Simulación de riesgos

La simulación de riesgos es una estimación sistémica de la probabilidad y magnitud de las pérdidas para la toma de decisiones: límites, reservas, coberturas, políticas automáticas y priorización de medidas. A continuación, un marco de fin a fin desde la tarjeta de amenazas hasta el funcionamiento de los modelos.

1) Mapa de riesgos y KRI

Dominios: operativos (incidentes/SLA), financieros (FX, liquidez), de producto (calidad/conversión), conductuales (frod/RG), regulatorios (multas, bloqueos), afiliados (afiliados/proveedores), IB (fugas/hacks), riesgo modelo.

KRI (Key Risk Indicators): frecuencia de incidentes, p95/99 retrasos, proporción de chargebacks, FPR antifraude, proporción de quejas, compartir de voz negativa, cobertura de monitoreo, «señales de alerta temprana» (leading) vs implicaciones (lagging).
Todos los KRI son con propietario, frecuencia, rápidos, histéresis y canal de escalada.

2) Frecuencia × Gravedad: matemáticas básicas de la pérdida

Las pérdidas durante el período (L) se modelan como un proceso compuesto:

[
N \sim \text{Poisson}(\lambda)\ \text{или}\ \text{NegBin}(r,p),
\quad X_i \sim F_{\text{severity}}(\theta),
\quad L=\sum_{i=1}^{N} X_i
]

Frecuencia (N): Poisson (eventos independientes raros), NegBin (superdispersión/agrupamiento).
Gravedad (X): Lognormal (colas moderadas), Gamma, Pareto/Log-Pareto (colas gruesas), modelos mixtos (mixture).
Zero-inflation: con muchos ceros.
Censura/franquicia: contabilización de dedactables/límites de seguros.

Loss Distribution Approach (LDA): seleccione (\lambda) y los parámetros de gravedad, luego Monte Carlo o convolución (FFT) → métricas de cola.

3) Riesgos de cola y EVT

Para los extremos, utilice Extreme Value Theory:

Bloque Maxima → GEV, Peaks-Over-Threshold → GPD, selección de umbral (u) + verificación de estacionalidad.
Calibre según la estabilidad de la cola (QQ-plot, Hill estimator).
El objetivo es estimar correctamente las pérdidas grandes raras (1/100-1/1000).

4) Dependencias: correlaciones y cópulas

Las correlaciones de Pearson son insuficientes en las colas. Utilice las cópulas:

Gaussian (agarre de cola simple pero débil), Student-t (tail-dependence), Clayton/Gumbel (colas asimétricas).
Primero, personalizar los marginales (severity/frecuencias), luego la cópula para simular conjuntamente la cartera de riesgo y concentración.

5) Métricas de riesgo e indicadores económicos

VaR (_\alpha): cuantiles de pérdida (por ejemplo, 99%).
CVaR/Expected Shortfall (_\alpha): pérdida media fuera de VaR - preferible para las colas.
EL/UL: pérdida esperada/inesperada.
RAROC: (\text{Risk-Adjusted Return on Capital}=\frac{\text{Доход} - \text{Ож. }} {\text {Capital en riesgo}}).
Capital en riesgo: nivel de cobertura (por ejemplo, CVaR 99. 5%) + búferes.

6) Escenarios y pruebas de estrés

Script = shock de entradas + correlaciones + reglas de negocio.
Tipos: históricos (picos de covid 2020), hipotéticos (bloqueo regulatorio, PSP al aire libre), inversos ("¿qué shocks dan pérdidas ≥ X? »).
Resultados - rangos de pérdida, no punto. Documente las suposiciones y los canales de toma de decisiones (límites/gotas/pausas).

7) Bayes y actualización del conocimiento

Frecuencias/gravedad bayesiana: aprioris (Gamma-Poisson, Lognormal con parámetros informativos hiper) → actualización en línea cuando llegan los datos.
Útil en pequeñas muestras/nuevos mercados (pooling parcial, modelos jerárquicos).

8) Datos y calidad (¡Punto en tiempo!)

Contratos de datos: esquemas, claves, zonas de tiempo, versionar eventos, banderas de ajuste.
Corrección de punto en tiempo: sin señales futuras en el aprendizaje (especialmente para fallos de frod/operativos).
Cambios de política/ismo. medidas: en el calendario de eventos.
Estancamiento y cambios: perfila la deriva (PSI/KL) por fichas clave.

9) Procedimiento de modelado (pasos)

1. Definir caso y horizonte: que haya «pérdida», periodo, unidad (marca × país × canal).
2. Forme un dataset: frecuencias, graves, covariables (estacionalidad, promo, FX, proveedores).
3. Selección de familia: Poisson/NegBin × Lognormal/Pareto (comprobar balsas QQ/pruebas KS/AD).
4. Dependencias: cópula/modelo de factores para la agregación de carteras.
5. Calibración: MLE/Bayesian; contabilidad de censura, dedactables, outliers.
6. Validación/respaldo: recubrimiento de cola, estabilidad de parámetros, sensibilidad al estrés.
7. Monte Carlo: (10 ^ 5) - (10 ^ 6) corridas; estimar VaR/CVaR, pérdidas hipotéticas.
8. Soluciones: límites, capas, pausas, alocación de reservas, medidas de priorización RAROC.
9. Documentos: tarjeta modelo, pasaporte script, runbook.

10) Integración con políticas y automatización

Desencadenantes: superando los umbrales KRI/VaR/CVaR → pasos (amplificación KYC, 3DS-enforce, reducción de límites, trottling del canal de pago, desactivación de la promoción).
Histéresis/culdown: diferentes umbrales de entrada/salida para evitar el «parpadeo».
Colas de riesgo: clasificación por (\mathbb {E} [EV]) = daño evitado − costo de las medidas − daño.

11) Ejemplo de modelo compuesto (pseudo-Python)

python import numpy as np

1) frequency (week) and severity (EUR)
lam = 3. 2            # Poisson rate mu, sigma = 6. 0, 1. 1      # Lognormal params (ln-space)
S = 200000           # simulations

N = np. random. poisson (lam, S) # event rate sev = lambda n: np. exp(np. random. normal (mu, sigma, n)) # severity loss = np. array([sev(n). sum() if n>0 else 0. 0 for n in N])

VaR99 = np. quantile(loss, 0. 99)
CVaR99 = loss[loss >= VaR99].mean()
EL   = loss. mean()

Jerarquía/portafolio: contar por cada segmento, luego agregarlo a través de una copula/factor o una muestra conjunta empírica.

12) Gestión de límites y capital

Límites/topes: por canales/países/proveedores, enlazados a CVaR válido.
Reservas: nivel de cobertura (por ejemplo, CVaR 99% mensual) + búfer de control.
Transferencias de riesgo: reaseguro/seguro, cobertura FX, diversificación de proveedores.

13) Modelo de riesgo y gobierno

Tarjeta modelo (plantilla)

Objetivo y zona de aplicación; métricas VaR/CVaR/coverage; datos y período; suposiciones; restricciones; sensibilidad; fairness/ética; propietarios; versión; Fecha de la revisión.

MLOps/ModelOps: registro de modelos, control de versiones, shadow/Canarias start, feature parity online/offline, monitoreo de calidad y deriva, auto-alertas, «stop-grúa».

Validación/respaldo

Cabezales: recubrimiento de cola (Kupiec/Christoffersen), estabilidad de parámetros, resistencia al estrés, especificaciones alternativas.

14) Monitoreo en la venta y runibooks

Métricas

Cobertura VaR (avances reales/esperados), calibración CVaR, altavoz EL/UL.
Deriva de entradas (PSI), proporción de segmentos «nuevos», sobrecarga de límites.
Quirófanos: latency cálculo, fid retardo,% folbacks.

Runbook (ejemplo de «estallido de chargebacks»)

1. Comprobar la frescura de los datos y la corrección de las etiquetas.
2. Segmentación de picos (país/pago/dispositivo/socio).
3. Activar el paso a paso KYC/3DS en los segmentos afectados, reducir los límites.
4. Ejecutar un escenario de estrés «pérdida de PSP», volver a calcular CVaR.
5. Comunicación a los propietarios de los canales, plan de compensación.
6. Retrospectiva y actualización de los parámetros del modelo/reglas.

15) Pasaporte escénico (template)

ID/versión, fecha, propietario

Narrativa: qué pasó (ban regulatorio × choque FX × outage PSP)

Shocks: (\Delta) frecuencias, cambios de gravedad/correlaciones, duración

Estimación de pérdidas: EL/VAr/CVaR (día/semana/mes)

Contramedidas: límites/conmutación de proveedores/comunicaciones/seguros

Puntos de salida: condiciones de retirada de medidas (histéresis)

16) Pasaportes y límites KRI (breve)

KRI: código, definición, fórmula, ventana, umbrales 'warn/critical', histéresis, propietario, alerta de canal.
Límite: objeto (canal/país/proveedor), métrica (CVaR99/EL), valor, período, prioridad, acciones en caso de exceso, excepciones/ventanas temporales.

17) Anti-patrones

Apoyándose en las medias en lugar de en las colas; «hermoso RMSE» y mal CVaR.
Correlaciones «tal cual» sin tail-dependence.
Falta de puntos en el tiempo → fugas, reevaluación de la «precisión».
Ignorar escenarios/estrés; un modelo «para todo».
Edición silenciosa de parámetros sin versión/changelog.
No hay histéresis en la política → medidas de bandera.

18) Lista de verificación antes de la liberación de los contornos de simulación de riesgo

Tarjeta de riesgo y KRI formalizados, propietarios designados
Datos PIT, contratos de origen, calendario de eventos/políticas
Frecuencia y gravedad calibradas, colas verificadas (EVT)
Simuladas dependencias (cópula/factor), cartera agregada
Bactest VaR/CVaR, recubrimiento y estabilidad de parámetros en la norma
Escenarios y pruebas de estrés están listos, pasaporte y runbook formalizados
Integración con límites/caps/políticas, histéresis incluida
Tarjeta modelo, versión, propietarios, monitoreo y alertas configuradas

Las simulaciones de riesgo no son para «estimar la pérdida media», sino para controlar las colas: frecuencia y gravedad correctas, EVT para extremos, adicciones a través de cópulas, scripts y pruebas de estrés, VaR/CVaR y métricas económicas (RAROC), más la disciplina ModelOps Este circuito transforma los riesgos de los «cisnes negros» en soluciones cuantificadas con límites, reservas y acciones claras.

Simulación de riesgos