VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS *

Tamaño: px
Comenzar la demostración a partir de la página:

Download "VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS *"

Transcripción

1 Revsa Igeerías Uversdad de Medellí VALOR EN RIESGO PARA UN PORTAFOLIO CON OPCIONES FINANCIERAS * Carlos Alexáder Grajales Correa ** Fredy Ocars Pérez Ramírez *** Recbdo: 6//009 Acepado: 08/0/00 RESUMEN E ese arículo se presea y aplca dferees formulacoes maemácas, exacas y aproxmadas, para el cálculo del valor e resgo (VaR) de alguos porafolos co acvos faceros, hacedo especal éfass e aquellos que coee opcoes faceras. El uso y pereca de ales formulacoes es aalzado segú las caraceríscas e hpóess que se ega de los porafolos cosrudos, para lo cual se aalza e dealle la volaldad y el percel de la dsrbucó de los cambos e el valor del porafolo, al gual que la volaldad esocásca e u horzoe de empo dado. Para ése f, se cosdera los méodos de varazas y covarazas, smulacó hsórca y smulacó Moe Carlo, desde ua perspecva formal y amplada a porafolos que coee opcoes faceras, esablecedo algormos aleravos de cálculo y comparacoes ere los resulados. Palabras clave: VaR, EWMA, movmeo browao, opcoes faceras * Ese arículo es produco del proyeco de vesgacó Implemeacó de meodologías de cálculo del valor e resgo (VaR) de la UdeM. ** Profesor Uversdad de Medellí. Magíser Maemácas Aplcadas, Uversdad Eaf. Medellí, Colomba. Correo elecróco: cgrajal@ gmal.com. *** Profesor Uversdad de Medellí. Magíser Maemácas Aplcadas, Uversdad Eaf. Medellí, Colomba. Correo elecróco: foperez@ udem.edu.co. Revsa Igeerías Uversdad de Medellí, vol. 9, No. 7, pp ISSN julo-dcembre de 00/8 p. Medellí, Colomba

2 06 Carlos Alexáder Grajales Correa - Fredy Ocars Pérez Ramírez VALUE AT RISK FOR A FINANCIAL PORTFOLIO WITH OPTIONS ABSTRACT Ths arcle preses ad apples dffere mahemacal, exac ad approxmaed formulaos o esmae value a rsk of some porfolos wh facal asses, emphaszg o hose whch coa facal opos. The use ad appropraeess of such formulaos s aalyzed base do characerscs ad hypohess of cosruced porfolos. Wh hs purpose, volaly ad dsrbuo percele of chages he value of he porfolo are aalyzed. Sochasc volay a a gve me s also aalyzed. Wh hs purpose, varaces, ad co-varace mehods. Hsorc smulao ad Moe Carlo smulao from a formal ad exeded perspecve o porfolos coag facal opos are ake o cosderao, esablshg alerave of calculao ad comparso bewee he resuls. Key words: VaR, EWMA, Browa moveme, facal opos. Uversdad de Medellí

3 Valor e resgo para u porafolo co opcoes faceras INTRODUCCIÓN La esabldad del ssema facero es ua prordad para cualquer gobero, y de llegarse a maeralzar el resgo de mercado, se poe e race el ahorro públco, y por cosguee, la rasfereca de ese haca la versó. De ese modo, la defcacó, medcó, gesó y corol del resgo de mercado esá e la ageda medaa de las edades del secor facero colombao, así como de cualquer versosa que admsre recursos a ravés del mercado públco de valores o del ssema ermedado facero. E ese sedo, ua de las meddas más usuales, por pare de ermedaros faceros, para la medcó del resgo de mercado es el valor e resgo (VaR), el cual fue publcado calmee e 995 e u documeo écco por el baco J. P. Morga []. S embargo, se cooce rabajos prevos por Macaulay e 939, para cuafcar el resgo de mercado de alguos srumeos faceros e los Esados Udos []. Ere oros rabajos más recees, se ecuera el rabajo axomáco propueso por Arzer e 999 [3], que desarrolla las llamadas meddas coherees de resgo y que a su vez sasface u cojuo de propedades báscas y deseables para la medcó del resgo de mercado de u porafolo. A parr de ese rabajo ha surgdo uevos desarrollos sobre la eoría del resgo, ere los que se ecuera los cocepos de valor e resgo codcoal (CVaR) e 000 y 00 [4,5], y el de medda de desvacó roducdo por Rockafellar y oros e 00 [6]. Oras fuees de rabajo de meddas de resgo VaR y CVaR aplcadas a porafolos faceros esá dadas e los arículos de Hull y Whe, Jamshda y McNel[7-9], dode se corpora, respecvamee, volaldad esocásca, smulacó y eoría de valor exremo. També los exos Hully de Joro[0, ] se ha cosudo e referecas eracoales. E ese arículo solamee se defca y aplca dferees formulacoes maemácas, exacas y aproxmadas, para el cálculo del valore resgo (VaR) de porafolos que ee ua poscó 07 e boos, acvos u opcoes faceras. De ese modo, se plaea los méodos de varazas y covarazas, smulacó hsórca y smulacó Moe Carlo, desde ua perspecva formal y amplada a porafolos que coee opcoes faceras, esablecedo algormos aleravos de cálculo y comparacoes ere los resulados. Los cálculos se realza eedo e cuea mapeo de boos, modelo leal, modelo cuadráco y expasó de Corsh - Fscher. Se muesra además, que la bodad y pereca de esos modelos puede ser medda a ravés de ua prueba de back esg [, ]. De oro lado, se cuea co los modelos EWMA, GARCH y movmeo browao [, 3, 4], para acualzar daramee la volaldad asocada e el cálculo del VaR. E parcular, se rabaja co los modelos EWMA y se propoe ua combacó ere EWMA y movmeo browao, esa úlma co la ecó de obeer ua volaldad de auraleza esocásca e u horzoe de empo dado. El uso y pereca de los modelos aerores es aalzado segú las caraceríscas e hpóess que se ega de los porafolos, para lo cual se aalza e dealle la volaldad y el percel de la dsrbucó de los cambos e el valor de u porafolo, dado que ales cambos sga o o ua dsrbucó gaussaa. Los cálculos preseados so geerados por dferees plallas eracvas e hojas de cálculo e las que se poe de mafeso, ao los porafolos cosderados como el respecvo cálculo del VaR. E la seccó se presea la defcó del VaR y ua descrpcó de las dferees meodologías para el cálculo del VaR, como so, el méodo devarazas y covarazas, aplcado prcpalmee a opcoes faceras, el méodo de smulacó hsórca y smulacó Moe Carlo. També se da dealles de la prueba back esg que deerma la precsó e la medda del VaR. La seccó 3 lusra alguos porafolos que comprede boos, acvos u opcoes faceras, y para los cuales se esma el VaR medae los méodos expuesos. Revsa Igeerías Uversdad de Medellí, vol. 9, No. 7, pp ISSN julo-dcembre de 00/8 p. Medellí, Colomba

4 08 Carlos Alexáder Grajales Correa - Fredy Ocars Pérez Ramírez Falmee se da uas coclusoes y se orea alguos rabajos fuuros. Se aoa que odos los cuadros de ese arículo so elaboracó propa.. VALOR EN RIESGO Y MÉTODOS BÁSICOS El Valor e Resgo (VaR) es ua medda esadísca de las pérddas poecales de u porafolo de srumeos faceros [, 5]. E geeral, dado u horzoe de empo de N días y u vel 00%, el VaR es la pérdda máxma correspodee al percel β de la dsrbucó de los cambos e el valor de u porafolo para los próxmos N días [0, ]. Ahora, s P es el valor del porafolo e el día, el VaR del porafolo, e el día, para N días, y co u de cofaza de ( β ) vel de cofaza ( β ) 00%, deoado por N _ das _( β ) _ VaR, o smplemee VaR β, se expresa como Pr P + N P < VaR β = β y así, VaR β Qβ ( P ) dode Q ( P ) =, () β es el percel β de P, sedo β el área a su zquerda e la dsrbucó de P. O de maera equvalee, se ee, Pr R VaR β < = P por lo cual VaR = PQ R β β β dode Qβ ( R ) es el percel β de P R = P + N P Oro modo usual de escrbr el VaR β, a parr de la relacó (), es { } VaR β = f x Pr[ P > x] β A couacó se muesra res meodologías usuales para esmar el VaR de u porafolo.. Méodo de varazas y covarazas Cosdere u porafolo de valor P, cossee e acvos y co ua versó de α e el acvo,.sea x el reoro del acvo e u día y P el cambo e el valor de P e u día. Así, P = α x = La meda y la varaza de P se calcula respecvamee por las sguees relacoes, ( ) = α ( ) = P = ρjαα jσ σ j = j= = α σ + ρjαα jσ σ j = = j< E P E x σ dodeσ es la volaldad dara de la correlacó ere x y x. j x, ρ es.. Boos La meodología para el cálculo del boo es medae u mapeo del boo e boos smples, cero cupó, cuyas asas de reoro y volaldades se obee por erpolacó a parr de ua esrucura de asas y de volaldades. La meodología es abordada e Hull [0, ].Para el caso de aplcar esa meodología a u boo del esado o u boo corporavo, se hace uso de la sguee relacó para el valor de P, P = DP y dode D es la duracó modfcada del porafolo y y es el cambo paralelo e la curva de redmeos para u día. Co esa aproxmacó para P usualmee o se obee resulados para el cálculo del VaR co sufcee precsó. E el j Uversdad de Medellí

5 Valor e resgo para u porafolo co opcoes faceras caso de eer u boo corporavo, para obeer mejores resulados se requere realzar u proceso deomado mapeo de flujos de caja, el cual cosse e seleccoar como varables de mercado los precos de boos cero cupó co vecmeos esádar, por ejemplo, mes, 3 meses, 6 meses, año, años, 5 años, 0 años y 30 años. Poserormee, para calcular el VaR, los flujos de caja proveees de u srumeo e el porafolo so mapeados e flujos de caja proveees de los boos co los vecmeos esádar especfcados [].... Opcoes faceras Para el caso de aplcar esa meodología a u porafolo co opcoes faceras, puede cosderarse dos aproxmacoes: ua leal y ora cuadráca. La leal se expresa como δ () = P = S x sedo S el valor del acvo y δ la lera grega dela dada por P. S Para la aproxmacó cuadráca se acude a la expasó de Taylor de segudo orde de P, dada por P = S δ x + S γ x (3) = = o de maera más geeral, P = S δ x + S S γ x x (4) j j j = = j= dode γ y γ j so las leras gregas gamma y P P gamma cruzada dadas por y respecvamee. Las dos úlmas ecuacoes se emplea S S S j segú sea la depedeca de los srumeos del porafolo, co uo o más, de los acvos subyacees. S los reoros x sgue ua dsrbucó ormal mulvarada, co meda y varaza de 09 x guales a cero y σ por día, respecvamee, eoces, e el modelo leal, P es ormal, y el VaR para N días al ( β ) ( β ) VaR β = σ P Zβ N 00% es y s la meda o es cero, el VaR para N días al 00%, es β P β VaR = σ Z N E P N (5) dode z β es el percel β de la dsrbucó ormal esádar. Al emplear el modelo leal descro por la ecuacó (), e (5) se ee que ( ) = δ ( ) E P S E x = P = S + js S j j j = = j< σ δ σ ρ δ δ σ σ y s al aplcar u es de bodad de ajuse para P, se obee que esa varable es dsrbuda ormal, eoces, al emplear el modelo cuadráco dado e (3), cuado la depedeca de los srumeos dervados que compoe el porafolo es sobre u solo acvo subyacee, e (5) se ee que E( P)= S δ E( x )+ = = S γ σ + E ( x), y σ P = S δ σ + ρjsδsjδjσσj + = + = = j< 4 S γ σ σ E ( x ) S γ = j< Sj γj, ( ( ) ( j ) ) ( σ + E ( x )) + σj E xj E x x ( ) ( ) ( ) E x xj SδSj γ j = = E ( x ) σj + E xj + Revsa Igeerías Uversdad de Medellí, vol. 9, No. 7, pp ISSN julo-dcembre de 00/8 p. Medellí, Colomba

6 0 Carlos Alexáder Grajales Correa - Fredy Ocars Pérez Ramírez dode, ( ( j ) ) = E ( x ) x ( ) j j j ( x ) x f x, x d( x ) d x, f ( x, y)= π σ σ ρ exp ( ρxy) x y xy x µ x x x + µ y σ σy x µ x µ x y ρ xy σx σy Asmsmo, es posble calcular expresoes para E( P) y σ P e el caso de que la depedeca de los srumeos dervados que compoe el porafolo sea sobre dos o más acvos subyacees y P uevamee sea ormal. De oro lado, al relajar el codcoal de que la dsrbucó de P sea ormal e el modelo cuadráco, puede emplearse la expasó de Corsh-Fsher co el f de calcular el percel adecuado de P a parr de sus momeos, y así poder esmar el VaR. Para el caso de que la meda de x sea gual a cero, paredo de la ecuacó (4), se ee que los prmeros res momeos de P so, respecvamee, E( P)= E( ( P) )= j j β σ j j α α σ j j + β β σ σ + σ σ + σ σ, j, k, l j kl j kl k jl l 3 E( ( P) )= 3 α α β σ σ + σ σ + σ σ, j, k, l,, 3, 4, 5, 6 j kl j kl k jl l jk + β β β Q jk dode σ j = ρ j σ σ j, ρ es la correlacó ere j los acvos y j, α = Sδ, βj = SS jγ y j Q co- sse e la suma de quce érmos de la forma y k, k, k3, k4, k5, k6 so combacoes omadas de dos a la vez de los elemeos,, 3, 4, 5, 6. A parr de los res momeos de P, la expasó de Corsh-Fsher esma el percel β de la dsrbucó de P como ( ) = ( ) + p Qβ P E P wβσ = +, P 6 dode w z ( z ) β β β ξ 3 ξp = E 3 ( P E ( P) ) σ P el VaR del porafolo es Q ( P) De ese modo, β. Por úlmo, el méodo de varazas y covarazas, e sus aproxmacoes leal y cuadráca, resula úl para esmar el VaR de porafolos que comprede opcoes faceras, dode se ee u alo resgo respeco a la lera grega dela. S embargo, ambas aproxmacoes falla al o P cosderar la grega θ =, que mde el efeco de decameo de precos de ua opcó co el paso del empo hasa su vecmeo [6]... Méodo smulacó hsórca Dado que se ega M + observacoes de cada acvo y que hoy es el día M, el cálculo del VaR por smulacó hsórca cosse e obeer M posbles escearos para los valores que puede omar cada acvo e el día M +, usado la υ relacó υm + = υ, para M M υ es el valor del acvo e el día. Poserormee, se calcula el valor del uevo porafolo para el día M + e cada uo de los M escearos y eso hace, dode υ posble calcular la dsrbucó para P e el día M +. A couacó se esma el VaR usado la ecuacó (). Ora alerava para el cálculo del VaR por esa meodología es corporar ua acualzacó día a día de la volaldad e el cálculo deυ M +, al como se plaea e [7]. La meodología expuesa relaja el supueso de asumr ua dsrbucó para P y puede ser Uversdad de Medellí

7 Valor e resgo para u porafolo co opcoes faceras adecuada para esmar el VaR de porafolos dela eurales [7]. Ua desveaja del méodo es que posblemee gora valores exremos para.3. Méodo smulacó Moe Carlo x [9]. Ora de las formas que perme obeer la dsrbucó de probabldad de P es medae ua smulacó Moe Carlo [8], y ua vez obeda, el VaR a u día se esma como se defó e la ecuacó (). El procedmeo para obeer dcha dsrbucó de probabldad, bajo el supueso de que los reoros x sga ua dsrbucó ormal mulvarada, es el sguee,. Calcular el valor acual del porafolo.. Muesrear x a parr de ua dsrbucó de probabldad ormal mulvarada. 3. Recalcular el valor del porafolo para el sguee día. 4. Obeer ua muesra para la varable P a parr de los pasos y Reper los pasos a 5 muchas veces y obeer la dsrbucó de P. Para u porafolo co muchos srumeos, la smulacó propuesa puede hacerse muy lea. Ua forma de resolver esa dfculad es omr los pasos, 3 y 4, y e lugar de ellos supoer que P esá relacoada co los valores muesrales x. U ejemplo de esa relacó puede ser dada por la ecuacó (4). S se asume que la volaldad de P es cosae para los próxmos N días y o exse auocorrelacó ere los valores de P, eoces el VaR a N días se obee del VaR a u día mulplcado por el facor N. Ahora, s se asume que exse auocorrelacó y es de prmer orde, eoces el facor N debe cambarse por N + ( N ) ρ + ( N ) ρ + 3 N ( N ) ρ ρ / E caso de que la volaldad de P o sea cosae, para esmar el VaR a N días, debe modelarse su volaldad dámcamee para los N días. Ua alerava es asumr u modelo GARCH(p, q) para los acvos que compoe el porafolo, y como caso parcular, asumr el modelo de meda móvl poderada expoecalmee (EWMA). De ese modo, se puede supoer además, que los valores de los dferees acvos sgue u movmeo browao geomérco (MBG) co parámeros µ y σ, dode μ es la expecava del reoro compueso couo aual y σ la volaldad aual del acvo bajo cosderacó. E cosecueca, e el paso mecoado aerormee, debe emplearse la facorzacó de Cholesky para lograr que los x sea correlacoados. Ora forma de esmar la volaldad esocásca es mplemear la meodología propuesa e [8], e la cual se ecoró que la dsrbucó dela volaldad de alguos ídces bursáles es log ormal. Por úlmo, la smulacó Moe Carlo aplca preferblemee e coexos dode el porafolo o guarda lealdad co x o es alamee resgoso respeco a dela..4. Back Tesg El Back Tesg es u proceso esadísco por el cual se deerma la precsó e la esmacó del VaR de u porafolo, acudedo a ua comparacó ere dcha esmacó y la pérdda real del porafolo e dferees días del pasado. E el proceso puede aalzarse, además, la bodad o pereca del modelo empleado para el cálculo del VaR. S se cosdera ua esmacó del VaR a u día y co ua cofaza de β, ua excepcó se defe como el día e el cual el cambo real del porafolo excede el cálculo del VaR. S el modelo usado para dcho cálculo es adecuado, eoces la probabldad de que el VaR sea exceddo e u día dado es p = β. Al observar u regsro hsórco de días co m( m ) excepcoes, debe aalzarse s exse dfereca esadíscamee sgfcava ere m m y p. E caso que p >, puede hacerse u corase de hpóess, dode la hpóess ula Revsa Igeerías Uversdad de Medellí, vol. 9, No. 7, pp ISSN julo-dcembre de 00/8 p. Medellí, Colomba

8 Carlos Alexáder Grajales Correa - Fredy Ocars Pérez Ramírez es que la probabldad de ua excepcó e u día dado es p, free a que al probabldad es mayor que p. A parr de la dsrbucó bomal, el crero de decsó cosse pues e comparar la probabldad! S = p p k!( k)! k k ( ) (6) k = m co cero vel de sgfcaca α. S el valor obedo, S es mayor que α, la hpóess ula o es rechazada, y e caso coraro, la hpóess ula es rechazada. U procedmeo aálogo puede efecuarse s m p <. Ora alerava para medr la bodad y pereca e el cálculo del VaR es medae el es de dos colas de Kupec, cuyo esadísco de prueba correspode a la razó de verosmlud dada por m m S = l p ( p) m m + l ( m / ) ( m / ) S sgue ua dsrbucó ch cuadrada co u grado de lberad, y el crero de decsó cosse e rechazar la hpóess ula cuado S < χ, α / o s S <, para u vel de sgfcaca de α. χ, α /. APLICACIÓN E ese aparado se lusra alguos porafolos co ua poscó e boos, acvos u opcoes faceras, para los cuales se calcula el VaR sguedo las meodologías aerormee expuesas. Las formulacoes maemácas que ha sdo desarrolladas para ese f so empleadas, e u porafolo parcular, de acuerdo co las caraceríscas o hpóess que se ega sobre los msmos. El prmer porafolo cosdera u srumeo de rea fja, compueso por u boo corporavo o u boo del Esado. E el prmer caso, se cosdera u mapeo de flujos de caja que es realzado respeco a boos cero cupó del Esado, y e el segudo, se emplea el modelo leal y la smulacó hsórca. El sguee porafolo volucra opcoes faceras y es aalzado uevamee e dos casos. Uo de ellos, comprede opcoes sobre dvsas y se emplea los modelos leales, cuadráco, smulacó Moe Carlo y la expasó de Corsh Fsher, y co dcha expasó, se relaja el supueso de ormaldad para la dsrbucó de P. El oro, esá compueso por dos acvos y dos opcoes europeas sobre ellos, y para el respecvo cálculo del VaR se emplea ua δ aproxmacó y el modelo de Black Scholes [9]. Falmee, se calcula el VaR para u porafolo co dos acvos cosderado el modelo EWMA y ua combacó ere los modelos EWMA y movmeo browao geomérco. El objevo de ulzar al combacó es obeer ua volaldad de auraleza esocásca e cada uo de los días del horzoe de empo cosderado e el VaR. Todos los cálculos preseados so geerados por plallas eracvas e Excel... Cálculo del VaR de u porafolo compueso por u boo Para ese caso, puede cosderarse dos problemas usuales. El prmero esá relacoado co u boo corporavo, para el cual se debe efecuar u mapeo al como se mecoó e el aparado... El oro es calcular el VaR asocado a u TES colombao (abla ). Tabla. Tasas, volaldades y correlacoes para los boos cosderados e el mapeo de u boo corporavo Madurez boo cero cupó 3 meses 6 meses año Tasa(% compuesa aual) Volaldad preco boo (% día) Correlacó ere reoros daros 3 meses 6 meses año 3 meses meses año Fuee: elaboracó propa. Uversdad de Medellí

9 Valor e resgo para u porafolo co opcoes faceras... VaR para u boo corporavo Se cosdera ua poscó larga e u boo co u valor omal de 00 udades moearas, co ua fecha de madurez de T = 0.8 años. Se supoe que el boo proporcoa u cupó de c = 8% aual pagadero semesral. El boo puede ser descompueso o ser mapeado e oros boos cero cupó. Para el prmer pago, cupó de 4 udades moearas e 3.6 meses, se mapea el flujo de caja correspodee e dos boos cero cupó, a 3 meses (T ) y 6 meses (T ); y para el segudo pago, de cupó más prcpal gual a 04 udades moearas e T, se mapea e dos boos cero cupó a 6 meses (T ) y u año (T ). E la abla se muesra las asas cero cupó, las volaldades de los precos de los boos y las correlacoes respeco a cada boo e el mapeo. Los daos cosderados so supuesos. E la abla, se muesra el mapeo resulae para el boo corporavo, la volaldad del msmo y el VaR asocado para u horzoe de 0 días y co ua cofabldad del 99%. E esa abla puede verse que los valores de la seguda columa, asocados a las poscoes e boos cero cupó para 3 y 6 meses, suma u oal de udades moearas, que es a su vez el valor presee del prmer pago cuado la asa de erés correspode a la erpolacó leal ere las asas para los boos cero cupó. Aálogamee, los valores de la ercera columa verfca que su suma es el valor presee del segudo pago cuado la asa de erés es la erpolacó ere las asas de boos cero cupó para 6 meses y año. Por ao, el VaR calculado para el boo corporavo cocde co el VaR para el porafolo mapeado co los boos cero cupó (abla ).... VaR para u TES colombao Tabla. Resulados del mapeo y cálculo del VaR Mapeo resulae pago e T pago e T Toal 3 Poscó e boo a 3 meses Poscó e boo a 6 meses Poscó e boo a año Volaldad boo corporavo _ días_ 99%_ VaR.5088 Fuee: elaboracó propa. Ahora se cosdera el cálculo del VaR para u horzoe de 0 días y co ua cofabldad del 99%, asocado a u TES colombao. Cocreamee se oma el boo ovembre 03, cuya fecha de emsó es 4 ovembre de 007, co vecmeo 4 de ovembre de 03 y u cupó de 0.5% efecvo aual. Los daos a emplear so los que correspode al redmeo del boo ere la fecha de emsó y la fecha 3 de Eero de 009. La fecha de valoracó del VaR es esa úlma. Para dcho cálculo se ulza u méodo paramérco, dado por el modelo leal, y uo o paramérco, dado por la smulacó hsórca. Para el prmero de ellos, el VaR se calcula como VaR99% = BD* y * 0, dode B dca el valor del boo e la fecha de valoracó, D* es la duracó modfcada del boo y y* = N (0.99)σ y, sedo y el cremeo e el redmeo de dcho boo y N ( ) la dsrbucó gausaa versa evaluada e su argumeo. Para el segudo de ellos, el VaR se calcula a parr de la msma relacó aeror, pero co y * gual al percel 0.99 de la varable y. E la abla 3 se muesra los resulados del VaR paramérco Tabla 3. VaR paramérco y o paramérco para el TES ovembre 03 Fecha Madurez /09/04 Fecha Valoracó 3/0/009 Días resaes a la madurez Años resaes a la maduracó Nomal 00 Cupó (efecvo aual) 0.5% Redmeo (aual) 9.4% Valor boo Duracó modfcada σ y _días_ 99%_VaR paramérco _días_ 99%_VaR o paramérco Fuee: elaboracó propa. Revsa Igeerías Uversdad de Medellí, vol. 9, No. 7, pp ISSN julo-dcembre de 00/8 p. Medellí, Colomba

10 4 Carlos Alexáder Grajales Correa - Fredy Ocars Pérez Ramírez y o paramérco. Auque los valores calculados para el VaR sea cercaos, los valores obedos se basa e modelos que dfere sgfcavamee e sus hpóess y su formulacó, y la prefereca por uo de ellos debe esar basada e la dsrbucó de probabldad de y y ua prueba de back esg... Cálculo del VaR de u porafolo co opcoes faceras... Opcoes sobre ua dvsa Supoga que ua sucó facera ee u porafolo de valor P, compueso por opcoes sobre ua dvsa co asa de cambo gual a S, y que el dela del porafolo es gual a δ. A parr de la seccó.., ua expresó leal que relacoa el cambo e el valor del porafolo, P, co el cambo porceual e la asa de cambo, x = S / S es P = δ S x. Bajo el supueso de ormaldad para x, co meda μ por día y desvacó σ por día, se ee que ua expresó para el VaR del porafolo, a u horzoe de N días y ua cofabldad de ( β ) 00% es VaR = δ Sσ zβ N µ N. Por ora pare, ua expresó cuadráca que relacoa el cambo e el valor del porafolo co el cambo porceual e la asa de cambo, ese úlmo como úco acvo subyacee, puede obeerse a parr de la expasó de Taylor de segudo orde para P. Esa relacó esá dada por P = δ S x + γ S ( x). De ese modo se ee que ua esmacó para el VaR del porafolo, a u horzo- β 00% e de N días y ua cofabldad de es VaR = σ * zβ N µ * N, dode µ * = S γσ 3 y σ* = δ S σ + S 4 γ σ ( µ *) so la meda 4 y la desvacó, respecvamee, de la dsrbucó de P. Tabla 4. VaR para u porafolo de opcoes sobre dvsas S.35 δ 5 γ 5.5 σ (% día) 0.6 0_días_ 99%_VaReórco modelo leal _ días_ 99%_ VaRsmulado modelo cuadráco _ días_ 99%_ VaReórco modelo cuadráco _ días_ 99%_ VaReórcoCorsh Fsher Fuee: elaboracó propa Cuado se asume que x sgue ua dsrbucó ormal, la varable P e el modelo leal es ormal, meras que e el modelo cuadráco, P que se expresa como ua combacó leal de ua varable aleaora ormal y ua ch-cuadrada co u grado de lberad, o ecesaramee resula ser ua dsrbucó ormal. Como caso parcular, se asume que se ee los daos que se muesra e la abla 4. També se muesra el respecvo valor del VaR, para el modelo leal eórco, cuadráco smulado, cuadráco eórco usado los prmeros dos momeos de P y cuadráco eórco usado los prmeros res momeos de P. Para el segudo cálculo, se realza ua smulacó de Y muesras de P y de amaño X, e parcular se cosdera Y = 00 y X = El ercer cálculo se realza debdo a que la dsrbucó de P resula ser ormal, segú resulados obedos por smulacó y de aplcar cualquer es de bodad de ajuse, por ejemplo Smrov Kolmogorov. El cuaro cálculo relaja el supueso de ormaldad para P y hace uso de la expasó de Corsh Fsher. Los cálculos así obedos o dfere sgfcavamee e ese caso.... Porafolos leales y o leales Supoga que se ee acvos dferees de preco S, co w pares e el acvo, y m opcoes Uversdad de Medellí

11 Valor e resgo para u porafolo co opcoes faceras de preco C = C (S ) sobre cada acvo subyacee,. Así, el valor P del porafolo esá dado = por = [ + ] P w S m C. Ahora, dado que se ega ua probabldad gual a β que el valor del porafolo e N días exceda el valor P N, eoces el VaR se calcula como VaR β = PN P. Paredo del modelo MBG para el preco del acvo, co parámeros auales µ y σ, el reoro aual de la opcó sobre el subyacee puede aproxmarse, usado la lera grega δ, S como δ µ, y así, sguedo el aparado.., C la expecava aual del reoro del porafolo, R p, y su varaza aual, σ P, se calcula, bajo la δ aproxmacó, respecvamee por, R µ S w m δ σ = p + P = p, y = SSj w mδ ( + ) P = j= w + m δ σ σ ρ j j j j j dode ρ j es la correlacó aual de los acvos y j. Cuado el preco S de u acvo facero se modela por u MBG, al aplcar el lema de Io a la varable Y = l S, se esablece que S es logormal. S embargo, dado u preco cal para el acvo, S 0, y u horzoe coro de empo, τ, el preco del acvo S puede aproxmarse, por su polomo de Taylor de prmer orde, por la varable co dsrbucó ormal S ( + + ) 5 µ τ σ τ 0 z dode z sgue ua dsrbucó ormal esádar. Esa msma aproxmacó puede ser ulzada para el cálculo de P N, omado µ como R p y σ como σ P, para luego obeer ua δ aproxmacó de VaR por vía aalíca [0]. S embargo, s el porafolo o guarda lealdad co los reoros de los srumeos que lo compoe, es usual emplear ua smulacó Moe Carlo sguedo los pasos que fuero dcados e el aparado.3. Para lusrar el cálculo del VaR usado la δ aproxmacó, supoga que se ee u porafolo cosudo por ua poscó larga e dos acvos y ua cora e opcoes call de po europeo emdas sobre ellos. La abla 5 muesra los daos ecesaros así como el cálculo del VaR a 0 días co ua cofaza del 99%. E esa abla, K y T represea, respecvamee, el preco de ejercco y la fecha de expracó de la opcó que ee como acvo subyacee el acvo, y r dca la asa lbre de resgo co composcó coua aual. El preco de cada opcó, C, y el dela asocado, δ so calculados segú el modelo de Black Scholes. De oro lado, ese msmo porafolo puede smularse medae Y muesras de la varable Pτ y de amaño X, para obeer ua esmacó del valor del VaR. Cuado Y es 00 y X es 000, resula el VaR que muesra la abla e la pare feror. Puede verfcarse, medae ua prueba o paramérca, por ejemplo, la prueba de sgo, que exse dferecas sgfcavas ere la δ aproxmacó y el valor Fuee: elaboracó propa. Acvo Tabla 5. VaR para u porafolo co acvos y opcoes faceras S w µ σ ρ j m P P N _ días_ 99%_ VaRaproxmado _ días_ 99%_ VaRsmulado K T r Revsa Igeerías Uversdad de Medellí, vol. 9, No. 7, pp ISSN julo-dcembre de 00/8 p. Medellí, Colomba

12 6 Carlos Alexáder Grajales Correa - Fredy Ocars Pérez Ramírez smulado del VaR, lo que sugere para ese caso, que la δ aproxmacó debería afarse co oras gregas ales como γ o θ..3. Cálculo del VaR de u porafolo co dos acvos ulzado EWMA y el EWMA-MBG Cosdere que las volaldades daras de dos acvos y j, esmadas al cerre de egocacó de mercado e el día, so σ y, σ, respecvamee. Los precos de cerre de los acvos para j, el msmo día fuero S, y S j,, el coefcee de correlacó esmado ere los reoros de los dos acvos fue ρ. Además supoga que λ j, k, co k =,,3, so los parámeros esmados del modelo EWMA aplcado a los dos acvos y j, y sea S, y S,j los precos de egocacó al cerre de los dos acvos e el día. Para calcular el VaR de u día e el día, usado EWMA, se acualza para el día las volaldades de los acvos y j y la correlacó ere ellos, dadas respecvamee por,, +, x, σ = λ σ + λ σ = λ σ + ( λ ) x j, + j, j,, y σ + = λ3σ + λ3 x x j, j,, j,. S se asume que los reoros x, y x j, sgue ua dsrbucó ormal mulvarada, co meda gual a cero para ambos, y varaza por día gual a σ, y σ j, respecvamee, eoces el VaR del porafolo e el día, a u día y co ua cofaza de ( β ) 00% esá dado por VaR = σ z dode β, P, + β P, +, + j j, + j j, +, + j, +. σ = α σ + α σ + α α ρ σ σ Por ora pare, s se emplea el modelo MBG e cojucó co el modelo EWMA, es posble calcular el VaR para u horzoe de N días y co ua cofabldad que resule ser de erés, dado que la volaldad sea esocásca e cada día. Cocreamee, s se desea calcular el VaR para dos días e el día, es ecesaro smular S, y S j,. E forma aáloga al procedmeo aeror, se verfca que el VaR esmado es VaR β, = σ P, + + σ P, + z β sempre que se asuma depedeca ere los cambos daros del porafolo para los días y + y los días + y +. Debe oarse que los valores de σ,, σ y + j, + ρ j, + so el resulado de geerar Y muesras de amaño X, ambos lo sufceemee grades, y de aplcar el eorema del líme ceral sobre ales varables. Como caso parcular, asuma que se ee los daos que se muesra e la abla 6. Se lusra el respecvo valor del VaR e la msma abla, segú el modelo EWMA y el MBG e cojucó co EWMA, para Y = 00 y X = Puede oarse que, para los daos gresados, el valor de _días_99%_var es sgfcavamee dferee e ambos modelos. Eso sugere que corporar ua volaldad esocásca e el modelo EWMA proporcoa resulados del VaR cosderablemee alejados respeco a aquellos obedos por el modelo EWMA, dode se supoe ua volaldad cosae e u horzoe de empo dado. Tal dfereca ere resulados lleva a la ecesdad de couar co u esudo más amplo de la volaldad. 3. CONCLUSIONES Y PASOS A SEGUIR S se asume que los reoros porceuales de los acvos que compoe u porafolo co opcoes faceras sgue ua dsrbucó ormal mulvarada, el cambo e el valor del porafolo e el modelo cuadráco, P,se expresa como ua combacó leal de ua varable aleaora ormal y ua ch-cuadrada, y por lo ao, dcho cambo o es ecesaramee ormal. Como caso parcular de lo aeror, se cosderó u porafolo Uversdad de Medellí

13 Valor e resgo para u porafolo co opcoes faceras 7 Tabla 6. VaR para u porafolo co dos acvos usado EWMA y MBG (, ) Fuee: elaboracó propa. (,, ) λ λ λ (0.95, 0.95, 0.95) 3 µ µ (% de composcó coua aual) (6,6) α 000 α j 000 _ da_ 99%_ VaR EWMA _ das_ 99%_ VaR EWMA _ días_ 99%_ VaR EWMA y MBG día S (% día) S j (% día) σ (% día) σ j (% día) ρ j (% día) que coee ua opcó sobre ua dvsa, para el cual se ecoró, medae smulacó Moe Carlo y pruebas de bodad de ajuse, que el cambo e el valor del porafolo es ormal e el modelo cuadráco. S embargo, al relajar el codcoal radcoal de que la dsrbucó de P sea ormal, se empleó la expasó de Corsh-Fsher co el f de calcular el percel adecuado de P, a parr de sus res prmeros momeos, y así obeer ora esmacó del VaR más realsa que la ecorada por el modelo cuadráco. Para u porafolo co dos acvos y dos opcoes europeas sobre ellos, se calculó el VaR usado ua δ aproxmacó y ua smulacó Moe Carlo. Los valores obedos dfere sgfcavamee cuado se ulza ua prueba o paramérca. Eso sugere que la δ aproxmacó debería afarse co oras gregas ales como γ o θ. Se calculó el VaR para u porafolo co dos acvos resgosos y correlacoados, usado los modelos EWMA, dode la volaldad es cosae para ambos acvos e el horzoe de empo cosderado, y ua combacó ere el EWMA y MBG, dode la volaldad es esocásca e ambos acvos. E parcular, los resulados que se ecoraro para el VaR a u horzoe de dos días dfere sgfcavamee e ambos modelos, lo que sugere couar co u esudo más amplo de la volaldad. Se elaboraro alguas plallas eracvas e Excel, las cuales muesra los cálculos del VaR para los porafolos cosderados. Los cálculos so resumdos e las ablas a 6. Esas hojas de cálculo ofrece ua meodología oreada haca el cálculo del VaR para porafolos que comprede boos corporavos, TES colombaos, opcoes faceras y acvos co volaldad esocásca, y so el co del desarrollo de u aplcavo compuacoal para la medcó y gesó del resgo de mercado de u porafolo. Cabe aoar que la mplemeacó, por pare de u admsrador de u porafolo, de las formulacoes para el cálculo del VaR desarrolladas e ese arículo, debe esar acompañadas de las respecvas pruebas de back esg. Las plallas esá dspobles vía correo elecróco. REFERENCIAS [] J. P. Morga/Reuers. Rsk Mercs Techcal Docume. Techcal Repor, 4a edco, New York, December 995. [] F. Macaulay. Some Theorecal Problems Suggesed by Movemes of Ieres Raes, Bod Yeld ad Sock Revsa Igeerías Uversdad de Medellí, vol. 9, No. 7, pp ISSN julo-dcembre de 00/8 p. Medellí, Colomba

14 8 Carlos Alexáder Grajales Correa - Fredy Ocars Pérez Ramírez Prces he Ued Saes sce 856. Columba Uversy Press, 938. New York. [3] P. Arzer e al., Cohere Measures of Rsk, Mahemacal Face (9), pp. 03-8, 999. [4] R. T. Rockafellary S. P. Uryasev, Opmzao of Codoal Value-a-Rsk, Joural of Rsk,, pp. -4, 000. [5] R. T. Rockafellar y S. P. Uryasev, Codoal Valuea-Rsk for Geeral Loss Dsrbuos, Joural of Bakg ad Face, 6, pp , 00. [6] R. T. Rockafellar e al., Devao Measures Rsk Aalyss ad Opmzao. Research Repor # Rsk Maageme ad Facal Egeerg Lab., Ceer for Appled Opmzao, Deparme of Idusral ad Sysems Egeerg. Uversy of Florda. 00. [7] J. Hullad A. Whe, Icorporag Volaly Updag o he Hsorcal Smulao Mehod for Value a Rsk, Joural of Rsk, (), pp. 5-9, 998. [8] F. Jamshda, y Y. Zhu, Scearo Smulao: Theory ad Mehodology, Face ad Sochascs,, pp.43-67, 997. [9] A. McNel, Exreme Value Theory for Rsk Maagers, Ieral Modelg ad CAD II, Lodo: Rsk Books, pp. 93-3, 999. [0] J. Hull. Rsk Maageme ad Facal Isuos. Prece Hall, a edco, 009. Uversy of Toroo. [] P. Joro. Value a Rsk - The New Bechmark for Maagg Facal Rsk. McGraw - Hll, 3 a edcó, 007. [] J. Hull. Opos, Fuures ad oher Dervaves. Prece Hall, 6 a edcó, 006. Uversy of Toroo. [3] T. Bollerslev, Geeralzed Auoregressve Codoal Heeroscedascy, Joural of Ecoomercs, 3f, pp , 986. [4] A. Ese, Ivesgaos o he Theory of Browa Moveme, New York: Dover, 956. [5] Basel Commee o Bakg Supervso. Amedme o he Capal Accord o Icorporae Marke Rsks. Techcal repor, Bak for Ieraoal Selemes, 996. [6] Jaso, Svae y J. Tysk, Volaly Tme ad Properes of Opo Prces, The Aals of Appled Probably, 3(3), pp , 003. [7] A. Myklad, Coservave Dela Hedgg, The Aals of Appled Probably, 0(), pp , 000. [8] C. Grajales, y F. Pérez, Modelos dscreos y couos para esmar la desdad de probabldad de la volaldad esocásca de los redmeos de seres faceras, Cuaderos de Admsracó, (36), pp. 3-3, 008. [9] F. Black y M. Scholes, The Prcg of Opos ad Corporae Lables, The Joural of Polcal Ecoomy, 8(3), pp , May-Ju, 973. [0] R. McDoald. Dervaves Markes. Pearso, Addso Wesley, a edcó, 006. Uversdad de Medellí

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales.

PLAN DE TRABAJO 11 Período 23/10/06 al 3/11/06. Durante estas dos semanas estudiarás los modelos de regresiones lineales. Pla de Trabajo 0- Año 006 Curso Lbre Assdo de Esadísca II Docees resposables: Lercy Barros - María Sague PLAN DE TRABAJO Período 3/0/06 al 3//06 TEMAS A ESTUDIAR Durae esas dos semaas esudarás los modelos

Más detalles

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas

Estimación de parámetros en ecuaciones diferenciales estocásticas aplicadas a finanzas Esmacó de parámeros e ecuacoes dferecales esocáscas aplcadas a fazas Joh Freddy Moreo Trujllo * jho.moreo@uexerado.edu.co * Docee vesgador. Faculad de Fazas, Gobero y Relacoes Ieracoales. Uversdad Exerado

Más detalles

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES

UNIDAD 7.- Matrices (tema 1 del libro) = MATRICES UNIDD.- Marces (ema del lbro). MTRICES Ua mar se puede eeder como ua abla de úmeros ordeados e flas columas Defcó.- Se llama mar de dmesó m a u cojuo de úmeros reales dspuesos e m flas columas de la sguee

Más detalles

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA

INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Lecura 6 PRONÓSTICOS EN ACTIVOS REPARABLES INGENIERÍA DE CONFIABILIDAD.. PORQUE UNA DE LAS FORMAS MÁS IMPORTANTES DE AGREGAR VALOR, ES EVITAR QUE SE DESTRUYA Medardo Yañez Yañez Meda, Medardo - Gómez de

Más detalles

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL

VOLUMEN IV CAPITULO 3 METODOLOGÍA PARA LA ACTULIZACIÓN DE LAS CURVA DE COSTOS ÓPTIMOS DE RACIONAMIENTO DE ELECTRICIDAD Y GAS NATURAL ESTUDO DE OSTOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL Volume V apulo 3 forme Fal Revsó. VOLUMEN V APTULO 3 METODOLOGÍA PARA LA ATULZAÓN DE LAS URVA DE OSTOS ÓPTMOS DE RAONAMENTO DE ELETRDAD Y GAS NATURAL

Más detalles

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE

TEMA 5: CAPITALIZACIÓN COMPUESTA ÍNDICE Maemácas Faceras Prof. Mª Mercedes Rojas de Graca TEMA 5: APITALIZAIÓN OMPUESTA ÍNDIE. APITALIZAIÓN OMPUESTA..... ONEPTO..... DESRIPIÓN DE LA OPERAIÓN....3. ARATERÍSTIAS DE LA OPERAIÓN....4. DESARROLLO

Más detalles

Duración y Convexidad I

Duración y Convexidad I Marí Herádez errao Modelo Aleravo Duracó y Covexdad I E ese maeral se presea de forma accesble, mas co u grado resposable de rgor maemáco, los cocepos de duracó y covexdad. e asume que el lecor cuea co

Más detalles

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005

Reglas para el manejo de los índices de deuda de la BNV. Bolsa Nacional de Valores Version 4.4 13/07/2005 Reglas para el maejo de los ídces de deuda de la BV Bolsa acoal de Valores Verso 4.4 3/07/005 ága de 6 COTEIDO ITRODUCCIÓ... 4. erspecva geeral... 4 MAEJO DE LOS ÍDICES... 6. Comé de Ídces de íulos de

Más detalles

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México

Una Estrategia de Acumulación de Reservas Mediante Opciones de Venta de Dólares. El Caso de Banco de México Ua Esraega de Acumulacó de Reservas Medae Opcoes de Vea de Dólares. El Caso de Baco de Méxco INDICE I. REUMEN... II. INTRODUCCIÓN...3 III. IV. OPCIONE DE VENTA DE DÓLARE...4 III.. PRINCIPALE CARACTERÍTICA...4

Más detalles

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES

TEMA 3: EQUIVALENCIA FINANCIERA DE CAPITALES Maemácas Faceras Prof. Mª Mercees Rojas e Graca TEMA 3: EQUIVALENIA FINANIERA DE APITALE ÍNDIE. PRINIPIO DE EQUIVALENIA DE APITALE: ONEPTO. APLIAIONE DEL PRINIPIO DE EQUIVALENIA: UTITUIÓN DE APITALE....

Más detalles

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años.

1. Una empresa estudia la evolución de los precios en euros de tres componentes (A, B, C) para una pieza en los últimos 5 años. Ejerccos Resuelos Números Ídces Faculad Cecas Ecoómcas y Emresarales Dearameo de Ecoomía Alcada Profesor: Saago de la Fuee Ferádez 1. Ua emresa esuda la evolucó de los recos e euros de res comoees (A,

Más detalles

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea

1.1.- Concepto Definición de cono Definición de función homogénea Interpretación económica de la función homogénea Fucoes homogéeas FUNCIONES HOMOGÉNEAS (ESQUEMA).- Cocepo y propedades...- Cocepo Defcó de coo Defcó de fucó homogéea Ierpreacó ecoómca de la fucó homogéea..- Propedades (Operacoes co fucoes homogéeas)

Más detalles

Una formulación general de un modelo de regresión paramétrico es la siguiente:

Una formulación general de un modelo de regresión paramétrico es la siguiente: Esmadores úcleos y polomos locales. Fracsco Parra Rodrguez Docor e Cecas Ecoómcas. UNED. Modelos de regresó o paramércos Los modelos de regresó paramércos supoe ue los daos observados provee de varables

Más detalles

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones:

Figura 1. Figura 2. Para realizar este análisis asumiremos las siguientes condiciones: Coverdor PUH PU El coverdor Push Pull es u coverdor que hace uso de u rasformador para eer aslameo ere la esó de erada y la esó de salda. Posee además ua ducaca magezae propa del rasformador que como al

Más detalles

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel

estimación de la estructura de Tasas nominales de chile: aplicación del modelo dinámico nelson-siegel Volume 4 - º / dcembre 0 estmacó de la estructura de Tasas omales de chle: aplcacó del modelo dámco elso-segel Rodrgo Alaro A. * Sebasá Becerra C. ** Adrés Sager T. *** I. IroduccIó La esmacó de la esrucura

Más detalles

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA.

Taller de Preparación para el examen Models Life Contingencies (MLC) de la SOA. Taller de Preparacó para el eame Models Lfe Cogeces MLC de la SO. Trdad Gozález Bolla El presee es u forme del rabajo desarrollado durae el aller de preparacó para el eame MLC de SO ue uo lugar e la Faculad

Más detalles

4.4. La ciudad circular El Modelo de Salop

4.4. La ciudad circular El Modelo de Salop 4.4. La cudad crcular El Malde Machado Ecoomía Idusral - Malde Machado La Cudad Crcular El modelo de Salop 4.4. La cudad crcular El E el modelo de Hoellg habamos supueso que solo hay dos empresas. Ahora

Más detalles

ELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X

ELABORACIÓN DE UN ÍNDICE COMPUESTO CAPÍTULO = X 5 CAPÍTULO ELABORACIÓN DE UN ÍNDICE COMPUESTO Ls Ídces Cmpuess, expresa de maera resumda la varacó prmed de u cju de varables respec de u períd base. Csderems u Agregad Cmplej "X", csud pr las varables

Más detalles

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores

Para el caso τ = 20 [min], la función se puede representar de las siguientes formas: a) Función Matemática: b) Tabla de Valores 1 RAPIDEZ DE CAMBIO Semaa 05 1 Varables depedees y o depedees Defr los cocepos: varable, cosae, cremeo, varacó. Defr los cocepos: varable depedee, varable depedee. Recoocer varables depedees e depedees.

Más detalles

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA.

TEMA 2.- LA CAPITALIZACIÓN COMPUESTA. TEMA.- LA APITALIZAIÓN OMPUESTA. Objevo: Foralzar la ley de capalzacó copuesa y esudar sus agudes dervadas.. EXPRESIÓN ANALÍTIA Y REPRESENTAIÓN GRÁFIA. La ley facera de capalzacó copuesa ee la sguee expresó

Más detalles

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx

TEMA 3. Medidas de variabilidad y asimetría. - X mín. X máx TEMA 3 Meddas de varabldad y asmetría 1. MEDIDAS DE VARIABILIDAD La varabldad o dspersó hace refereca al grado de varacó que hay e u cojuto de putuacoes. Por ejemplo: etre dos dstrbucoes que preseta la

Más detalles

Introducción a la Estadística Descriptiva

Introducción a la Estadística Descriptiva Iroduccó a la Esadísca Descrpva ª Edcó Carla Re Graña María Raml Díaz ITRODUCCIÓ A LA ESTADÍSTICA DESCRIPTIVA. ª Edcó o esá permda la reproduccó oal o parcal de ese lbro, su raameo formáco, la rasmsódeguaformaoporcualquermedo,aseaelecróco,mecáco,porfoocopa,por

Más detalles

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes

Vida media residual de mixturas finitas y aplicaciones a sistemas coherentes Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Vda meda resdual de mxuras fas y aplcacoes a ssemas coherees Navarro Camacho, Jorge jorgeav@umes Deparameo de Esadísca e Ivesgacó Operava Uversdad

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001

REVISTA INVESTIGACION OPERACIONAL Vol. 22, No. 2, 2001 REVISA INVESIGACION OPERACIONAL Vol., No., SOLUCIONES A DIFERENES PROBLEMAS DENRO DEL CAMPO DE LA COMUNICACION ESADISICA J. Navarro Moreo, J.C. Ruz Mola y R.M. Ferádez Alcalá, Deparameo de Esadísca e Ivesgacó

Más detalles

La inferencia estadística es primordialmente de naturaleza

La inferencia estadística es primordialmente de naturaleza VI. Ifereca estadístca Ifereca Estadístca La fereca estadístca es prmordalmete de aturaleza ductva y llega a geeralzar respecto de las característcas de ua poblacó valédose de observacoes empírcas de la

Más detalles

Efecto herding en el mercado bursátil español: detección, caracterización e implicaciones

Efecto herding en el mercado bursátil español: detección, caracterización e implicaciones Efeco herdg e el mercado bursál español: deeccó, caracerzacó e mplcacoes Navdad Blasco de las eras. 6 de abrl de 00. Valeca POR QUÉ? Racoaldad y emocoes so complemearos e los procesos de oma de decsoes

Más detalles

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión

Modelos de Regresión análisis de regresión diagrama de dispersión coeficientes de regresión Modelos de Regresó E muchos problemas este ua relacó herete etre dos o más varables, resulta ecesaro eplorar la aturaleza de esta relacó. El aálss de regresó es ua técca estadístca para el modelado la

Más detalles

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002

REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 REVISTA INVESTIGACION OPERACIONAL Vol. 23, No.2, 2002 UN SISTEMA BASADO EN CASOS PARA LA TOMA DE DECISIONES EN CONDICIONES DE INCERTIDUMBRE Ilaa Guérrez Maríez, Rafael E. Bello Pérez y Adrés Tellería Rodríguez

Más detalles

n t T é c n i c Curso de Estadística con R Autor: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas Económicas y Sociodemográficas ICANE

n t T é c n i c Curso de Estadística con R Autor: Francisco Parra Rodríguez Jefe de Servicio de Estadísticas Económicas y Sociodemográficas ICANE D o c u m e Curso de Esadísca co R o s Auor: Fracsco Parra Rodríguez Jefe de Servco de Esadíscas Ecoómcas y Socodemográfcas ICANE DOC. Nº /6 ISSN 444-67 Saader, Caabra T é c c o s . EL MODELO LINEAL GENERAL...3..

Más detalles

LIBOR Market Model. Una aproximación al paradigma lognormal en la valoración de derivados sobre tipo s de interés.

LIBOR Market Model. Una aproximación al paradigma lognormal en la valoración de derivados sobre tipo s de interés. LIBOR Marke Model. Ua aproxmacó al paradgma logormal e la valoracó de dervados sobre po s de erés. Esaslao Slla Sacho Trabao de Ivesgacó del Programa de Docorado Ieruversaro e Fazas Cuaavas º Julo 3 Uversdad

Más detalles

Capítulo 3. Consideraciones sobre métodos numéricos

Capítulo 3. Consideraciones sobre métodos numéricos 3.. Iroduccó 5 Capíulo 3. Cosderacoes sobre méodos umércos 3.. Iroduccó E ese capíulo se presea la eoría y alguos cocepos sobre los que se susea los esquemas umércos de ala resolucó. Su aplcacó a las ecuacoes

Más detalles

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales

Estimación de Parámetros de Sistemas Lineales vía Matrices Operacionales Esmacó de Parámeros de Ssemas Leales vía Marces Operacoales Isdro I. Lázaro, Salvador Ramírez lazaro@zeus.umch.mx szavala@zeus.umch.mx Faculad de Igeería Elécrca-Uversdad Mchoacaa de Sa Ncolás de Hdalgo

Más detalles

TRANSMISIÓN DE CALOR MULTIDIRECCIONAL Y TRANSITORIA

TRANSMISIÓN DE CALOR MULTIDIRECCIONAL Y TRANSITORIA Daposva ema6: rasmsó de calor muldreccoal rasora RANSMISIÓN DE CALOR MULIDIRECCIONAL Y RANSIORIA J.M.Corberá, R. Roo (UPV Daposva ema6: rasmsó de calor muldreccoal rasora ÍNDICE. RANSMISIÓN DE CALOR MULIDIRECCIONAL.

Más detalles

CURSO DE ECONOMETRIA BÁSICA

CURSO DE ECONOMETRIA BÁSICA CURSO DE ECONOMETRIA BÁSICA D. Fracsco Parra Rodríguez. Jefe de Servco de Esadíscas Ecoómcas y Socodemografcas. Isuo Caabro de Esadísca. ICANE, ÍNDICE Tema. Regresó y correlacó leal smple Tema. Regresó

Más detalles

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL

DISTRIBUCIÓN DE LA MEDIA Y EL TEOREMA DEL LÍMITE CENTRAL Smposo de Metrología 4 al 7 de Octubre DISTRIBUCIÓ DE LA MEDIA Y EL TEOREMA DEL LÍMITE CETRAL Wolfgag A. Schmd Cetro acoal de Metrología Tel.: (44) 4, e-mal: wschmd@ceam.mx Resume: De acuerdo al Teorema

Más detalles

REGRESIÓN LINEAL SIMPLE

REGRESIÓN LINEAL SIMPLE RGRIÓN LINAL IMPL l aálss de regresó es ua técca estadístca para vestgar la relacó fucoal etre dos o más varables, ajustado algú modelo matemátco. La regresó leal smple utlza ua sola varable de regresó

Más detalles

Método de depreciación de reducción de saldos y saldos decrecientes sin error residual

Método de depreciación de reducción de saldos y saldos decrecientes sin error residual esó Jove Revsa de la Agrupacó Jove Iberoamercaa de oabldad y Admsracó de Empresas (AJOIA) º 7 07 I 988-90 pp 60-75 Méodo de deprecacó de reduccó de saldos y saldos decrecees s error resdual uevo méodo

Más detalles

Curvas Sistemas Gráficos Ing. Horacio Abbate 1

Curvas Sistemas Gráficos Ing. Horacio Abbate 1 Crvas Ssemas Gráfcos Ig. Horaco Abbae Polomos de erse Para y cosderar Para y cosderar - - Forma a base ara los olomos de grado. Calqer olomo de grado se ede descrbr como a combacó leal de olomos de erse

Más detalles

LA IMPORTANCIA DE LA VOLATILIDAD EN LA SELECCIÓN OPTIMA DE PORTAFOLIOS Alvaro José Cobo Quintero*

LA IMPORTANCIA DE LA VOLATILIDAD EN LA SELECCIÓN OPTIMA DE PORTAFOLIOS Alvaro José Cobo Quintero* A IMPORACIA D A OAIIDAD A SCCIÓ OPIMA D PORAFOIOS Alvaro José Cobo Quero* alvaro_josecobo@yahoo.com ajcobo@davveda.com Bogoá, Colomba Prmera ersó: Ocubre 3 Borrador *Iegrae del Dearameo de Aálss de Resgo

Más detalles

Un indicador mensual adelantado del sector de construcción: IMACO

Un indicador mensual adelantado del sector de construcción: IMACO U dcador mesual adelaado del secor de cosruccó: IMACO Sere Documeos de Trabajo [No. 34] Abrl Al Acosa Dael Barráez Elsy Paracare Baco Ceral de Veezuela Caracas Gereca de Ivesgacoes Ecoómcas Produccó edoral

Más detalles

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción.

TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO Introducción. TEMA 5.- LA DECISIÓN DE INVERTIR EN UN CONTEXTO DE RIESGO 5..- Itroduccó. Stuacoes segú el vel de formacó: Certeza. Icertdumbre parcal o resgo: (Iversoes co resgo) Icertdumbre total: (Iversoes co certdumbre)

Más detalles

Años I0 t (base 1992 = 100)

Años I0 t (base 1992 = 100) Esadísca y Meodología de la vesgacó Dada cualquer varable de la que coocemos los valores referdos a dsos perodos emporales, eedemos por úmero ídce de esa varable e dchos perodos el resulado de dvdr los

Más detalles

MOF - COMPETENCIA 1 FUNDAMENTOS DE LAS OPERACIONES FINANCIERAS

MOF - COMPETENCIA 1 FUNDAMENTOS DE LAS OPERACIONES FINANCIERAS MOF - OMPETENIA FUNDAMENTOS DE LAS OPERAIONES FINANIERAS apalzacó ompuesa. apalzacó Smple. Acualzacó ompuesa y Smple. Equvalecas Faceras. Aplcacoes de la apalzacó y del Descueo. Valores Medos: Ufcacó de

Más detalles

Análisis de Regresión

Análisis de Regresión Aálss de Regresó Ig. César Augusto Zapata Urqujo Ig. José Alejadro Marí Del Río Facultad de Igeería Idustral Uversdad Tecológca de Perera 0-05 Modelo de Regresó Leal Smple Y Dados A (, ) =,,. Gráfco o

Más detalles

1. Introducción 1.1. Análisis de la Relación

1. Introducción 1.1. Análisis de la Relación . Itroduccó.. Aálss de la Relacó Ejemplos: Relacoes fucoales de terés Redmeto Doss de fertlzate Redmeto hortícola Desdad de platacó Volume de madera a cortar Desdad de platacó Catdad de suplemeto dado

Más detalles

INCERTIDUMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMULACION DE OBJETOS EN MOVIMIENTO.

INCERTIDUMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMULACION DE OBJETOS EN MOVIMIENTO. Scea e Tecca Año XV, No, Dcembre 009. versdad Tecológca Perera. ISSN 0-70 5 INCERTIDMBRE EN LA MEDICIÓN DE LA VELOCIDAD PARA LA SIMLACION DE OBJETOS EN MOVIMIENTO. Measureme uceray of e velocy for e smulao

Más detalles

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU

MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU MODELOS DE REGRESIÓN LINEALES Y NO LINEALES: SU APLICACIÓN EN PROBLEMAS DE INGENIERÍA Clauda Maard Facultad de Igeería. Uversdad Nacoal de Lomas de Zamora Uversdad CAECE Bueos Ares. Argeta. maard@uolsects.com.ar

Más detalles

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez

ANÁLISIS DE REGRESIÓN. Departamento de Matemáticas Universidad de Puerto Rico Recinto Universitario de Mayagüez ANÁLISIS DE REGRESIÓN Feradez Departameto de Matemátcas Uversdad de Puerto Rco Recto Uverstaro de Mayagüez REGRESIÓN LINEAL SIMPLE Regresó: cojuto de téccas que so usadas para establecer ua relacó etre

Más detalles

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL

ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL ANÁLISIS DE REGRESIÓN Y CORRELACIÓN LINEAL TIPOS DE RELACIONES ENTRE VARIABLES Dos varables puede estar relacoadas por: Modelo determsta Modelo estadístco Ejemplo: Relacó de la altura co la edad e ños.

Más detalles

4 METODOLOGIA ADAPTADA AL PROBLEMA

4 METODOLOGIA ADAPTADA AL PROBLEMA 4 MEODOLOGA ADAPADA AL PROBLEMA 4.1 troduccó Báscamete el problema que se quere resolver es ecotrar la actuacó óptma sobre las tesoes de los geeradores, la relacó de tomas de los trasformadores y el valor

Más detalles

Metodología Índice de Precios de Edificaciones Nuevas

Metodología Índice de Precios de Edificaciones Nuevas Meodología Ídce de recos de Edfcacoes Nuevas COLECCIÓN DOCUMENTOS - ACTUALIZACIÓN 29 Núm. 66 DEARTAMENTO ADMINISTRATIVO NACIONAL DE ESTADÍSTICA HÉCTOR MALDONADO GÓMEZ Drecor CARLOS EDUARDO SEÚLVEDA RICO

Más detalles

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística

Modelación hidrológica empleando isoyetas de relieve, una aproximación geoestadística lmae Varably ad hage Hydrologcal Impacs Proceedgs of he Ffh FRIND World oferece held a Havaa uba November 006 IAHS Publ. 308 006. 6 odelacó hdrológca empleado soyeas de releve ua aproxmacó geoesadísca

Más detalles

En esta sección estudiaremos el caso en que se usa un solo "Predictor" para predecir la variable de interés ( Y )

En esta sección estudiaremos el caso en que se usa un solo Predictor para predecir la variable de interés ( Y ) Regresó Leal mple. REGREIÓN IMPLE El aálss de regresó es ua herrameta estadístca la cual utlza la relacó, etre dos o más varables de modo que ua varable pueda ser predcha desde la (s) otra (s). Por ejemplo

Más detalles

Sistemas Productivos

Sistemas Productivos Ssemas Producvos º Elemeos de dseño del proceso producvo A la hora de dseñar ua udad producva, hay que realzar ua sere de decsoes esraégcas que cluye ecesaramee:. Localzacó de la plaa: lugar dode físcamee

Más detalles

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)

TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TEMAS DE MATEMÁTICAS (Oposcoes de Secudara TEMA 8 MATRICES. ALGEBRA DE MATRICES. APLICACIONES AL CAMPO DE LAS CIENCIAS SOCIALES Y DE LA NATURALEZA.. Iroduccó.. Cocepo báscos... Tpos de marces. 3. M mx

Más detalles

Expectativas del Mercado y Creación de Valor en la Empresa

Expectativas del Mercado y Creación de Valor en la Empresa 2d teratoal Coferece o dustral Egeerg ad dustral Maagemet X Cogreso de geería de Orgazacó September 3-5, 28, Burgos, Spa Expectatvas del Mercado y Creacó de Valor e la Empresa elpe Ruz López 1, Cáddo Barrea

Más detalles

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL Probabldad y Estadístca Meddas de tedeca Cetral MEDIDAS DE TENDENCIA CENTRAL E la udad ateror se ha agrupado la ormacó y además se ha dado ua descrpcó de la terpretacó de la ormacó, s embargo e ocasoes

Más detalles

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL

1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL Estadístca y probabldad 1 DISTRIBUCIONES DE PROBABILIDAD DE VARIABLE DISCRETA. LA BINOMIAL 1.1 DISTRIBUCIONES ESTADÍSTICAS Se usa dagramas de barras, dode la altura de éstas represeta la recueca de cada

Más detalles

Manual del usuario. Software de Matemáticas Herramientas de Estadística y Probabilidad. HEST Versión 1.9.7

Manual del usuario. Software de Matemáticas Herramientas de Estadística y Probabilidad. HEST Versión 1.9.7 Maual del usuaro HET Versó.9.7 ofware de Maemácas Herrameas de Esadísca y robabldad Wdows X - Wdows Vsa - Wdows 7 - Wdows 8 - Wdows O F T W R E Refereca: HET www.vaasofware.com EÑOL ÍDICE Iroduccó...3

Más detalles

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012

Tema 2: Análisis gráfico y estadístico de relaciones. Universidad Complutense de Madrid Febrero de 2012 Tema 2: Aálisis gráfico y esadísico de relacioes Uiversidad Compluese de Madrid Febrero de 202 Aálisis gráfico y descripivo de ua variable (I) Daos de series emporales: Rea per c pia EEUU Cosumo per c

Más detalles

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A

GRADO EN PSICOLOGIA INTRODUCCIÓN AL ANÁLISIS DE DATOS Código Asignatura: FEBRERO 2010 EXAMEN MODELO A Febrero 20 EAMEN MODELO A Pág. 1 GRADO EN PICOLOGIA INTRODUCCIÓN AL ANÁLII DE DATO Códgo Asgatura: 620137 FEBRERO 20 EAMEN MODELO A Tabla 1: Para estudar la relacó etre las putuacoes e u test () y el redmeto

Más detalles

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica

Ensayos Limitaciones del modelo lineal de probabilidad y alternativas de modelación microeconométrica Esayos Lmacoes del modelo leal de probabldad y aleravas de modelacó mcroecoomérca Resume Absrac Résumé E ese arículo se eama res méodos para desarrollar modelos de probabldad para ua varable de respuesa

Más detalles

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética

Objetivos. Introducción n a las medidas de posición n (tendencia central o tipismo): Moda y Mediana Media aritmética Objetvos Itroduccó a las meddas de poscó (tedeca cetral o tpsmo): Moda y Medaa Meda artmétca tca Cuartles,, decles y percetles Meddas de poscó Defcó: : refereca a u lugar específco de ua dstrbucó, epresado

Más detalles

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función

Fórmulas de de Derivación Numérica: Aproximación de de la la derivada de de orden k de de una función Uversdad Poltécca de Madrd Igeería de Mas Fórmulas de de Dervacó Numérca: Aproxmacó de de la la dervada de de orde k de de ua ucó Pro. Arturo Hdalgo LópezL Pro. Alredo López L Beto Pro. Carlos Code LázaroL

Más detalles

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór

4. Fórmula de Lagrage El polomo de terpolacó de Hermte, p (x, de la fucó f e los putos dsttos x,,x admte la expresó: p( x f (x L (x + f '(x L (x, (Fór Capítulo 4 Iterpolacó polomal de Hermte E determadas aplcacoes se precsa métodos de terpolacó que trabaje co datos prescrtos de la fucó y sus dervadas e ua sere de putos, co el objeto de aumetar la aproxmacó

Más detalles

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1

RENTABILIDAD Y RIESGO DE CARTERAS Y ACTIVOS TEMA 3- I FUNTAMENTOS DE DIRECCIÓN FINANCIERA. Fundamentos de Dirección Financiera Tema 3- Parte I 1 RENTILIDD Y RIESGO DE CRTERS Y CTIVOS TEM 3- I FUNTMENTOS DE DIRECCIÓN FINNCIER Fudametos de Dreccó Facera Tema 3- arte I RIESGO y RENTILIDD ( decsoes de versó productvas) EXISTENCI DE RIESGO ( los FNC

Más detalles

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto:

Respuesta. Si 100 manzanas es una muestra suficientemente grande podemos ocupar el TCL. Por lo tanto: Curso: Estadístca Iferecal (ICO 8306) Profesores: Esteba Calvo, Pablo Huechapa y Omar Ramos Ayudates: José T. Meda, Fabo Salas y Daela Vlches PROBLEMA Cosdere que Ud. es dueño de u campo que produce mazaas,

Más detalles

Influencia de distribución del tiempo de ocurrencia entre siniestros en la solvencia de las carteras de seguros no vida (*)

Influencia de distribución del tiempo de ocurrencia entre siniestros en la solvencia de las carteras de seguros no vida (*) ESTADÍSTICA ESPAÑOLA Vol. 50, úm. 69, 008, págs. 455 a 478 Iflueca de dsrbucó del empo de ocurreca ere sesros e la solveca de las careras de seguros o vda (*) por MAITE MÁRMOL JIMÉNEZ y M. MERCE CLARAMUNT

Más detalles

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo

Estadística. Tema 2: Medidas de Tendencia Central.. Estadística. UNITEC Tema 2: Medidas de Tendencia Central Prof. L. Lugo Estadístca Tema : Meddas de Tedeca Cetral. Estadístca. UNITEC Tema : Meddas de Tedeca Cetral 1 Parámetros y Estadístcos Parámetro: Es ua catdad umérca calculada sobre ua poblacó La altura meda de los dvduos

Más detalles

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II.

Teoría Simplificada de ERRORES Suscriben este documento los coordinadores de Laboratorio de Química, Física I y Física II. Teoría Smplfcada de ERRORES Suscrbe este documeto los coordadores de Laboratoro de Químca, Físca I y Físca II. Defcoes Báscas: -Error absoluto (o error): Itervalo xe dode co máxma probabldad se ecuetra

Más detalles

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1)

ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO 1 (NOVALES 2.1) ESTADÍSTICA II SOLUCIÓN-PRÁCTICA 7: SERIES DE TIEMPO EJERCICIO (NOVALES.) Cosideremos P P e g. Dado que dicha fució es coiua y que exise y so coiuas las derivadas de odos los órdees, podemos aplicar Taylor

Más detalles

Método Matemático para las Series Uniformes o Anualidades

Método Matemático para las Series Uniformes o Anualidades Mg Mao Aoo Plaza Vdaue Méodo Maemáo paa las Sees Ufomes o Aualdades E el pesee doumeo ulzaemos es méodos paa halla las fómulas que se ulza paa efeua álulos faeos e las aualdades vedas Pmeo se hallaá la

Más detalles

Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida

Análisis de supervivencia. Albert Sorribas Grup de Bioestadística I Biomatemàtica Departament de Ciències Mèdiques Bàsiques Universitat de Lleida Análss de supervvenca Alber Sorrbas Grup de Boesadísca I Bomaemàca Deparamen de Cènces Mèdques Bàsques Unversa de Lleda Esquema general Inroduccón al análss de supervvenca Tpos de esudos El concepo de

Más detalles

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO.

Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGNIFICADO. Tema 60.Parámetros estadístcos. Calculo propedades y sgfcado Tema 60. PARÁMETROS ESTADÍSTICOS: CÁLCULO, PROPIEDADES Y SIGIFICADO.. Itroduccó. Defcó de estadístca. Estadístca descrptva y estadístca ferecal.

Más detalles

Regresión lineal simple

Regresión lineal simple Descrpcó breve del tema Regresó leal smple Tema. Itroduccó. El modelo de regresó smple 3. Hpótess del modelo Lealdad, homogeedad, homocedastcdad, depedeca ormaldad 4. Estmacó de los parámetros Mímos cuadrados,

Más detalles

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09

Métodos Estadísticos Aplicados a la Ingeniería Examen Temas 1-4 Ingeniería Industrial (E.I.I.) 23/4/09 Métodos Estadístcos Aplcados a la Igeería Exame Temas -4 Igeería Idustral (E.I.I.) 3/4/09 Apelldos y ombre: Calfcacó: Cuestó..- Se ha calculado el percetl 8 sobre las estadístcas de sestraldad e el sector

Más detalles

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN

VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN VARIABLE ALEATORIA Y FUNCIÓN DE DISTRIBUCIÓN - INTRODUCCIÓN E este tema se tratará de formalzar umércamete los resultados de u feómeo aleatoro Por tato, ua varable aleatora es u valor umérco que correspode

Más detalles

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l

Un forward sobre commodities como el oro sufre una pequeña variación ya que se incluye la tasa de interés del oro (lease rate) con la variable l El Forward U corao fuuro o a plazo, s odo aqul cuya lqudacó o slm dfr hasa ua fcha posror spulada l msmo, s dcr s dos pas acurda hacr la rasaccó hasa u prodo fuuro dígas por jmplo 6 mss, so s u corao forward.

Más detalles

Tema 1: Transformada de Laplace. Contenidos Transformada de Laplace

Tema 1: Transformada de Laplace. Contenidos Transformada de Laplace Tema Traformada de aplace Traformada de aplace Traformada vera de aplace Coedo Grupo EDUMATICUS. Deparameo de Maemáca Aplcada. Uverdad de Málaga Amplacó de Cálculo 2/. Ecuela Polécca Superor Tema : Traformada

Más detalles

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en

CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA. Los datos sintéticos son elementos de suma importancia en los sistemas de diseño en CAPÍTULO III TÉCNICAS DE SIMULACIÓN ESTADÍSTICA 3. Itroduccó Los datos stétcos so elemetos de suma mportaca e los sstemas de dseño e presas de almaceameto, ya que se evalúa el propósto del sstema co sumo

Más detalles

MODELOS DE LENGUAJE VARIANTES EN EL TIEMPO

MODELOS DE LENGUAJE VARIANTES EN EL TIEMPO MODELOS DE LENGUAJE VARIANTES EN EL TIEMPO Mloe D H, Rubo A J 2 y López-Cózar R 2 Uversdad Nacoal de Ere Ríos, Argea, dmloe@eeeorg 2 Uvesdad de Graada, España, {rubo, rlopezc}@ugres PALABRAS CLAVE Recoocmeo

Más detalles

Implantación del Modelo CyRCE:

Implantación del Modelo CyRCE: BACO DE MEXICO Imlaacó del Modelo CyRCE: Smlfcacoes or esrucura y esmacó de arámeros. erado Avla Embríz Javer Márquez Dez-Caedo Albero Romero Arada Abrl- Imlaacó del Modelo CyRCE: Smlfcacoes or esrucura

Más detalles

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA

LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA LA MEDIANA ROBUSTA SOBRE UN ÁRBOL CUANDO LA DEMANDA ES INCIERTA M.J. Caós M. Maríez 2 M. Mocholí V. Navarro 3 U. de Valeca Florda Uversara U. de Valeca U. de Valeca mara..caos@uv.es marsam@florda-u.es

Más detalles

Estimación de parámetros Tema 2. Propiedades de los buenos estimadores. 2. Estimación por intervalos

Estimación de parámetros Tema 2. Propiedades de los buenos estimadores. 2. Estimación por intervalos Uverdad Auóoma de Madrd Emacó de parámero Tema. Emacó puual Propedade de lo bueo emadore. Emacó por ervalo.. Coruccó del ervalo de cofaza. íme cofdecale. Nvel de cofaza y vel de rego... Iervalo de cofaza

Más detalles

Flujo en acuífero libre

Flujo en acuífero libre SESIÓN PRÁCTICA EDP PARABÓLICA CON MÉTODO FTCS Flujo e acuíero lbre E esa sesó se aalza medae el méodo eplíco de derecas as la evolucó emporal del vel reáco sobre ua geomería de acuíero lbre alerada por

Más detalles

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE)

División de Estadísticas y Proyecciones Económicas (DEPE) Centro de Proyecciones Económicas (CPE) Comsó Ecoómca para Amérca Lata y el Carbe (CEPAL Dvsó de Estadístcas y Proyeccoes Ecoómcas (DEPE Cetro de Proyeccoes Ecoómcas (CPE Estmacó Putual de Parámetros Chrsta A. Hurtado Navarro Mayo, 006 Estmacó

Más detalles

4º MEDIO: MEDIDAS DE POSICIÓN

4º MEDIO: MEDIDAS DE POSICIÓN 4º MEDIO: MEDIDAS DE POSICIÓN També llamadas de cetralzacó o de tedeca cetral. Srve para estudar las característcas de los valores cetrales de la dstrbucó atededo a dsttos crteros. Veamos su sgfcado co

Más detalles

V II Muestreo por Conglomerados

V II Muestreo por Conglomerados V II Muestreo por Coglomerados Dr. Jesús Mellado 31 Por alguas razoes aturales, los elemetos muestrales se ecuetra formado grupos, como por ejemlo, las persoas que vve e coloas de ua cudad, lo elemetos

Más detalles

Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009

Facultad de Ciencias Económicas y Administrativas. Departamento de Economía. Análisis Espectral. Alvaro Montenegro. Bogotá, Marzo de 2009 Faculad de Cecas Ecoómcas y Admsravas Deparameo de Ecoomía Aálss Especral Alvaro Moeegro Bogoá, Marzo de 009 Esa vesgacó fue facada por la Pofca Uversdad Javeraa y correspode a desarrollos del proyeco

Más detalles

TEMA 4: VALORACIÓN DE RENTAS

TEMA 4: VALORACIÓN DE RENTAS TEMA 4: ALORACIÓN DE RENTAS 1. Cocepto y valor facero de ua reta 2. Clasfcacó de las retas. 3. aloracó de Retas dscretas. Temporales. 4. aloracó de Retas dscretas. Perpetuas. 5. Ejerccos tema 4. 1. Cocepto

Más detalles

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún:

MUESTREO EN POBLACIONES FINITAS (1) Dos aspectos básicos de la inferencia estadística, no vistos aún: A. Morllas - p. - MUESTREO E POBLACIOES FIITAS () Dos aspectos báscos de la fereca estadístca, o vstos aú: Proceso de seleccó de la muestra Métodos de muestreo Tamaño adecuado e poblacoes ftas Fabldad

Más detalles

METODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar)

METODOLOGÍA ÍNDICE DE DISTRIBUCIÓN DE ENERGÍA ELÉCTRICA, GAS POR CAÑERÍA Y AGUA POTABLE (IDEGA) (Preeliminar) MEODOLOGÍA ÍNDCE DE DSBUCÓN DE ENEGÍA ELÉCCA, GAS PO CAÑEÍA Y AGUA POABLE (DEGA) (Preelmar) SUBDECCÓN ÉCNCA SUBDECCÓN DE OPEACONES Saago, 26 de Dcembre de 2007 CHDA/GGM/GMA/VM ÍNDCE Págas. roduccó 3 2.

Más detalles

FEM-OF: EDP Elíptica de 2 Orden

FEM-OF: EDP Elíptica de 2 Orden 9/02/2008 Capítulo 5: FM-OF: D líptca de 2 Orde Idce: 5..- Operador Dferecal líptco 5.2.- roblema Básco 5.3.- Fucoes Óptmas 5.4.- FM-OF Steklov-ocaré 5.5.- FM-OF Trefftz-Herrera 5.6.- FM-OF etrov-galerk

Más detalles

El efecto traspaso de la tasa de interés en el Perú: Un análisis a nivel de bancos ( )

El efecto traspaso de la tasa de interés en el Perú: Un análisis a nivel de bancos ( ) El efeco raspaso de la asa de nerés en el Perú: Un análss a nvel de bancos (2002-2005) Rocío Gondo Erck Lahura Dona Rodrguez Marzo, 2006 CONTENIDO Objevo Imporanca Trabajos Prevos Trabajos Prevos Perú

Más detalles

3 Metodología de determinación del valor del agua cruda

3 Metodología de determinación del valor del agua cruda 3 Metodología de determacó del valor del agua cruda Este aexo de la metodología del valor de agua cruda (VAC), cotee el método de detfcacó de la relacó etre reco y caudal, el cálculo de los estadígrafos

Más detalles

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY

RESUMEN. Códigos de campo JEL: F0 C6 SUMMARY RESUMEN El ema raado e ese rabao se emarca dero del esquema de Cueas Saéle del Tursmo. Maemácamee se desarrolla u ssema de ecuacoes e dferecas. Se pare de la ecuacó macroecoómca fudameal e equlbro para

Más detalles

Probabilidad y estadística

Probabilidad y estadística Probabldad y estadístca Grupo Lues Jueves PM4 :00-:00 :00-3:00 Trabajado gráfcas,meddas de tedeca cetral, meddas de dspersó e terpretado resultados. Depto. De Igeería Químca Petrolera ESIQIE-IPN hesquogm@yahoo.com.m

Más detalles

CRÉDITO PESCA. Consideraciones del producto:

CRÉDITO PESCA. Consideraciones del producto: CRÉDITO PESCA Consderacones del produco: Los crédos se oorgan para el fnancameno de las acvdades de pesca: comerco, exraccón y/o ndusralzacón. Se basan en la capacdad de pago de los clenes y su hsoral

Más detalles

Aplicación de Boostrapping en Regresión I

Aplicación de Boostrapping en Regresión I Aplcacó de Boostrappg e Regresó I U modelo de regresó leal basado e observacoes (x,y ) es de la forma y =x β+e (=,,..) dode y so los valores observados de la varable de respuesta y, y los x so vectores

Más detalles

Tema 16: Modelos de distribución de probabilidad: Variables Continuas

Tema 16: Modelos de distribución de probabilidad: Variables Continuas Aálss de Datos I Esquema del Tema 6 Tema 6: Modelos de dstrbucó de robabldad: Varables Cotuas. EL MODELO RECTANGULAR. EL MODELO NORMAL, N(μ, σ) 3. MODELO CHI-CUADRADO DE PEARSON, χ k 4. MODELO t DE STUDENT,

Más detalles