Esta es la culminación. Seis lecciones construyeron el instrumental para la parte de la distribución que de verdad arruina a la gente. Aprendiste por qué la campana miente en la cola (su decaimiento exp(−x²/2) entierra extremos que los mercados reales producen cada pocos años); cómo una ley de potencias decae con cortesía como x^(−α) y cómo el índice de cola α gobierna tanto el grosor como qué momentos siquiera existen; cómo la teoría del valor extremo entrega dos familias universales de cola — GEV para los máximos por bloques, GPD para los picos sobre umbral — ambas gobernadas por el parámetro de forma ξ; por qué el déficit esperado ve la profundidad de cola a la que el VaR es ciego, y por qué es coherente allí donde el VaR no lo es; cómo las cópulas separan las marginales de la dependencia y por qué una cópula t capta el agrupamiento de cracs que una cópula gaussiana estructuralmente no puede; y cómo las pruebas de estrés sondean lo sin precedentes que ningún modelo ajustado contiene. Sin hoja de fórmulas, sin pistas, sin marcha atrás: cada respuesta se bloquea en cuanto la envías, las opciones erróneas son las trampas exactas que engañan a mesas reales, y tu puntuación permanece oculta hasta el final.
Big picture
Valor extremo y colas — toda la escalera
- Valor extremo y colas
- Colas gruesas vs gaussiana
- La cola normal decae como exp(−x²/2): demasiado rápido
- La curtosis (4º momento) olfatea las colas gruesas
- Coincidir en VaR ≠ coincidir en la cola
- Leyes de potencias e índice de cola
- P(X > x) ≈ C·x^(−α); menor α = más gruesa
- El k-ésimo momento es finito solo si α > k
- El estimador de Hill lee α; recta log-log de pendiente −α
- Teoría del valor extremo
- Máximos por bloques → GEV
- Picos sobre umbral → GPD
- Forma ξ: >0 pesada, =0 exponencial, <0 acotada
- Déficit esperado
- ES = E[Pérdida | Pérdida ≥ VaR], siempre ≥ VaR
- Coherente; el VaR puede violar la subaditividad
- GPD: ES/VaR ≈ 1/(1−ξ)
- Cópulas y dependencia de cola
- Sklar: conjunta = marginales + cópula
- Cópula gaussiana λ_L = 0; cópula t λ_L > 0
- Misma correlación, distinto agrupamiento de cracs
- Pruebas de estrés
- Escenario, histórica, sensibilidad, inversa
- Inversa: resolver hacia atrás desde la ruina
- Fusionar con TVE/cópulas; límites honestos
- Colas gruesas vs gaussiana
Cómo funciona este examen
Este es un examen con nota. Las preguntas llegan de una en una. Una vez que envías una respuesta, es definitiva — no hay vuelta atrás, no hay segundo intento, y una respuesta equivocada simplemente suspende esa pregunta. Tu puntuación permanece oculta hasta el final, donde necesitas un 70% para aprobar. Lee todas las opciones antes de decidir.
¿Por qué una distribución normal asigna probabilidades absurdamente diminutas a los movimientos extremos?
Selecciona una respuesta para continuar.
¿Aprobado? Esto es lo que ahora dominas
Puedes leer una cola como lo hace un profesional del riesgo: reconocer cuándo la cola exp(−x²/2) de la gaussiana está mintiendo, olfatear colas gruesas con la curtosis, leer un índice de cola α en una recta log-log o un gráfico de Hill, ajustar una GPD mediante picos sobre umbral y extrapolar un VaR de cola lejana, reemplazar el VaR por el coherente y consciente de la cola déficit esperado, captar el agrupamiento de cracs con una cópula t en lugar de una gaussiana ciega, y sondear lo sin precedentes con pruebas de estrés por escenario e inversas — todo mientras sabes exactamente dónde falla cada herramienta.
Eso es el instrumental de valor extremo y colas, de principio a fin — las matemáticas de la parte de la distribución que decide quién es solvente tras la crisis. El centro de la distribución nunca fue el problema. Ahora dominas la parte que sí lo es.