones, los bonos de corto plazo, etc. por otro lado,
los activos de corto plazo se entienden como todos aquellas deudas que tienen como
plazo mximo un ao para su liquidacin (proveedores, administracin y nomina, deu-
das fnancieras de corto plazo, etc.)
Al analizar los activos lquidos entre 1989 y 2005 se encuentra que la tasa de cre-
cimiento promedio para el periodo es de 32,46%, mientras que los pasivos de corto
plazo han crecido 28,62% para el mismo periodo. Lo interesante del anlisis radica en
que para los aos 1993, 2000 y 2005 tanto los activos lquidos como los pasivos de corto
plazo presentan una reduccin similar, mientras que para el resto de aos, las tasas de
crecimiento son similares.
La grfca 2 muestra el comportamiento de los activos lquidos y los pasivos de cor-
to plazo de la entidad crediticia representativa. Es evidente que a pesar de que las series
tengan diferentes niveles, particularmente a partir de 1996 en adelante, el comporta-
miento de las series es similar dado que crecen o decrecen en magnitudes similares en
periodos de tiempo similares.
Las tablas 6 y 7 muestran los resultados de la prueba de raz unitaria para las series
analizadas. En ambos casos, el estadstico Dickey-Fuller permite concluir que las series
presentan raz unitaria.
Luego de realizar diversas pruebas de Cointegracin entre las series se encuentra
que existe una relacin de Cointegracin, tal y como se evidencia en la tabla 8. Por lo
anterior, entre 1989 - 2005 los activos lquidos y los pasivos de corto plazo de entidad
crediticia representativa crecieron a la misma tasa.
113
Tabla 6. Prueba de Raz Unitaria para los
Activos Riesgo de Liquidez
Null Hypothesis: ACTIVOS has a unit root
Lag Length: 0 (Automatic based on SIC, MAXLAG=3)
t-Statistic Prob.*
Augmented Dickey-Fuller
test statistic -0.635726 0.8361
Test critical
values:
1% level -3.920350
5% level -3.065585
10% level -2.673459
Fuente: Entidad crediticia representativa. Clculos propios.
GrfiCo 2: Activos y Pasivos de la entidad crediticia representativa.
Riesgo de Liquidez
Tabla 7. Prueba de Raz Unitaria para los
Pasivos Riesgo de Liquidez
Null Hypothesis: PASIVOS has a unit root
Lag Length: 0 (Automatic based on SIC, MAXLAG=3)
t-Statistic Prob.*
Augmented Dickey-Fuller
test statistic -0.947748 0.7449
Test critical
values:
1% level -3.920350
5% level -3.065585
10% level -2.673459
La tabla 8 muestra los resultados de la prueba de Cointegracin. Igualmente, las
ecuaciones (9) y (10) se estimaron como aparece en (13) y (14).

(13)
(14)
De acuerdo con la tabla 8, existe un vector de Cointegracin lo que muestra que los
activos y los pasivos comparten una senda de crecimiento homognea a lo largo del
tiempo. Si se asume la defnicin ms bsica de riesgo de liquidez como las prdidas
potenciales en que puede incurrir una entidad por no contar con los activos lquidos
sufcientes para soportar los activos de corto plazo, en el caso de la Organizacin Arro-
cera con actividades de crdito, se observa que dicho riesgo esta ausente ya que ambas
series crecen a tasas similares en el tiempo.
( ) ( )
t t t t
Pasivos Activos Activos Diff + =
1 1
566 . 1 886 . 1
( ) ( )
t t t t
Pasivos Activos Pasivos Diff + =
1 1
566 . 1 072 . 2
114
Las ecuaciones (13) y (14) representan las ecuaciones de Cointegracin. Dado que
existe un vector de Cointegracin, la presencia de un equilibrio se evidencia en el he-
cho de que ambas ecuaciones comparten dicho equilibrio ( )
1 1
566 . 1

t t
Pasivos Activos .
El vector esta normalizado, y al tener en cuenta el error estndar de los parmetros, es
posible apreciar su signifcancia al 95%. Por otro lado, la ecuacin muestra que tanto
los activos como los pasivos rezagados un periodo afectan el comportamiento actual
de las series.
Los activos del periodo anterior afectan positivamente a los activos lquidos del pe-
riodo actual y a los pasivos de corto plazo del periodo actual, lo que implica que en la
medida que crecen los activos en el periodo ( ) 1 t , tanto los activos como los pasivos
del periodo t crecern en la misma proporcin. Este es el sentido de la ausencia de ries-
go de liquidez, ya que siempre existir una tendencia a igualar la tasa de crecimiento
de los activos lquidos a la tasa de crecimiento de los pasivos de corto plazo. Por otro
lado, los pasivos del periodo anterior afectan negativamente los activos lquidos y los
pasivos lquidos del periodo actual, lo que implica que en la medida que crecen los pa-
sivos del periodo
( ) 1 t
, los pasivos del periodo t decrecern llevando en si mismo un
decrecimiento de los activos lquidos en el periodo t (no se debe olvidar que las series
se mueven en la misma direccin y proporcin).
Tabla 8: Prueba de Cointegracin Riesgo de Liquidez
Trend assumption: No deterministic trend
Series: ACTIVOS PASIVOS
Unrestricted Cointegration Rank Test (Trace)
Hypothesized Trace 0.05
No. of CE(s) Eigenvalue Statistic Critical Value Prob.**
None * 0.812181 25.20142 12.32090 0.0002
At most 1 0.007787 0.117265 4.129906 0.7780
Trace test indicates 1 cointegrating eqn(s) at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
1 Cointegrating Equation(s): Log likelihood -531.0046
Normalized cointegrating coeffcients (standard error in parentheses)
ACTIVOS PASIVOS
1.000000 -1.566623
(0.02234)
Adjustment coeffcients (standard error in parentheses)
D(ACTIVOS) 1.886254
(0.76310)
D(PASIVOS) 2.072001
(0.59392)
Fuente: Entidad crediticia representativa. Clculos propios
115
Cuando los activos se encuentran por fuera del equilibrio (vector de Cointegracin),
stos retornan a la relacin de equilibrio en 23 meses (1,88 aos de velocidad de ajuste),
mientras que cuando los pasivos se encuentran por fuera de la relacin de equilibrio,
stos tienden a dicho vector en 25 meses (2,07 aos de velocidad de ajuste). Lo anterior
implica que en un periodo determinado los activos y los pasivos pueden alejarse de la
senda de equilibrio, pero ambos retornarn a la misma aunque los activos retornen con
una rapidez relativamente mayor que los pasivos.
En trminos generales, es posible apreciar que la entidad crediticia representativa
tiene activos lquidos que soportan sus pasivos de corto plazo, lo que explica el hecho
de que a pesar de que la entidad crediticia representativa tiene carteras signifcativas
con los agricultores (cerca de $18.000000.000), sta decidan mantenerle los canales de
crdito por considerarlos como un sujetos de crdito que le permiten tener un fujo de
caja tal que es posible cubrir los pasivos de corto plazo. Este hallazgo soporta la teora
de que el adecuado manejo del riesgo de crdito que realiza la entidad le permite con-
trolar de manera directa el riesgo de liquidez.
3.4. Riesgo Operativo Modelos Discretos
Para la medicin del riesgo operativo se opto por construir una base de datos sencilla.
Se indago por la edad de 97 empleados que manejaban directamente recursos para la
cartera agropecuaria a 31 de octubre de 2006, el nivel educativo descrito por la tabla
9, los aos de experiencia dentro de la compaa, el salario y se les pregunto si haban
incurrido en algn tipo de falla en el desarrollo de sus actividades cotidianas dentro
de la entidad crediticia representativa (olvido de alguna tarea, ejecucin inadecuada
o incompleta de alguna tarea o error por fallas externas a su voluntad). Con estas 5
preguntas se construy la base de datos que permiti realizar el modelo aqu descrito.
Tabla 9. Codifcacin de Variables Riesgo Operativo
Cdigo Variable Caracterstica
X
1
Edad En aos cumplidos
X
2
Educacin Variable discreta defnida as: 1=Secundaria incompleta; 2=Secundaria;
3=Universidad Incompleta; 4=Profesional; 5=Postgrados
X
3
Experiencia en la entidad
crediticia representativa
En aos
X
4
Ingresos
En miles de pesos a 2006
Y
Falla
Variable dicotmica. Toma valores de 0=Ausencia de Falla; 1=Falla Operativa
Luego de realizar el modelo incluyendo todas las variables, se encontr que nica-
mente era signifcativa la variable aos de experiencia. La tabla 10 muestra los resulta-
dos de la regresin.
Particularmente, la probabilidad de que un empleado de la entidad crediticia re-
presentativa incurra en fallas en la realizacin de sus labores cotidianas no depende de
la edad, el nivel educativo o el salario que devenga. La probabilidad de incurrir en falla
operacional depende de la antigedad del empleado en la entidad. El valor negativo
116
del parmetro permite apreciar que en la medida que un empleado adquiere mayor
experiencia en aos dentro de la entidad, la probabilidad de que cometa errores en la
ejecucin de sus labores disminuye (signo negativo del parmetro).
Lo anterior implica que los empleados de menor experiencia (2 aos o menos) se-
alaron cometer errores en la ejecucin de sus tareas. La probabilidad promedio de
incurrir en fallas operacionales se sito alrededor de 15.53%. Si esta se toma como una
medida del riesgo operacional, es evidente que el mayor riesgo de la entidad obedece
al riesgo operativo ms que al riesgo de crdito, de liquidez o de mercado.
Si se asume por ejemplo que a 2006 los activos de la entidad crediticia representa-
tiva ascendieron a $295`171.562 (este es un valor terico nicamente) y que la probabili-
dad de que un empleado incurra en falla operacional, el monto de los activos expuestos
por motivo operacional asciende a $45`849.498 siempre que se defna como perdida
esperada por riesgo operacional a la multiplicacin del monto total de los activos por la
probabilidad de falla humana. La tabla 11 resume este hallazgo.
Tabla 11. Cuantifcacin del Riesgo Operativo.
Activos 2005 Probabilidad Falla Perdida Esperada
$295`171.562 15.53% $45`849.498
El riesgo operacional es una fuente de posible prdida. Sin embargo, la medida aqu
construida es muy bsica por varios motivos. Primero, el modelo se realiz con datos de
una encuesta que puede presentar sesgos y errores. Segundo, solo se tiene en cuenta
riesgo por falla humana, desconociendo factores externos (sistemas, etc.). Tercero, no
se tiene en cuenta la probabilidad de estafa que lleve a la entidad crediticia represen-
tativa a incurrir en perdidas por riesgo del factor humano. Sin embargo, la incipiente
Tabla 10. Resultados de la Regresin Riesgo Operativo
Dependent Variable: FALLA
Method: ML - Binary Logit (Quadratic hill climbing)
Included observations: 97
Covariance matrix computed using second derivatives
Variable Coeffcient Std. Error z-Statistic Prob.
EXPER -0.282541 0.058596 -4.821872 0.0000
Mean dependent var 0.123711 S.D. dependent var 0.330962
S.E. of regression 0.317980 Akaike info criterion 0.672523
Sum squared resid 9.706653 Schwarz criterion 0.699067
Log likelihood -31.61738 Hannan-Quinn criter. 0.683256
Avg. log likelihood -0.325952
Obs with Dep=0 85 Total obs 97
Obs with Dep=1 12
117
construccin de modelos de riesgo operacional no permite avanzar ms all de los cl-
culos bsicos aqu presentados.
4.conclusIones
En esta investigacin se cuantifcaron los riesgos fnancieros de una entidad crediticia
representativa que otorga crditos al sector agropecuario, y dentro de este a la sector
arrocero. Por medio de modelos economtricos se obtuvo la medida de probabilidad
de incumplimiento de las obligaciones fnancieras de los deudores de la entidad. Igual-
mente, se realiz el clculo de la prdida esperada, utilizando criterios de la Superinten-
dencia Financiera de Colombia y del Global Association Risk Professionals. El clculo de
los riesgo fnancieros de la entidad muestra que existe una baja probabilidad de que los
deudores incumplan sus obligaciones fnancieras (6.34%), razn por la cual la continua
inyectando liquidez a este sector. Este hecho hace que a pesar de que la cartera sea am-
plia (ms de 18 mil millones de pesos), siga siendo fuente de crdito del sector arrocero
en Colombia.
Por otro lado, se cuantifc el riesgo de mercado derivado de la comercializacin
de del arroz paddy, por medio de modelos de volatilidad. Este procedimiento se realiz
teniendo en cuenta las observaciones de Vilario. Al realizar los clculos de volatilidad
se encontr que la baja volatilidad de los precios de materias primas (1.79% calculada
por un modelo de volatilidad y 3.13% la volatilidad histrica), en ningn caso sobre pasa
el 3.13%, razn por la cual se puede considerar que los ingresos operacionales de la enti-
dad crediticia representativa son relativamente estables, ya que la estabilidad de ingre-
sos de los productores tradicionales se traduce en estabilidad para la entidad crediticia.
Para el clculo de riesgo de liquidez, se utiliz el mtodo de Cointegracin de acti-
vos lquidos y pasivos de corto plazo para evaluar la hiptesis de ausencia de riesgo de
liquidez en escenarios de Cointegracin de las series. Al realizar el ejercicio emprico,
se encontr que la ausencia de riesgo de liquidez (activos lquidos y pasivos de corto
plazo cointegrados), es un criterio clave que permite observar que la entidad crediticia
representativa cuenta con el respaldo a sus deudas de corto plazo. Este nuevo hallazgo
ratifca la conclusin de que la cartera arrocera que tiene la entidad crediticia represen-
tativa es de alta calidad por su bajo nivel de riesgo.
Finalmente, se cuantifc el riesgo operacional con un modelo de eleccin discreta
que permita calcular la probabilidad de error humano en la realizacin de tareas pro-
pias de las divisiones de otorgamiento y seguimiento de crditos de la entidad crediticia
representativa que llevaran a prdidas potenciales. El clculo de estas probabilidades
permiti cuantifcar el riesgo operacional de la entidad, llevando a la conclusin de que
la probabilidad de falla humana en el desarrollo de tareas cotidianas esta alrededor del
15.53%, sealando que la entidad est en riesgo operacional en escala media. Sin em-
bargo, los clculos del riesgo operacional son bsicos en respuesta a que la teora an
es incipiente.
A lo largo del documento se puede apreciar que el riesgo nace de un proceso de
incertidumbre. La microeconoma cuenta con bases tericas slidas para el anlisis de
la incertidumbre en el anlisis de la toma de decisiones humanas, y la estadstica provee
118
las herramientas necesarias para su cuantifcacin. Cuando no se conoce la realizacin
de un evento futuro, existe la probabilidad estadstica de incurrir en prdida o ganan-
cias potenciales no anticipadas. Sin embargo, la identifcacin, medicin y control de
riesgos fnancieros son campos relativamente nuevos, y aunque sus construcciones
tericas se han desarrollado ampliamente durante los ltimos aos, aun existe un am-
plio campo de investigacin.
biblioGrafa
CANVOS, George (1988). Probabilidad y estadstica. Aplicaciones y m-
todos. Primera edicin. McGraw-Hill. Mxico. Pgina 28.
JORION, Philippe (2003). Financial Risk Manager Handbook. Global
Associations Risk Professionals GARP-. Second Edition. Wiley
John Wiley & Son, Inc. New Jersey. Pages 391- 440.
MONSALVE, Sergio & ARVALO, Julin (2004). Un curso en teora de
juegos clsica. Unidad de Estudios e Interacciones Econmicas.
Universidad Nacional de Colombia y Universidad Externado de
Colombia. Bogot. Pgina 1.
NICHOLSON, Walter (1997). Teora Microeconmica. Conceptos bsi-
cos y aplicaciones. Sexta edicin. McGraw-Hill. Espaa. Pgina
165.
ROA P., John (2006). Notas practicas de Econometra. Memorias sin
publicar. Bogot, Abril de 2006. Pginas 3-40.
VILARIO S., Angel (2001). Turbulencias Financieras y Riesgos de Mer-
cado. Pearson Educacin S. A., Financial Times Prentice Hall.
Madrid, Espaa. Pginas 1- 18, 161 171 y 275 280.
119
captulo 4.
Instrumentos fInancIeros para el mercado
del arroz blanco en colombIa
Carolina Cardozo Carvajal
Andrs Feipe Jimnez Corts
RESUMEN
E
l presente capitulo expone la factibilidad de desarrollar un mer-
cado organizado para el arroz blanco en Colombia, a travs de
opciones. El texto plantea las herramientas necesarias para la reali-
zacin de este tipo de instrumentos fnancieros y las caractersticas
que deben contemplar en el desarrollo de un mercado organizado en
el pas para su ejecucin exitosa. El diseo y modelacin de la opcin
propuesta se realiza por medio de una aplicacin matemtica en Ex-
cel que permite determinar el precio terico de la prima con base en
modelos usados en el mercado.
120
ABSTRACT
The present chapter put forward the possible way to develop
an organized market for the white rice in Colombia, throught
the options. The text sets out the required tools for carrying out
of this kind of fnancial instruments and the characteristics that
should contemplate the development of an organized market in
the country for successful execution. The design and the model
of proposal option is done throught a mathematical application
in Excel that allows establish the theorical option price according
to the models used in the market
PALABRAS CLAVE: Mercado a plazo, Instrumentos Deriva-
dos, modelo de valoracin Black-Scholes-Merton, mercado de
arroz blanco en Colombia, volatilidad de precios.
KEY WORDS: Future Market, Derivative instruments, asses-
ment model Black-Scholes-Merton, White rice market in Colom-
bia, Price volatility
CLASIFICACIN JEL: G12, G15, Q14.
121
1. IntroduccIon
El mercado de materias primas agrcolas est expuesto a continuas especulaciones por
las condiciones de mercado, del consumo, del clima y la competencia, entre otras. Por
este motivo, es indispensable que todos los sectores productores de materias primas
agrcolas dispongan de instrumentos fnancieros que les permitan enfrentar las circuns-
tancias adversas del mercado. A causa de la entrada de nuevos retos comerciales, la
creciente competencia y los permanentes cambios climticos, el mercado de productos
agrcolas es un sector crtico en el proceso de integracin comercial mundial, por fac-
tores como la seguridad alimentaria, la infacin agrcola, y su vulnerabilidad social en
trminos de generacin de empleo e ingresos al sector rural. En este sentido, el sector
agrcola debera contar con instrumentos de proteccin efectivos para derivar los bene-
fcios del proceso de integracin de los mercados y liberalizacin de los mismos.
El mercado agrcola del arroz en Colombia, se caracteriza particularmente por te-
ner una estructura de oligopolio, lo que difculta la generacin de instrumentos para
una determinacin del precio real. Igualmente, el sector arrocero es importante para el
gobierno, en trminos de empleo y desarrollo del sector rural. Debido a esta estructura
y circunstancia en la que se desenvuelve el sector arrocero, es primordial prepararlo con
el fn de poder ser competitivo en trminos de precio, a nivel internacional, minimizan-
do el riesgo de grandes movimientos en los precios.
Sin embargo, la proteccin que se le otorga al productor por medio de subsidios guber-
namentales no es del todo confable para solucionar el riesgo de precio, y eventualmente
ayudar a mitigar circunstancias adversas del clima. Dado que el arroz colombiano carece
de instrumentos que mitiguen el riesgo de mercado, lo cual puede ocasionar perdidas a los
productores. Si se utiliza instrumentos fnancieros para mitigar el riesgo, se logra:
Disminucin del riesgo de mercado
Precios estandarizados, lo cual disminuye la volatilidad
Comprar, con anterioridad, el arroz con caractersticas defnidas
El presente captulo pretende evaluar la factibilidad de implementar las opciones
como derivado fnanciero para el mercado del arroz en Colombia, con el fn de proveer
mtodos para minimizar el riesgo en situaciones de escasez o bonanza de produccin,
lo que no expresa la realidad de la demanda y oferta de un bien, es decir, no se transa
con el precio ptimo. Adems este proyecto tambin responde a la necesidad de ajus-
tes en los cambios en la internacionalizacin de los mercados fnancieros.
2.1. Teora de Mercados a Plazo
el mercado a plazo tambin es conocido como mercado de derivados y esta defnido como
Un mercado donde individuos comercializan contratos estandarizados que han sido
defnidos en el momento del intercambio (HULL, 2003 Pg. 1), es decir, es un merca-
122
do en el cual se negocian contratos, estipulan que las partes se comprometen a com-
prar o vender, en una fecha futura, un numero determinado de un bien a un valor que
se fja en el momento de la negociacin (BOLSA DE SANTIAGO).
Para comercializar en un tiempo futuro se utilizan contratos en donde se establece
el precio y la fecha a la cual se intercambiara la mercanca.
Estos mercados se han desarrollado como evolucin de transacciones en el tiempo
real, o mercado al contado, en donde las transacciones se ejecutan en el momento de la
negociacin. En otras palabras, la evolucin de la transaccin clsica de operaciones de
compra y venta comienzan a establecer cantidades y calidad de la mercanca, y a medida
que pasa el tiempo los contratos a futuros son desarrollados con base en la practica del
mercado a contado. Este esquema se puede evidenciar en los orgenes de la bolsa de Chi-
cago; de acuerdo a Hull a mediados del siglo XIX, en donde se reunan los granjeros ameri-
canos para intercambiar sus cosechas, inicialmente establecieron cantidades y calidades
de los granos y luego los contratos a plazo para commodities, es decir, aquellos productos
genricos los cuales no se diferencian entre si (ECONLINK, 2007).
Segn Gutirrez, para lograr establecer un ambiente propicio para los futuros, el
mercado debe mostrar una serie de comportamientos determinados por:
Oferta y demanda inciertas en el tiempo.
Atomizacin de la oferta
Un gran mercado disponible en trminos de operaciones
Sin embargo, a pesar de los comportamientos anteriormente mencionados, la
volatilidad en los precios del activo es la variable fundamental para el desarrollo del
mercado a plazo, esto implica que el precio debe oscilar por oferta y demanda, y esa
oscilacin debe ser percibida por los agentes como perjudicial (GUTIERREZ, 2004).
2.2. Participantes del Mercado a Plazo
Hedger
Este tipo de participante es aquel al cual le interesa cubrirse del riesgo, en otras pa-
labras, they want to avoid an exposure to adverse movements in the price of an asset
(HULL, 2003 Pg. 11). Estos participantes se protegen de movimientos en los precios
comprando un contrato a futuro el cual les permite saber con certeza el precio al cual
van a vender su mercanca. El inters de estos participantes es no estar expuestos a
vender su producto en escenarios de precio muy bajo, ya que cuando mas alto es el
valor de su stock mayor ser el riesgo al cual estar expuesto (ENETSPECULATION)
Especuladores
Este tipo de participante es aquel que busca anticipar los cambios en el precio y obtener
una ganancia de la posterior venta (PREZ BARBEITO, 2007), o segn trminos de Hull
speculators wish take a position in the market. Either they are betting that the price will
go up or they are betting that it will go down, (HULL, 2003, Pg. 12). Segn Kozikowsky
la especulacin puede ser defnida como una apuesta sobre la variacin de los precios
123
futuros, dado el caso de que la expectativa se cumpla el especulador tiene ganancia, de
lo contrario obtendr perdida. (KOZIKOWSKY, 2000)
Arbitradores
El arbitrador segn Hull, es aquella persona que busca benefcio en los desequilibrios que exis-
ten en dos o mas mercados (HULL, 2003). Esto quiere decir que las oscilaciones en los precios
de diferentes mercados son aprovechados por estas personas, pues ellos consiguen un activo
a un menor precio en un mercado y lo negocian en otro donde sea ms alto su precio
1
.
Adems de obtener ganancias a costa de las variaciones en los mercados, de manera
indirecta los arbitradores ayudan a un mercado a aterrizar sus precios a la realidad, o me-
jor dicho, igualan los precios en las dos economas en donde los arbitradores participan.
2.3. Clasifcacin del Mercado a Plazo
En el mercado a plazo existen dos maneras de negociar: bajo el mercado regularizado
(las bolsas), o por medio del mercado Over-The-Counter (OTC).
El mercado OTC: Es el lugar donde se operan acciones de compaas que por no
cumplir los requisitos necesarios para cotizar no entran en los mercados ofcia-
les. A diferencia del mercado regulado, cada parte debe encontrar su contrapar-
tida, de esta manera se generan operaciones a precio superior o inferior al que
se estipula en el mercado, y en este tipo de mercado no existen tantos requisitos
para hacer viable la operacin. (LAVIN M, 2005). De otra manera, es el lugar en
donde se negocian activos de empresas que no se encuentran certifcadas por
las bolsas nacionales, y se caracteriza porque las negociaciones se hacen de ma-
nera directa y los contratos son hechos segn las necesidades del cliente.
El mercado organizado: Es el mercado donde se transan contratos estanda-
rizados que han sido establecidos por la bolsa (Hull,2002). En la medida que
los precios son conocidos en tiempo real, se presenta una menor distorsin de
los mismos en comparacin con el mercado OTC, en donde no existe una pu-
blicacin de los precios de transaccin. Por otro lado, el riesgo de contraparte
se disminuye debido a la presencia de instituciones que velan por la seguridad
del proceso. El mercado organizado los participantes incurren en costos y en
algunos casos menores utilidades que en el OTC, debido a la seguridad de la
transaccin que genera pago de comisiones.
2.4. Ventajas y Desventajas de Mercado a Plazos
Ventajas
Segn Gmez, los instrumentos fnancieros hacen que el inversionista tenga una cober-
tura; es decir, si ocurren variaciones desfavorables para el inversionista, puede minimi-
1 A diferencia de la especulacin el arbitrador no corre ningn riesgo pues el compra y vende en el mismo instante
que empieza la transaccin, y no usa fondos propios para la transaccin pues vende antes de liquidar la compra,
lo que por ende solo le deja al arbitrador la diferencia de la venta con la compra (Kozikowsky 2000, Pg.83).
124
zar esas variaciones utilizando derivados fnancieros, los cuales le permiten al inversio-
nistas pactar un precio previamente acordado lo que le genera mayor confanza sobre
sus ingresos futuros (GMEZ, 2001).
Mitigar el riesgo ya que el inversionista se ve obligado a negociar en el mercado OTC
en donde se pueden formar precios bajos en el futuro. Por un lado esto se debe al fen-
meno mencionado por Hull, donde el precio spot tiende a converger al precio del futuro,
dado que en el evento que el precio futuro sea ms alto que el precio Spot, se genera
una oportunidad de arbitraje, por lo cual, el precio de los futuros caer. Por otro lado,
suponiendo que los precios futuros estn por debajo del precio actual durante el periodo
que vence el contrato, los participantes estarn interesados en adquirir el bien, por lo que
encontraran atractivo ingresar en los contratos de futuros, y esperaran el vencimiento
de las opciones, y durante ese proceso el precio tiende a subir (HULL, 2003, Pg. 23).
Fortalece el precio base de los productores aumentando el precio de venta (CHICA-
GO BOARD OF TRADE, 2007), este aumento de precio se da con miras a la igualacin
con el precio del mercado regularizado, as los productores reciben mayores ganancias.
Desventajas
Segn Kozikowsky en el mercado a plazo se encuentran tres tipos de riesgo:
Riesgo sistmico: es aquel que se presenta cuando existen efectos de contagio o
crisis fnancieras mundiales, generadas por el incumplimiento de instituciones.
Riesgo poltico: generado cuando los gobiernos de los pases aplican restric-
ciones al movimiento de capital, lo que provocara que no se pudieran efectuar
contratos a plazo. En la medida que el riesgo poltico sea ms alto, el precio del
forward aumentara.
Riesgo de cobertura: es el riesgo de que un operador no pueda cubrir sus posi-
ciones, es decir que no tenga la capacidad de cumplir con sus contratos, dado
que no puede venderlos o comprarlos por falta de liquidez del mercado. (KO-
ZIKOWSKY, 2000).
2.5. Teora de Instrumentos Derivados
2.5.1. Forward
Este instrumento es el clsico de los derivados, porque se derivan los dems,. Es decir,
el fundamento de todos los instrumentos derivados es el mismo forward. Ahora, este
instrumento esta defnido segn Hull como is a particularly simple derivate, it is an agre-
ement to buy or sell an asset at a certain future time for a certain price (HULL, 2003, Pg.
2), en otros trminos, es un contrato escrito en el cual se acuerda la compra o venta de
un producto en una fecha futura acordada.
El texto de Option, Futures and other derivates de John Hull, se hace referencia a
las siguiente caracterstica en los forward:
Un contrato forward es comercializado en el mercado OTC. Es decir, los con-
tratos forward no son estandarizados, se ajustan a las necesidades de las con-
125
trapartes, no requieren exigencias en la medida que no hay una institucin que
evalu las capacidades de las partes. (HULL, 2003, Pg. 2)
Por otro lado, en el texto de Finanzas Internacionales de Kozikowsky, se describen
otras caractersticas de este instrumento:
Pueden ser utilizados como instrumentos de especulacin, en la medida que
las personas que inicialmente buscan cubrirse del riesgo, terminan especulan-
do sobre el precio de los bienes, y los contratos ya no los guardan hasta que
se cumpla la fecha de vencimiento para el intercambio, sino por el contrario
comienzan a comprarlos y venderlos antes de la fecha de vencimiento para
benefciarse de las expectativas del mercado, es decir, los hedger terminan
siendo especuladores.
2.5.2. Opciones
Una opcin es defnida segn Hull, como el derecho de comprar o vender un bien en el
futuro (HULL, 2000). En ese sentido, las opciones tienen una diferencia fundamental
con los forward, ya que estos ltimos generan obligacin de realizar una transaccin
mientras que la opcin ofrece la posibilidad de no ejercer la posicin, segn las circuns-
tancias del mercado. En una defnicin precisa Kozikowsky sostiene que es un derecho
que confere al comprador el derecho, pero no la obligacin, de comprar o vender una
cantidad determinada a un a fecha determinada. (KOZIKOWSKY, 2000, Pg. 157) Este
derecho tiene un costo que es conocido como la prima o costo de la opcin.
Caractersticas de las opciones
Las variables de una opcin son: precio al contado del activo subyacente, pre-
cio del ejercicio (K) este hace referencia al precio estipulado en el contrato. La
prima, que se refere al precio de la opcin, que se paga al frmar el contrato,
puede estar defnida como un seguro que respalda el cumplimiento del contra-
to (KOZIKOWSKY, 2000).
Las opciones transadas en bolsa se liquidan a travs de cmaras de compensa-
cin, de forma que el comprador ni el vendedor se encuentran directamente
(KOZIKOWSKY,2000).
Tipos de opciones:
Existen dos tipos bsicos de opciones, aquella que da el derecho a comprar
call option, y aquella que da el derecho a vender put option.
Clasifcacin por fecha de ejercicio:
Dentro de las opciones de compra y venta o Call y Put respectivamente, tam-
bin se encuentra una clasifcacin en trminos de fecha de ejercicio. Por un
lado las Opciones Americanas, que son las ms costosas, se pueden negociar o
liquidar en cualquier momento durante la vigencia del contrato. Por otro lado
126
estn las Opciones Europeas que solo se pueden ejercer en la fecha estipulada
en el contrato, en ese sentido tienen una prima menor en comparacin con las
opciones americanas. (KOZIKOWSKY, 2000).
Para cada fecha de vencimiento existen diferentes precios del ejercicio (KO-
ZIKOWSKY,2000, Pg. 157).
Precio:
Desde el punto de vista de los precios de las opciones, se pueden dividir los
rendimientos en tres clases:
o At the Money: donde el precio de ejercicio es igual al precio del mer-
cado
o In the Money: en la cual se generan ganancias, ya que el precio de
ejercicio es menor que el precio del mercado, en el caso de la opcin
Call. En el caso de la opcin Put, se generan ganancias si el precio del
ejercicio es mayor que el precio de mercado o spot.
o Out of the Money: se da cuando el precio de ejercicio de la opcin
genera prdidas en comparacin con los precios del mercado spot.
(KOZIKOWSKY, 2000).
Las opciones son transadas en el mercado OTC y en el mercado regularizado
(HULL, 2000, Pg. 6).
2.5.2.1 estrategias de cobertura con opciones
Hasta ahora se ha mencionado la cobertura que puede encontrar un actor del mercado
arrocero adquiriendo una sola opcin. Sin embargo, cuando se tranzan varios contra-
tos de opciones en el mercado es posible encontrar otras oportunidades de negocio,
que son interesantes para cualquier persona, independientemente que sean actores
directos del mercado arrocero o no. Bull defne estas estrategias como Estrategias que
involucran tomar posiciones en dos o mas opciones de el mismo tipo (Bull, 2000, Pag.
187). Estas estrategias de cobertura son populares en cualquier tipo de opcin, es decir,
de divisas, mercanca o indices bursartiles. Las estrategias mas extendidas son las toro
(bull spread), oso (bear spread), mariposas (butterfy spread) y combinadas como la
cndor por ejemplo.
Estrategia Toro (Bull Spread)
Esta estrategia de cobertura esta dirigida para aquellos que tienen opciones call y que
creen que el precio va a tener una tendencia alcista. Para los que tienen la opcin put la
expectativa sobre el precio es bajista, es decir, para los actores denominados Hedger o
quienes buscan cobertura. Este tipo de actores pueden ejercer estrategias toro cuando
tienen una opcin que vence el da t, y encuentran otra que vence el mismo da que la
primera, pero esta ltima le ofrece un precio de ejercicio ms atractivo que la posee,
en tanto que tiene una prima mas costosa. En esa medida, vende la opcin que tiene y
127
compra otra opcin con una prima ms costosa. Dado que decide pagar un poco ms
por cobertura, esta estrategia requiere una inversin inicial (Hull, 2000).
En ese sentido, la expectativa de los actores que deciden desarrollar esta estrategia
es que los precios en el futuro o al menos hasta la fecha de vencimiento de las opciones,
tender a la baja para el caso de hacer la estrategias con put, pero en el caso de un ac-
tor que tenga opciones call, su expectativa es que el precio tienda a subir en el futuro.
Por ejemplo, un actor que tiene una opcin call que vence el 01-Feb-2010 con un
precio de ejercicio de 100, encuentra en el mercado una opcin que igualmente vence
el 01-Feb-2010 pero con un precio de ejercicio de 90. En la medida que el actor cree que
los precios van a subir, prefere comprar una opcin ms costosa pero que le ofrezca
mejor precio de ejercicio. Para el caso del participante que tenga opciones put, este
tiene una opcin que vence el 01-Feb-2010, con un precio de ejercicio de 100, encuentra
una opcin que vence el 01-Feb-2010, pero con un precio de ejercicio de $110. En esa
medida vende la opcin que posee en $3 y compra una que le ofrece mejor cobertura
y, obviamente tiene una prima costosa que cuesta $5. Se puede apreciar el ejercicio de
una manera sencilla la estrategia toro en el cuadro 1.
Cuadro 1. Operacin Toro con put y call.
Tipo
Opcin Transaccin
Da
vencimiento
Precio
Ejercicio Prima
C
A
L
L compra 01-Feb-10 $ 90 $ 5
Vende 01-Feb-10 $ 100 $ 3
P
U
T
compra 01-Feb-10 $ 110 $ 5
Vende 01-Feb-10 $ 100 $ 3

Estrategia Oso (Bear Spread)
La estrategia oso esta dirigida para aquellos actores que buscan tener ganancias con la com-
pra y venta de opciones, es decir, no tienen inters en buscar coberturas por variaciones en
el precio, en la medida que perciben que los precios no tendern a tener un comportamien-
to adverso a sus expectativas de riesgo, es decir, que el precio ofrecer escenarios de poco
riesgo. Un participante ejecuta este tipo de estrategia cuando compra una opcin con una
prima menor a la opcin que vende, en tanto que obtiene una ganancia por la diferencia de
precio entre las primas. Esta estrategia se puede tomar cuando se encuentran dos opciones
que vencen el mismo da, pero tienen precios de ejercicio diferentes, en tanto que las primas
son diferentes. Esta estrategia no requiere una inversin inicial (Hull, 2000).
La expectativa de los actores que tienen call y deciden ejecutar esta estrategia es
que los precios van a bajar, por lo tanto los actores tienen una posicin corta en el mer-
cado; si se ejerce una estrategia oso con opciones put, la expectativa es que los precios
tendern a subir, de manera que tiene una posicin larga en el mercado.
Por ejemplo, un actor que tiene una opcin call que vence el 01-Feb-2010 con un
precio de ejercicio de $80, encuentra en el mercado una opcin que igualmente vence
el 01-Feb-2010 pero con un precio de ejercicio de $100. En tanto que el actor cree que
128
los precios van a bajar, prefere comprar una opcin ms barata que tiene una cobertura
prudente. Para el caso del participante que tenga opciones put, este tiene una opcin
que vence el 01-Feb-2010, con un precio de ejercicio de $100, encuentra una opcin que
vence el 01-Feb-2010, pero con un precio de ejercicio de $80. Dado que considera que
los precios tendern a subir, vende la opcin que tiene en $5 y compra una que le ofrece
una cobertura menor y, obviamente tiene un valor menor, en este caso que cuesta $3.
Se puede apreciar el ejercicio de una manera sencilla la estrategia toro en el cuadro 2.
Cuadro 2. Operacin Oso con put y call.
Tipo
Opcin Transaccin Da vencimiento
Precio
Ejercicio Prima
C
A
L
L
compra 01-Feb-10 $ 100 $ 3
Vende 01-Feb-10 $ 80 $ 5
P
U
T
compra 01-Feb-10 $ 80 $ 3
Vende 01-Feb-10 $ 100 $ 5

Estrategia Mariposa (Butterfy Spread)
Esta estrategia se puede crear cuando se toma posicin con tres opciones con precios
diferentes pero con una fecha de vencimiento igual (Hull, 2000). De acuerdo con Hull,
esta estrategia es apropiada para aquel inversor que cree que los movimientos bruscos
en los precios no son poco probables (Hull, 2000, Pg. 191).
Esta estrategia se puede crear cuando se compran dos call y se venden dos call con
un precio de ejercicio intermedio.
Por ejemplo, se compra una opcin call con un precio de ejercicio de $100 y una
prima de $3, tambin se compra otra opcin con un precio de ejercicio de $80 con una
prima de $5, en el momento que adquiere las dos opciones del mismo tipo (Call) vende
dos opciones con un precio intermedio, es decir, dos nuevas call con un precio de ejer-
cicio de $ 90 (el intermedio entre el precio de la primera call $100 y la segunda call $80),
con una prima intermedia de $4. Cuando se ejecuta la estrategia con opciones put, se
compran dos put con una fecha de vencimiento igual, una con una prima de $5 y otra
con una prima de $3, en tanto que vende una tercera con un precio de ejercicio y prima
intermedio. Este ejercicio se puede evidenciar en le cuadro 3.
Cuadro 3. Operacin Mariposa Comprada con call y put.
Tipo
Opcin Transaccin Da vencimiento
Precio
Ejercicio Prima
C
A
L
L
Compra Call1 01-Feb-10 $ 100 $ 3
Compra Call2 01-Feb-10 $ 80 $ 5
Vende 2 Call 01-Feb-10 $ 90 $ 4.5
P
U
T
Compra Put 1 01-Feb-10 $ 100 $ 5
Compra Put 2 01-Feb-10 $ 80 $ 3
Vende 2 Put 01-Feb-10 $ 90 $ 4.6
129
En este caso el cuadro 3 muestra una Mariposa Comprada, de manera que, se com-
pran 2 opciones hoy para venderlas en el futuro con un precio intermedio. En el ejemplo
particular si el precio de mercado a futuro de la Call es menor a 80, se genera una per-
dida, pero si el precio est entre 90 y 100, la ganancia est dada por la diferencie entre
el precio de mercado y el precio de ejercicio de la primera Call, en tanto que si el precio
futuro es menor a 90 obtendr la ganancia de haber realizado la operacin.
Estrategia Cndor
Esta estrategia est dirigida a aquellas personas que no tienen expectativas de cambios
inciertos en los precios. En esta medida, la estrategia de mariposa y cndor se acomo-
dan a mercados voltiles, por medio de cuatro transacciones, con un tipo de opcin
igual, las cuales se ejecutan en un solo da. En esa medida, la estrategia se crea cuando
se compran dos call con un precio de ejercicio diferente y se venden otras dos call con
precios de ejercicio diferentes. Para ello, se compran dos opciones call, una de estas
opciones genera una perdida debido a que esta OTM (Out the Money) y la otra genera
ganancias ya que esta ITM (In the Money). Ahora bien, la segunda operacin para llevar
a cabo esta estrategia es, vender 2 call, en donde una es OTM cercana a ser ATM (At The
Money) es decir que quede en punto de equilibrio y la otra call es ITM que tiende a ser
ATM. (Santabolsa, 2007).
Es importante mencionar que esta estrategia busca limitar la prdida, en tanto que
para ello esta dispuesto a sacrifcar una ganancia ilimitada.
Estrategias Combinadas
Estas estrategias permiten tomar posiciones con opciones de diferente tipo, put y call
pero con una fecha de vencimiento igual. Las ms conocidas, son: Straddles, Strips and
straps. Estas estrategias estn dirigidas para aquellos que consideran que los precios ten-
drn cambios inciertos, bruscos o grandes en el mercado. Esta expectativa se puede ge-
nerar cuando se sabe que va vender o comprar una compaa, en el caso de las acciones.
Estrategia Straddle
Esta estrategia permite la compra de una call y una put con la misma fecha de venci-
miento y precios iguales, es decir, adquiere una call y una put con un precio de ejercicio
de $100 y una prima de $3 y $5 respectivamente. El peor escenario que puede tener
alguien que ejecute esta estrategia es que los precios del futuro sean los mismos que los
del ejercicio, en ese sentido se perder el pago por las primas.
Strips y Straps
Segn Hull, la estrategia strip consiste en esperar que los precios suban, en otras pa-
labras, tener una posicin larga con una opcin call y dos opciones put con el mismo
precio de ejercicio (Hull, 2000, Pg. 195).
La estrategia strap consiste en esperar que el precio suba, o tener posicin larga
con dos opciones call y una opcin put con precio de ejercicio y vencimiento igual. (Hull,
2000).
130
Strangles
Segn Hull, en esta estrategia el inversor apuesta que habr un movimiento amplio de
los precios, pero es incierto si ser a la baja o al alza. En este caso, la operacin consiste
en comprar una opcin put y una opcin call con la misma fecha de vencimiento y dife-
rentes precios de ejercicio.
Estrategias Calendario (Calendar spread)
En este tipo de estrategia, las opciones sobre las que se toma posicin tienen un pre-
cio de ejercicio igual pero con vencimientos diferentes. Esta operacin se puede crear
comprando una opcin con vencimiento largo y vendiendo una opcin de vencimiento
corto. Este tipo de estrategias requiere una inversin, ya que el precio de las primas es
ms alto cuando tienen un vencimiento mayor. (Hull, 2000)
2.5.2.2. Ventajas de opciones burstiles
Tamao relativamente pequeo de un contrato
Estandarizacin de los contratos
Existencia de un mercado secundario activo
2
2.6. Valoracion de Prima (Precio) de la Opcin: Modelo
Black-Scholes-Merton
El modelo Black Scholes Merton, fue creado por Fisher Black, Myron Scholes y Robert
Merton, en 1973 cuando apareci publicado por primera vez en el Journal of Political
Economy. Desde entonces el modelo ha tenido gran acogida en los mercados para
valorar derivados fnancieros. Tanto as, que en 1997 Robert Merton y Myron Scholes
recibieron el premio Nbel de Economa, por su aporte a las fnanzas. Fisher Black infor-
tunadamente falleci 2 aos antes de que sus colegas fueran premiados.
El modelo es una aplicacin del clculo estocstico, es decir, el clculo que conside-
ra variables que tienen un comportamiento aleatorio o un proceso estocstico. El clcu-
lo estocstico tambin implica que una funcin no tiene un resultado exacto o discreto,
sino un rango, de manera que una funcin puede tener varios resultados posibles. De
esta forma la variable puede fuctuar en ciertos puntos (variable discreta), o variar en un
rango (variable continua).
El modelo se basa en el movimiento Browniano geomtrico, el cual intenta explicar
el movimiento de las partculas de polen, y sostiene que el movimiento de una partcula
es independiente a su posicin anterior.
Segn Bradley el modelo tiene los siguientes postulados:
Los activos no pagan dividendos durante la vida de la opcin: las compa-
as pagan dividendos a sus accionistas. Esto genera una seria limitacin
2 El mercado primario se refere a aquel en donde se colocan por primera vez los contratos, es decir emisin
primaria. -mientras que el secundario tranza con ttulos ya emitidos, por lo que hay mayor cantidad de compra-
dores y vendedores.
131
para implementar el modelo debido a que altas producciones de dividen-
dos, generan poca ganancia en las Call. Una manera de ajustar el modelo
para esta situacin es sustraer el valor descontado de un dividendo del fu-
turo del precio de la accin.
Los trminos de ejercicio Europeo son usados: esto se debe a que muy pocas
Calls son ejercidas en los primeros periodos de vida de la opcin ya que se
pierde el valor del tiempo restante sobre la Call y recoger el valor intrnseco
hacia el fnal de la vida de la Call a pesar de que ste es el mismo durante la
vigencia de la opcin.
Los Mercados son Efcientes: esta suposicin sugiere, que las personas no
pueden predecir de manera exacta la direccin del mercado o de una accin
individual. El mercado opera continuamente con los precios de las acciones
siguiendo un proceso continuo como el sealado por It.
Las comisiones no estn asumidas: usualmente los participantes tienen que
pagar una comisin para comprar o vender opciones. Incluso los traders tie-
nen que pagar honorarios, que son usualmente pequeos. Los honorarios que
un inversionista individual paga son ms substanciales y pueden por lo general
distorsionar el resultado del modelo.
Los retornos estn distribuidos como una log-normal: los retornos de las ac-
ciones son normalmente distribuidas, lo cual es razonable por la mayora de
activos que ofrece la opcin.
La tasa libre de riesgo es constante, y la misma para cualquier madurez. Es
decir, para cualquier periodo futuro, la tasa libre de riesgo es constante, no
cambia (BRADLEY, 2004).
Dado que los movimientos de los precios son aleatorios, el modelo se fundamenta
en que los cambios de la variable en un periodo corto se distribuyen como una normal.
Los movimientos de los precios deben pasar por un proceso Wiener, para que la distri-
bucin aleatoria se comporte como una normal. El fundamento para que los precios va-
ren de una manera aleatoria esta indicado por dos variables: el rendimiento esperado
y la volatilidad de los precios de un activo fnanciero, donde, = Rendimiento esperado
del activo y = Volatilidad del precio de mercado
Proceso wiener
Para que una variable z siga un proceso Wiener, tiene que seguir dos propiedades:
El cambio de z durante un periodo pequeo de tiempo t es:
(1)
Donde es un valor aleatorio proveniente de la distribucin normal estanda-
rizada, N(0,1). De otra manera, el cambio que sufre una variable en el futuro
se encuentra en funcin de la raz cuadrada del nmero de periodos en un
ao (t), multiplicado por un valor aleatorio de la distribucin normal es-
tandarizada.
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

132
Los valores de z para dos intervalos de tiempo son independientes. Esta afr-
macin es una consecuencia de la primera propiedad en donde z tiene una
distribucin normal con los siguientes parmetros:
Media de dZ =0
Desviacin estndar de dZ =dt
Varianza de dZ =dt

Con estas propiedades se puede sostener que la incertidumbre sobre un activo f-
nanciero en cierto periodo del futuro es mesurado por la desviacin estndar y se incre-
menta en la raz cuadrada de dependiendo del periodo analizado (Hull, 2000)
El proceso Weiner para una variable cualquiera puede ser defnido como lo muestra
la ecuacin (2).
(2)
Donde a y b son constantes. En el caso en que se omita el lado izquierdo de la suma
se puede tener que un cambio en x es explicado por incremento en el tiempo con la ex-
presin at. El segundo elemento de la funcin b dz, esta trayendo a colacin el cambio
por la volatilidad, de forma que la variabilidad es b veces el proceso Wiener.
De acuerdo a Hull el proceso Wiener est defnido como se defne en la ecuacin (3).
(3)
Este modelo es conocido como el movimiento Browniano Geomtrico.
Defnicion del modelo Black Scholes
El modelo se fundamenta en la ecuacin (3), sin embargo, las variables son modifca-
das, llegando a la ecuacin (4).
(4)
Donde S es el valor de Activo subyacente, el cual se propuso inicialmente para ac-
ciones de tipo europea, es el Rendimiento esperado del activo, es la Volatilidad del
precio de mercado y fnalmente, t es el tiempo.
Derivando la funcin (Hull, 2000)
3
se obtienen las frmulas (5) a (8).
(5)
(6)
3 Ver Hull 2000 Cp. 12. Pg. 242 a 244.
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

133
Donde:
(7)
(8)
Donde,
C = valor de la prima para una opcin call europea
P = valor de la prima para una opcin put europea
r = Tasa libre de riesgo.
X = Precio del Ejercicio
N = Distribucin normal
Modelo de valoracin tasa libre de riesgo.
La tasa cero cupn para el modelo Black Scholes Merton, se puede tomar como la tasa
libre de riesgo de mercado. Sin embargo, el modelo Nelsen Siegel permite dar la ten-
dencia de la curva cero cupn.
Modelo Nelson Siegel.
El modelo Nelson Siegel, publicado en 1987, busca modelar la curva cero cupn. Parte
del mercado burstil lo ha acogido, como lo menciona Michiel de Pooter model is ca-
pable of capturing many of the typically observed shapes that the yield curve assumes
over time (Pooter, Pag 1). De acuerdo con Nelson y Siegel, la tasa libre de riesgo puede
ser defnida como lo seala la ecuacin (9).
(9)

Donde, a, b, c y Tao son constantes.
Para el mercado de valores colombiano los valores de las variables de la ecuacin
de cero cupn son emitidos por el sistema de informacin para valoracin de activos
fnancieros INFOVAL.
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

134
Black-Scholes para materias primas
El modelo de Black-Scholes-Merton fue creado inicialmente para el mercado de acciones,
el cual tiene un comportamiento aleatorio. Sin embargo, para los mercados de materias
primas, el modelo presenta una difcultad, dado que, este tipo de mercados cuenta con es-
tacionalidades de cosecha y siembra, por lo tanto, no tiene un comportamiento necesaria-
mente aleatorio (CARCAMO y CAUSIL 2009). Ante esta situacin el modelo presentaba una
inconsistencia para la aplicacin en las materias primas, por lo cual Fischer Black desarro-
llo una actualizacin al modelo bsico, atendiendo a la difcultad que presentaba el mismo
para la aplicacin en mercados de materias primas, y sus conclusiones fueron publicadas en
The pricing of Commodity Contracts; la solucin que plantea Black se basa en modelar
los precios forward en vez de los precios spot (CARCAMO y CAUSIL 2009).
Black determino tomar los precios forward porque son aleatorios a diferencia de los
precios spot, porque los primeros descuentan los eventos del mercado spot. Es decir,
que cuando el precio spot del activo subyacente este subiendo por una escacez (Tem-
porada de siembra), los precios forward se mantendrn o tendrn un comportamiento
diferente porque se hacen efectivos despus de la siembra o la cosecha, ante este plan-
teamiento modelar los precios forward es vlido.
La frmula del modelo bsico se replantea como lo muestran las ecuaciones (10) y
(11) (CARCAMO y CAUSIL 2009)
4
:
(10)
(11)
Donde d1 y d2 estn defnidos como en las ecuaciones 7 y 8 respectivamente.
So = El precio Forward actual del subyacente.
K = Precio del Ejercicio.
r = la tasa de inters, compuesta continuamente, libre de riesgo.
t = El tiempo en aos, hasta la expiracin del contrato.
= Volatilidad implcita del precio forward del subyacente.
N = Es la funcin de distribucin de una normal estndar.
3. descrIpcIn del mercado
de arroz en colombIa
3.1. Comercializacin de Arroz en Colombia
La bibliografa acerca de la cadena de comercializacin del mercado arrocero colombiano
es limitada. Sin embargo, entidades como Fedearroz han dispuesto al pblico una gran can-
4 Ver CARCAMO y CAUSIL, Pag 9
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

135
tidad de informacin estadstica del mercado, que permite analizar y modelar el mismo y de
este modo derivar patrones de comportamiento de cada uno de los participantes del sector.
Igualmente, unos pocos documentos que describen la dinmica del mercado arrocero han
concluido que en este mercado los vendedores de la materia prima tiene un nmero exten-
so de participantes que se enfrentan a un nmero reducido de compradores.
En esa medida se pueden mencionar en cinco (5) relaciones fundamentales en el
esquema de comercializacin del mercado de arroz:
1. Productores de arroz paddy y Molinero
2. Molineros con empaquetadores y centrales mayoristas
3. Molineros con la industria de alimentos para animales
4. Empaquetadores con mayoristas y minoristas.
5. Minoristas y consumidor fnal
De acuerdo con AGROCADENAS (2005), y Fedearroz (2008) las relaciones comer-
ciales mencionadas, dentro del mercado de arroz colombiano cuentan con cuatro acto-
res principales: 22.800 productores, 113 molinos, cerca de 10.000 mayoristas y 40.000
comercializadores al detal.
La produccin de arroz en Colombia, tiene dos cosechas en el ao, que obedecen
especfcamente a las pocas de lluvias que ocurren semestralmente. Por un lado, des-
de marzo hasta mayo se presenta un aumento en las lluvias, por las cuales se duplica
el rea sembrada, debido a que los cultivos de arroz requieren una alta concentracin
de agua. En esta medida para el primer semestre del 2008 se sembr el 62,3% del rea
destinada al cultivo de arroz en el territorio nacional, de acuerdo con FEDEARROZ, esta
rea equivale a 275.982 hectreas (FEDEARROZ, 2008).
Esta tendencia de mayor siembra en la primera parte del ao obedece de igual
manera, a las formas de produccin del pas, ya que el sistema de produccin secano,
se abastece de agua proveniente de lluvia. Sin embargo, hay tres maneras de cultivar
arroz en Colombia segn FEDEARROZ,
el sistema de bajo riego que es cuando el cultivo tiene disponibilidad de agua perma-
nente, el sistema de secano es cuando se usan las lluvias como principal proveedor de
agua, y el de secano manual que son algunas hectreas que al igual que las de secano
utilizan las lluvias como proveedor, pero no son utilizadas para manejo comercial sino
para el pan coger, siendo su grado de mecanizacin muy bajo (FEDEARROZ, 2005).
Los cultivos pan coger son aquellos cultivos que se no son comercializados, sino
que se destinan al abastecimiento familiar y el excedente para una pequea comercial-
izacin. El grafco 1 muestra la estacionalidad mencionada, y por la cual se presentan
variaciones en el precio.
Despus que el productor ha recogido la cosecha, transfere el producto a los mo-
lineros, que en Colombia son 113, dentro de la industria 65% son molinos pequeos y
11% son grandes, entendindose,
un molino es GRANDE cuando tiene una capacidad de recibo de ms de 50.000
ton por ao, MEDIANO cuando su capacidad est entre 20.000 y 50.000 ton, y, PE-
QUEO cuando su capacidad es menor a 20.000 ton. (FEDEARROZ, 2005).
136
Los molinos en Colombia se encargan de: 1) secar el arroz paddy verde para conver-
tirlo en arroz paddy seco; 2) trillar, moler o descascarar el arroz paddy seco; 3) pulir el ar-
roz descascarado; y, 4) empacar (en bultos o empaques plsticos) y distribuir (a centrales
de abasto, supermercados y tiendas) el arroz blanco y los subproductos a todo el pas.
El precio que paga el molinero al productor por su cosecha depende de la estacio-
nalidad y de la evaluacin de un laboratorio. Por un lado, la estacionalidad hace refer-
encia a la cantidad de arroz que se ofrece o esta en circulacin en el mercado, es decir,
las pocas de escasez o abundancia del producto. Por otro lado, el papel del laboratorio
es fundamental para el molino, ya que el laboratorio, que usualmente es del molino,
evala la calidad del arroz que llega al molino, esto lo hace midiendo los parmetros de
impureza y humedad; siendo 13 % de humedad y 3% de impurezas los granos de mejor
calidad para almacenamiento (FEDEARROZ, 2005).
Bajo el anlisis que realice el laboratorio se establecen los parmetros del precio
que se va a pagar por la cosecha, en esa medida, cuando el agricultor entregue un ar-
roz que se encuentra en condiciones por encima de los mencionados, se le aplica una
reduccin o castigo; es decir, se le impone una reduccin al ingreso total del producto
cuando la calidad sea menor. Este castigo es ajustado de acuerdo a un porcentaje
tomado con base en las cantidades, que despus es deducido del precio total acordado
(FEDEARROZ, 2005).
Es conveniente mencionar que el laboratorio es aportado por el molino se presenta
una constante controversia entre productores y molineros, ya que lo primeros, argu-
mentan que su arroz no es evaluado de forma correcta, y el arroz que entregan tiene
una calidad diferente a la que aducen los molineros. De otra parte los industriales, argu-
mentan que no pueden pagar un mayor precio por el arroz dado ciertas calidades, que
se generan antes de la entrega en el laboratorio. En esa medida, la relacin productora
y molinera tiene un difcil esquema de concertacin de precios y calidades, que no per-
miten relaciones sencillas de negociacin.
GrafiCo 1. Estacionalidad mensual en la Produccin de Arroz
Paddy verde en Colombia
Fuente: FEDEARROZ.
137
Una vez obtenido el arroz paddy por parte de los molineros, se procede con el
acondicionamiento del mismo para que pueda llegar a ser almacenado por varios me-
ses. Se comienza con una fase de limpieza en el que se eliminan residuos slidos que
vienen con el arroz y aquellos granos sin llenar (arroz vano) de tal forma que se pase de
un 5% a un 3% de impurezas. El proceso de secamiento en las torres dura alrededor de
unas 2 a 3 horas (FEDEARROZ, 2005).
Al terminar el proceso de trillado, el objetivo del industrial es tener la mayor canti-
dad de arroz entero, pues de este obtiene el mayor margen de ganancia. Los subpro-
ductos que regularmente se venden en la industria de alimentos balanceados, tienen
competencia con productos sustitutos, como la soya y otros importados, por lo que la
comercializacin de estos productos esta sujeta a la diferencia en tasas de cambio (se
compite por precios).
La relacin fnal en la comercializacin esta dada entre molineros como oferentes
y mayoristas y centrales de abastos como demandantes, que distribuyen el arroz para
el consumidor fnal. Puede parecer a simple vista un esquema sencillo, pero la realidad
es que vara dependiendo de la zona del pas, el consumo per capita y los hbitos de
compra.
Como se puede apreciar en toda la comercializacin del arroz, hay una estaciona-
lidad de que afecta el precio del mismo. Adems el producto cuenta con una oscilacin
en el precio
5
.
3.2. Organizacin Mercado a Plazo
3.2.1. Relacin Productores- Molineros
A simple vista, se podra decir que un instrumento fnanciero que permita establecer un
precio futuro para el arroz blanco es aplicable entre la relacin comercial de producto-
res y molineros por una volatilidad del precio del arroz paddy verde. Sin embargo, bajo
un anlisis detallado, la aplicacin del instrumento fnanciero se obstaculiza por:
a. La problemtica generada por la diferencia de proporciones entre cantidad de mo-
linos y productores, debido a que son pocos molinos (113) en comparacin a la can-
tidad de productores (22.800 aproximadamente) que venden el producto. Es decir,
hay una competencia tipo oligopsonio, por lo cual el precio pude ser alterado por
los compradores (molino). De manera que, si los productores presentan un produc-
to de calidad homognea, los compradores tienen la posibilidad de establecer un
precio que eventualmente no cumple con las expectativas de los oferentes.
b. La problemtica relacin entre molineros y productores a la hora de implementar un
instrumento fnanciero, est dada por el hecho que el laboratorio que se encarga de
analizar la calidad del grano, pertenece a los molinos, lo cual crea desconfanza entre
los productores, puesto que estos ltimos podran pensar que el anlisis puede es-
tar viciado en dos circunstancias; por un lado, el productor puede alegar que el arroz
llega a las bodegas del molino en condiciones especifcas, las cuales se alteraron por
una manipulacin irregular de la mercanca, por lo tanto los resultados del labora-
5 Para mayor informacin consultar informacin histrica de precios del mercado del arroz en Colombia
www.fedearroz.com.co
138
torio presentan una calidad inferior a la de la cosecha entregada. Por otro lado, los
industriales alegan que el producto no sufri manipulaciones o alteraciones dentro
del molino, y que la calidad de los granos recibidos en el laboratorio no es ptima.
c. El arroz paddy verde es un producto perecedero, por lo que el productor est obli-
gado a vender su producto al molino en el menor tiempo posible (antes de 24 horas
despus de la hora de corte o cosecha) para evitar la prdida o descomposicin de
producto. Este hecho se evidencia por la falta de una infraestructura que ofrezca
el servicio de secamiento y almacenamiento al productor de modo que el arroz se
haga no perecedero (arroz paddy seco).
Estas circunstancias, han propiciado entre productores e industriales una relacin
comercial irregular, bajo la cual no se puede especifcar un contrato de futuros, porque
los contratos de este tipo estipulan unas condiciones de calidad de un producto no pe-
recedero generalmente, que son evaluadas por un tercero (Cmara de compensacin),
y no por las partes como sucede entre arroceros e industriales en Colombia.
3.2.2 Relacin Molineros - Mayoristas
En esta etapa, el intercambio sufre una variacin en comparacin con la relacin entre
productores e industriales. Esto se debe a que el producto terminado es homogneo, lo
cual determina un precio fjo para calcular los costos (el precio no depende de estudios
o evaluaciones de calidad).
En esta etapa de la comercializacin, no se presenta una relacin de continua po-
lmica por la fjacin del precio, puesto que hay una competencia de oligopolio (113
molinos y 10.000 mayoristas).
De otro lado, en este paso se dan los requisitos necesarios para instaurar un futuro,
porque se tiene una oferta y demanda inciertas en el tiempo, una atomizacin de la
oferta y un gran mercado disponible en trminos operacionales, esto adems, de tener
una volatilidad en los precios del activo (GUTIERREZ, 2004), por lo cual, un instrumento
fnanciero, no suena muy distante ya que se da el ambiente comercial ptimo.
Igualmente, hay incertidumbre en trminos de precio y por consiguiente una vo-
latilidad del mismo. Esto se debe a la ausencia de un ente que regule el precio, lo que
genera mayor confabilidad entre las partes y transparencia en las transacciones.
En la cadena comercial del arroz, el eslabn fnal, el de distribucin del grano para
consumo humano tiene las condiciones adecuadas para establecer un mercado a plazo
entre molineros como oferentes y mayoristas como demandantes.
4. ValoracIn de opcIones europeas para el
mercado del arroz blanco en colombIa
La presente propuesta contempla la implementacin de un instrumento fnanciero
(opcin europea) en el mercado de arroz blanco. Sin embargo, para que este tipo de
instrumentos fnancieros sea aplicable al mercado del arroz paddy, se hace necesario
139
que se solucione la problemtica relacionada con la defciencia de infraestructura de
secamiento de arroz paddy verde y almacenamiento de arroz paddy seco.
Una vez contemplado lo anterior, es necesario precisar de qu forma se va a valorar
el precio de la prima, o precio de la opcin. La teora menciona los aspectos fundamen-
tales de la opcin, la lgica fnanciera de la valoracin de las partes de una opcin, es
decir, explica el porque una opcin es costosa. Sin embargo, respecto a la manera de
valorar las primas, es necesario acudir a modelos matemticos para valorar el precio de
la opcin. En la prctica, el modelo de valoracin de mayor acogida es el modelo Black
Scholes Merton, y el modelo para calcular la curva cero cupn, o la tasa de inters para
el Black Scholes es el modelo Nelson -Siegel.
Este documento ha desarrollado una aplicacin matemtica para valorar opciones
para el mercado del arroz colombiano. Para ello es necesario establecer: la volatilidad de
los precios del bien, las cantidades, los trminos mnimos de calidad, los das del mes en
que se considera apropiado para cumplir el contrato, infacin, forma de entrega de arroz;
con estas variables se pude obtener el precio de la prima, y establecer las clausulas mni-
mas del contrato. A continuacin se describen las condiciones propuestas para la opcin:
Nodos
Los nodos son el nmero de periodos en el ao en los que se ejecuta una opcin, es
decir si las opciones se liquidan de forma mensual, bimestral, etc. En el caso particular
de las opciones de arroz propuestas, se determina que las opciones tienen 12 nodos al
ao, lo que signifca que se pueden ejecutar una vez al mes. Se establece esta fecha,
con base en los hbitos regulares de los supermercados para abastecer sus inventarios
de arroz
6
. Por lo que se evidenci que los supermercados suelen abastecer de forma
mensual sus bodegas.
Fecha de ejecucin de la Opcin
La fecha determinada para la ejecucin de opciones es el da 22 de cada mes. Este da
fue elegido debido a que el consumo regular de los hogares colombianos se desarrolla a
fnales de cada mes, puesto que regularmente los salarios se pagan los ltimos das de
cada mes. En este sentido, los hogares colombianos suplen su demanda de alimentos
en el momento en que perciben su ingreso.
Teniendo en cuenta este aspecto, el mayorista tiene en mente que sus ventas
tendrn un mayor movimiento los ltimos das del mes, por lo tanto debe tener unos
inventarios sufcientes para suplir su demanda. Si el mayorista adquiere una opcin y
decide ejecutarla el da 22, la mercanca no llegara a las bodegas del mayorista o del
supermercado ese mismo da, porque los molinos no estn cerca de todos los cascos
urbanos, se debe tener en cuenta el tiempo que se demora en cargar, transportar y des-
cargar el arroz hasta las bodegas del comprador de la opcin. Por esta circunstancia, el
mayorista tendr para los ltimos das del mes los inventarios de arroz apropiados, para
responder al movimiento de inventarios ms intenso.
6 Este estudio se elabora con un sondeo telefnico a los siguientes supermercados: Ley, Carulla, Makro y Gran
trigal, fueron elegidos estos supermercados porque representan sitios grandes de abastecimiento a los que les
puede interesar adquirir una opcin, los cuales se les indago sobre dos variables, 1. Con que regularidad com-
pran arroz, 2. Cantidad.
140
Forma de entrega
La costumbre entre los molineros y mayoristas, es que el comprador recoge los bultos
de arroz que necesita, en esa medida, la mercanca es entregada en las instalaciones
de un molino que se le indique en el contrato. Por el contrario, cuando se estipule que
el molinero entrega el arroz en el domicilio del mayorista debe especifcarse con anti-
cipacin. En principio, las especifcaciones de calidad e inocuidad se especifcan en la
clusula segunda de la norma tcnica NTC671 vigente, para arroz blanco. Sin embargo,
estas especifcaciones de calidad pueden estandarizarse previamente en el mercado
organizado para que permanezcan invariables y sean el punto de referencia para todas
las operaciones del mercado.
Caractersticas del Producto
Descripcin del tipo de arroz y la forma como el molino lo entrega al comercio: Presen-
tacin (empaque de poliacetilineo en presentacin de 5 Kg, 3 Kg, rotulacin del em-
paque, marca del producto, informacin al consumidor en el empaque), tipo de arroz
(100% entero, 5% partido, 10% partido), grado de blancura, etc.
Tamao del Contrato
Se defne que una cantidad mnima para hacer un contrato de arroz es una carga de 35
Ton, porque de acuerdo a informacin de molinos, mayoristas y supermercados, usual-
mente se abastecen de arroz en 50Ton aproximadamente. Sin embargo, la ley colom-
biana establece que no se puede transportar por carreteras cargas superiores a 35 tone-
ladas; en ese sentido la carga mnima que se suele pedir por parte de los comerciantes
es la carga de una tractomula.
Volatilidad
La volatilidad hace referencia a las oscilaciones o variaciones que sufre un activo f-
nanciero con respecto a su precio promedio, en este sentido, es un buen indicador de
riesgo, en la medida que muestra que tanta variacin tiene un activo. Por ello, es una
pieza fundamental para hacer una valoracin de un activo en una opcin, dado que si
un activo no es sufcientemente voltil o riesgoso no es rentable vender opciones, ya
que los participantes de un mercado no consideran los movimientos bruscos de precio
como algo probable o perjudicial.
Las opciones son instrumentos que mitigan el riesgo de variaciones en el precio,
y si el precio no vara lo sufciente como para que los actores del mercado sientan in-
certidumbre, la aplicacin de opciones o mercado a plazo es indiferente. Bajo estos
parmetros se debe esperar que la volatilidad sea mayor que la infacin como mnimo.
Para el caso particular de la valoracin de la prima para la opcin de arroz blanco,
es necesario contar con una volatilidad diaria. Para ello, se utiliza una base de datos de
FEDEARROZ, con los precios semanales
7
de arroz blanco en Colombia, desde la prime-
7 Se toman precios semanales porque FEDEARROZ, no cuenta con datos diarios. Por lo tanto esta base de datos
no existe en el mercado.
141
ra semana de noviembre de 1998 hasta la ltima semana de diciembre de 2007. Dado
que la base de datos tiene datos semanales, es pertinente modelar los datos con una
funcin de probabilidad, que permita encontrar los precios diarios diferentes para cada
da, debido a que para calcular la volatilidad de una opcin, la volatilidad se debe tomar
en datos diarios, para que los resultados sean precisos. Por ejemplo, para una opcin
que se ejercer en 15 das, en la prctica se toman las volatilidades de los 15 das ante-
riores para valorar el precio de la opcin. En ese sentido, asumir que todos los das de
la semana tendrn la misma volatilidad de semana a semana, es un desacierto terico,
y prctico, puesto que se tendra que 7 das de la semana tienen la misma volatilidad, si
se hace de ese modo las volatilidades quedan imprecisas.
Funcin de Probabilidad:
(12)
Gamma () puede tomar cualquier valor porque la sumatoria de las probabilidades
siempre dar como resultado 1. Por otro lado, S es el precio del activo subyacente.
La funcin de probabilidad permite encontrar una volatilidad diferente cada da,
asumiendo que el ltimo da tiene mayor peso en la funcin. En otras palabras, los siete
das de la semana se enumeran desde el lunes como 1 hasta el domingo que equivale al
da siete, con los das enumerados, la funcin de probabilidad dejara al da siete con el
precio que publica fedearroz para la semana estudiada. La modelacin de los precios,
se elabora con fnes tericos, que pueden aplicarse a la realidad, sin embargo, es ne-
cesario desarrollar bases de datos diarias de los precios para darle mayor precisin a la
volatilidad. En el cuadro 5, se puede verifcar la funcin anteriormente descrita.
Con la variacin de los precios, es posible tomar la muestra desde 2006 hasta el 31 de
diciembre de 2007 y calcular la volatilidad o la desviacin estndar de la variacin de los pre-
cios. La desviacin estndar solo se analiza desde el ltimo ao, porque el 2006 presenta el
mismo comportamiento de los precios que los aos anteriores, de manera que, los precios
estn cointegrados, es decir, que los precios tienen un comportamiento cclico y regular to-
dos los aos, por ello, analizar los precios del ao 2007 no es un desacierto, en el sentido que
el comportamiento de aos anteriores a 2007 muestra un comportamiento similar con los
aos sucesivos; de no ser as, la aplicacin de una modelacin resultara infructuoso.
Cuadro 5. Modelacin semanal a diaria de los precios
de la tonelada de arroz blanco
Fecha Precios Semanal
Da
Semana
Modelacin de los
Precios Diaria
Variacin
Log(t/t-1)
02/01/2006 1.111.634,00 1 989.354,26 0,000%
03/01/2006 1.111.634,00 2 1.099.406,03 10,547%
04/01/2006 1.111.634,00 3 1.110.411,20 0,996%
05/01/2006 1.111.634,00 4 1.111.511,72 0,099%
06/01/2006 1.111.634,00 5 1.111.621,77 0,010%
07/01/2006 1.111.634,00 6 1.111.632,78 0,001%
08/01/2006 1.111.634,00 7 1.111.633,88 0,000%
(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

(9)

(10)

(12)

(11)

142
4.1. Estimacion de Volatilidad con Datos Historicos
Teniendo en cuenta que los precios estn cointegrados, tomar la muestra del ao 2007
para hallar la volatilidad es sufciente, para hacer la valoracin de la prima. El clculo de
la desviacin de los precios resulto en una volatilidad semanal de 1,04% este valor es
bastante alto, por lo cual confrma, al menos en trminos matemticos, que el mercado
de arroz elaborado justifca la adopcin de un mercado a plazo.
Volatilidad Implcita
La volatilidad implcita es aquella que nos d un precio terico igual al precio de la opcin en
el mercado (PALAZZO, 2001); es decir, aquella volatilidad que hace que la prima terica
o la que aparece en el contrato y la prima del mercado sean iguales. Esta volatilidad sirve
para evaluar si la prima esta acorde con la volatilidad del mercado, en tanto que ayuda a
establecer si es una buena o mala decisin comprar o vender opciones, de manera que
si la volatilidad implcita es baja con respecto a la volatilidad futura esperada, un operador
preferir comprar opciones, si es alta, querr vender opciones (PALAZZO, 2001)
Para el caso particular de las opciones para arroz, esta prima no se puede calcu-
lar, debido a que en el mercado no se han implementado opciones, como una herra-
mienta de cobertura. Por lo anterior, no se puede comparar los precios tericos, que se
valoran con el modelo Black-Scholes y los precios del mercado. Igualmente, se puede
mencionar la existencia de Forward para arroz con cscara, como volatilidad implcita
de referencia para las opciones, pero esta aseveracin es errnea en el sentido que la
volatilidad de los Forwards es diferente a la de las opciones.
4.2. Valoracion de la Prima
La prima de la opcin se valoro con base en el modelo Black Scholes Merton, con ayuda
de la herramienta de Excel. Los datos que se requieren para aplicar el modelo, son:
El Precio Promedio de la Tonelada de Arroz Blanco: Este valor es producto de
tomar los precios promedio mensuales de arroz elaborado desde enero de 1995
hasta diciembre de 2007. Estos datos son emitidos por FEDEARROZ a precios de
mercado, por lo cual se defactaron (se trajeron a valor constante con las infa-
ciones de cada ao); este procedimiento se elabora con el fn de quitar el efecto
de la infacin sobre los precios. Con los precios mensuales en valor constante, se
calcula el promedio para cada mes.
Precio Subyacente: Es el resultado de multiplicar el numero de toneladas (no
puede ser menor a 35 Ton), por el precio por tonelada en el momento de frmar
la negociacin (numero de toneladas multiplicado por el precio spot del da en
el que se compre la opcin).
Precio de Ejercicio o Strike: El precio del ejercicio es el precio promedio mensual
de los ltimos doce meses por la cantidad de toneladas que especifque la op-
cin. Sin embargo, en la prctica este valor no es calculado con base en el precio
de los meses anteriores, sino por acuerdo de quien adquiere o vende los deriva-
dos fnancieros, es decir el precio de ejercicio lo defne la oferta y la demanda fu-
tura. En el caso particular del modelo se supone que el precio futuro es calculado
con base en los precio del pasado, por facilidades de clculo.
143
Es resultado del clculo de la funcin Black Scholes con una tasa de inters cal-
culada con base en el modelo Nelson Siegel. Este valor tiene incluido los costos ope-
rativos y administrativos que genera la manutencin del contrato, dentro del clculo
de la tasa libre de riesgo, es decir, que dentro de la tasa libre de riesgo se incluyen los
riesgos del emisor.
4.3. Resultados Obtenidos con el Modelo
Cuadro 7. Caractersticas de la Opcin para
Arroz Blanco en Colombia.
VARIABLE APLICACIN
Producto Arroz Blanco
Estandarizacin NTC671
Nodo 22-mes-ao
Tamao del Contrato 35 Ton
Precio Strike (promedio mes de vencimiento) $ 1.302.795,99
Precio Spot $ 1.324.735,00
Ejecutando el modelo con los datos del cuadro 7, se encuentra que las primas va-
loradas el 1 de Agosto de 2007, para Put y Call que ejerceran en septiembre, octubre,
noviembre y diciembre del mismo ao, para una opcin de 35 ton (el contrato ms pe-
queo posible), si se asume que el precio de la tonelada de arroz para el da en que se
adquiere el contrato es de $1.324.735, estn descritas en el cuadro 8.
Cuadro 6. Precio promedio arroz desde 1995 hasta 2008.
Mes
Precio Promedio ltimos
11 anos
Febrero - 07 $ 1.303.611,80
Marzo - 07 $ 1.331.933,00
Abril - 07 $ 1.337.604,54
Mayo - 07 $ 1.343.448,40
Junio - 07 $ 1.351.062,29
Julio - 07 $ 1.357.857,25
Agosto - 07 $ 1.350.911,93
Septiembre - 07 $ 1.328.301,97
Octubre - 07 $ 1.303.253,37
Noviembre - 07 $ 1.300.024,06
Diciembre - 07 $ 1.302.795,99
Enero - 08 $ 1.310.719,22
144
Reemplazando las constantes a, b, c, y T en la frmula (9), es posible obtener la
tasa libre de riesgo del modelo de Nelson-Siegel. Dichas constantes son publicadas por
INFOVAL para 01 agosto 2007 y toman los siguientes valores: a= 9,81064; b =-1,02814;
c=2,411058; Tao =2,091774
Ahora, el lector estar interesado en conocer el valor de la prima para las opciones
Call y Put sealadas en las formulas (5) y (6) respectivamente. Para ello, se debe re-
emplazar la tasa libre de riesgo en las formulas (7) y (8) para obtener los valores de las
constantes d
1
d
2
y d
2
y fnalmente, estimar el valor de las primas con las volatilidades
histricas mensuales de los precios del precio del arroz blanco en Colombia. Dichas vo-
latilidades se obtienen con los precios modelados como se muestra en el cuadro 5. Para
ello, las volatilidades resultantes fueron:
El cuadro 8, resume los valores tericos de las primas para una opcin Call y Put.

Cuadro 8. Valores de las primas terica para opciones Call y Put
Mes Precio de ejercicio Call Put
Septiembre $46.490.569 $1.887.776 $734.349
Octubre $45.613.867 $3.062.955 $680.092
Noviembre $45.500.842 $3.678.704 $835.221
Diciembre $47.268.235 $4.118.073 $1.005.801
Los resultados muestran que, por un lado, el valor de la prima para una opcin Call
para el mes de septiembre en $1.887.776 y para diciembre $4.118.073. Por otro lado, el
valor de la prima para una opcin Put para el mes de septiembre es de $734.349 y para
Diciembre $1.005.801. El lector observar como el valor de la prima va creciendo en la
medida que se contemplan plazas de ejecucin ms largos. Igualmente, el valor de la
prima para un mismo mes es mayor para la opcin Call que para la opcin Put debido
a que los ltimos tres meses del ao corresponden a la poca de cosecha del producto,
por efecto de la estacionalidad.
De acuerdo con la teora de las opciones, los valores de las primas son coheren-
tes con el tamao del contrato asegurado (35 toneladas), ya que por ejemplo, asegurar
un precio de $47.268.235 por medio de una opcin PUT solo cuesta $1.005.801 (solo
$28.737 por tonelada), equivalente a solo un 2.12% del valor total de la tonelada.
El mercado de arroz en Colombia se caracteriza por la fjacin de precios en el mer-
cado spot, con una clara ausencia de un mercado forward. Por este motivo, para desa-
rrollar un mercado de opciones se hara necesaria la estimacin de precios futuros, bien
sea por la va de la simulacin estadstica o por mtodos de correlacin del mercado
colombianos con mercados internacionales que cuenten con formacin de precios fu-
turos, como el mercado de Estados Unidos.
La modelacin adecuada para materias primas agrcolas que se enfrentan a esta-
cionalidades de la cosecha del producto, se debera hacer con precios forward como lo
seala Carcamo y Causil, ya que stos precios descuentan la estacionalidad de la pro-
duccin de los meses de agosto a octubre principalmente. Sin embargo, para el ejerci-
Sep
= 6, 41%;
Oct
= 6, 038%;
Nov
= 6, 05%;
Dic
= 6, 046%;
145
cio aqu desarrollado se tomaron los precios spot que refejan las condiciones del mer-
cado spot. Para mejores aproximaciones a los valores empricos (en vez de tericos), de
las primas de las opciones, se recomienda que en prximas estimaciones se incorporen
dichas expectativas sobre el comportamiento de los precios.
4.4. Condiciones del Mercado de Comodities en Colombia
El mercado de commodities en Colombia es administrado por la Bolsa Nacional Agro-
pecuaria (BNA), la que cre una Cmara de Compensacin en 1997, que es fnancia-
da por el Fondo Nacional de Garantas (FINAGRO) y tiene una responsabilidad sobre
por el 100% del capital e intereses invertidos. La Cmara de Compensacin ofrece los
certifcados de depsito de mercancas (CDM) para productos agrcolas y los contratos
avcola a trmino (CAT), porccola a trmino (CPT) y ganadero a trmino (CGT). Los
CDM corresponden a existencias fsicas de granos y cereales como arroz y caf, que
estn guardadas en bodegas en los almacenes generales de depsito, y son ttulos con
diferentes plazos de vencimiento, de acuerdo con las necesidades del agricultor y la
durabilidad del producto. Los pecuarios tienen plazos estandarizados de 90 das para
pollos, 135 para porcinos y plazos mximos de 300 das para ganado (DINERO, 2007).
En el caso Colombiano, no existen opciones para el mercado del arroz, en tanto que, la
Cmara de Compensacin, no tiene un desarrollo evolucionado como el de las bolsas
de Commodities mas importantes del mundo, tales como: Chicago, Nueva York y Hong
Kong. Tambin cabe mencionar que en el caso colombiano, no se presenta un mercado
a plazo para los productos agropecuarios, debido a dos factores:
La ausencia de instrumentos de especulacin como las opciones y futuros,
como los que existen en Chicago.
La Bolsa ha desarrollado un mercado que se ha mostrado como un medio de
inversin de renta fja; en donde las personas invierten con contratos que no
representen alto riesgo, en otras palabras, hay una cultura adversa al riesgo
A pesar de no existir opciones ni futuros para productos agrcolas dentro de la Bol-
sa, cabe resaltar que el mercado del arroz tiene altos volmenes de operaciones que le
dan ventajas para desarrollar este tipo de mecanismos, debido a que un poco mas de las
mitad de las operaciones realizadas en la bolsa se realizan sobre arroz
8
. De igual forma,
el mercado colombiano tiene la ventaja de contar con una Cmara de Compensacin
con 12 aos de antigedad y credibilidad.
4.5. Operaciones de Reinversion
La implementacin de un mercado de opciones para el sector arrocero, tiene como ob-
jetivo fundamental ofrecer proteccin o cobertura para los participantes directos del
mercado. Sin embargo, se debe reconocer que la implementacin de este tipo de ins-
trumentos, tambin genera una oportunidad de negocio para personas que no estn
directamente relacionadas con el mercado de arroz. Esta oportunidad de negocio se
8 Para mayor informacin visitar www.bna.com.co.
146
genera a travs de la comercializacin de contratos, que no buscan el intercambio di-
recto de arroz, sino el aprovechamiento de las variaciones en el precio de las primas.
Para ello, se negocian opciones con las estrategias de cobertura que son ampliamente
conocidas: Mariposas, Conos, Osos, Toro, Cndor, etc.
El mercado de opciones para arroz tambin se puede prestar para este tipo de ne-
gociaciones, que se pueden llamar roll over o reinversin de contratos. Dado que los
contratos diseados para el mercado de arroz, se liquidan de manera mensual, estos
tienen la posibilidad de venderse o comprarse en cualquier momento antes de su liqui-
dacin.
4.6. Ventajas de la Implementacin del Modelo
Las ventajas de adquirir opciones pueden ser percibidas por todos los participantes del
mercado arrocero, es decir, productores, industriales y mayoristas. Comenzando por
los productores, por un lado ellos se pueden ver benefciados de comprar la opcin de
vender a un precio fjo en las pocas en las que se presenta una sobre oferta de arroz
verde, esta dinmica usualmente se presenta en los meses de agosto y octubre, cuando
se recoge la cosecha de los meses que presentaron mayor lluvia en el ao, en ese senti-
do a pesar que el precio baje por una abundancia de arroz, el precio puede ser conocido
y descontado con anterioridad.
Por otro lado cuando el precio tiende a la baja, es decir, cuando los productores to-
dava no cuentan con una cosecha lista para la comercializacin, se presenta una esca-
sez en la oferta de arroz verde, por lo tanto el precio sube. En ese sentido, el productor
puede encontrar precios que cumplen sus expectativas y, en ese escenario el productor
tiene la posibilidad de no ejecutar la opcin. Esto le ayuda al productor en tres sentidos,
primero, el productor tiene la oportunidad de saber a cunto va a recibir por su cosecha
en el futuro y puede planear su presupuesto, en segundo lugar el productor puede apro-
vechar precios mas favorables para el en el mercado, en tercer lugar tiene la confanza
de una bolsa que respalda el contrato.
Por el lado de los industriales los benefcios de adquirir opciones, se ven refeja-
dos a la hora de comprar materia prima y a la hora de vender arroz, ya que el molinero
puede comprar opciones de comprar al productor en el futuro a un precio fjado. Esto
le brinda dos grandes ventajas, en primer lugar, el molinero contara con el inventario
que necesita para suplir los pedidos de sus clientes con meses de anterioridad. En se-
gundo lugar, Tiene bases mas slidas para saber cuales sern sus costos (precio de la
materia prima) para planear sus estados fnancieros. Ahora, los industriales tambin
pueden adquirir opciones de vender en el futuro arroz procesado a los mayoristas, en
esta medida, la ventaja de adquirir opciones de venta le permite estimar cuales sern
sus ingresos en el futuro.
Los mayoristas y grandes supermercados, tambin se ven benefciados de las op-
ciones, porque tienen la oportunidad de conocer los precios que se estn acordando
para fechas futuras. En esa medida, permite planear sus costos para cumplir con los
pedidos de arroz. Adems, le da la posibilidad de contar con el inventario de arroz
procesado para todos los meses. Particularmente en las pocas de escasez de arroz
el mayorista tendr la oportunidad de anticiparse a esta circunstancia y comprar las
opciones a un precio razonable, y no tener como nica oferta el precio que puede darle
el industrial.
147
5. conclusIones y recomendacIones
El mercado colombiano abarca la mayora de las caractersticas que demanda un mer-
cado de futuros:
Oferta y demanda inciertas en el tiempo.
Un gran mercado Disponible en trminos de Operaciones
Regulacin y presencia de bolsas en el mercado.
Las difcultades en la aplicacin de un mercado de futuros radica principalmente en
que los participantes de este mercado, no han tomado conciencia sobre la importancia
de aplicar los mecanismos para cobertura de riesgos, esto se debe a varios factores:
Dado que la estructura del mercado de arroz colombiano posee imperfeccio-
nes de competencia, como Oligopsonio en el primer eslabn y en el segundo
eslabn es oligopolio, la implementacin de las opciones permite que el precio
futuro de las opciones este infuenciado por ms actores; es decir, que el precio
futuro va a ser transparente. Finalmente, el precio del da va a tender a ser el
precio futuro como lo plantea Hull.
El mercado del arroz esta protegido, lo que hace pensar a los participantes que
no se vern afectados por las volatilidades permanentes, sino por volatilidades
estacionales. En ese sentido los participantes del mercado actan con deter-
minismo y resignacin frente a lo que pueda pasar en el futuro con los precios,
principalmente por la estacionalidad.
La carencia de conocimiento y accesibilidad de los productores hacia las insti-
tuciones reguladoras del mercado a plazo, tales como bolsas y comisionistas
genera difcultades para el establecimiento de mecanismos para cobertura del
precio, pues estos contratos de futuros estn sujetos a las instituciones, en el
mbito de certifcacin y otorgar licencias. Adems se encargan de velar por el
funcionamiento normal de los contratos.
Se presenta una ausencia de informacin de precios y bases de datos diarias
para las cotizaciones de arroz paddy verde, arroz elaborado y subproductos
del arroz, por lo cual se obstaculiza la implementacin de volatilidades ajusta-
das para valorar derivados fnancieros
Los derivados fnancieros, como las opciones pueden ser aplicadas para el
primer eslabn de la cadena comercial, a travs de contratos que permitan la
clusula de calidades abiertas o fexibles, siempre y cuando el producto sea no
perecedero (arroz paddy seco). En este sentido, el mayor benefciado seria el
productor pues es quien tiene menor proteccin frente a los cambios de pre-
cios en este momento.
Los derivados tambin se pueden aplicar a subproductos del arroz en la medida
que se presente una evolucin en la titularizacin de toda la cadena productiva.
La presencia de mecanismos de derivados fnancieros puede hacer el mercado
ms abierto a nuevos actores (incluidos los fnancieros) ya que a travs de la
publicacin de los precios por parte de la bolsa, los nuevos agentes pueden
entrar a tranzar con arroz y afectar el precio.
148
La creacin de un mercado a futuros permite una formacin de precios trans-
parentes y a la vez, competitivos. Por otro lado, tambin ayudan a mitigar la
volatilidad de los precios. Al estar inscritas en la BNA permiten que todas las
transacciones que se realicen, sean de conocimiento pblico, lo que genera ma-
yor igualdad en las oportunidades para los participantes del mercado arrocero.
Los contratos a futuros, estimulan la estandarizacin del producto, lo que fa-
cilita las transacciones comerciales entre las partes, ya que los contratos inclu-
yen las especifcaciones del arroz que se va a transar. La estandarizacin del
producto y la publicacin de precios del mercado por parte de la BNA puede,
eventualmente, favorecer la negociacin del producto en el exterior, aumen-
tando la competitividad del arroz en los mercados externos.
5.1 Recomendaciones
Para integrar a las partes dentro de un mercado a futuros es necesario crear un sistema
que los estimule a invertir, para esto unas posibles pautas que se pueden aplicar son:
Desarrollar una estructura de bajos costos de transaccin, que son una de las
principales razones por las cuales los sistemas regulados pierden importancia
Evitar re-procesos y trmites inefcaces para desarrollar las transacciones ne-
cesarias en la bolsa.
Flexibilizar los mtodos de cobro, es decir, que los cobros sean claros y adapta-
bles para quienes adquieran derivados fnancieros.
Para la implementacin de un mercado de derivados organizado es necesario
desarrollar una socializacin, de forma tal que los productores, industriales y
mayoristas, estn enterados de los medios para utilizar un derivado, y las ven-
tajas que estos les proporcionan. En ese sentido, para el desarrollo de un mer-
cado a plazo exitoso es necesario acudir a campaas de capacitacin e infor-
macin sobre los mercados a plazo. Esto implica, hacer campaas para formar
conciencia del uso de coberturas frente al precio y competencia internacional.
Es indispensable iniciar el desarrollo de bases de datos actualizadas diariamen-
te con la informacin del precio del arroz verde, elaborado y subproductos,
para que los ttulos refejen los cambios en los precios.
149
biblioGrafa
Referencias Textuales:
Garca Edwin, Roa John & Guzmn Andrs (2005). Comercializacin del
arroz en Colombia. Fedearroz Divisin de Investigaciones Eco-
nmicas. Colombia.
Hull John C., (2003). Option, futures and other derivates. Pretince Hall,
Quinta Edicin. Captulos: 1, 2, 11 y 12.
Kozikowsky Z. Zbiniew (2000). Finanzas internacionales, MacGraw-Hill.
Referencias Digitales:
Lavin, Mike Mercados y transacciones OTC (Over The Counter) Finanzas.
com http://www.fnanzas.com/noticias/novato.asp?id=8118941)
Gmez, Roberto (2005) Algunas ventajas del uso de derivados
fnancieros en http://www.eumed.net/cursecon/cursos/mmf/
ventajas.htm.
Econlink Diccionario en http://www.econlink.com.ar/economia/balan-
zadepagos/argentina/commodities.sht ml consultado en 13 de
abril de 2007
Gutirrez, Gonzalo (2004) Mercados de Futuros y Opciones Una Alter-
nativa Posible para Uruguay? http://www.iica.org.uy/data/docu-
mentos/170000.doc
Cules son las caractersticas de los instrumentos del mercado a futuro
desde el punto de vista de liquidez, rentabilidad y riesgo? http://
www.bolsadesantiago.com/faqs/Faqs2.asp?codigo=001005026
La cobertura de los riesgos (Hedging), http://www.enetspeculation.
com/pub/es/pub.asp?area=futures#Hedging.
Prez, Barbeito (2007). Mercado de Divisas http://72.14.209.104/
search?q=cache:s6nScLZNCcEJ:www.eumed.net/cursecon/ppp/
jpb-divisas%2520.ppt+arbitradores+mercados+a+futuro&hl=es&
ct=clnk&cd=2&gl=co
Chicago Board of Trade, (2007). www.cbot.com
Bradley, (2004). The Black and Scholes Model. http://bradley.bradley.
edu/~arr/bsm/pg04a.html
Palazzo, Romina (2001). Anlisis de la volatilidad implcita, tomado de
http://64.233.169.104/search?q=cache:A5PJfEnFmlEJ:www.bcr.
com.ar/pagcentrales/publicaciones/images/pdf/TRABVolatilidad.
pdf+volatilidad+implicita+.pdf&hl=es&ct=clnk&cd=1&gl=co
Commodities. Inversin con garanta. Revista Dinero No.269 del 14/
Feb/2007. Tomado de http://www.dinero.com.co/wf_InfoArticulo.
aspx?IdArt=30515
Carcamo C, Ulises y Causil, Catalina (Valoracion de opciones para el
mercado agropecuario colombiano, el modelo Heston-Nandi
como alternativa. Tomado de http://www.eaft.edu.co/NR/rdon-
lyres/A4018801-83C5-4ED0-84B3-4FEB54A200FA/0/trabajofnal-
carcamocausil.pdf
De Pooter, Michiel Examining the Nelson-Siegel Class of Term Structure
Models, Tinbergen Institute, jun 2007 Cap 1. Tomado de: http://
www.tinbergen.nl/discussionpapers/07043.pdf
DINERO, Commodities. Inversin con garanta, Colombia, Edicin
269 (19 enero de 2007) http://www.dinero.com/edicion-impresa/
caratula/commodities-inversion-garantia_30515.aspx
Termin de imprimirse en
Noviembre de 2009 en
Tel: 2885338 Bogot, DC, Colombia
www.produmedios.org

Libro Riesgos Financieros

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Libro Riesgos Financieros

Uploaded by

Copyright:

Available Formats

Gestin de riesGos

You might also like