Módulo 5: Guía de Estudio Completa

Métricas de Riesgo y Performance

📚 Tabla de Contenidos

1. Introducción
2. Sección 5.1: Métricas de Rendimiento Ajustado por Riesgo
3. Sección 5.2: Value at Risk (VaR)
4. Sección 5.3: Más Allá del VaR
5. Casos de Estudio
6. Ejercicios Resueltos
7. Preguntas Frecuentes
8. Glosario de Términos
9. Recursos Adicionales
10. Autoevaluación
11. Conclusión del Módulo

📖 Introducción

En finanzas, un retorno sin contexto de riesgo no significa nada. Ganar un 30% asumiendo un riesgo enorme puede ser peor que ganar un 10% con un riesgo controlado. Este módulo enseña el lenguaje con el que se juzga todo en finanzas cuantitativas: las métricas de riesgo y performance.

Estas métricas son omnipresentes. Un inversor decide entre fondos por su Sharpe. Un banco reporta su VaR al regulador. Un gestor explica un mal año con su máximo drawdown. Si quieres trabajar como quant, estas son las palabras que usarás a diario.

Conecta directamente con módulos anteriores: la volatilidad (Módulos 2-4), las distribuciones y colas pesadas (Módulo 2) y la estimación estadística (Módulo 3) son la base de todo lo que veremos aquí.

Objetivos de Aprendizaje

Al completar este módulo, serás capaz de:

✓ Calcular e interpretar el Sharpe, Sortino, Calmar e Information Ratio ✓ Comprender las tres formas de calcular el VaR (paramétrico, histórico, Monte Carlo) ✓ Reconocer por qué el VaR no es una medida coherente de riesgo ✓ Aplicar el CVaR (Expected Shortfall) como alternativa superior ✓ Medir el máximo drawdown y el tiempo de recuperación ✓ Entender el riesgo de cola y el stress testing básico

Tiempo Estimado de Estudio

• Lectura completa: 4-5 horas
• Ejercicios prácticos (Python + calculadora): 4-5 horas
• Casos de estudio: 2 horas
• Total del módulo: 10-12 horas

Prerrequisitos

Módulos 1-4. Especialmente: volatilidad y anualización (Módulo 1), distribuciones y colas pesadas (Módulo 2).

📈 Sección 5.1: Métricas de Rendimiento Ajustado por Riesgo

5.1.1 La Idea Central

Todas estas métricas responden a la misma pregunta con distintos matices: ¿cuánto retorno obtengo por cada unidad de riesgo que asumo? Dividir retorno entre riesgo permite comparar estrategias muy distintas en igualdad de condiciones.

5.1.2 El Sharpe Ratio: El Estándar de la Industria

El Sharpe Ratio mide el exceso de retorno por unidad de volatilidad total.

Sharpe = (R_cartera − R_libre_riesgo) / σ_cartera

Donde:

• R_cartera: retorno de la cartera
• R_libre_riesgo: la tasa libre de riesgo (bonos del tesoro)
• σ_cartera: volatilidad (desviación estándar) de los retornos

Anualización (como vimos en el Módulo 1):

Sharpe anual = Sharpe diario × √252

Interpretación de valores:

Advertencia crítica: un Sharpe muy alto en un backtest casi siempre es overfitting (Módulo 1). Los mejores fondos del mundo operan con Sharpes sostenibles de 1-2 después de costos. Desconfía de cualquier estrategia que prometa Sharpes de 4+ en backtest.

5.1.3 El Sortino Ratio: Penalizando Solo lo Malo

El Sharpe tiene una crítica justa: penaliza la volatilidad al alza igual que la volatilidad a la baja. Pero a los inversores no les molesta ganar mucho de golpe; solo les molesta perder.

El Sortino Ratio corrige esto usando solo la volatilidad de las pérdidas (downside deviation):

Sortino = (R_cartera − R_objetivo) / σ_downside

Donde σ_downside solo considera los retornos por debajo de un umbral (normalmente cero o la tasa libre de riesgo).

Cuándo usarlo: especialmente útil para estrategias con retornos asimétricos (skewness, Módulo 2). Una estrategia con muchas ganancias grandes y pocas pérdidas tendrá mejor Sortino que Sharpe.

5.1.4 El Calmar Ratio: Retorno sobre el Peor Momento

El Calmar Ratio relaciona el retorno con el peor escenario histórico (máximo drawdown, Sección 5.3):

Calmar = Retorno Anualizado / |Máximo Drawdown|

Interpretación:

• Calmar > 1: buen equilibrio retorno/peor-caída
• Calmar < 0.5: cuestionable desde la perspectiva del riesgo

Por qué importa: captura algo que el Sharpe no — el dolor psicológico y financiero de la peor racha. Un inversor puede tolerar volatilidad, pero un drawdown del 50% lleva a muchos a abandonar en el peor momento.

5.1.5 El Information Ratio: Alpha sobre Tracking Error

El Information Ratio (IR) mide la habilidad de un gestor para batir a su índice de referencia (benchmark) de forma consistente:

IR = (R_cartera − R_benchmark) / Tracking Error

Donde el tracking error es la volatilidad de la diferencia de retornos respecto al benchmark.

Interpretación:

• Mide el “alpha” (Módulo 3) ajustado por cuánto te desvías del índice
• IR > 0.5 se considera bueno; > 1 es excelente y raro
• Es la métrica clave para juzgar la gestión activa

5.1.6 Resumen Comparativo

📉 Sección 5.2: Value at Risk (VaR)

5.2.1 Qué es el VaR

El Value at Risk (VaR) responde a una pregunta concreta: “¿Cuál es la pérdida máxima que espero NO superar, con cierta probabilidad, en un horizonte temporal dado?”

Ejemplo: un VaR diario al 95% de 10.000€ significa: “en un día normal, hay un 95% de probabilidad de no perder más de 10.000€” (o equivalentemente, un 5% de probabilidad de perder más).

Tres ingredientes definen un VaR:

1. Nivel de confianza (95%, 99%)
2. Horizonte temporal (1 día, 10 días)
3. Importe (la pérdida en € o %)

5.2.2 VaR Paramétrico (Varianza-Covarianza)

Asume que los retornos siguen una distribución normal. Es el método más simple y rápido.

VaR = Valor_cartera × z × σ × √(horizonte)

Donde z es el cuantil de la normal:

• 95% de confianza → z = 1.645
• 99% de confianza → z = 2.326

Ventajas: rápido, simple, solo necesita media y volatilidad.

Desventaja crítica: asume normalidad. Como vimos en el Módulo 2, los retornos tienen colas pesadas, así que el VaR paramétrico subestima el riesgo real de eventos extremos.

5.2.3 VaR Histórico

No asume ninguna distribución. Usa directamente los retornos históricos reales.

Procedimiento:

1. Toma los retornos históricos de la cartera
2. Ordénalos de menor a mayor
3. El VaR al 95% es el percentil 5 de esa distribución empírica

Ventajas: captura la forma real de la distribución, incluidas las colas pesadas.

Desventajas: depende totalmente del periodo histórico elegido. Si el pasado no incluye crisis, el VaR las ignorará.

5.2.4 VaR Monte Carlo

Simula miles de escenarios futuros usando un modelo (por ejemplo, el GBM del Módulo 2).

Procedimiento:

1. Define un modelo de evolución de precios
2. Simula muchos escenarios (10.000+)
3. Calcula la distribución de resultados
4. El VaR es el percentil correspondiente

Ventajas: muy flexible, puede incorporar relaciones complejas y distribuciones no normales.

Desventajas: computacionalmente costoso; los resultados solo son tan buenos como el modelo subyacente.

5.2.5 Comparación de los Tres Métodos

⚠️ Sección 5.3: Más Allá del VaR

5.3.1 Por Qué el VaR No Basta

El VaR tiene una limitación fundamental: te dice el umbral de pérdida, pero NO cuánto puedes perder si lo superas.

Un VaR al 95% de 10.000€ no distingue entre:

• Escenario A: el 5% de las veces pierdes 11.000€
• Escenario B: el 5% de las veces pierdes 1.000.000€

¡Mismo VaR, riesgo radicalmente distinto! El VaR ignora completamente la magnitud de las pérdidas en la cola.

Además, el VaR no es una medida coherente de riesgo: en ciertos casos, el VaR de una cartera diversificada puede ser mayor que la suma de los VaR individuales, lo cual viola la intuición de que diversificar reduce riesgo (falta de subaditividad).

5.3.2 Conditional VaR (CVaR / Expected Shortfall)

El CVaR (también llamado Expected Shortfall o ES) responde a la pregunta que el VaR ignora: “Si supero el VaR, ¿cuánto pierdo en promedio?”

CVaR = pérdida media en los escenarios peores que el VaR

Es decir, el CVaR es el promedio de todas las pérdidas en la cola más allá del VaR.

Ventajas sobre el VaR:

1. Captura la magnitud de las pérdidas extremas (lo que el VaR ignora)
2. Es una medida coherente: es subaditiva (la diversificación siempre reduce el CVaR)
3. Más conservadora y realista para gestión de riesgo

Por esto, los reguladores (Basilea) han ido migrando del VaR al Expected Shortfall. Es considerada la mejor métrica de riesgo de cola disponible para uso general.

5.3.3 Maximum Drawdown

El máximo drawdown (MDD) es la mayor caída desde un máximo histórico hasta el mínimo posterior.

Drawdown(t) = (Valor(t) − Máximo_hasta_t) / Máximo_hasta_t
MDD = el drawdown más negativo de toda la serie

Por qué importa:

• Mide el peor escenario realizado de pérdida acumulada
• Es psicológicamente crucial: un drawdown del 50% requiere un +100% para recuperarse
• Captura el “dolor” sostenido, no solo la volatilidad puntual

Tiempo de recuperación (recovery time): cuánto tarda la cartera en volver al máximo anterior tras un drawdown. Un drawdown profundo y largo es lo que hace abandonar a los inversores.

5.3.4 Riesgo de Cola y Cisnes Negros

El riesgo de cola es el riesgo de eventos extremos y raros pero devastadores (los “cisnes negros” de Taleb). Como vimos en el Módulo 2:

• Los modelos normales lo subestiman gravemente
• El “Lunes Negro” de 1987 y el crash de 2008 son ejemplos
• El CVaR lo captura mejor que el VaR, pero ningún modelo lo elimina

Lección: la gestión de riesgo profesional no consiste en predecir los cisnes negros (imposible), sino en sobrevivir a ellos: dimensionar posiciones, evitar apalancamiento excesivo y mantener reservas.

5.3.5 Stress Testing Básico

El stress testing evalúa cómo se comportaría la cartera bajo escenarios extremos específicos:

• Escenarios históricos: “¿qué pasaría si se repitiera 2008?”
• Escenarios hipotéticos: “¿y si los tipos suben 3 puntos de golpe?”
• Análisis de sensibilidad: mover una variable y ver el impacto

Por qué complementa al VaR/CVaR: estas métricas se basan en distribuciones; el stress testing prueba escenarios concretos que pueden no estar en los datos históricos. Es especialmente importante porque, como vimos, las correlaciones cambian en crisis (todo cae junto), algo que las métricas estándar no capturan bien.

🔍 Casos de Estudio

Caso 1: Dos Fondos con el Mismo Retorno

Contexto

Dos fondos lograron un 12% anual. ¿Cuál es mejor?

Análisis

• Mismo retorno, riesgo muy distinto. El Fondo A es claramente superior en términos ajustados por riesgo
• El Sharpe de A (1.0) duplica al de B (0.4)
• El drawdown de B (−45%) habría hecho abandonar a muchos inversores en el peor momento

Lección

El retorno por sí solo engaña. Siempre compara ajustando por riesgo. Un fondo “aburrido” con bajo riesgo suele ser mejor inversión a largo plazo que uno volátil con el mismo retorno.

Caso 2: El VaR que Engañó en 2008

Contexto

Antes de la crisis de 2008, muchos bancos usaban VaR paramétrico (asumiendo normalidad) calculado sobre datos de los años previos, relativamente tranquilos.

Qué Falló

1. Colas pesadas ignoradas: el VaR normal asignaba probabilidad casi nula a las caídas que ocurrieron
2. Periodo no representativo: los datos previos no incluían una crisis sistémica
3. Correlaciones subestimadas: en la crisis, activos “no correlacionados” cayeron juntos
4. El VaR no medía la magnitud de la cola: las pérdidas, una vez superado el VaR, fueron catastróficas

Lección

El VaR dio una falsa sensación de seguridad. Tras 2008, la industria adoptó el CVaR/Expected Shortfall, mejoró el stress testing e incorporó datos de crisis. La lección: ninguna métrica sustituye al juicio y la humildad sobre los límites del modelo.

🧮 Ejercicios Resueltos

Ejercicio 1: Calcular el Sharpe Ratio

Enunciado: Una cartera tiene retorno anual del 14%, la tasa libre de riesgo es 3% y la volatilidad anual es 18%. Calcula el Sharpe Ratio.

Solución:

Sharpe = (14% − 3%) / 18% = 11% / 18% = 0.61

Interpretación: un Sharpe de 0.61 es modesto (por debajo de 1). La cartera no compensa especialmente bien el riesgo asumido.

Ejercicio 2: VaR Paramétrico

Enunciado: Calcula el VaR diario al 99% de una cartera de 1.000.000€ con volatilidad diaria del 1.5%. (z₉₉ = 2.326)

Solución:

VaR = 1.000.000 × 2.326 × 0.015 = 34.890€

Interpretación: en un día normal, hay un 99% de probabilidad de no perder más de 34.890€. Dicho de otro modo, esperamos superar esa pérdida aproximadamente 1 día de cada 100.

Ejercicio 3: Drawdown y Recuperación

Enunciado: Una cartera cae un 40% desde su máximo. ¿Qué retorno necesita para recuperarse por completo?

Solución:

Si caes 40%, quedas en el 60% del valor original.
Para volver al 100%: 100/60 = 1.667 → necesitas +66.7%

Interpretación: las caídas grandes son asimétricas. Un −40% requiere un +66.7% para recuperarse, no un +40%. Por eso el drawdown es tan peligroso: cuanto más profundo, exponencialmente más difícil la recuperación.

Ejercicio 4: VaR vs. CVaR

Enunciado: Dos carteras tienen el mismo VaR al 95% de 50.000€. La cartera A pierde, en el 5% peor, una media de 55.000€. La cartera B, en su 5% peor, una media de 200.000€. ¿Cuál es más arriesgada y qué métrica lo revela?

Solución:

• Ambas tienen el mismo VaR (50.000€), así que el VaR no las distingue
• El CVaR sí: cartera A tiene CVaR ≈ 55.000€; cartera B tiene CVaR ≈ 200.000€
• La cartera B es mucho más arriesgada en la cola, pese al mismo VaR
• Lección: el VaR ignora la magnitud de las pérdidas extremas; el CVaR la captura. Por eso el CVaR es la métrica preferida para riesgo de cola.

❓ Preguntas Frecuentes

¿Cuál es la mejor métrica de todas? No hay una única “mejor”. El Sharpe es el estándar de comparación general, pero el Sortino es mejor para retornos asimétricos, el Calmar captura el dolor del drawdown, y el CVaR es superior al VaR para riesgo de cola. Un buen analista mira varias en conjunto.

¿Por qué un Sharpe muy alto es sospechoso? Porque los mercados son competitivos y eficientes. Sharpes sostenibles de 1-2 ya son excelentes en la realidad. Un backtest con Sharpe de 5 casi siempre indica overfitting, look-ahead bias o costos ignorados (Módulo 1).

¿El VaR está obsoleto? No del todo, sigue siendo muy usado y exigido por reguladores en muchos contextos. Pero el CVaR/Expected Shortfall lo está sustituyendo como métrica principal de riesgo de cola por sus mejores propiedades matemáticas (coherencia, captura de magnitud).

¿Cómo elijo entre VaR paramétrico, histórico y Monte Carlo? Paramétrico para rapidez y aproximaciones; histórico cuando tienes buenos datos y quieres capturar la distribución real; Monte Carlo para carteras complejas o cuando necesitas flexibilidad de modelado. En la práctica, conviene comparar los tres.

¿El máximo drawdown es lo mismo que la volatilidad? No. La volatilidad mide la dispersión típica día a día; el drawdown mide la peor caída acumulada desde un pico. Una estrategia puede tener baja volatilidad pero un drawdown profundo si las pérdidas se acumulan en una racha.

📖 Glosario de Términos

📚 Recursos Adicionales

Libros

1. “Active Portfolio Management” — Grinold & Kahn
   • El Information Ratio y la gestión activa en profundidad
2. “The Black Swan” — Nassim Taleb
   • Sobre el riesgo de cola y los eventos extremos
3. “Value at Risk” — Philippe Jorion
   • La referencia sobre VaR y sus variantes

Papers

1. Sharpe, W. (1966). Mutual Fund Performance — origen del Sharpe Ratio
2. Sortino & Price (1994). Performance Measurement in a Downside Risk Framework
3. Artzner et al. (1999). Coherent Measures of Risk — por qué el CVaR supera al VaR

Herramientas Python

• numpy / pandas: cálculo de todas las métricas
• scipy.stats: cuantiles de la normal para VaR paramétrico
• quantstats: librería que calcula todas estas métricas automáticamente
• empyrical: métricas de performance usadas en la industria

Recursos Online

1. Portfolio Visualizer — calcula estas métricas sobre carteras reales
2. QuantStats (GitHub) — informes de performance profesionales
3. Documentación de Basilea — sobre el paso de VaR a Expected Shortfall

✍️ Autoevaluación

Test de Comprensión

Instrucciones: Responde para evaluar tu comprensión del módulo.

Sección A: Conceptos Básicos (20 puntos)

1. ¿Qué mide el Sharpe Ratio y por qué un valor muy alto en backtest es sospechoso? (5 pts)
2. ¿En qué se diferencia el Sortino del Sharpe? (5 pts)
3. ¿Qué responde el VaR y qué pregunta importante NO responde? (5 pts)
4. ¿Por qué el CVaR es una medida de riesgo superior al VaR? (5 pts)

Sección B: Cálculo (40 puntos)

5. Cartera con retorno anual 16%, tasa libre de riesgo 4%, volatilidad 20%. Calcula el Sharpe. (10 pts)
6. VaR diario al 95% de una cartera de 500.000€ con volatilidad diaria del 2%. (z₉₅=1.645) (15 pts)
7. Una cartera cae un 50% desde su máximo. ¿Qué retorno necesita para recuperarse? (15 pts)

Sección C: Análisis (40 puntos)

8. Dos fondos tienen el mismo retorno anual (10%). El Fondo A tiene volatilidad 8% y drawdown máximo −12%; el Fondo B, volatilidad 22% y drawdown −40%. Analiza cuál es mejor inversión y por qué. (20 pts)
9. Explica por qué el VaR paramétrico contribuyó a la falsa sensación de seguridad antes de 2008 y qué métricas/prácticas lo mejoran. (20 pts)

Respuestas Modelo

Sección A

1. Sharpe Ratio: Mide el exceso de retorno (sobre la tasa libre de riesgo) por unidad de volatilidad total. Un valor muy alto en backtest es sospechoso porque los mercados son competitivos; Sharpes sostenibles de 1-2 ya son excelentes en la realidad. Un Sharpe de 4+ suele indicar overfitting, look-ahead bias o costos ignorados.

2. Sortino vs. Sharpe: El Sharpe penaliza toda la volatilidad (al alza y a la baja) por igual. El Sortino usa solo la volatilidad a la baja (downside deviation), porque a los inversores no les molesta ganar mucho de golpe, solo perder. Es mejor para retornos asimétricos.

3. VaR: Responde “¿cuál es la pérdida máxima que espero no superar con cierta probabilidad en un horizonte dado?”. NO responde cuánto puedo perder si supero ese umbral (la magnitud de las pérdidas en la cola), que es precisamente lo que captura el CVaR.

4. CVaR superior al VaR: Captura la magnitud media de las pérdidas en la cola (no solo el umbral), es una medida coherente (subaditiva: la diversificación siempre reduce el riesgo) y es más conservadora y realista. Por eso los reguladores migran hacia el Expected Shortfall.

Sección B

5. Sharpe:

   Sharpe = (16% − 4%) / 20% = 12% / 20% = 0.60

6. VaR diario 95%:

   VaR = 500.000 × 1.645 × 0.02 = 16.450€

   Interpretación: en un día normal, 95% de probabilidad de no perder más de 16.450€.

7. Recuperación tras −50%:

   Quedas en el 50% del valor. Para volver al 100%: 100/50 = 2 → necesitas +100%

   Un −50% requiere un +100% para recuperarse (asimetría del drawdown).

Sección C

8. Comparación de fondos: Aunque ambos tienen el mismo retorno (10%), el Fondo A es claramente mejor inversión ajustada por riesgo. Su volatilidad (8% vs. 22%) y su drawdown (−12% vs. −40%) son mucho menores. El Sharpe de A (asumiendo rf=0, ~1.25) supera ampliamente al de B (~0.45). Además, el drawdown del 40% de B requeriría un +66.7% para recuperarse y habría llevado a muchos inversores a abandonar en el peor momento. El retorno por sí solo engaña: siempre hay que ajustar por riesgo.

9. VaR paramétrico y 2008: El VaR paramétrico asume normalidad, lo que ignora las colas pesadas reales de los retornos (Módulo 2) y asigna probabilidad casi nula a caídas que sí ocurren. Calculado sobre datos previos tranquilos, no incluía escenarios de crisis. Además, no mide la magnitud de las pérdidas más allá del umbral, y subestima las correlaciones que aumentan en crisis. Mejoras: usar CVaR/Expected Shortfall (captura la magnitud de la cola y es coherente), incorporar datos de crisis, hacer stress testing con escenarios extremos y reconocer humildemente los límites del modelo.

Criterios de Evaluación

• 90-100%: Dominio excelente, listo para el Módulo 6 (Construcción de Carteras Cuantitativas)
• 80-89%: Buena comprensión, revisar áreas débiles
• 70-79%: Comprensión básica, reforzar con práctica
• < 70%: Revisar el material antes de continuar

🎯 Conclusión del Módulo

Puntos Clave para Recordar

1. El retorno sin riesgo no significa nada

   • Siempre ajusta por riesgo: Sharpe, Sortino, Calmar
   • Compara fondos en igualdad de condiciones

2. El Sharpe es el estándar, pero tiene límites

   • Penaliza la volatilidad al alza igual que a la baja
   • Un Sharpe muy alto en backtest = sospecha de overfitting

3. El VaR responde una pregunta, pero ignora otra

   • Da el umbral de pérdida, no su magnitud en la cola
   • Tres métodos: paramétrico, histórico, Monte Carlo

4. El CVaR es superior para riesgo de cola

   • Captura la magnitud de las pérdidas extremas
   • Es coherente (subaditivo); los reguladores lo prefieren

5. El drawdown duele de forma asimétrica

   • Un −50% necesita un +100% para recuperarse
   • La gestión de riesgo es sobrevivir a los cisnes negros, no predecirlos

Preparación para el Módulo 6

El siguiente módulo cubre la construcción de carteras cuantitativas: optimización mean-variance, risk parity y modelos de factores. Asegúrate de:

✓ Saber calcular las métricas principales en Python ✓ Entender la diferencia entre VaR y CVaR ✓ Comprender por qué el drawdown es asimétrico ✓ Conectar estas métricas con la volatilidad y la matriz de covarianza (Módulo 2)

Reflexión Final

“El objetivo de la gestión de riesgo no es evitar todas las pérdidas — eso es imposible y también evitaría todas las ganancias. El objetivo es entender exactamente qué riesgo estás asumiendo, asegurarte de que te pagan por él, y sobrevivir a los inevitables eventos extremos. Las métricas son tu brújula; el juicio es tu timón.”

Has aprendido el lenguaje con el que se juzga todo en finanzas cuantitativas. Estas métricas te acompañarán en cada estrategia que diseñes, cada cartera que construyas y cada decisión que tomes. Úsalas con rigor, pero nunca olvides lo que ninguna métrica captura: lo desconocido.

¡Éxito en tu viaje de aprendizaje!

Fin de la Guía de Estudio del Módulo 5