Los mercados emergentes son especialmente vulnerables a una variedad de riesgos domésticos y externos.  Este artículo desarrolla un marco para clasificar dichos riesgos basándose en su predictibilidad y, por ende, su asegurabilidad.  Mostramos que a medida que aumenta la probabilidad de eventos relativamente grandes (es decir, a medida que las colas de la distribución subyacente se hacen más pesadas), se vuelve más difícil asegurarse contra dichos riesgos.  En el caso extremo en el que los países enfrentan riesgos con colas lo suficientemente pesadas o eventos verdaderamente impredecibles y de alto impacto (es decir, cisnes negros), solo se puede contar con mayor resiliencia y ayuda ex-post.

Con frecuencia alarmante, los informes de política económica, la prensa financiera, y altos funcionarios de organismos multilaterales nos advierten de una tormenta perfecta que podría impactar los mercados emergentes.  Esta tormenta perfecta podría incluir varias debacles políticas e institucionales, shocks económicos externos (por ejemplo, caídas en los precios de las materias primas, un costo creciente de la deuda externa, y una desaceleración de la demanda externa de los principales socios comerciales), y mayor frecuencia de desastres naturales (por ejemplo, huracanes, terremotos, y tsunamis).  Nuevos instrumentos de mercado pueden ayudar a los países en desarrollo a asegurarse contra dichos riesgos en forma parcial o completa.  Siempre que sea posible, asegurarse contra malos resultados a través del mercado tiende a ser más barato que autoasegurarse mediante ahorros precautorios o mecanismos similares que acarrearían altos costos de oportunidad.  Clasificar riesgos basándose en la capacidad de los países para asegurarse contra ellos debería ayudar a los encargados de las políticas públicas a crear carteras de gestión de riesgos más sólidas.

De Riesgos Predecibles a Cisnes Negros

En un estudio reciente del Banco Mundial (Vegh et al., 2018), clasificamos los diferentes tipos de riesgos enfrentados por los mercados emergentes basándonos en el grado de predictibilidad que implican sus distribuciones probabilísticas subyacentes.

Como lo indica el Gráfico 1, distinguimos entre riesgos predecibles (es decir, eventos con distribuciones probabilísticas conocidas) y riesgos impredecibles (es decir, eventos con distribuciones probabilísticas no conocidas).  Este último tipo de eventos es comúnmente llamado “cisnes negros”, siguiendo el influyente trabajo de Taleb (2007) y otros. [1]

En contraste con los riesgos predecibles, los cisnes negros no son asegurables debido a su naturaleza impredecible.  Un buen ejemplo es el de los ataques terroristas del 11 de septiembre.  Nadie podría haber predicho el día 10 de septiembre del 2001 que ocurriría un atentado de tal magnitud al día siguiente.  Un terremoto de alta intensidad que azotara la ciudad de Nueva York sería igualmente impredecible.  Para minimizar el impacto de eventos tan tremendos e impredecibles, los mercados emergentes solo pueden contar con la construcción de mayor resiliencia mediante, por ejemplo, mayor eficiencia en la seguridad nacional y diplomacia, un marco más fuerte y amplio de primeros auxilios, mejor infraestructura, y códigos de construcción antisísmica.  El despliegue rápido de la ayuda ex-post es otro componente clave del arsenal de los mercados emergentes contra los cisnes negros.

Como se muestra en el Gráfico 1, los riesgos predecibles son divididos entre riesgos con distribuciones subyacentes de tipo normal (riesgos Tipo I) y riesgos con distribuciones de cola pesada (riesgos Tipo II). [2]  En el caso de riesgos Tipo I, todos los momentos de la distribución están bien definidos.  Por ejemplo, la distribución normal (el riesgo Tipo I por excelencia) está completamente caracterizada por sus dos primeros momentos: la media y la varianza.  Esto implica que el riesgo ex-ante puede ser completamente cuantificado, lo cual posibilita la compra de seguros completos y relativamente baratos.  Las distribuciones asociadas con riesgos Tipo II fluctúan desde las q-gaussianas, con forma de campana (similar a la distribución normal pero con colas más pesadas), hasta las distribuciones de ley de potencias, en las que una parte importante de la distribución cae debajo de las colas.  Los riesgos asociados con distribuciones de colas pesadas son, típicamente, más difíciles y costosos de asegurar.

Riesgos Tipo I y Tipo II

Veamos ahora algunos ejemplos concretos de ciertas distribuciones asociadas con riesgos Tipo I y Tipo II que enfrentan los mercados emergentes.  Si bien muchos fenómenos naturales, como la estatura humana (Gráfico 2, Panel A), están bien caracterizados por una distribución normal, lo mismo no ocurre para variables económicas.  Una posible excepción es la cantidad de lluvia en países altamente dependientes de exportaciones agrícolas y/o lluvia para la generación de energía hidroeléctrica, como Uruguay (Gráfico 2, Panel B).  En este caso, incluso eventos de cola extremos (por ejemplo, lluvia fuerte y continua por un mes entero) no cambiarían fundamentalmente las características ex-ante de la distribución.  Uruguay debería, por lo tanto, poder asegurarse fácilmente contra sequías y/o recortes de energía utilizando instrumentos de mercado tales como derivados financieros.  De hecho, en el 2014, el gobierno uruguayo emitió una opción de compra basada en un índice de precipitaciones como disparador y barriles de petróleo como activo subyacente. [3]

Muchos riesgos financieros pueden ser considerados como Tipo I cuando se trata, en realidad, de riesgos Tipo II.  El Gráfico 3 (Paneles A y B) ilustra dos ejemplos claros: los rendimientos del índice bursátil Dow Jones y los cambios porcentuales en el precio del petróleo.  Si bien ambas distribuciones parecen seguir la típica forma de campana, el número relativamente alto de eventos extremos bajo las colas implica que podemos rechazar la hipótesis nula de que siguen una distribución normal.  Como resultado, la valuación de un seguro contra shocks en el precio del petróleo (por ejemplo, una opción de venta para un exportador de petróleo como México) asumiendo una distribución subyacente de tipo normal, como es usual en el conocido modelo de valuación de Black-Scholes, puede conducir a sorpresas desagradables y costosas. [4] A modo de ejemplo, mientras una distribución q-gaussiana predeciría que un evento como la Gran Depresión ocurriría cada siglo, una distribución normal predeciría que dicho evento ocurriría solamente cada 10 millones de años (es decir, nunca).

Ningún profesional en la industria de venta de derivados puede darse el lujo de ignorar la posibilidad de un evento como la Gran Depresión o como el colapso de 1987.  Vegh et al. (2018) muestran, en un contexto de equilibrio general, que añadir aversión al riesgo o asumir distribuciones subyacentes de colas pesadas se traduce en altas primas para el precio de las opciones en comparación con los resultados de la fórmula de Black-Scholes. [5] Si bien la fórmula de Black-Scholes todavía se utiliza como punto de referencia para la valuación de opciones, los agentes financieros parecen entender que existe un sesgo en esta formulación y típicamente se observan primas de riesgo en los precios de mercado con respecto a los precios de Black-Scholes.  Dejando las primas de riesgo de lado, los mercados internacionales de derivados representan una oportunidad potencialmente buena para que los mercados emergentes se aseguren contra estos riesgos.  La cobertura mexicana contra los precios del petróleo, la más grande de su tipo en el mundo, provee un buen ejemplo.  Desde el 2001, México ha gastado, en promedio, 0,1% del PIB cada año para la adquisición de opciones de venta contra caídas abruptas en el precio internacional del petróleo.  México ha ejecutado esta opción en el 2009, 2015, y 2016 con ganancias de 0,5, 0,6, y 0,3% del PIB, respectivamente.