Técnicas Cuantitativas para el análisis de los mercados

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

Download "Técnicas Cuantitativas para el análisis de los mercados"

Transcripción

1 cap.6 18/1/05 13:56 Página Técnicas Cuantitativas para el análisis de los mercados El que no aplica nuevos remedios debe esperar nuevos males: porque el tiempo es el máximo innovador Francis Bacon INTRODUCCIÓN En el mundo actual, tan importante como conocer los diferentes mercados y los productos que se negocian en ellos, es entender las diferentes técnicas matemáticas que permiten conocer la exposición de una cartera al riesgo, o poder anticipar los rendimientos futuros de un producto financiero con el objetivo de seleccionar una cartera que optimice la rentabilidad. El presente capítulo está orientado a dar a conocer alguna de las técnicas matemáticas más utilizadas en la actualidad para el estudio de los mercados. En primer lugar, realizaremos una breve introducción a los números aleatorios, que son de vital importancia en las predicciones de los mercados y constituyen la base de la simulación de MonteCarlo, una técnica ampliamente utilizada en diferentes disciplinas como las ingenierías, la física o la economía. Ciertamente, en los últimos años la simulación de MonteCarlo ha pasado a ser la herramienta preferida por los analistas financieros, debido a su eficacia, su potencia de modelización y su sencillez. En el siguiente epígrafe trataremos del Valor en Riesgo, comúnmente conocido como el VaR. Hoy en día, el VaR se considera una herramienta estandarizada para el cálculo del riesgo. El VaR muestra el valor de la máxima pérdida que se puede obtener, para una probabilidad y un índice de confianza dado. Su importancia viene acreditada por la recomendación del Comité de Basilea II, en la que especifica que el cálculo del riesgo para adecuar el capital de una entidad financiera se debe realizar mediante técnicas como el Valor en Riesgo.

2 cap.6 18/1/05 13:56 Página bolsa, mercados y técnicas de inversión Por último, y como colofón de esta obra, desarrollaremos tres casos: uno con el índice IBEX 35, otro con una cartera de bonos, y un tercero con bonos de cupón variable, también llamados FRN (Floating Rate Note). En los tres casos calcularemos el VaR y realizaremos una simulación para determinar el precio esperado y la rentabilidad esperada LOS NÚMEROS ALEATORIOS Las variables aleatorias Las variables aleatorias discretas Una variable ξ se define como aleatoria discreta si puede tomar los valores x 1, x 2,, x N, teniendo cada uno de estos valores una probabilidad asignada P 1, P 2,, P N. Podemos representar la variable aleatoria ξ como: ξ = donde P i son las probabilidades de que la variable ξ tome el valor x i. ( χ 1 χ 2... χ N p 1 p 2... p N ) Estas probabilidades deben cumplir dos reglas: 1. Siempre denen ser positivas: P(x) >0 2. La suma de todas las probabilidades debe ser igual a la unidad: N j=1p (x j ) = 1 Como hemos visto en capítulos anteriores, el cálculo de la esperanza matemática y de la varianza es fundamental para determinar el rendimiento esperado y el riesgo de los productos financieros. Veamos con un ejemplo el cálculo de la esperanza matemática y de la varianza de una variable aleatoria. Definamos a la variable aleatoria X con la siguiente matriz: X = ( /6 1/6 1/6 1/6 1/6 1/6 La variable x puede tomar los valores 1, 2, 3, 4, 5 y 6, y cada uno de los posibles valores que puede adoptar x tiene como probabilidad 1/6. La esperanza matemática se calcula como la suma ponderada por las probabilidades de los valores posibles; es decir: ) E(X)= 6 j=1 x j p j = 3,5

3 cap.6 18/1/05 13:56 Página 271 técnicas cuantitativas para el análisis de los mercados La varianza se calcula como la suma de las diferencias cuadráticas de los valores respecto a su media, multiplicado por la probabilidad. Es decir: σ 2 = 6 j=1 [x i E(x i )] 2 p j = 2, Las variables aleatorias continuas La variable ξ es continua si puede tomar cualquier valor dentro del intervalo (a, b). Toda variable aleatoria continua queda definida si se da el intervalo (a, b) y la función de probabilidad P(x) llamada función de densidad de la probabilidad de la variable aleatoria ξ. También en este caso se deben cumplir las dos reglas anteriores: 1. Todas las probabilidades deben ser positivas: P(x i ) > 0 2.La probabilidad de que la variable aleatoria ξ esté dentro del intervalo (a, b) debe ser uno: P {a < ξ < b} = b' a p(x)dx = 1 Supongamos un intervalo (a, b ) dentro del intervalo (a, b). La probabilidad de que la variable aleatoria ξ esté comprendida dentro del intervalo (a, b ) se calcula de la siguiente manera: P {a < ξ < b } = b a p(x)dx La probabilidad se calcula como la integral de la probabilidad definida en el intervalo estudiado. Esta probabilidad se representa en la Figura 1. Fig. 1. Probabilidad de que una variable aleatoria x esté dentro del intervalo (a, b )

4 En la Figura 2 se pueden observar dos representaciones de la distribución normal para a = 0 y valores de sigma de 0,5 y 1. Vemos que, al tomar valores más pequeños, la distribución se apuntala tomando una forma más cúrtica que para valores cercanos al uno. Recorcap.6 18/1/05 13:56 Página bolsa, mercados y técnicas de inversión La esperanza matemática en el caso de las variables aleatorias continuas se resuelve con la siguiente ecuación: E (ξ) = b a x p(x)dx La variable aleatoria normal La variable aleatoria normal está definida en el intervalo (- + ) y tiene como función de densidad la siguiente: donde: 1 P (x) = e 2πσ (x a) 2 2σ 2 a es un número que hace que la curva se desplace por el eje de abscisas; σ modifica la forma de la curva Fig. 2. Representación de dos distribuciones normales, para diferentes valores de σ. (Fuente: Elaboración propia)

5 cap.6 18/1/05 13:56 Página 273 técnicas cuantitativas para el análisis de los mercados demos que el área que encierra P(x) es igual a 1. Por tanto, al disminuir sigma aumenta el máximo de la curva, pero se hace más estrecha. La esperanza matemática de la normal es a, mientras que su varianza es el cuadrado de sigma. Empíricamente se demuestra que el 99,7% de toda la distribución está dentro del rango formado por la media, más menos tres veces la desviación típica. Esto es lo que se conoce como la regla de las tres sigmas. Dicho de manera matemática: a+3σ P(x)d = 0,997 a 3σ La conclusión de esta regla es evidente: es casi imposible conseguir un valor ξ que difiera de su media en más de tres veces la desviación típica LA SIMULACIÓN Introducción En 1903 nació en Budapest una de las más brillantes mentes matemáticas que ha vislumbrado el siglo XX: John Von Neuman. El joven John (Janos en húngaro) destacó en su infancia por ser un niño prodigio, con una memoria asombrosa que le hacía sobresalir en la escuela por encima de sus compañeros. Ya con cinco años era capaz de realizar mentalmente operaciones con números de más de ocho cifras. De origen aristocrático, estudió en los mejores institutos de Hungría y destacó en matemáticas, por lo que no fue sorprendente que acabase como profesor de matemáticas aplicadas en la Universidad de Berlín, cargo que ejerció desde 1927 hasta En esta fecha viajó como profesor invitado a la Universidad de Pricenton, en los Estados Unidos y allí decidió fijar su residencia cuando Hitler subió al poder en También fue en este momento cuando cambia su nombre, Janos, por la traducción inglesa de John, nombre por el que ha sido conocido posteriormente. En Pricenton coincide con las mentes más preclaras de las matemáticas del siglo XX, contactando con Albert Einstein y Alan Turing, entre otros. Amigo de la comunicación, los que le conocieron lo describen como una persona afable y brillante, con una mente muy rápida en los análisis, y siempre dispuesto a colaborar con otros investigadores, aunque su faceta más destacable es la curiosidad por lo nuevo. Hizo aportaciones a la mecánica cuántica, especialmente el concepto de anillos de operadores (actualmente conocido como álgebra de Neuman), y es conocido también por su trabajo de iniciación de las matemáticas aplicadas, principalmente la estadística y el análisis numérico. También destacó en la termodinámica, la teoría de los ordenadores y la cibernética. Inventó el concepto de cerebro electrónico tomando el relevo de la investigación iniciada por Leibniz, Babbage, Ada Byron y Turing. En esta línea, mejoró el primer ordenador digital del mundo, el ENAC y aportó sus conocimientos para la construcción del MANIAC, creando el concepto de programa o software. Pero su fama llegaría a su apogeo en 1944 cuando publica junto con Oskar Morgenstern la Teoría de Juegos.

6 cap.6 18/1/05 13:56 Página bolsa, mercados y técnicas de inversión Es en 1940 cuando, junto con Stanislaw Ulam, matemático de origen polaco, describe y pone nombre al método de simulación de MonteCarlo, con el fin de resolver ciertos problemas de protección nuclear que eran demasiado costoso para ser resueltos explícitamente, o demasiados complejos para ser tratados de forma analítica. El nombre fue elegido por la similitud del proceso que ellos describían con los principios que rigen el casino de Mónaco. John Von Neuman muere víctima del cáncer en 1957, dejando un legado impresionante en diversos campos de la ciencia, como la física y la informática, sin olvidarnos de las aplicaciones de sus teorías en ciencias sociales como la Economía La generación de números aleatorios Podemos definir la simulación como una técnica numérica para realizar experimentos. Para llevarla a cabo se debe construir un modelo que ofrezca un resultado en función de unas variables. La ventaja de la simulación reside en que se puede modificar cualquier valor del modelo y observar el comportamiento del resultado ante estos cambios. La simulación es un sustituto apropiado para la evaluación matemática de un modelo en muchas situaciones, y aunque también involucra suposiciones, éstas son tratables. El uso de la simulación nos permite proporcionar una percepción clara a ciertos problemas de toma de decisiones, donde la evaluación matemática de un modelo no es posible. Hay que considerar la simulación como una herramienta de investigación que permite conocer y analizar el comportamiento de un sistema. La simulación comienza con la construcción de un modelo descriptivo del sistema real objeto de análisis, para luego, durante el proceso de análisis, poder modificarlo para estudiar su comportamiento ante variaciones. La simulación es recomendable cuando la realidad representada es muy compleja, tiene variables no lineales, o alguna de éstas son aleatorias. La simulación de modelos utiliza como herramienta principal los números aleatorios distribuidos generalmente de manera uniforme, que toman valores entre 0 y 1. Desde hace tiempo, los investigadores han ideado formas para generar números aleatorios, como lanzar objetos de un tamaño determinado en un plano dividido horizontalmente con líneas y contar el número de veces que el objeto pisaba una de estas líneas; incluso se construyeron ruletas mecánicas movidas por motor. El problema de todos estos sistemas mecánicos es la lentitud en la generación de los números y la imposibilidad de repetir una serie grande de números aleatorios. Sea cual sea el procedimiento elegido para generar números aleatorios, éstos deben enfrentarse a un test para certificar su bondad como número aleatorio. A modo de ejemplo, un test que se puede aplicar en los números aleatorios es contar el número de números cero, uno, dos, tres... hasta nuve que hay en el conjunto de números aleatorios. Si son verdaderamente aleatorios, tiene que existir una tendencia hacia la equidistribución. Es decir, la cantidad de números cero, uno debe ser aproximadamente la misma. Por ejemplo, supongamos que una tabla de números aleatorios tiene N cifras y que el número de ceros es V 0, el número de unos es V 1, el número de doses es V 2, y así sucesivamente. Se puede definir la suma como: S = 9 i=0 (V i 0,1N) 2

7 cap.6 18/1/05 13:56 Página 275 técnicas cuantitativas para el análisis de los mercados La teoría de las probabilidades permite predecir los límites entre los que puede estar comprendida esta suma, que no puede ser excesivamente grande ni pequeña. Recordemos que si los números son verdaderamente aleatorios, la esperanza matemática de cada V i debe ser de 0,1N Ejemplo de la bondad de la generación de números aleatorios Utilizando una hoja EXCEL hemos generado 500 números aleatorios de nueve cifras cada uno. Por tanto, tendremos cifras. Hemos contado cada uno de los guarismos obtenidos y el resultado es el que se describe en la Tabla 1. Tabla El histograma que obtenemos de estos resultados se muestra en la Figura 3: Fig. 3. Histograma de frecuencias La suma definida anteriormente da un resultado de: S = 9 i=0 (V i 0, ) 2 = La desviación típica, definida como la raíz cuadrada de la varianza, adopta un valor de 45,23. Como se puede observar, los diferentes números no tienen una distribución muy uni-

8 cap.6 18/1/05 13:56 Página bolsa, mercados y técnicas de inversión forme y, además, no todos están muy cerca de la que debería ser la esperanza matemática, 450. La suma definida tiene un valor muy grande. Esta tabla de números no se puede considerar como una tabla de números verdaderamente aleatorios, pero sí pseudoaleatorios Métodos de generación de números aleatorios Métodos aproximados John Von Neuman sugirió el método del cuadrado medio, usando las operaciones aritméticas de un ordenador. Su idea fue tomar el cuadrado del número aleatorio y tomar los dígitos ubicados en el medio. Por ejemplo, si tenemos el número y lo elevamos al cuadrado, se obtiene ; nuestro número será 9.769, y así sucesivamente. Estos números se consideran pseudoaleatroios o quasi-aleatorios. Durante el siglo XX los investigadores comenzaron a utilizar ordenadores digitales para generar números aleatorios. En 1955 RAND Corporation publica una lista de un millón de números aleatorios construida mediante una ruleta electrónica: un disco giratorio dividido en 10 sectores es parado en seco, y se anota el número que queda en un punto de referencia. Hoy en día, el analista puede generar números aleatorios de manera sencilla utilizando un ordenador personal Generación de números aleatorios con Microsoft Excel Se pueden generar números aleatorios con la hoja de cálculo de Microsoft. El usuario puede obtenerlos de dos maneras: mediante una instrucción o mediante un procedimiento. Si escribimos en cualquier celda de la hoja de cálculo la siguiente instrucción: = Aleatorio( ) la hoja de cálculo nos devolverá un número aleatorio comprendido entre 0 y 1. Cada vez que modifiquemos cualquier celda de esa hoja de cálculo, por ejemplo, escribiendo simplemente en cualquier celda un número, cambiará el número aleatorio que aparece en la celda donde hemos puesto la instrucción. Si deseamos generar números aleatorios mediante un procedimiento, deberemos haber instalado la opción Análisis de datos en el programa de instalación de Microsoft Excel. Si no lo hubiéramos hecho, podemos poner el CD-ROM del programa en el lector de CD y ejecutar el programa de instalación añadiendo la opción Análisis de datos. Una vez instalado, cuando tenemos abierta una hoja de cálculo, hacemos clic en el menú Herramientas y elegimos Análisis de datos.

9 cap.6 18/1/05 13:56 Página 277 técnicas cuantitativas para el análisis de los mercados Fig. 4. Contenido del menú Herramientas de Microsoft Excel Al elegir Análisis de datos aparecerán diferentes herramientas que Excel nos ofrece para analizar conjuntos de datos. De todas estas elegimos Generación de números aleatorios. Aparece una caja de diálogo como la que se representa en la Figura 5. Fig. 5. Caja de diálogo para generar números aleatorios en Excel Siguiendo el manual de ayuda del propio programa podemos saber qué función tiene cada uno de los campos que se observan en esta herramienta:

10 cap.6 18/1/05 13:56 Página 278 En Número de variables introduzca el número de columnas de valores que desee incluir en la tabla de resultados. Si no introduce ningún número, Microsoft Excel rellenará todas las columnas del rango de salida que se haya especificado. En Cantidad de números aleatorios introduzca el número de puntos de datos que desee ver. Cada punto de datos aparecerá en una fila de la tabla de resultados. Si no introduce ningún número, Microsoft Excel rellenará todas las columnas del rango de salida que se haya especificado. Haga clic en el método de distribución que desee utilizar para crear los valores aleatorios. Dentro de este campo podemos elegir entre: Uniforme: Caracterizado por los límites inferior y superior. Se extraen las variables con probabilidades iguales de todos los valores del rango. Una aplicación normal utilizará una distribución uniforme en el rango Normal: Caracterizado por una media y una desviación estándar. Una aplicación normal utilizará una media de 0 y una desviación estándar de 1 para la distribución estándar normal. Bernoulli: Caracterizado por la probabilidad de éxito (valor p) en un ensayo dado. Las variables aleatorias de Bernoulli tienen el valor 0 ó 1. Por ejemplo, puede trazarse una variable aleatoria uniforme en el rango Si la variable es menor o igual que la probabilidad de éxito, se asignará el valor 1 a la variable aleatoria de Bernoulli; en caso contrario, se le asignará el valor 0. Binomial: Caracterizado por una probabilidad de éxito (valor p) durante un número de pruebas. Por ejemplo, se pueden generar variables aleatorias Bernoulli de número de pruebas, cuya suma será una variable aleatoria binomial. Poisson: Caracterizado por un valor lambda, igual a 1/media. La distribución de Poisson se utiliza con frecuencia para caracterizar el número de incidencias por unidad de tiempo; por ejemplo, el ritmo promedio al que llegan los vehículos a una garita de peaje. Frecuencia relativa: Caracterizado por un límite inferior y superior, un incremento, un porcentaje de repetición para valores y un ritmo de repetición de la secuencia. Discreta: Caracterizado por un valor y el rango de probabilidades asociado. El rango debe contener dos columnas donde la columna izquierda deberá contener valores y la derecha probabilidades asociadas con el valor de esa fila. Debe tener en cuenta que la suma de las probabilidades deberá ser 1. En el campo Parámetros introduzca un valor o valores para caracterizar la distribución seleccionada. Si quiere escribir un valor a partir del cual se generen los números aleatorios, escríbalo en el campo llamado Iniciar con. Podrá volver a utilizar este valor para generar los mismos números aleatorios más adelante. En Rango de salida introduzca la referencia correspondiente a la celda superior izquierda de la tabla de resultados. Microsoft Excel determinará el tamaño del área de resul bolsa, mercados y técnicas de inversión

11 cap.6 18/1/05 13:56 Página 279 técnicas cuantitativas para el análisis de los mercados tados y mostrará un mensaje si la tabla de resultados reemplaza datos ya existentes. Alternativamente haga clic en En una hoja nueva para insertar una hoja nueva en el libro actual y pegar los resultados comenzando por la celda A1 de la nueva hoja de cálculo. Para asignar un nombre a la nueva hoja de cálculo, escríbalo en el cuadro. También puede hacer clic En un libro nuevo para crear un nuevo libro y pegar los resultados en una hoja nueva del libro creado. Por ejemplo, si deseamos tener cinco grupos de números aleatorios, que cada grupo contenga quince números aleatorios y que éstos estén generados mediante una distribución normal con media 0 y desviación típica 1, podemos escribir los siguientes datos en la caja: Fig. 6. Generación de una matriz de 15 5 números aleatorios mediante distribución Normal (0, 1) Si además queremos que estos números aparezcan en la hoja de cálculo, comenzando en la celda A1 y terminando en la E15, podemos hacer clic en la alternativa Rango de salida y escribir el rango en el campo disponible para ello. Al final, obtendremos los números aleatorios en una forma parecida a la que se refleja en la Figura 7.

12 cap.6 18/1/05 13:56 Página bolsa, mercados y técnicas de inversión Fig. 7. Resultado de la generación de números aleatorios La simulación histórica Esta técnica de simulación analiza la evolución del activo en el pasado y lo proyecta hacia el futuro, asumiendo que el comportamiento histórico del valor es un estimador del comportamiento futuro. El analista debe calcular la variación diaria de cada uno de los componentes de la cartera y asumir que esa variación se repetirá en el futuro a partir de la fecha del análisis. Supongamos un inversor que quiere analizar a 30 de diciembre de 2003 la inversión de una cartera que invierte el 31% en el índice de la Banca, el 36% en el índice de las compañías de Telecomunicaciones y el 34% en el índice de Petróleo y Gas. Cada uno de estos índices marca la evolución de las empresas que cotizan dentro de ese segmento de cotización, y la cartera que se pretende comprar se desglosa en función de los precios en la fecha de la compra, como se muestra en la Tabla 2. Tabla 2 Sector Banca Comunicaciones Petróleo y Gas Valor Cartera Inversión 30,43% 36,10% 33,47% 100% Cotización (30/12/2003) 948,86 844, , ,00 Cantidad

13 cap.6 18/1/05 13:56 Página 281 técnicas cuantitativas para el análisis de los mercados Es decir, a los precios que tienen los índices en la fecha de la compra, el inversor comprará valores del índice Banca, del índice Comunicaciones y de Petróleo y Gas. Para calcular los rendimientos durante el último año de la cartera se calcula el logaritmo neperiano del cociente entre precios correlativos, en una base de datos que contenga los precios históricos de cada uno de los índices. En la Tabla 3 se muestra este trabajo. En la columna A están reflejados todos los días laborables del año 2003, en la columna B el índice de la Banca para cada fecha, en la columna C el índice de Comunicaciones para cada fecha, en la columna D el índice de Petróleo de Gas para cada fecha y por último, en la columna E el valor de la cartera. El montante de la cartera se calcula con la siguiente expresión: Cartera = I Banca I Comunicaciones I Petróleo Tabla 3 A continuación, se calculan los rendimientos diarios de cada uno de los componentes de la cartera. Para calcular este rendimiento se utiliza la siguiente expresión: Rendimiento = Ln (Precio de hoy / Precio de ayer)

14 cap.6 18/1/05 13:56 Página bolsa, mercados y técnicas de inversión Los resultados se muestran en la Tabla 4. Tabla 4 La simulación histórica se basa en la proyección de los rendimientos pasados hacia el futuro, y con ellos se calcula el nuevo precio que será el resultado de la siguiente expresión: Precio de hoy = e Rendimiento Precio de ayer La Tabla 5 muestra los resultados. Con las 249 simulaciones del valor de la cartera se puede calcular el rendimiento esperado, la desviación típica y, en definitiva, el comportamiento esperado de la misma.

15 cap.6 18/1/05 13:56 Página 283 técnicas cuantitativas para el análisis de los mercados Tabla El método de simulación de MonteCarlo Introducción El Método de MonteCarlo consiste en realizar una simulación utilizando números aleatorios para determinar el comportamiento futuro de las variables analizadas. Existen varios métodos de MonteCarlo, por lo que más que método, sería más conveniente denominarle técnica de simulación de MonteCarlo. Le llamaremos MonteCarlo Dirigido cuando los números aleatorios utilizados para simular el comportamiento de una variable se combinen con la función que represente la distribución de frecuencias de las variaciones de la variable. Y MonteCarlo Camino Aleatorio cuando los números aleatorios se utilicen sin combinarlos con la función de distribución de las frecuencias de las variaciones de la variable. El método MonteCarlo Dirigido se desarrolla con los siguientes pasos: 1. Especificar las variables a estudiar. 2. Estimar la distribución de probabilidad que explica el comportamiento de las variables. 3. Calcular las probabilidades acumuladas de cada una de las variables. 4. Generar un número aleatorio. 5. Vincular el número aleatorio con las variables cuya probabilidad acumulada sea menor o igual al número aleatorio obtenido. 6. Repetir el experimento para obtener el número deseado de valores muestrales.

16 cap.6 18/1/05 13:56 Página bolsa, mercados y técnicas de inversión Sin embargo, en el método MonteCarlo Camino Aleatorio se plantea la ecuación de variación de la variable y sobre ella se utiliza el número aleatorio para determinar el tamaño de la variación. Un ejemplo es la simulación de los tipos de cambio entre dos monedas, cuya ecuación sería: Tc 1 = Tc 0 + [Volatilidad RND (Volatilidad / 2)] 2 donde: Tc 1 y Tc 0 son los tipos de cambio en el momento 1 y el momento 0, y RND es un número aleatorio entre 0 y 1. Esta ecuación ofrece un camino aleatorio en la evolución de los tipos de cambio. Si el tipo de cambio de referencia entre el dólar y el euro es la paridad y la volatilidad anual es del 22%, se puede calcular la evolución simulada del tipo de cambio para los siguientes treinta días, tal y como aparece en la Figura 8. Fig. 8. Simulación de la evolución del tipo de cambio dólar euro Análisis de diferentes productos financieros mediante la simulación de MonteCarlo en Excel La técnica de MonteCarlo sirve para analizar todo tipo de productos, entre ellos las opciones exóticas y los productos estructurados. La mayoría de las opciones exóticas no pueden ser valoradas mediante Black Scholes, ya que no se adecuan a los requerimientos exigidos por la fórmula y, aunque se han desarrollado ecuaciones paramétricas para su

17 cap.6 18/1/05 13:56 Página 285 técnicas cuantitativas para el análisis de los mercados valoración, el método de MonteCarlo es una técnica válida para encontrar el precio de estos productos. Veamos cómo a través de la simulación de MonteCarlo se puede analizar el precio de diferentes opciones exóticas Opción americana no estándar Supongamos que tenemos un Warrant a siete años. El precio de ejercicio es de 30 dólares entre principio del año tercero y finales del cuarto, 32 dólares en los siguientes dos años, y 33 dólares en el año final. El precio actual del subyacente es de 29 euros y el tipo de interés libre de riesgo, el 3%. En primer lugar, se calcula el histograma de frecuencias de los rendimientos del subyacente, que se muestra en la Tabla 6. Tabla 6 Rendimientos Relativas Acumuladas -6,0% 0% 0% -5,0% 1% 1% -4,0% 2% 3% -3,0% 5% 8% -2,0% 7% 15% -1,0% 12% 27% 0,0% 28% 55% 1,0% 24% 79% 2,0% 13% 92% 3,0% 5% 97% 4,0% 2% 99% 5,0% 1% 100% Como podemos observar, el histograma de los rendimientos se aleja mucho de la figura que dibujaría una distribución normal. Con este histograma de frecuencias y MonteCarlo Dirigido se puede simular el comportamiento del precio del subyacente durante la vida de la opción, y decidir para cada nivel de precio alcanzado, según las características de la opción, si se ejerce o no la misma.

18 cap.6 18/1/05 13:56 Página bolsa, mercados y técnicas de inversión Fig. 9. Histograma de frecuencias de las variaciones del precio El modelo de MonteCarlo exige realizar numerosos ciclos de simulación para tener los suficientes resultados que nos permitan calcular la perfomance del producto. Por ejemplo, en un ciclo cualquiera se pueden haber generado unos números aleatorios que ofrezcan una evolución de los precios como la representada en la Tabla 7. Tabla 7 Año Precio ejercicio Subyacente Beneficio seis meses un año año y medio - 17,25 0 dos años - 19,58 0 dos años y medio 30 19,58 0 tres años 30 19,58 0 tres años y medio 30 22,22 0 cuatro años 30 22,22 0 cuatro años y medio 32 25,22 0 cinco años 32 32,04 0,04 cinco años y medio 32 36,37 4,37 seis años 32 51,11 19,11 seis años y medio 33 51,11 18,11 siete años 33 37,30 4,30

19 cap.6 18/1/05 13:56 Página 287 técnicas cuantitativas para el análisis de los mercados En la primera columna se muestran los diferentes semestres hasta completar los siete años. El análisis se podría haber realizado con periodos más pequeños, por ejemplo días, pero buscando la comodidad de la lectura se ha reducido a semestres. Es evidente que si se utilizan periodos más pequeños se consigue un análisis del precio más perfecto. En la segunda columna aparece el precio de ejercicio tal como está especificado en el contrato. En la tercera columna aparece el precio del subyacente calculado como MonteCarlo Dirigido, utilizando números aleatorios y usando el histograma de frecuencias. Por ejemplo, si el número aleatorio es 0,2345, vemos en el histograma de frecuencias que al considerar este número como si fuese una frecuencia acumulada, le corresponde una variación del 1% diario, que representa una variación de : 0, = 0,135 2 Esta variación se aplica al precio del subyacente para obtener el siguiente precio. Si generamos 13 números aleatorios podemos determinar, utilizando la técnica de MonteCarlo dirigido, el camino aleatorio dirigido del precio del subyacente. Con esta evolución de los precios se puede analizar el beneficio que obtiene el inversor si ejerce la opción. En la última columna se calcula el beneficio en el caso de poder ejercerse la opción. Las características de ésta no permitían su ejercicio hasta el tercer año, momento en el cual tendría diferentes precios de ejercicio con el transcurrir del tiempo. Obtenemos, por tanto, diferentes posibles beneficios de la opción en función de si es ejercida en ese momento. Lo que se obtiene son capitales futuros que hay que actualizar. Empleamos la capitalización continua para actualizar cada uno de los beneficios futuros, a través de la ecuación: Valor actual = Beneficio e-tiempo Tipo interés En la Tabla 8 aparecen las actualizaciones realizadas para este ciclo: Podemos suponer que cada uno de los valores actuales obtenidos son equiprobables, ya que la probabilidad de aparición está de manera subyacente al utilizar la frecuencia acumulada para determinar la variación. Al ser 10 posibles capitales (tantos como beneficios), el valor actual medio será la suma de los valores actuales dividida entre 10. En este caso, 3,808 euros. Al realizar 100 simulaciones como ésta, obtenemos que la esperanza matemática de los precios simulados es de 11,11 euros, con una desviación típica de 18,77 euros.

20 cap.6 18/1/05 13:56 Página bolsa, mercados y técnicas de inversión Tabla 8 Año Precio ejercicio Subyacente Beneficio Valor Actual seis meses no 29 0 un año no 29 0 año y medio no 17, dos años no 19, dos años y medio 30 19, tres años 30 19, tres años y medio 30 22, cuatro años 30 22, cuatro años y medio 32 25, cinco años 32 32, , , cinco años y medio 32 36, , , seis años 32 51, , , seis años y medio 33 51, , , siete años 33 37, , , SUMA 38, Opciones sobre opciones Una opción sobre una opción proporciona al propietario el derecho a adquirir una opción (de compra o de venta) en una fecha determinada y con una prima determinada. Supongamos que el IBEX 35 está a puntos y se quiere valorar una opción sobre la opción del IBEX con precio de ejercicio 8.500, prima 100 y vencimiento a 18 días. El propietario tiene derecho a adquirir por 100 euros la opción de compra sobre el IBEX 35 a puntos. Para calcular el precio de este producto financiero utilizaremos una binomial y la repetiremos un número determinado de veces; las volatilidades de cada binomial las simularemos mediante MonteCarlo. Con los precios históricos del IBEX desde 1990 se obtiene el histograma de la volatilidad, medida como la desviación típica anualizada de los rendimientos diarios de los últimos 30 días. En la Tabla 9 se muestra el histograma de frecuencias de la volatilidad del IBEX 35. La representación gráfica de este histograma de frecuencias proporciona la volatilidad del IBEX 35, que se muestra en la Figura 10.

NT8. El Valor en Riesgo (VaR)

NT8. 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 detalles

Colección Mercados M-2

Colección Mercados M-2 El VaR Pablo García Estévez Diciembre 2008. M-2 1. 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. El VaR es una

Más detalles

Pablo Fernández. IESE. Valoración de opciones por simulación 1 VALORACIÓN DE OPCIONES POR SIMULACIÓN Pablo Fernández IESE

Pablo Fernández. IESE. Valoración de opciones por simulación 1 VALORACIÓN DE OPCIONES POR SIMULACIÓN Pablo Fernández IESE Pablo Fernández. IESE. Valoración de opciones por simulación 1 VALORACIÓN DE OPCIONES POR SIMULACIÓN Pablo Fernández IESE 1. Fórmulas utilizadas en la simulación de la evolución del precio de una acción

Más detalles

Análisis de las inversiones

Análisis de las inversiones Colección Finanzas F-8 Análisis de las inversiones Pablo García Estévez Diciembre 2012. ISNN: 1989-3655 1. Definición de una inversión Una inversión es el desembolso de una cantidad cierta por la esperanza

Más detalles

Contenido de la obra

Contenido de la obra Contenido de la obra 1. El Mercado Bursátil 1.1. Introducción 1.2. El origen de la Bolsa 1.2.1. La historia de los mercados 1.2.2. La historia de las Bolsas españolas 1.3. Diferentes tipos de mercados

Más detalles

INDICE. XVI 1. El mercado bursátil 1.1. introducción

INDICE. XVI 1. El mercado bursátil 1.1. introducción INDICE Introducción XVI 1. El mercado bursátil 1.1. introducción 1 1.2. el origen de la bolsa 1.2.1. la historia de los mercados 1.2. la historia de las bolsas españolas 3 1.3. diferentes tipos deseados

Más detalles

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos

Capítulo 10. Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Capítulo 10 Análisis descriptivo: Los procedimientos Frecuencias y Descriptivos Al analizar datos, lo primero que conviene hacer con una variable es, generalmente, formarse una idea lo más exacta posible

Más detalles

Análisis estadístico con Microsoft Excel

Análisis estadístico con Microsoft Excel Análisis estadístico con Microsoft Excel Microsoft Excel ofrece un conjunto de herramientas para el análisis de los datos (denominado Herramientas para análisis) con el que podrá ahorrar pasos en el desarrollo

Más detalles

CAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES

CAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES CAPÍTULO 5 ANÁLISIS DE CONVERGENCIA DEL MÉTODO BINOMIAL AL MODELO DE BLACK & SCHOLES Para la valuación de opciones hay dos modelos ampliamente reconocidos como son el modelo binomial y el modelo de Black

Más detalles

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN

MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN MEDIDAS DE TENDENCIA CENTRAL Y DISPERSIÓN Suponga que le pedimos a un grupo de estudiantes de la asignatura de estadística que registren su peso en kilogramos. Con los datos del peso de los estudiantes

Más detalles

Monografías de Juan Mascareñas sobre Finanzas Corporativas ISSN: 1988-1878 Introducción al VaR

Monografías de Juan Mascareñas sobre Finanzas Corporativas ISSN: 1988-1878 Introducción al VaR Juan Mascareñas Universidad Complutense de Madrid Versión inicial: mayo 1998 - Última versión: mayo 2008 - El valor en riesgo (VaR), 2 - El método histórico, 3 - El método varianza-covarianza, 6 - El método

Más detalles

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL

Estadística con Excel Informática 4º ESO ESTADÍSTICA CON EXCEL 1. Introducción ESTADÍSTICA CO EXCEL La estadística es la rama de las matemáticas que se dedica al análisis e interpretación de series de datos, generando unos resultados que se utilizan básicamente en

Más detalles

Statgraphics Centurión

Statgraphics Centurión Facultad de Ciencias Económicas y Empresariales. Universidad de Valladolid 1 Statgraphics Centurión I.- Nociones básicas El paquete Statgraphics Centurión es un programa para el análisis estadístico que

Más detalles

1.1. Introducción y conceptos básicos

1.1. Introducción y conceptos básicos Tema 1 Variables estadísticas Contenido 1.1. Introducción y conceptos básicos.................. 1 1.2. Tipos de variables estadísticas................... 2 1.3. Distribuciones de frecuencias....................

Más detalles

Introducción a la Estadística con Excel

Introducción a la Estadística con Excel Introducción a la Estadística con Excel En el siguiente guión vamos a introducir el software Excel 2007 y la manera de trabajar con Estadística Descriptiva. Cargar o importar datos En Excel 2007 podemos

Más detalles

A veces pueden resultar engañosas ya que según el método de cálculo, las rentabilidades pasadas pueden ser diferentes. Un ejemplo:

A veces pueden resultar engañosas ya que según el método de cálculo, las rentabilidades pasadas pueden ser diferentes. Un ejemplo: MÉTODOS DE GESTIÓN DE UNA CARTERA DE VALORES RENTABILIDAD Y VOLATILIDAD RENTABILIDAD La rentabilidad de un activo es la suma de las plusvalías generadas y cobradas y los dividendos pagados, es decir puede

Más detalles

HASTA DONDE LAS FINANZAS SE PUEDEN CONTAR. Asamblea Xeral da SGPAEIO 16 de febrero de 2013

HASTA DONDE LAS FINANZAS SE PUEDEN CONTAR. Asamblea Xeral da SGPAEIO 16 de febrero de 2013 HASTA DONDE LAS FINANZAS SE PUEDEN CONTAR Asamblea Xeral da SGPAEIO 16 de febrero de 2013 Silvia Barco Tato Directora de Control Financiero y Middle Office en Banco Gallego Introducción ÍNDICE Finanzas

Más detalles

5.- ANÁLISIS DE RIESGO

5.- ANÁLISIS DE RIESGO 5.- ANÁLISIS DE RIESGO El módulo de Análisis de Riesgo se caracteriza por desarrollar una herramienta formativa para la gestión, que permite al usuario identificar, analizar y cuantificar el riesgo de

Más detalles

APLICACIONES DE LA HOJA DE CÁLCULO EXCEL A LA ESTADÍSTICA. Llorente, F. Marín, S. Carrillo, M

APLICACIONES DE LA HOJA DE CÁLCULO EXCEL A LA ESTADÍSTICA. Llorente, F. Marín, S. Carrillo, M APLICACIONES DE LA HOJA DE CÁLCULO EXCEL A LA ESTADÍSTICA Llorente, F. Marín, S. Carrillo, M INDICE Introducción... 3 Nociones de utilización del Excel... 4 Tablas Dinámicas...16 Análisis de datos...34

Más detalles

CURSO DE GESTIÓN DEL RIESGO EN LOS MERCADOS FINANCIEROS. Visión Práctica de la Gestión del Riesgo de Mercado en una entidad bancaria 12 diciembre 2013

CURSO DE GESTIÓN DEL RIESGO EN LOS MERCADOS FINANCIEROS. Visión Práctica de la Gestión del Riesgo de Mercado en una entidad bancaria 12 diciembre 2013 CURSO DE GESTIÓN DEL RIESGO EN LOS MERCADOS FINANCIEROS Visión Práctica de la Gestión del Riesgo de Mercado en una entidad bancaria 12 diciembre 2013 Índice 1. Introducción 2. Riesgo de Mercado Visión

Más detalles

Estadística I. Finanzas y Contabilidad

Estadística I. Finanzas y Contabilidad Estadística I. Finanzas y Contabilidad Práctica 1: INTRODUCCIÓN AL USO DE SOFTWARE ESTADÍSTICO OBJETIVO: Los estudiantes deberán conocer el funcionamiento de la Hoja de Cálculo EXCEL y utilizarla para

Más detalles

INDICE 1. Introducción. Los conceptos fundamentales 2. Las Estrategias básicas 3. Los Fundamentos de valor de una opción

INDICE 1. Introducción. Los conceptos fundamentales 2. Las Estrategias básicas 3. Los Fundamentos de valor de una opción INDICE Prefacio V Prólogo VII Dedicatoria XI 1. Introducción. Los conceptos fundamentales 1 Objetivos de aprendizaje 1 Una breve historia de las opciones 1 Los antecedentes europeos 1 Los antecedentes

Más detalles

UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS

UNIVERSIDAD AUTÓNOMA DE TAMAULIPAS UNIDAD ACADÉMICA MULTIDISCIPLINARIA REYNOSA-RODHE SIMULACIÓN DE SISTEMAS UNIDAD MÉTODOS DE MONTECARLO II 2.1 Definición Los métodos de Montecarlo abarcan una colección de técnicas que permiten obtener soluciones de problemas matemáticos o físicos por medio de pruebas aleatorias

Más detalles

CURSO-TALLER DE INSTRUMENTOS FINANCIEROS DERIVADOS

CURSO-TALLER DE INSTRUMENTOS FINANCIEROS DERIVADOS CURSO-TALLER DE INSTRUMENTOS FINANCIEROS DERIVADOS Consultar precio en vilaconsultores@telefonica.net Contacto: David Trillo (+34 607753543) Motivación y objetivos: La comprensión profunda del concepto

Más detalles

Estadística. Conceptos de Estadística. Un individuo o unidad estadística es cada uno de los elementos que componen la población.

Estadística. Conceptos de Estadística. Un individuo o unidad estadística es cada uno de los elementos que componen la población. Estadística La Estadística trata del recuento, ordenación y clasificación de los datos obtenidos por las observaciones, para poder hacer comparaciones y sacar conclusiones. Un estudio estadístico consta

Más detalles

Empresarial y Financiero

Empresarial y Financiero Curso de Excel Empresarial y Financiero SESIÓN : REGRESIÓN Rosa Rodríguez Relación con el Mercado Descargue de yahoo.com los Datos de precio ajustado de cierre de las acciones de General Electric (GE),

Más detalles

Capítulo 7: Distribuciones muestrales

Capítulo 7: Distribuciones muestrales Capítulo 7: Distribuciones muestrales Recordemos: Parámetro es una medida de resumen numérica que se calcularía usando todas las unidades de la población. Es un número fijo. Generalmente no lo conocemos.

Más detalles

INDICACIONES DE LOS ESTADOS RP51, RP52 y RP53 INFORMACIÓN PERIÓDICA A RENDIR SOBRE EL RIESGO DE TIPO DE INTERÉS DEL BALANCE

INDICACIONES DE LOS ESTADOS RP51, RP52 y RP53 INFORMACIÓN PERIÓDICA A RENDIR SOBRE EL RIESGO DE TIPO DE INTERÉS DEL BALANCE RP51-RP53 1 / 47 INDICACIONES GENERALES INDICACIONES DE LOS ESTADOS RP51, RP52 y RP53 INFORMACIÓN PERIÓDICA A RENDIR SOBRE EL RIESGO DE TIPO DE INTERÉS DEL BALANCE 1. Las siguientes indicaciones u orientaciones,

Más detalles

10.6. Delta 10.7. El uso de árboles binomiales en la práctica 10.8. Resumen Lecturas orecomendadas Test Preguntas y problemas Preguntas de repaso

10.6. Delta 10.7. El uso de árboles binomiales en la práctica 10.8. Resumen Lecturas orecomendadas Test Preguntas y problemas Preguntas de repaso Contenido Prólogo Capítulo 1. Introducción 1.1. Contratos de futuros 1.2. Historia de los mercados de futuros 1.3. El mercado over-the-counter 1.4. Contratos a plazo (forward contracts) 1.5. Los contratos

Más detalles

Los principales términos que deben conocerse a la hora de introducirse en el mercado de Warrants son los siguientes:

Los principales términos que deben conocerse a la hora de introducirse en el mercado de Warrants son los siguientes: GUIA DE WARRANTS 1. Warrants: Conceptos básicos. Los Warrants son los instrumentos financieros que acercan el mundo de los derivados (opciones financieras) hasta el inversor particular y su utilización

Más detalles

Práctica 2 ESTADÍSTICA DESCRIPTIVA

Práctica 2 ESTADÍSTICA DESCRIPTIVA Práctica 2. Estadística descriptiva 1 Práctica 2 ESTADÍSTICA DESCRIPTIVA Objetivos: En esta práctica utilizaremos el paquete SPSS para calcular estadísticos descriptivos de una muestra. Se representarán

Más detalles

Se podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68.

Se podría entender como una matriz de filas y columnas. Cada combinación de fila y columna se denomina celda. Por ejemplo la celda A1, B33, Z68. Departamento de Economía Aplicada: UDI de Estadística. Universidad Autónoma de Madrid Notas sobre el manejo de Excel para el análisis descriptivo y exploratorio de datos. (Descriptiva) 1 1 Introducción

Más detalles

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS

DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS DISTRIBUCIONES DISCRETAS CON EXCEL Y WINSTATS A) INTRODUCCIÓN Una distribución de probabilidad es una representación de todos los resultados posibles de algún experimento y de la probabilidad relacionada

Más detalles

Métodos clave para calcular el Valor en Riesgo

Métodos clave para calcular el Valor en Riesgo [.estrategiafinanciera.es ] Caso de Estudio Métodos clave para calcular el Valor en Riesgo La actividad tesorera es especialmente susceptible al riesgo de mercado llegando a provocar en los últimos tiempos

Más detalles

Ensayo: Construcción de la Frontera Eficiente de Markowitz mediante el uso de la herramienta SOLVER de Excel y el modelo Matricial.

Ensayo: Construcción de la Frontera Eficiente de Markowitz mediante el uso de la herramienta SOLVER de Excel y el modelo Matricial. UNIVERSIDAD DE ORIENTE NÚCLEO DE MONAGAS POST GRADO EN CIENCIAS ADMINISTRATIVAS MENCIÓN FINANZAS FINANZAS INTERNACIONALES Ensayo: Construcción de la Frontera Eficiente de Markowitz mediante el uso de la

Más detalles

Estadística Actuarial I. Prácticas de Simulación con Excel. Enunciados de las prácticas y guía para su realización

Estadística Actuarial I. Prácticas de Simulación con Excel. Enunciados de las prácticas y guía para su realización Estadística Actuarial I Prácticas de Simulación con Excel Enunciados de las prácticas y guía para su realización Introducción Este documento contiene los enunciados de las prácticas a resolver por los

Más detalles

Tema 2 Estadística Descriptiva

Tema 2 Estadística Descriptiva Estadística Descriptiva 1 Tipo de Variables 2 Tipo de variables La base de datos anterior contiene la información de 2700 individuos con 8 variables. Los datos provienen de una encuesta nacional realizada

Más detalles

LECCION 1ª Introducción a la Estadística Descriptiva

LECCION 1ª Introducción a la Estadística Descriptiva LECCION 1ª Introducción a la Estadística Descriptiva La estadística descriptiva es una ciencia que analiza series de datos (por ejemplo, edad de una población, altura de los estudiantes de una escuela,

Más detalles

ANÁLISIS DESCRIPTIVO CON SPSS

ANÁLISIS DESCRIPTIVO CON SPSS ESCUELA SUPERIOR DE INFORMÁTICA Prácticas de Estadística ANÁLISIS DESCRIPTIVO CON SPSS 1.- INTRODUCCIÓN Existen dos procedimientos básicos que permiten describir las propiedades de las distribuciones:

Más detalles

Clase 7: Algunas Distribuciones Continuas de Probabilidad

Clase 7: Algunas Distribuciones Continuas de Probabilidad Clase 7: Algunas Distribuciones Continuas de Probabilidad Distribución Uniforme Continua Una de las distribuciones continuas más simples en Estadística es la Distribución Uniforme Continua. Esta se caracteriza

Más detalles

ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO?

ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO? ESTUDIO DEL RENDIMIENTO DE LOS FONDOS DE INVERSIÓN CÓMO SE DETERMINA LA RENTABILIDAD DE UN FONDO? El precio, o valor de mercado, de cada participación oscila según la evolución de los valores que componen

Más detalles

GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA

GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA GEOGEBRA COMO RECURSO PARA UNAS NUEVAS MATEMÁTICAS ESTADÍSTICA CON GEOGEBRA Virgilio Gómez Rubio Mª José Haro Delicado Baeza 2014 1 ESTADÍSTICA DESCRIPTIVA 2 Estadística descriptiva 1. El puntaje de Apgar

Más detalles

Turbos: conceptos básicos

Turbos: conceptos básicos Turbos: conceptos básicos Los Turbos son instrumentos que permiten obtener amplias rentabilidades tanto en mercados alcistas (a través de Turbos Call) como bajistas (a través de Turbos Put), y están dotados

Más detalles

Estadística aplicada y modelización. 10 de septiembre de 2005

Estadística aplicada y modelización. 10 de septiembre de 2005 Estadística aplicada y modelización. 10 de septiembre de 005 SOLUCIÓN MODELO A 1. Una persona se está preparando para obtener el carnet de conducir, repitiendo un test de 0 preguntas. En la siguiente tabla

Más detalles

SIMULACION. Formulación de modelos: solución obtenida de manera analítica

SIMULACION. Formulación de modelos: solución obtenida de manera analítica SIMULACION Formulación de modelos: solución obtenida de manera analítica Modelos analíticos: suposiciones simplificatorias, sus soluciones son inadecuadas para ponerlas en práctica. Simulación: Imitar

Más detalles

2. Seleccionar Insertar función:

2. Seleccionar Insertar función: Estadística I Curso 2014/2015 Guión de la Práctica 1 Introducción a la Estadística con Excel; Estadística Descriptiva En el siguiente guión vamos a ver cómo realizar Estadística Descriptiva con el software

Más detalles

OPCIONES, FUTUROS E INSTRUMENTOS DERIVADOS

OPCIONES, FUTUROS E INSTRUMENTOS DERIVADOS Pablo Fernández Introducción Agradecimientos 1ª PARTE. DESCRIPCIÓN DE LAS OPCIONES, LOS FORWARDS, LOS FUTUROS Y SUS MERCADOS 1. Conceptos básicos sobre opciones, forwards y futuros 1.1. Opción de compra

Más detalles

BANCO DE MEXICO. Definiciones básicas de Riesgos

BANCO DE MEXICO. Definiciones básicas de Riesgos BANCO DE MEXICO Definiciones básicas de Riesgos Noviembre 2005 1 ÍNDICE DE RIESGO: 1.1. Medidas de riesgo 1.1.1. Valor en Riesgo (VaR) 1.1.2. Análisis de Estrés 1.2. Riesgo de Mercado 1.2.1. Medidas de

Más detalles

Taller de Probabilidad y Simulación

Taller de Probabilidad y Simulación Taller de Probabilidad y Simulación Probabilidad I Departamento de Matemáticas UAM, curso 2007-2008 Pablo Fernández Gallardo (pablo.fernandez@uam.es) 1. Una breve introducción a Excel 1.1. Introducción

Más detalles

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS

DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS DISTRIBUCIÓN NORMAL CON EXCEL Y WINSTATS 1) Reseña histórica Abrahan De Moivre (1733) fue el primero en obtener la ecuación matemática de la curva normal. Kart Friedrich Gauss y Márquez De Laplece (principios

Más detalles

UNIVERSIDAD CARLOS III DE MADRID CURSO DE FORMACION ESTADISTICA CHEMO MANUAL DE STATGRAPHICS I. INTRODUCCIÓN Y MANEJO DE DATOS

UNIVERSIDAD CARLOS III DE MADRID CURSO DE FORMACION ESTADISTICA CHEMO MANUAL DE STATGRAPHICS I. INTRODUCCIÓN Y MANEJO DE DATOS UNIVERSIDAD CARLOS III DE MADRID CURSO DE FORMACION ESTADISTICA CHEMO MANUAL DE STATGRAPHICS I. INTRODUCCIÓN Y MANEJO DE DATOS Curso de Formación Estadistica. CHEMO Manual de Statgraphics 1 INTRODUCCION

Más detalles

El circuito, la Bolsa. El vehículo, los TURBOS de BNP Paribas. El piloto, TÚ. Tu escudería, BNP Paribas.

El circuito, la Bolsa. El vehículo, los TURBOS de BNP Paribas. El piloto, TÚ. Tu escudería, BNP Paribas. Quiere conocer el vehículo de inversión que combina la sencillez apalancada de los futuros con la operativa de las acciones?, quiere aprender a invertir en un instrumento regulado que cotiza en un mercado

Más detalles

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas.

x 10000 y 8000 x + y 15000 a) La región factible asociada a las restricciones anteriores es la siguiente: Pedro Castro Ortega lasmatematicas. Pruebas de Acceso a Enseñanzas Universitarias Oficiales de Grado (PAEG) Matemáticas aplicadas a las Ciencias Sociales II - Septiembre 2012 - Propuesta A 1. Queremos realizar una inversión en dos tipos

Más detalles

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3

Capítulo 3. Análisis de Regresión Simple. 1. Introducción. Capítulo 3 Capítulo 3 1. Introducción El análisis de regresión lineal, en general, nos permite obtener una función lineal de una o más variables independientes o predictoras (X1, X2,... XK) a partir de la cual explicar

Más detalles

Práctica 3. Distribuciones de probabilidad

Práctica 3. Distribuciones de probabilidad Práctica 3. Distribuciones de probabilidad Estadística Facultad de Física Objetivos Distribuciones Representaciones gráficas Ejercicios Aplicaciones 1 Introducción En esta práctica utilizaremos una herramienta

Más detalles

Capítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante

Capítulo 15. Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Capítulo 15 Análisis de varianza factorial El procedimiento Modelo lineal general: Univariante Los modelos factoriales de análisis de varianza (factorial = más de un factor) sirven para evaluar el efecto

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

ESTADÍSTICA DESCRIPTIVA CON SPSS

ESTADÍSTICA DESCRIPTIVA CON SPSS ESTADÍSTICA DESCRIPTIVA CON SPSS (2602) Estadística Económica Joaquín Alegre y Magdalena Cladera SPSS es una aplicación para el análisis estadístico. En este material se presentan los procedimientos básicos

Más detalles

Anexo Funciones financieras de Excel

Anexo Funciones financieras de Excel Anexo Funciones financieras de Excel Introducción La solución a problemas financieros mediante la aplicación de las matemáticas financieras se facilita con el uso de calculadoras financieras u hojas electrónicas

Más detalles

todas especialidades Soluciones de las hojas de problemas

todas especialidades Soluciones de las hojas de problemas Universidad Politécnica de Cartagena Dpto. Matemática Aplicada y Estadística Ingeniería Técnica Industrial Métodos estadísticos de la ingeniería Métodos estadísticos de la ingeniería Ingeniería Técnica

Más detalles

Registro contable de Supuesto 10 Determinación del derivados OTC valor de una prima de opción (2)

Registro 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 detalles

Lic. Noelia Lucini y Lic. Claudio Zuchovicki QUE ES UN BONO?

Lic. Noelia Lucini y Lic. Claudio Zuchovicki QUE ES UN BONO? CURSO DE BONOS Lic. Noelia Lucini y Lic. Claudio Zuchovicki QUE ES UN BONO? En términos simples, un bono es una promesa de pago, un pagaré que emite quien desea tomar fondos (EL EMISOR), en éste caso el

Más detalles

DIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD

DIRECTRICES Y ORIENTACIONES GENERALES PARA LAS PRUEBAS DE ACCESO A LA UNIVERSIDAD Curso Asignatura 2009/2010 MATEMÁTICAS APLICADAS A LAS CIENCIAS SOCIALES II 1º Comentarios acerca del programa del segundo curso del Bachillerato, en relación con la Prueba de Acceso a la Universidad INTRODUCCIÓN

Más detalles

Análisis y cuantificación del Riesgo

Análisis y cuantificación del Riesgo Análisis y cuantificación del Riesgo 1 Qué es el análisis del Riesgo? 2. Métodos M de Análisis de riesgos 3. Método M de Montecarlo 4. Modelo de Análisis de Riesgos 5. Qué pasos de deben seguir para el

Más detalles

Curso POWERPOINT 97. Introducción

Curso POWERPOINT 97. Introducción Curso POWERPOINT 97 Introducción El curso PowerPoint 97 está destinado a aquellos alumnos que necesiten crear presentaciones que informen de la evolución de un proyecto. PowerPoint es un programa de edición

Más detalles

ESCUELA SUPERIOR DE INFORMATICA Prácticas de Estadística UNA SESIÓN EN SPSS

ESCUELA SUPERIOR DE INFORMATICA Prácticas de Estadística UNA SESIÓN EN SPSS UNA SESIÓN EN SPSS INTRODUCCIÓN. SPSS (Statistical Product and Service Solutions) es un paquete estadístico orientado, en principio, al ámbito de aplicación de las Ciencias sociales, es uno de las herramientas

Más detalles

Tutorial Introducción al análisis y visualización de datos utilizando una planilla de cálculo Autor: Pablo Poggi (pmpoggi@gmail.

Tutorial Introducción al análisis y visualización de datos utilizando una planilla de cálculo Autor: Pablo Poggi (pmpoggi@gmail. Tutorial Introducción al análisis y visualización de datos utilizando una planilla de cálculo Autor: Pablo Poggi (pmpoggi@gmail.com) 1. Introducción Las planillas de cálculo son documentos compuestos de

Más detalles

Ejercicios de Mercados Financieros Nacionales e Internacionales

Ejercicios de Mercados Financieros Nacionales e Internacionales Ejercicios de Mercados Financieros Nacionales e Internacionales Universidad Complutense de Madrid 1º) Las acciones del Banco Santander están cotizando a un precio de 6,5 euros. Su volatilidad anual es

Más detalles

4 Varianza y desviación típica. 6 Covarianza y correlación. 9 Regresión lineal mínimo cuadrática. 22 Riesgo

4 Varianza y desviación típica. 6 Covarianza y correlación. 9 Regresión lineal mínimo cuadrática. 22 Riesgo MÓDULO 1: GESTIÓN DE CARTERAS Índice Conceptos estadísticos Media aritmética y esperanza matemática 4 Varianza y desviación típica 6 Covarianza y correlación 9 Regresión lineal mínimo cuadrática Rentabilidad

Más detalles

2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES

2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES 2 VARIABLES ESTADÍSTICAS BIDIMENSIONALES 1 Se ha medido el volumen, X, y la presión, Y, de una masa gaseosa y se ha obtenido: X (litros) 1 65 1 03 0 74 0 61 0 53 0 45 Y (Kg/cm 2 ) 0 5 1 0 1 5 2 0 2 5 3

Más detalles

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL

UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL UNIDAD 4: MEDIDAS DE TENDENCIA CENTRAL Objetivo terminal: Calcular e interpretar medidas de tendencia central para un conjunto de datos estadísticos. Objetivos específicos: 1. Mencionar las características

Más detalles

Métodos de reducción de la volatilidad

Métodos de reducción de la volatilidad Métodos de reducción de la volatilidad Los autores estiman como esencial una combinación adecuada de análisis fundamental y análisis técnico D La labor del gestor de carteras se profesionaliza y buen ejemplo

Más detalles

3.1 Opciones reales Opciones Call Opciones Put Compra de Call

3.1 Opciones reales Opciones Call Opciones Put Compra de Call 3.1 Opciones reales La teoría de opciones tiene un origen puramente financiero, se usa ampliamente como estrategia de cobertura de riesgos para inversiones en valores o acciones e inclusive existen opciones

Más detalles

1 Introducción al SPSS

1 Introducción al SPSS Breve guión para las prácticas con SPSS 1 Introducción al SPSS El programa SPSS está organizado en dos bloques: el editor de datos y el visor de resultados. En la barra de menú (arriba de la pantalla)

Más detalles

Capítulo 3 Interés compuesto

Capítulo 3 Interés compuesto Capítulo 3 Interés compuesto Introducción Cuando un banco o cualquier otra institución financiera aumentan el número de periodos en el año en los que pagan intereses, el capital aumenta más rápidamente

Más detalles

Como construir carteras eficientes a medida

Como construir carteras eficientes a medida Un caso práctico desarrollado por el programa EFE 2000 de la empresa SciEcon Como construir carteras eficientes a medida El diseño de carteras eficientes involucra siempre un proceso de optimización. Si

Más detalles

Clase 2: Estadística

Clase 2: Estadística Clase 2: Estadística Los datos Todo conjunto de datos tiene al menos dos características principales: CENTRO Y DISPERSIÓN Los gráficos de barra, histogramas, de puntos, entre otros, nos dan cierta idea

Más detalles

Curso. Análisis Estadístico de Datos Climáticos

Curso. Análisis Estadístico de Datos Climáticos Curso I-1 Análisis Estadístico de Datos Climáticos Distribuciones de Probabilidad Mario Bidegain (FC) Alvaro Diaz (FI) Universidad de la República Montevideo, Uruguay 2011 I-2 DISTRIBUCIONES DE PROBABILIDAD

Más detalles

TEMA 5: PRINCIPALES INSTRUMENTOS PARA LA COBERTURA DEL RIESGO EN LA EMPRESA

TEMA 5: PRINCIPALES INSTRUMENTOS PARA LA COBERTURA DEL RIESGO EN LA EMPRESA TEMA 5: PRINCIPALES INSTRUMENTOS PARA LA COBERTURA DEL RIESGO EN LA EMPRESA 5.1.- Introducción. 5.2.- Opciones financieras. 5.3.- Futuros financieros. 5.4.- Operaciones a plazo o forward con divisas. 1

Más detalles

Población, muestra y variable estadística

Población, muestra y variable estadística Población, muestra y variable estadística La estadística es la parte de las Matemáticas que estudia cómo recopilar y resumir gran cantidad de información para extraer conclusiones. La población de un estudio

Más detalles

Universidad del CEMA Master en Finanzas 2006

Universidad del CEMA Master en Finanzas 2006 Universidad del CEMA Master en Finanzas 2006 La Simulación como una herramienta para el manejo de la incertidumbre Fabián Fiorito ffiorito@invertironline.com Tel.: 4000-1400 Hoy en día la simulación es

Más detalles

FUTUROS IBEX 35 ÍNDICE. 1. Conceptos Básicos Pág. 2 INTRODUCCIÓN. 2. Invertir en Renta Variable. 3. Operativa con Futuros: 4. Resumen Pág.

FUTUROS IBEX 35 ÍNDICE. 1. Conceptos Básicos Pág. 2 INTRODUCCIÓN. 2. Invertir en Renta Variable. 3. Operativa con Futuros: 4. Resumen Pág. FUTUROS IBEX 35 ÍNDICE 1. Conceptos Básicos Pág. 2 INTRODUCCIÓN Han transcurrido trece años desde el lanzamiento de los contratos de Futuros del IBEX en enero de 1992. En este periodo de tiempo, el IBEX

Más detalles

Estadística descriptiva con Excel (Cálculo de medidas)

Estadística descriptiva con Excel (Cálculo de medidas) Universidad Pedagógica Experimental Libertador Instituto Pedagógico de Miranda José Manuel Siso Martínez Departamento de Ciencias Naturales y Matemáticas Cátedra: Estadística aplicada a la educación Estadística

Más detalles

CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO

CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO CAPITULO 8. INTRODUCCION AL MÉTODO DE SIMULACIÓN MONTE CARLO Objetivos del Capítulo Introducir los conceptos e ideas clave de la simulación Monte Carlo. Introducirse en las capacidades que ofrece Excel

Más detalles

Inversión. Inversión. Arbitraje. Descuento. Tema 5

Inversión. 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 detalles

Warrants: una nueva forma de invertir

Warrants: una nueva forma de invertir Warrants: una nueva forma de invertir José Manuel Alonso Cada vez más personas en todo el mundo invierten sus ahorros en la Bolsa, porque su rentabilidad suele ser mayor que la de otras formas de inversión

Más detalles

Aplicaciones de Estadística Descriptiva

Aplicaciones de Estadística Descriptiva Aplicaciones de Estadística Descriptiva Contenidos de la presentación Funciones estadísticas en Excel. Gráficos. El módulo de análisis de datos y las tablas dinámicas de Excel. Información Intentaremos

Más detalles

Modelos de distribuciones discretas y continuas

Modelos de distribuciones discretas y continuas Modelos de distribuciones discretas y continuas Discretas En la versión actual de Rcdmr podemos encontrar las distribuciones discretas estudiadas en este curso y para cada una de ellas están disponibles

Más detalles

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009

DIPLOMADO EN RELACIONES LABORALES Estadística Asistida por Ordenador Curso 2008-2009 Índice general 2. Presentación del paquete estadístico Statgraphics. Estadística Descriptiva 3 2.1. Ventanas de Statgraphics.................................... 3 2.1.1. Barras de menú, de herramientas

Más detalles

Capítulo 18. Análisis de regresión lineal: El procedimiento Regresión lineal. Introducción

Capítulo 18. Análisis de regresión lineal: El procedimiento Regresión lineal. Introducción Capítulo 18 Análisis de regresión lineal: El procedimiento Regresión lineal Introducción El análisis de regresión lineal es una técnica estadística utilizada para estudiar la relación entre variables.

Más detalles

Aula Banca Privada. La importancia de la diversificación

Aula Banca Privada. La importancia de la diversificación Aula Banca Privada La importancia de la diversificación La importancia de la diversificación La diversificación de carteras es el principio básico de la operativa en mercados financieros, según el cual

Más detalles

EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL

EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL EDICIÓN DE ECUACIONES CON WORD y ÁLGEBRA LINEAL CON EXCEL Autores: Ángel Alejandro Juan Pérez (ajuanp@uoc.edu), Cristina Steegmann Pascual (csteegmann@uoc.edu). ESQUEMA DE CONTENIDOS ECUACIONES Y ÁLGEBRA

Más detalles

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS

TRATAMIENTO DE BASES DE DATOS CON INFORMACIÓN FALTANTE SEGÚN ANÁLISIS DE LAS PÉRDIDAS CON SPSS Badler, Clara E. Alsina, Sara M. 1 Puigsubirá, Cristina B. 1 Vitelleschi, María S. 1 Instituto de Investigaciones Teóricas y Aplicadas de la Escuela de Estadística (IITAE) TRATAMIENTO DE BASES DE DATOS

Más detalles

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R.

ALGEBRA LINEAL. Héctor Jairo Martínez R. Ana María Sanabria R. ALGEBRA LINEAL Héctor Jairo Martínez R. Ana María Sanabria R. SEGUNDO SEMESTRE 8 Índice general. SISTEMAS DE ECUACIONES LINEALES.. Introducción................................................ Conceptos

Más detalles

TEMARIO DEL CURSO DE EXCEL EN SUS NIVELES BÁSICO, INTERMEDIO Y AVANZADO

TEMARIO DEL CURSO DE EXCEL EN SUS NIVELES BÁSICO, INTERMEDIO Y AVANZADO TEMARIO DEL CURSO DE EXCEL EN SUS NIVELES BÁSICO, INTERMEDIO Y AVANZADO Excel 2013 es la nueva versión de la hoja de cálculo del paquete integrado Microsoft Office 2013, presente en la mayoría de las distribuciones

Más detalles

Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales

Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Capítulo 17 Análisis de correlación lineal: Los procedimientos Correlaciones bivariadas y Correlaciones parciales Cuando se analizan datos, el interés del analista suele centrarse en dos grandes objetivos:

Más detalles

SISTEMAS ONDA4 MAYO2013

SISTEMAS ONDA4 MAYO2013 www.onda4.com INTRODUCCIÓN SISTEMAS ONDA4 MAYO2013 Este documento resume y actualiza los 4 sistemas de Onda4 con fecha 1 mayo de 2013. Corrige y sustituye cualquier documento anterior y se centra principalmente

Más detalles

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control.

www.fundibeq.org Además se recomienda su uso como herramienta de trabajo dentro de las actividades habituales de planificación y control. ESTUDIOS DE CAPACIDAD POTENCIAL DE CALIDAD 1.- INTRODUCCIÓN Este documento proporciona las pautas para la realización e interpretación de una de las herramientas fundamentales para el control y la planificación

Más detalles

T. 5 Inferencia estadística acerca de la relación entre variables

T. 5 Inferencia estadística acerca de la relación entre variables T. 5 Inferencia estadística acerca de la relación entre variables 1. El caso de dos variables categóricas 2. El caso de una variable categórica y una variable cuantitativa 3. El caso de dos variables cuantitativas

Más detalles

Unidad 6. Distribuciones de probabilidad continua, muestreo y distribución de muestras

Unidad 6. Distribuciones de probabilidad continua, muestreo y distribución de muestras Unidad 6 Distribuciones de probabilidad continua, muestreo y distribución de muestras Introducción La unidad 5 se enfocó en el estudio de las distribuciones de probabilidad discreta, entre las cuales

Más detalles