Estimación de riesgo en activos de alta volatilidad: Implementación de redes recurrentes con funciones de verosimilitud asimétricas KLD para el mercado del litio
Facultad de Ingeniería/Maestría en Inteligencia Artificial Aplicada - Universidad Autónoma del Estado de México.
Fernando Trujillo Arevalo
Publicado en Revista Actuarios Trabajando Vol. 20 | 2026
Resumen
Los modelos convencionales de riesgo subestiman la frecuencia y la severidad de las pérdidasextremas en activos de alta volatilidad; se propone corregir esto en el ETF de litio LIT con datos horarios. Se acopla una red LSTM a la distribución Kumaraswamy-Laplace, entrenada con una pérdida asimétricaponderada (WANLL) que penaliza los errores en la cola izquierda. Sobre 1,712 ventanas fuera de muestra,el modelo penalizado es el único de siete que aprueba Kupiec y McNeil-Frey al 99 %, con semáforoverde de Basilea. Se concluye que la función objetivo, más que la distribución, determina la fiabilidadprudencial del VaR y del Expected Shortfall.
El video resumen de este artículo está disponible aquí.
URL: Doi
Palabras Clave: Valor en Riesgo; Expected Shortfall; Re-des neuronales recurrentes; DistribuciónKumaraswamy-Laplace; Riesgo de cola; Mer-cado del litio. MSC(2020): 91G70, 68T07, 62G32.JEL: G32, C58, C45, G17.