Trabajo No 2. Derivados Financieros
|
|
- María Antonia Reyes Herrero
- hace 8 años
- Vistas:
Transcripción
1 Trabajo No 2. Derivados Financieros Norman Giraldo Gómez Escuela de Estadística - Universidad Nacional de Colombia ndgirald@unal.edu.co Abril, Introducción El trabajo No 2 consiste de dos puntos: uno de teoría y otro con base en un programa en R. El punto con base en un programa en R depende los datos a utilizar: 1) igbc, 2) dax (el índice de la Bolsa en Alemania), 3) bovespa (el índice en la bolsa de Brasil), 4) colcap20, 5) S&P500, que se asignan en la lista de los grupos que está en la página web del curso. 2. Punto sobre Teoría 1. Considere el modelo para precios con base en la distribución Inversa Gaussiana, dado por S(t) =S(0)e X(t) ct, donde X(t) IG(µt, t 2 )yc>0, t =1, 2,... Ver en las Notas las propiedades básicas de la IG ( 1 ). a) Con base en la fgm de X IG(µ, ) encuentre la fgm de X c, indicada por M X c (z). b) Compruebe que la fgm de X(t) ct, M(z,t) =E(e X(t) ct ), cumple M(z,t) = [M X c (z)] t. c) Defina M(z, t, h):= M(z + h, t)/m (h, t). Compruebe que se cumple M(z, t, h) = [M(z,1,h)] t. d) Defina r>0 como la tasa de interés continua tal que r = log(1 + DTF(ea)), donde DTF(ea) es la tasa DTF efectiva anual. Compruebe que la ecuación en h, ln M(1, 1,h)=r equivale a: 1 2µ2 h 1 2µ2 (h +1) 1 Gaussian distribution = µ(r + c), (1) 1
2 y que, además, llamando b = 2µ 2 h, la ecuación (1) equivale a b b 1= r + c 2 (2) e) Compruebe que la función x x 1 para x 1 es decreciente y tiende a cero cuando x tiende a infinito. Justifique por qué la ecuación (2) tiene una solución única. Llame esta solución única b. A partir de b = h se define una h única 2µ 2 que es la que define la transformada de Esscher. f ) Defina los nuevos parámetros de la IG, a partir de la solución h, como: µ h = µ/ 1 (2hµ 2 /), h =. Entonces si X h (t) IG(µ h t, h t 2 )ys h (t) =S(0) exp(x h (t) ct) se debe cumplir que S(0) = e rt E(S h (t)). Compruebe esta identidad. 2. Considere el modelo para precios con base en la distribución Binomial, dado por S(t) = S(0)e X(t), donde X(t) =h(2z(t) t), para t =1, 2,..., con Z(t) Bin(t, p). Ver en las Notas las propiedades básicas de la Binomial ( 2 ). El objetivo de este punto consiste en aplicar la transformada de Esscher para obtener un nuevo valor para p, indicado por p α, tal que se cumpla S(0) = e rt E(S α (t)), donde S α (t) =S(0)e Xα(t) y X α (t) =h(2z α (t) t), Z(t) Bin(t, p α ) es el modelo binomial con el parámetro p α. Desarrolle los siguientes puntos. a) Con base en la fgm de Z Bin(1,p) encuentre la fgm de X = h(2z 1), indicada por M(z). b) Compruebe que la fgm de X(t), M(z,t) =E(e X(t) ), cumple M(z,t) =M(z) t. c) Defina M(z, t, α):= M(z + α, t)/m (α, t). Compruebe que se cumple M(z, t, α) = M(z,1,α) t, donde M(z,1,α)=q α e zh + p α e zh, p α = pe αh /(qe αh + pe αh )yq α = 1 p α. d) Defina r>0 como la tasa de interés continua tal que r = log(1 + DTF(ea)), donde DTF(ea) es la tasa DTF efectiva anual. Compruebe que la ecuación en α, M(1, 1,α)=e r equivale a p α = er e h (3) e h e h Note que no se requiere encontrar α sino p α. e) Compruebe que se cumple S(0) = e rt E(S α (t)). 3. Punto sobre Programación con R Este punto consiste en calcular el precio de una OCE para un contrato sobre un índice bursátil que se asignará entre los índices siguientes: 1) igbc, 2) dax (el índice de la Bolsa en 2 distribution 2
3 Alemania), 3) bovespa (el índice en la bolsa de Brasil), 4) colcap20, 5) S&P500 (el índice en la bolsa de NewYork). El precio se calculará utilizando varios modelos, con el fin de comparar y escoger un valor óptimo. Los modelos a utilizar son: 1. Log-Normal. 2. Inversa Gaussiana. Para esta parte lea el enunciado del punto No 1 de teoría. También lea el documento ([2]) en lo que tiene que ver con la metodología de la transformación de Esscher. 3. GARCH. Desarrollar los puntos siguientes mediante un programa en R con base en las sugerencias que se dan a continuación. Reporte los resultados que se indican en cada punto. 1. Lea los datos del índice bursátil asignado al grupo. Calcule los rendimientos logarítmicos del índice asignado. Reporte una gráfica de los rendimientos. Algunas de las instrucciones siguientes están dadas para el caso del índice S&P500, indicado por SP. library(statmod) library(foptions) source("fda.ig.r") source("fdp.ig.r") D = read.table("archivo.dat", header = TRUE, stringsasfactors = FALSE) attach(d) n = length(sp) ri = diff(log(na.omit(sp,1,1))) ts.plot(ri) (ui = mean(ri)) (si =sd(ri)) (S0 = SP[n]) 2. Ajuste una distribución IG (Inversa Gaussiana) a los datos x i = r i + min(r i ), por método de momentos. Reporte los valores estimados de µ y. c = abs(min(ri)) x = ri+c (mu = mean(x)) (lambda = mu^3/var(x)) 3. Encuentre el valor del parámetro de la transformación Esscher. Reporte este valor. Nota: como es necesario utilizar un procedimiento numérico para encontrar el parámetro h de la transformación Esscher, se requiere dar un intervalo inicial en donde está la solución. Se propone [12,250000]. En caso de no funcionar, ensayar otras opciones. 3
4 esscher <- function(b) { result <- sqrt(b) - sqrt(b-1) -(r+c)/sqrt(2*lambda) return(result) } lowerlimit < upperlimit < xmin <- uniroot(esscher, c(lowerlimit, upperlimit), tol = ) (b <- xmin$root) (h = lambda/(2*mu^2)-b) 4. Calcule los parámetros neutrales al riesgo µ h y h se indican por m.h y l.h, respectivamente. El valor m.h.1 corresponde al valor de µ h+1. (m.h = mu/sqrt(1-2*h*mu^2/lambda)) (m.h.1 = mu/sqrt(1-2*(h+1)*mu^2/lambda)) (l.h = lambda) 5. Escoja un valor K dentro de un intervalo de predicción con base en el modelo lognormal. A continuación se calcula este intervalo. Reporte el valor que escogió. (intervalo = c(s0*exp(min(ri)),s0*exp(max(ri)))) 6. Calcule el precio de una OCE con el modelo IG. k = coloque aqui su pronostico (k.bar = log(k/s0)+c) T = 6/12 r = (p1 = 1-fda.ig(k.bar, m.h.1, l.h)) (p2 = 1-fda.ig(k.bar, m.h, l.h)) (C = S0*p1-k*exp(-r*T)*p2) 7. Calcule la prima OCE con el modelo Black-Scholes (modelo Lognormal). BS = GBSOption( TypeFlag = "c", S = S0, X = k, Time = T, r = r, b = r, sigma = si*sqrt(250)) (BS@price) 8. Calcule la prima OCE con el modelo GARCH. Use las instrucciones explicadas en clase. O consulte en la librería foptions el modelo Heston-Nandi. 9. Concluya con una tabla comparativa de los resultados con los diferentes modelos. 4
5 4. Notas 4.1. La Distribución Inversa Gaussiana Una variable aleatoria continua X se dice que tiene una distribución Inversa Gaussiana X IG(µ, ), si su fdp está dada por: f(x) = ( ) exp 2πx 3 ( (x µ) 2 2µ 2 x ), x > 0 (4) Su función de distribución acumulada está dada por ( ( ) ) ( x F (x)=φ x µ 1 + e 2 µ φ ( ) ) x x µ +1 (5) Su función generadora de momentos está dada por M(z) =E(e zx )=e µ ( 1 1 2µ2 z ) (6) Su media y varianza están dados por: E(X) =µ, Var(X) =µ 3 /. La distribución IG tiene la propiedad reproductiva, ó equivalentemente, es infinitamente divisible. La propiedad se enuncia así: si X 1,...,X n son n variables aletorias i.i.d. IG(µ, ), entonces X = X X n se distribuye IG(µt, t 2 ) Modelos para Precios 1. El modelo LogNormal para los precios, ó modelo de marcha aleatoria geométrica con rendimientos normales, con parámetros (µ, σ) se define por S(t) =S(0) exp(µt + σx(t)), (7) donde X(t) N(0,t). Un modelo alterno, equivalente es asumir que los parámetros son (µ σ 2 /2,σ). En el primero se cumple que E(S(t)) = S(0) exp((µ + σ 2 /2)t), mientras que en el segundo E(S(t)) = S(0) exp(µt). 2. El modelo para los precios con base en la distribución Inversa Gaussiana se define por donde X(t) IG(µt, t 2 ), y c>0 es una constante. S(t) =S(0) exp(x(t) ct), (8) 5
6 4.3. Fórmulas para Valoración 1. Fórmula de Black-Scholes para el precio C de una Opción de Compra Europea (OCE): C = S 0 φ(d 1 ) Ke rt φ(d 2 ) donde r se define como una tasa tal que e r 1=dtf, con dtf la dtf efectiva anual, σ es la volatilidad, K el precio de ejercicio, S 0 el valor inicial del activo, y T es la duración del contrato en fracción de año. d 1 = ln(s 0/K)+(r + σ 2 /2)T σ T d 2 = ln(s 0/K)+(r σ 2 /2)T σ T 2. La relación de paridad OPE-OCE es C + Ke rt = P + S Presentación y Valor del trabajo La presentación se sugiere que sea con formato de artículo, es decir, título, autores (nombre, carnet, carrera, resumen, en la primera página y luego: desarrollo, conclusiones, bibliografía, con páginas numeradas. Elaborado en lo posible en world o latex. Se solicita no empastar (las pastas son un desperdicio de papel). El valor de este trabajo es 35 %. La fecha de entrega se fijará en clase. Referencias [1] Liang, Mathematical Modeling and Methods of Option Pricing. World Scientific Press. [2] Gerber, H.U. and Shiu,E.S.W.(1994). Option Pricing by Esscher Transforms. TSA, vol
Trabajo No 1. Derivados Financieros
Trabajo No 1. Derivados Financieros Norman Giraldo Gómez Escuela de Estadística - Universidad Nacional de Colombia ndgirald@unal.edu.co Marzo, 2010 1. Introducción Este trabajo consiste de un punto asignado
Más detallesTrabajo No 2. Análisis Supervivencia y Seguros de Vida
Trabajo No 2. Análisis Supervivencia y Seguros de Vida Norman Giraldo Gómez Curso de Actuaría - Escuela de Estadística ndgirald@unal.edu.co Octubre, 2010 1. Notas 1. La notación (xm) indica mujer de edad
Más detallesValoración de opciones sobre acciones: el modelo Black-Scholes. Capítulo 10
Valoración de opciones sobre acciones: el modelo Black-Scholes Capítulo 0 Modelo de valuación de Black-Sholes El supuesto subyacente al modelo BS es que el precio de las acciones sigue un recorrido aleatorio
Más detallesTema 10. Estimación Puntual.
Tema 10. Estimación Puntual. Presentación y Objetivos. 1. Comprender el concepto de estimador y su distribución. 2. Conocer y saber aplicar el método de los momentos y el de máxima verosimilitud para obtener
Más detallesTema 5. Variables aleatorias discretas
Tema 5. Variables aleatorias discretas Resumen del tema 5.1. Definición de variable aleatoria discreta 5.1.1. Variables aleatorias Una variable aleatoria es una función que asigna un número a cada suceso
Más detallesSIMULACIÓN VERSUS OPTIMIZACIÓN:
SIMULACIÓN MONTE CARLO Procesos Químicos II La idea básica de la simulación es la construcción de un dispositivo experimental, o simulador, que actuará como (simulará) el sistema de interés en ciertos
Más detallesTema 2: Estimación puntual
Tema 2: Estimación puntual 1 (basado en el material de A. Jach (http://www.est.uc3m.es/ajach/) y A. Alonso (http://www.est.uc3m.es/amalonso/)) Planteamiento del problema: estimador y estimación Insesgadez
Más detallesTarea 1 Ecuaciones Diferenciales I Semestre 2014-1
Profesor: Juan Carlos Fernández Morelos Ayudante: Luisa Márquez Rentería Tarea 1 Ecuaciones Diferenciales I Semestre 2014-1 1. Indicar el orden de las siguientes ecuaciones e indicar si son lineales o
Más detallesEN FINANZAS. Ernesto Mordecki. Primer Encuentro Regional de. Probabilidad y Estadística Matemática
MODELOS ESTOCÁSTICOS EN FINANZAS Ernesto Mordecki http://www.cmat.edu.uy/ mordecki mordecki@cmat.edu.uy Facultad de Ciencias Montevideo, Uruguay. Primer Encuentro Regional de Probabilidad y Estadística
Más detalles6. Modelos Actuariales para Riesgo de Crédito
6. Modelos Actuariales para Riesgo de Crédito Minicurso para el VIII Coloquio Internacional de Estadística Métodos Estadísticos Aplicados a Finanzas y Gestión de Riesgo Norman Giraldo Escuela de Estadística
Más detallesUniversidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA. Funciones
Universidad de Costa Rica Escuela de Matemática CONARE-PROYECTO RAMA Funciones José R. Jiménez F. Temas de pre-cálculo I ciclo 007 Funciones 1 Índice 1. Funciones 3 1.1. Introducción...................................
Más detallesTEMA 7: Análisis de la Capacidad del Proceso
TEMA 7: Análisis de la Capacidad del Proceso 1 Introducción Índices de capacidad 3 Herramientas estadísticas para el análisis de la capacidad 4 Límites de tolerancia naturales 1 Introducción La capacidad
Más detallesANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS
ANÁLISIS DE VARIANZA EMPLEANDO EXCEL y WINSTATS 1) INTRODUCCIÓN El análisis de varianza es una técnica que se puede utilizar para decidir si las medias de dos o más poblaciones son iguales. La prueba se
Más detallesFunción exponencial y Logaritmos
Eje temático: Álgebra y funciones Contenidos: Función exponencial y Logaritmos Nivel: 4 Medio Función exponencial y Logaritmos 1. Funciones exponenciales Existen numerosos fenómenos que se rigen por leyes
Más detallesRegistro contable de Supuesto 10 Determinación del derivados OTC valor de una prima de opción (2)
Ejercicio 10 10 DETERMINACIÓN DE UNA PRIMA EN UNA OPCION (MODELO DE BLACK SCHOLES) Instrucciones Vamos a calcular cual es el importe al que asciende una prima en una opción aplicando el modelo más extendido
Más detallesCAPÍTULO III. FUNCIONES
CAPÍTULO III LÍMITES DE FUNCIONES SECCIONES A Definición de límite y propiedades básicas B Infinitésimos Infinitésimos equivalentes C Límites infinitos Asíntotas D Ejercicios propuestos 85 A DEFINICIÓN
Más detallesInferencia Estadística
EYP14 Estadística para Construcción Civil 1 Inferencia Estadística El campo de la inferencia estadística está formado por los métodos utilizados para tomar decisiones o para obtener conclusiones sobre
Más detallesEn la presente investigación, se contrastará el modelo propuesto en la. investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y
Capítulo 2.- Metodología En la presente investigación, se contrastará el modelo propuesto en la investigación de Marisa Bucheli y Carlos Casacubierta, Asistencia escolar y Participación en el mercado de
Más detallesESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión
Descargado desde www.medwave.cl el 13 Junio 2011 por iriabeth villanueva Medwave. Año XI, No. 3, Marzo 2011. ESTADÍSTICA APLICADA A LA INVESTIGACIÓN EN SALUD Medidas de Tendencia Central y Dispersión Autor:
Más detallesUso de Factores de Generación en la Evaluación Social de Proyectos de Pavimentación de Caminos
Uso de Factores de Generación en la Evaluación Social de Proyectos de Pavimentación de Caminos Antecedentes En la actualidad, los proyectos de pavimentación de caminos son evaluados utilizando el enfoque
Más detallesJOSE VICENTE CONTRERAS JULIO CALCULO INTEGRAL LA ANTIDERIVADA
CALCULO INTEGRAL LA ANTIDERIVADA Así como las operaciones matemáticas de la adición, la multiplicación y la potenciación tienen sus inversas en la sustracción, la división y la radicación, la diferenciación
Más detallesOpciones parisinas. Definición y valoración
Opciones parisinas. Definición y valoración John Freddy Moreno Trujillo * jhon.moreno@uexternado.edu.co * Docente investigador. Facultad de Finanzas, Goierno y Relaciones Internacionales. Universidad Externado
Más detallesCircuito RC, Respuesta a la frecuencia.
Circuito RC, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (13368) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se armó un
Más detallesLA FUNCIÓN EXPONENCIAL Y LA FUNCIÓN LOGARÍTMICA. FUNCIONES DEFINIDAS A TROZOS. Función exponencial
LA FUNCIÓN EXPONENCIAL Y LA FUNCIÓN LOGARÍTMICA. FUNCIONES DEFINIDAS A TROZOS. Función eponencial La función eponencial es de la forma f () = a, tal que a > 0, a El valor a se llama base de la función
Más detallesCaracterísticas de funciones que son inversas de otras
Características de funciones que son inversas de otras Si f es una función inyectiva, llamamos función inversa de f y se representa por f 1 al conjunto. f 1 = a, b b, a f} Es decir, f 1 (x, y) = { x =
Más detallesESTIMACIÓN. puntual y por intervalo
ESTIMACIÓN puntual y por intervalo ( ) Podemos conocer el comportamiento del ser humano? Podemos usar la información contenida en la muestra para tratar de adivinar algún aspecto de la población bajo estudio
Más detallesTema 3: Variables aleatorias y vectores aleatorios bidimensionales
Estadística 38 Tema 3: Variables aleatorias y vectores aleatorios bidimensionales El concepto de variable aleatoria surge de la necesidad de hacer más manejables matemáticamente los resultados de los experimentos
Más detallesEjemplo: Ing. Raúl Canelos. Solución CONFIABILIDAD SEP 1
Ejemplo: Basándose en ciertos estudios una compañía a clasificado de acuerdo con la posibilidad de encontrar petróleo en tres tipos de formaciones. La compañía quiere perforar un pozo en determinado lugar
Más detallesTrabajo No 1. Teoría de Portafolios
Trabajo No 1. Teoría de Portafolios Norman Giraldo Gómez EIO - Universidad Nacional de Colombia ndgirald@unalmed.edu.co Marzo, 2009 1. Introducción Este trabajo consiste de un punto asignado de los cuatro
Más detallesAnálisis de Sistemas Lineales: segunda parte
UCV, Facultad de Ingeniería, Escuela de Ingeniería Eléctrica. Análisis de Sistemas Lineales: segunda parte Ebert Brea 7 de marzo de 204 Contenido. Análisis de sistemas en el plano S 2. Análisis de sistemas
Más detallesOpciones reales. Dr. Guillermo López Dumrauf. Buenos Aires, 4 de septiembre de 2003. dumrauf@fibertel.com.ar
Opciones reales Buenos Aires, 4 de septiembre de 2003 Dr. Guillermo López Dumrauf dumrauf@fibertel.com.ar (*) La compañía X está estudiando la compra de un ferryboat de alta velocidad para proveer un servicio
Más detallesT.3 ESTIMACIÓN PUNTUAL
T.3 ESTIMACIÓN PUNTUAL 1. INTRODUCCIÓN: ESTIMACIÓN Y ESTIMADOR 2. PROPIEDADES DE LOS ESTIMADORES 3. MÉTODOS DE ESTIMACIÓN. EJEMPLO 1, EJEMPLO 2 1. Introducción: Estimación y Estimador En este tema se analizan
Más detallesProfr. Efraín Soto Apolinar. Función Inversa
Función Inversa Una función es una relación entre dos variables, de manera que para cada valor de la variable independiente eiste a lo más un único valor asignado a la variable independiente por la función.
Más detalles1. Lección 4 - Leyes de Descuento
1. Lección 4 - Leyes de Descuento Apuntes: Matemáticas Financieras 1.1. El descuento comercial La expresión matemática del descuento comercial es: A 1 (t) = 1 d t para d > 0 Por lo que una u.m. en el instante
Más detallesMedidas de tendencia Central
Medidas de tendencia Central 7.1 Media 7.1.1 Media para un conjunto de datos no agrupados Este parámetro lo usamos con tanta cotidianidad que nos será muy familiar, aunque también aprenderemos algunas
Más detalles8. Estimación puntual
8. Estimación puntual Estadística Ingeniería Informática Curso 2009-2010 Estadística (Aurora Torrente) 8. Estimación puntual Curso 2009-2010 1 / 30 Contenidos 1 Introducción 2 Construcción de estimadores
Más detallesLa Función Exponencial y la Función Logarítmica
1 Capítulo 7 La Función Exponencial y la Función Logarítmica M.Sc. Alcides Astorga M., Lic. Julio Rodríguez S. Instituto Tecnológico de Costa Rica Escuela de Matemática Revista digital Matemática, educación
Más detallesVII. Estructuras Algebraicas
VII. Estructuras Algebraicas Objetivo Se analizarán las operaciones binarias y sus propiedades dentro de una estructura algebraica. Definición de operación binaria Operaciones como la suma, resta, multiplicación
Más detallesMetodología. del ajuste estacional. Tablero de Indicadores Económicos
Metodología del ajuste estacional Tablero de Indicadores Económicos Metodología del ajuste estacional Componentes de una serie de tiempo Las series de tiempo están constituidas por varios componentes que,
Más detalles5. DISTRIBUCIONES DE PROBABILIDADES
5. DISTRIBUCIONES DE PROBABILIDADES Dr. http://academic.uprm.edu/eacunaf UNIVERSIDAD DE PUERTO RICO RECINTO UNIVERSITARIO DE MAYAGUEZ DISTRIBUCIONES DE PROBABILIDADES Se introducirá el concepto de variable
Más detallesOpciones. Marcelo A. Delfino
Opciones Concepto de opción! El comprador de una opcion tiene el derecho, no la obligacion, de comprar (call) o vender (put) un contrato a termino a un precio predeterminado (precio de ejercicio)! El derecho
Más detallesTema 2 - Introducción
Tema 2 - Introducción 1 Tema 1. Introducción a la inferencia estadística Planteamientos y objetivos. Revisión de distribuciones multivariantes. Esperanza y varianza de sumas de v.a. independientes. Tema
Más detallesTema 2 Límites de Funciones
Tema 2 Límites de Funciones 2.1.- Definición de Límite Idea de límite de una función en un punto: Sea la función. Si x tiende a 2, a qué valor se aproxima? Construyendo - + una tabla de valores próximos
Más detallesCircuito RL, Respuesta a la frecuencia.
Circuito RL, Respuesta a la frecuencia. A.M. Velasco (133384) J.P. Soler (133380) O.A. Botina (133268) Departamento de física, facultad de ciencias, Universidad Nacional de Colombia Resumen. Se estudia
Más detallesTema 1: Preliminares
Métodos Numéricos: Resumen y ejemplos Tema 1: Preliminares Francisco Palacios Escuela Politécnica Superior de Ingeniería de Manresa Universidad Politécnica de Cataluña Febrero 2008, versión 1.7 1. Desigualdades
Más detallesNúmeros aleatorios. Contenidos
Números aleatorios. Contenidos 1. Descripción estadística de datos. 2. Generación de números aleatorios Números aleatorios con distribución uniforme. Números aleatorios con otras distribuciones. Método
Más detallesPuede dar pérdida un Casino?
Puede dar pérdida un Casino? por Ernesto Mordecki En esta nota calculamos la probabilidad de que pierda la banca en la ruleta, en un período dado de tiempo. uestro enfoque consiste en determinar cuantas
Más detallesUN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS
UN MODELO DE PRONÓSTICO PARA LAS PRIMAS DE SEGUROS DE VIDA Y PERSONAS Wilson Mayorga M. Director de Cámara de Vida y Personas y Actuaría Con base en modelos de regresión que explican la evolución de las
Más detallesANÁLISIS DE DATOS NO NUMERICOS
ANÁLISIS DE DATOS NO NUMERICOS ESCALAS DE MEDIDA CATEGORICAS Jorge Galbiati Riesco Los datos categóricos son datos que provienen de resultados de experimentos en que sus resultados se miden en escalas
Más detallesGeneración de Números Pseudo-Aleatorios
Números Aleatorios Son un ingrediente básico en la simulación de sistemas Los paquetes de simulación generan números aleatorios para simular eventos de tiempo u otras variables aleatorias Una secuencia
Más detallesClases 8 y 9: Detección de una señal con ruido. Eytan Modiano. Departamento de aeronáutica y astronáutica
Clases 8 y 9: Detección de una señal con ruido Departamento de aeronáutica y astronáutica Slide 1 Ruido en los sistemas de comunicación S(t) Canal r(t) r(t) = S(t) + n(t) n(t) El ruido es la señal adicional
Más detallesElementos de Estadística stica Financiera para Análisis de Riesgo
TERCER ENCUENTRO TÉCNICO SOBRE LA ESTRUCTURACIÓN DE PROYECTOS DE ASOCIACIÓN PÚBLICO-PRIVADA Elementos de Estadística stica Financiera para Análisis de Riesgo Heinz G. Roque Loyola BID/PIAPPEM 20, 21 y
Más detallesLA DISTRIBUCIÓN TRAPEZOIDAL COMO MODELO PROBABILÍSTICO PARA LA METODOLOGÍA PERT
LA DISTRIBUCIÓN TRAPEZOIDAL COMO MODELO PROBABILÍSTICO PARA LA METODOLOGÍA PERT JOSÉ CALLEJÓN CÉSPEDES EDUARDO PÉREZ RODRÍGUEZ ANTONIO RAMOS RODRÍGUEZ Facultad de Ciencias Económicas y Empresariales Universidad
Más detallesSeries de Tiempo. Una Introducción
Series de Tiempo. Una Introducción Series de Tiempo Muchas veces, sobretodo para realizar pronósticos, resulta conveniente no suponer un modelo explícito para que explique la variables de interés, sino
Más detallesAplicación de los modelos de credit scoring para instituciones microfinacieras.
Econ. Reynaldo Uscamaita Huillca Aplicación de los modelos de credit scoring para instituciones microfinacieras. OBJETIVO Proporcionar al ejecutivo del sistema financiero un modelo solido que permita tomar
Más detalles1 Introducción... 2. 2 Distribución exponencial... 2. 3 Distribución Weibull... 6. 4 Distribuciones Gamma y k-erlang... 10
Asignatura: Ingeniería Industrial Índice de Contenidos 1 Introducción... 2 2 Distribución exponencial... 2 3 Distribución Weibull... 6 4 Distribuciones Gamma y k-erlang... 10 5 Distribución log-normal...
Más detallesEJEMPLO 2: Ing. Mario René De León García. 1. FUNCIÓN EXPONENCIAL EJEMPLO 1:
FUNCIONES EXPONENCIAL Y LOGARÍTMICA Por: Ing. Mario René De León García.. FUNCIÓN EXPONENCIAL Una función eponencial tiene la forma, donde a es la base de la potencia la variable es el eponente. Esta función
Más detallesLímite de una función
Límite de una función Idea intuitiva de límite El límite de la función f(x) en el punto x 0, es el valor al que se acercan las imágenes (las y) cuando los originales (las x) se acercan al valor x 0. Es
Más detallesCAPÍTULO V APLICACIÓN DEL SOFTWARE Y RESULTADOS. Debido a que nuestro programa es individualizado y va a calcular un monto final que va a
CAPÍTULO V APLICACIÓN DEL SOFTWARE Y RESULTADOS 5.1 Aplicación de la investigación y resultados Debido a que nuestro programa es individualizado y va a calcular un monto final que va a depender de los
Más detallesEJERCICIOS RESUMEN. Aplicación: INFERENCIA ESTADÍSTICA. Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013
Aplicación: INFERENCIA ESTADÍSTICA EJERCICIOS RESUMEN Nota técnica preparada por: Mayte Zaragoza Benítez Fecha: 13 de mayo de 2013 Página1 DESCRIP Ejercicio 1 Los siguientes son los números de cambios
Más detallesInferencia Estadística
Felipe José Bravo Márquez 11 de noviembre de 2013 Para realizar conclusiones sobre una población, generalmente no es factible reunir todos los datos de ésta. Debemos realizar conclusiones razonables respecto
Más detallesEJEMPLO DE REPORTE DE LIBERTAD FINANCIERA
EJEMPLO DE REPORTE DE LIBERTAD FINANCIERA 1. Introduccio n El propósito de este reporte es describir de manera detallada un diagnóstico de su habilidad para generar ingresos pasivos, es decir, ingresos
Más detallesHasta el momento hemos analizado como los agentes económicos toman sus decisiones de consumo o producción en condiciones de certeza total.
III. Elección en condiciones de incertidumbre Hasta el momento hemos analizado como los agentes económicos toman sus decisiones de consumo o producción en condiciones de certeza total. Es decir, cuando
Más detallesMatemática Financiera
Matemática Financiera Patricia Kisbye Profesorado en Matemática Facultad de Matemática, Astronomía y Física 2011 Patricia Kisbye (FaMAF) 2011 1 / 79 Presentación de la materia Matemática financiera: ambiente
Más detallesEjercicios de Modelos de Probabilidad
Ejercicios de Modelos de Probabilidad Elisa M. Molanes-López, Depto. Estadística, UC3M Binomial, Poisson, Exponencial y Uniforme Ejercicio. Se dispone de un sistema formado por dos componentes similares
Más detallesEjercicios de Teoría de Colas
Ejercicios de Teoría de Colas Investigación Operativa Ingeniería Informática, UC3M Curso 08/09 1. Demuestra que en una cola M/M/1 se tiene: L = ρ Solución. L = = = = = ρ np n nρ n (1 ρ) nρ n n=1 ρ n ρ
Más detallesFunciones exponenciales y logarítmicas
Funciones exponenciales y logarítmicas - Funciones exponenciales y sus gráficas Un terremoto de 85 grados en la escala de Richter es 00 veces más potente que uno de 65, por qué?, cómo es la escala de Richter?
Más detallesAnálisis Dinámico: Integración
Análisis Dinámico: Integración Jesús Getán y Eva Boj Facultat d Economia i Empresa Universitat de Barcelona Marzo de 2014 Jesús Getán y Eva Boj Análisis Dinámico: Integración 1 / 57 Integración indefinida
Más detalles2.2 Transformada de Laplace y Transformada. 2.2.1 Definiciones. 2.2.1.1 Transformada de Laplace
2.2 Transformada de Laplace y Transformada 2.2.1 Definiciones 2.2.1.1 Transformada de Laplace Dada una función de los reales en los reales, Existe una función denominada Transformada de Laplace que toma
Más detallesVariables aleatorias continuas
Variables aleatorias continuas Hemos definido que una variable aleatoria X es discreta si I X es un conjunto finito o infinito numerable. En la práctica las variables aleatorias discretas sirven como modelos
Más detallesÁlgebra Lineal Ma1010
Álgebra Lineal Ma1010 Mínimos Cuadrados Departamento de Matemáticas ITESM Mínimos Cuadrados Álgebra Lineal - p. 1/34 En esta sección veremos cómo se trabaja un sistema inconsistente. Esta situación es
Más detallesGeneración de valores de las variables aleatorias
Generación de valores de las variables aleatorias Juan F. Olivares-Pacheco * 14 de junio de 007 Resumen En todo modelo de simulación estocástico, existen una o varias variables aleatorias interactuando.
Más detalles(A) Primer parcial. si 1 x 1; x 3 si x>1. (B) Segundo parcial
CÁLCULO DIFERENCIAL E INTEGRAL I EVALUACIÓN GLOBAL E700 1) x 5 > 1. A) Primer parcial ) Sean las funciones ft) t +,gy) y 4&hw) w. Encontrar f/h, g f, f g y sus dominios. ) Graficar la función x + six
Más detallesDetergente Lavad.1 Lavad.2 Lavad.3 Media A 45 43 51 46.3 B 47 44 52 47.6 C 50 49 57 52 D 42 37 49 42.6. Media 46 43.2 52.2 47.16
3. DISEÑO EN BLOQUES ALEATORIZADOS En muchos experimentos además de que interesa investigar la influencia de un factor controlado sobre la variable de respuesta, como en la sección anterior, existe una
Más detallesEcuaciones Diferenciales Tema 2. Trasformada de Laplace
Ecuaciones Diferenciales Tema 2. Trasformada de Laplace Ester Simó Mezquita Matemática Aplicada IV 1 1. Transformada de Laplace de una función admisible 2. Propiedades básicas de la transformada de Laplace
Más detallesEjemplo: Resolvemos Sin solución. O siempre es positiva o siempre es negativa. Damos un valor cualquiera Siempre + D(f) =
T1 Dominios, Límites, Asíntotas, Derivadas y Representación Gráfica. 1.1 Dominios de funciones: Polinómicas: D( = La X puede tomar cualquier valor entre Ejemplos: D( = Función racional: es el cociente
Más detallesEstimación. Intervalos de Confianza para la Media y para las Proporciones
Estimación. Intervalos de Confianza para la Media y para las Proporciones Algunas secciones han sido tomadas de: Apuntes de Estadística Inferencial Instituto Tecnológico de Chiuhuahua Estimación El objetivo
Más detallesValoración de opciones sobre acciones: el modelo Black-Scholes. Capítulo 10
Valoración e opciones sobre acciones: el moelo BlackScholes Capítulo 0 Moelo e valuación e BlackSholes El supuesto subyacente al moelo BS es que el precio e las acciones sigue un recorrio aleatorio (ranom
Más detallesCAPITULO 2 DISEÑO DE GRAFICAS ESTADISTICO-ECONOMICAS DE CONTROL DE CALIDAD.
CAPITULO 2 DISEÑO DE GRAFICAS ESTADISTICO-ECONOMICAS DE CONTROL DE CALIDAD. En este capítulo se presenta la definición de diseño estadístico, económico y económico-estadístico para gráficas de control,
Más detallesDeterminación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones
Determinación de primas de acuerdo al Apetito de riesgo de la Compañía por medio de simulaciones Introducción Las Compañías aseguradoras determinan sus precios basadas en modelos y en información histórica
Más detallesEl concepto de integral con aplicaciones sencillas
El concepto de integral con aplicaciones sencillas Eliseo Martínez Marzo del 24 Abstract Este artículo trata de ejemplos sencillos del concepto de integral con aplicaciones a la Física, la Teoría de la
Más detallesVALORACIÓN DE PATENTES
VALORACIÓN DE PATENTES POR: Juan Esteban Quintero Sánchez INTRODUCCIÓN Para valorar una patente es esencial tener claro qué es lo que significa este término. Una patente se define como una opción sobre
Más detallesExamen de Estadística Ingeniería de Telecomunicación
Examen de Estadística Ingeniería de Telecomunicación 8 de Mayo de 3 Cuestiones solucion h C. (.5p) El equipo directivo de cierta empresa del sector de hostelería está constituido por 5 personas de las
Más detallesMEDIDAS DE TENDENCIA CENTRAL
CAPÍTULO 14 MEDIDAS DE TENDENCIA CENTRAL A veces, de los datos recolectados ya organizados en alguna de las formas vistas en capítulos anteriores, se desea encontrar una especie de punto central en función
Más detallesCAPITULO 4 JUSTIFICACION DEL ESTUDIO. En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de
CAPITULO 4 JUSTIFICACION DEL ESTUDIO En este capítulo se presenta la justificación del estudio, supuestos y limitaciones de estudios previos y los alcances que justifican el presente estudio. 4.1. Justificación.
Más detallesA estas alturas de nuestros conocimientos vamos a establecer dos reglas muy prácticas de cómo sumar dos números reales:
ADICIÓN Y RESTA DE NUMEROS REALES ADICIÓN L a adición o suma de números reales se representa mediante el símbolo más (+) y es considerada una operación binaria porque se aplica a una pareja de números,
Más detallesIntroduccion a la teoria del arbitraje
Introduccion a la teoria del arbitraje Manuel Morales Departmento de Matematicas y Estadistica Universidad de Montreal Febrero 2007 i) Problema y Motivación. ii) Introduccion y Definiciones. iii) Ejemplo
Más detallesNT8. El Valor en Riesgo (VaR)
NT8. El Valor en Riesgo (VaR) Introducción VaR son las siglas de Valor en el Riesgo (Value at Risk) y fue desarrollado por la división RiskMetric de JP Morgan en 1994. es una manera de medir el riesgo
Más detalles7. Conclusiones. 7.1 Resultados
7. Conclusiones Una de las preguntas iniciales de este proyecto fue : Cuál es la importancia de resolver problemas NP-Completos?. Puede concluirse que el PAV como problema NP- Completo permite comprobar
Más detallesMatemáticas 2º BTO Aplicadas a las Ciencias Sociales
Matemáticas 2º BTO Aplicadas a las Ciencias Sociales CONVOCATORIA EXTRAORDINARIA DE JUNIO 2014 MÍNIMOS: No son contenidos mínimos los señalados como de ampliación. I. PROBABILIDAD Y ESTADÍSTICA UNIDAD
Más detallesIntroducción a la Teoría de Probabilidad
Capítulo 1 Introducción a la Teoría de Probabilidad Para la mayoría de la gente, probabilidad es un término vago utilizado en el lenguaje cotidiano para indicar la posibilidad de ocurrencia de un evento
Más detallesDiagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics-
Diagnosis y Crítica del modelo -Ajuste de distribuciones con Statgraphics- 1. Introducción Ficheros de datos: TiempoaccesoWeb.sf3 ; AlumnosIndustriales.sf3 El objetivo de esta práctica es asignar un modelo
Más detallesValoración de Opciones Financieras. Begoña Vitoriano Villanueva bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid
Begoña Vitoriano Villanueva bvitoriano@mat.ucm.es Facultad de CC. Matemáticas Universidad Complutense de Madrid Valoración de Opciones Financieras Nociones básicas sobre derivados financieros Derivado
Más detallesUniversidad Diego Portales Facultad de Economía y Empresa
Suponga que, conversando con su cuate, surge la idea de hacer una apuesta simple. Cada uno escoge decir cara ó sello. Se lanza una moneda al aire, y si sale cara, quien dijo sello le paga a quien dijo
Más detallesCURSO BÁSICO DE MATEMÁTICAS PARA ESTUDIANTES DE ECONÓMICAS Y EMPRESARIALES
INECUACIONES NOTA IMPORTANTE: El signo de desigualdad de una inecuación puede ser,, < o >. Para las cuestiones teóricas que se desarrollan en esta unidad únicamente se utilizará la desigualdad >, siendo
Más detallesDepartamento de Matemática Aplicada a la I.T. de Telecomunicación
Departamento de Matemática Aplicada a la I.T. de Telecomunicación EXAMEN RESUELTO DE ESTADÍSTICA Y PROCESOS ESTOCÁSTICOS CONVOCATORIA: ENERO / FECHA: de Enero de Duración del examen: 3 horas Fecha publicación
Más detallesInversión. Inversión. Arbitraje. Descuento. Tema 5
Inversión Tema 5 Inversión Los bienes de inversión obligan a gastar hoy para obtener ganancias en el futuro Vamos a estudiar cómo se valoran los pagos futuros Por ejemplo, la promesa de recibir euro dentro
Más detalles1.4 Cálculo de Probabilidades con Métodos de Conteo. Considerere un espacio muestral finito,
1 1.4 Cálculo de Probabilidades con Métodos de Conteo Considerere un espacio muestral finito, y defina, Luego, Ω = {ω 1,..., ω n }, P ({ω i }) = p i, i = 1,..., n P (A) = ω i A p i, A Ω Ω se dice equiprobable
Más detallesMA-0125 MATEMÁTICA ELEMENTAL -Décimo Año- I EXAMEN PARCIAL 2012
Escuelas de Matemática Proyecto MATEM 01 http://matem.emate.ucr.ac.cr/ tel. (506) 511-458 MA-015 MATEMÁTICA ELEMENTAL -Décimo Año- I EXAMEN PARCIAL 01 Nombre: Código: Colegio: Fórmula 1 Sábado 14 de abril
Más detallesApuntes de Matemática Discreta 9. Funciones
Apuntes de Matemática Discreta 9. Funciones Francisco José González Gutiérrez Cádiz, Octubre de 004 Universidad de Cádiz Departamento de Matemáticas ii Lección 9 Funciones Contenido 9.1 Definiciones y
Más detalles