Este trabajo se centra en la elaboración de un modelo interno para el riesgo de renta variable en Solvencia II. Para ello, se han utilizado datos mensuales de la serie de Ibex 35, Cac-40, Ftse-100 y Dax del periodo Enero de 1992 a Diciembre de 2008. Se han ajustado por máximo verosimilitud el modelo de rendimientos normales sobre el que se sustenta el modelo estándar de QIS4, frente a la mixtura de normales y un modelo de cambio de régimen de Markov. Los modelos analizados son comparados en función de criterios de parsimonia y en base a la normalidad de los residuos generados. Posteriormente se analiza la determinación de capital resultante de los distintos modelos frente al resultante de aplicar la fórmula estándar del QIS4. Los resultados obtenidos muestran que los capitales necesarios para soportar el riesgo de renta variable son dependientes de la especificación empleada.
This work focuses on developing an internal model for equity risk under Solvency II. We have used monthly data for the series of Ibex 35, Cac 40, FTSE 100 and Dax in the period between January 1992 and December 2008. This work fits by maximum likelihood method the model of normal returns, based on the standard model of QIS4, compared to the mixture of normal and a Markov regime switching model. The analyzed models are compared based on criteria of parsimony and normality of the residuals. Subsequently, we compared capital requirements resulting from applying these models against the standard formula of QIS4. The results showed that the funds needed to take the equity risk are dependent on the specification used.
Ello ha llevado al análisis de otras distribuciones para los rendimientos como la familia de distribuciones Pareto estables (Pareto stable distributions o PS), la distribución t de Student, la distribución logística o la distribución de error generalizada. De forma más reciente se viene aplicando la teoría de Valor Extremo (Distribución Generalizada de Pareto y Distribución Generalizada de Valor Extremo) para la modelización de las observaciones más extremas.