Beruflich Dokumente
Kultur Dokumente
Director
Dr. EDGAR LUNA GONZÁLEZ
pág.
INTRODUCCION
1. EL PROBLEMA
1.1 Planteamiento del Problema 4
1.2 Formulación del Problema 4
1.3 Justificación 5
1.4 Objetivos 6
1.4.1 Objetivo general 6
1.4.2 Objetivos específicos 6
1.5 Alcance 7
2. MARCO TEÓRICO
2.1 Antecedentes y Estado del Arte 8
2.1.1 Modelos de series de tiempo 10
2.1.2 Modelos ARCH - GARCH
2.1.3 Modelos de heterocedasticidad condicional autorregresiva 18
3. MARCO METODOLÓGICO 21
4. RESULTADOS ESPERADOS 22
5. ASPECTOS ADMINISTRATIVOS32 23
5.1 Presupuesto 23
5.2 Cronograma de Actividades 24
REFERENCIAS BIBLIOGRÁFICAS
INTRODUCCION
Hoy por hoy, el dinamismo empresarial y las empresas industriales y energéticas en particular,
están expuestas de una forma cada vez más visible a la creciente complejidad y globalización de la
economía y de los mercados, a su alta volatilidad y a la evolución que experimentan los productos,
afectando la actividad productiva no solo de quienes las procesan, sino que incluye a sus productores
primarios y comerciantes e incluso a las instituciones que financian las actividades productivas
relacionadas con las materias primas, sin embargo en la actualidad, existen mecanismos desarrollados
con los cuales las empresas pueden gestionar su exposición al riesgo en este aspecto, logrando reducir
la incertidumbre ante un cambio inesperado en los precios del commodity.
Finalmente se dan a conocer los recursos que demanda la ejecución de la propuesta, los
resultados que se esperan obtener a partir de su desarrollo y la bibliografía correspondiente.
1 Problema
Las empresas se ven afectadas por diversos factores, enfrentando dificultades para proyectar
sus inversiones y sus ingresos, un ejemplo de esto son las volatilidades en el precio de las materias
primas, dando origen a la inestabilidad e incertidumbre para quienes económicamente son
dependientes de éstas, lo que termina incidiendo en las variables que son críticas para el adecuado
desarrollo de su actividad productiva, impactando de manera significativa en los resultados
financieros, incrementando los riesgos en la generación de valor, los niveles de utilidad y el
crecimiento de la empresa.
Generalmente, las empresas e individuos se preocupan más por los asuntos de estabilidad
de ingresos y ganancias que por la tendencia de los precios, Hull (como se citó en Arrollave, 2011)
expresa que existen compañías muy eficientes y bien diligentes en lo concerniente al desarrollo de
la actividad propia de su negocio que, sin embargo, no poseen ventajas comparativas que le
permitan manejar los riesgos asociados a la volatilidad de variables exógenas a su razón de ser,
entre ellas los precios de las materias primas.
Dicha volatilidad es afectada por factores, que se derivan de la situación del mercado:
producción, consumo, comercialización y reservas, que conllevan a un desequilibrio entre la oferta
y la demanda, convirtiendo la inversión en un riesgo. Las fluctuaciones cambiarias, la depreciación
o apreciación de la moneda y la especulación son otros factores que afectan este fenómeno.
1
Es el punto focal de la las Naciones Unidas para el tratamiento integral de las cuestiones de desarrollo en las
áreas de comercio, finanzas, inversiones y tecnología.
encuentran los minerales y los metales como el estaño, zinc, cobre, níquel, aluminio y
plomo; los cuales variaron de junio a octubre de 2010 específicamente alrededor de 52%, 36%,
27%, 23%, 21% y 40% respectivamente.
El comportamiento del precio del plomo, ha tenido una marcada tendencia alcista, es
importante resaltar que, el banco británico señala la eventual escases de este metal, como
consecuencia de la limitada extracción de este activo y oferta del plomo (Pb) refinado,
excluyendo a China, esta tendencia es considerada en las múltiples aplicaciones de este metal.
(Burga Ramos, 2014), expresa que los precios del plomo experimentaron un período de
extremadamente alta volatilidad en el 2013, pasando la mayor parte del tiempo entre 2000 y 2200
dólares por tonelada entre el segundo y cuarto trimestre del 2013, producto de una serie de
cambios estructurales importantes ocurridos en las industrias del plomo y de baterías alrededor
del mundo
La volatilidad del precio del plomo (Pb), se encuentra sujeta a diversas fuerzas externas,
como lo son, los cambios en los sectores en donde es utilizado este metal, las condiciones del
mercado, las condiciones económicas mundiales, el desarrollo de economías emergentes, factores
sociales, la especulación, la política de algunos países, y los inversionistas deben adaptarse a esto,
por lo tanto el riesgo de sufrir pérdidas al negociar plomo (Pb), pueden ser elevadas, por lo que las
empresas deben evaluar cautelosamente sus finanzas y prever el riesgo, ya que debido a los
múltiples usos que tiene este metal, su demanda y volatilidad es difícil de predecir, en el último
año (de marzo de 2015 a febrero de 2016), el precio del plomo ha oscilado entre los $2.005,36 para
el mes de abril de 2015 y los $1.618,35 para el mes de noviembre del mismo año.
El precio del plomo se encuentra históricamente entre los más inestables de las materias
primas, tendiente a seguir ciclos económicos generales de auge y caída, fenómeno que conlleva
a las empresas que dentro de sus procesos productivos incluyen este metal, a ser vulnerables al
riesgo ya que estas oscilaciones imprevisibles producen impactos negativos a nivel operativo,
de generación de valor y utilidades, ocasionando incertidumbre e inestabilidad financiera.
1.2 Formulación del problema
¿Cuál es el modelo econométrico más significativo estadísticamente para medir la volatilidad del
precio del plomo?
¿Cuál ha sido la volatilidad del precio del plomo (Pb) para el periodo de tiempo definido?
1.3 Justificación
Las empresas que dentro de sus procesos de producción tienen como materia prima el plomo
(Pb), o lo incorporan como parte de su producto final, mediante diferentes usos entre los que se
incluye: la producción de baterías, forros para cables, elementos de construcción, soldadura,
pigmentos, aleaciones, cerámica, plásticos, municiones, refinamiento de petróleo entre otros, están
expuestas al incremento en el precio de este producto, convirtiéndose en una fuente de inestabilidad
generando incertidumbre, riesgo y repercusiones de tipo operativo en la medida que afecta
financieramente a la empresa, impactando negativamente el crecimiento y la generación de valor,
La volatilidad del precio del plomo (Pb) es un problema polifacético, que es causado por diversos
factores, provocando oscilaciones imprevisibles en los precios, lo que repercute de manera negativa en
las empresas que lo incluyen dentro de sus procesos productivos, por lo que elaborar un modelo que
explique el comportamiento histórico de la volatilidad en periodos futuros, es de gran interés, ya que
facilitaría la toma de decisiones, permitiendo que se presupueste de una manera más asertiva el costo de
este metal, prediciendo los tiempos de compra adecuados y el dinero que se va a gastar.
1.4 Objetivos
Determinar la volatilidad del precio del plomo (Pb), en los mercados internacionales a través
de un modelo econométrico durante el periodo de junio de 2010 a junio de 2015.
1. Estudiar el comportamiento del precio del Plomo (Pb) en los mercados internacionales
durante el periodo establecido.
2. Explorar los modelos para estimar volatilidad
3. Definir el modelo econométrico más significativo estadísticamente para el cálculo de la
volatilidad del precio del plomo.
4. Medir la volatilidad del precio del plomo para el periodo definido.
1.5 Alcance
Como resultado de diversos estudios realizados, se han dado diversas definiciones al concepto
de volatilidad. Doporto y Michelena (2011), expresa:
(García Centeno, s.f.) “la volatilidad es una medida del grado de incertidumbre que existe en los
mercados financieros. Se utiliza para estimar y medir los cambios aleatorios que se producen en las
rentabilidades de los diferentes activos financieros”. De igual manera menciona:
La volatilidad presenta unas características determinadas que muestran una cierta regularidad
en su comportamiento. Este hecho permite la utilización de diferentes modelos para captar su dinámica
y también para obtener predicciones futuras de las volatilidades. Entre las principales características
de la volatilidad se pueden destacar las siguientes:
a) Existen periodos en los cuales la volatilidad es alta alternando con otros periodos en los
cuales la volatilidad es pequeña. Este hecho se conoce en la literatura econométrica como
agrupamiento o clusters de la volatilidad.
Debido a que la volatilidad no es fácil de predecir, se han utilizado diversas herramientas, dentro
de las cuales se encuentran los modelos econométricos, utilizando diversas técnicas, con el fin de
simplificar el proceso de su identificación y estimación.
A continuación, se detallan algunos modelos econométricos, que se han utilizado para medir la
volatilidad.
2.1.1 Modelos de Series de tiempo
Los modelos de series de tiempo, son considerados como una herramienta base de la
econometría, (Fernández, s.f) indica:
Que si el objetivo de utilizar las series de tiempo, es explicar el valor que toma en un
determinado momento un fenómeno económico que muestra dependencia temporal, un
procedimiento factible c o n s i s t e en recoger información sobre su evolución a lo largo del
tiempo, y explotar el patrón de regularidad que muestran los datos (p.1).
En donde los sufijos representan el periodo en el tiempo en el que se observa la variable Yt.
c) Yt es independiente de Yk.
Con el fin de seleccionar y modelar una serie, se han estudiados varios modelos, dentro de
los cuales se han destacado, siendo, un proceso autorregresivo (AR), de media móvil (MA), y
autorregresivo de media móvil (ARMA), a continuación, se da una breve descripción de estos.
datos económicos, se han realizado diversas aplicaciones de estos modelos, que fueron predecir
la volatilidad y no como causas. Bajo este tipo de estructuras, las causas de la volatilidad se
modelan de forma más directa desarrollados por Engle en 1982 y suponen que la varianza no
condicional es constante en el tiempo, mientras que la varianza condicional es variable
(Hernández y Carranza, 2009).
Melo y Becerra (como se citó en Hernández y Carranza, 2009) Los modelos ARCH-
GARCH son básicamente no lineales gaussianos que surgen para dar cabida al fenómeno de las
colas pesadas y de la concentración de la variabilidad, esto lo hacen admitiendo cambios en la
2
Denominado así por su significado en inglés autoregressive conditional heteroscedasticity Este tipo de modelos
describen la varianza condicionada como una función de los retardos del cuadrado de los rendimientos, éstas son
probablemente las causas más cercanas de la volatilidad. Pero es mejor interpretarlos como observables que ayudan a
predecir la volatilidad y no como causas. Bajo este tipo de estructuras, las causas de la volatilidad se modelan de forma
más directa.
variabilidad en las perturbaciones, ya que estas varían en el tiempo.
De acuerdo a los resultados obtenidos, la tasa de interés de estados Unidos y de la zona euro
son estadistidisticas significativas para el modelo. Lo cual sugiere que la volatilidad de la paridad euro
dólar es explicada por estas dos variables. La primera afecta inversamente la volatilidad de la paridad,
mientras que un movimiento en la tasa de interés de la zona euro tiene una relación positiva o directa
con el nivel de volatilidad.
Lo que es coherente con la teoría de paridad de tipos de interés lo cual relaciona el impacto
significativo de las tasas de interés en el mercado bancario, demostrando la coherencia del efecto
Fisher4.
3
También denominado método de etapas de regresión, en la que elección de las variables predictoras se llevan a cabo por
un procedimiento de Fordware Selection y de Backward elimination. En el cual se prueba las variables una por una para
determinar su grado de significancia. Para una mejor referencia sobre este método de regresión se recomienda abordar los
estudios de Pope y Webster (1972) y de Bendel y Afifi (1977).
4
Teoría que describe la relación entre la diferencia de los tipos de interés entre dos países y el tipo de cambio
entre sus respectivas divisas.
García Centeno y Calvo Martín (s,f), realizaron el estudio “Estimación de modelos de
volatilidad estocástica en series de rendimientos bursátiles”, utilizando el modelo de
heterocedasticidad condicional autorregresivo generalizado, GARCH y el modelo de volatilidad
estocástica autorregresivo de primer orden, modelo ARSV para estimar la evaluación de los
rendimientos diarios de dos índices bursátiles: el CAC405 y el DAX306.
Para este caso se utilizaron los modelos ARCH- GARCH y sus posibles variantes y los
modelos SV7 y sus posibles variantes. Los más utilizados han sido los modelos de heterocedasticidad
condicional autorregresiva, debido a que se estiman con facilidad y se encuentran implementados en
gran parte de software econométricos, mientras que los modelos de volatilidad estocástica son menos
sencillos de estimar ya que se desconoce cuál es la función de probabilidad.
5
Es un índice ponderado por capitalización de las 40 empresas líderes de entre las 100 mayores empresas negociadas
en el mercado oficial Euronext de Paris.
6
Es el índice más conocido de la Bolsa alemana. Su cálculo consiste en una media aritmética ponderada por
capitalización.
7
Modelos de volatilidad estocástica, propuestos por Taylor (1982)
volatilidad es mayor, coinciden con los periodos en los que la variación de los rendimientos
respecto de su media es mayor, también se observan datos atípicos8 que coinciden con algún
acontecimiento puntual que ha afectado al comportamiento de las bolsas.
8
Es una observación que es numéricamente distante del resto de los datos
2.1.3 Modelos de heterocedasticidad condicional autorregresiva
El modelo propuesto para las series de rendimientos financieros es un modelo GARCH (1,1),
siendo especificado por las siguientes ecuaciones:
Se puede apreciar que todos los parámetros son significativos, indicando que los
rendimientos de los índices bursátiles se ven afectados por el comportamiento de la volatilidad en
el periodo anterior.
3 Marco Metodológico
La primera fase comprende, analizar el comportamiento del precio del plomo para los
últimos cinco (5) años, y análisis de la volatilidad del mismo, para lo cual se tomarán los valores de la
plataforma bloomberg y se explorarán documentos, libros, artículos y otras fuentes confiables,
definiendo los factores y las variables determinantes de su precio.
La tercera y última fase, corresponde a la aplicación de los modelos econométricos, con el fin de
hallar el más significativo estadísticamente para el cálculo de la volatilidad del precio del plomo,
permitiendo medir su volatilidad para el periodo de tiempo estimado.
4 Resultados Esperados
La presente investigación, espera contribuir al estudio de la volatilidad del precio del plomo
(Pb), así como, al estudio de modelos econométricos y su aplicabilidad en el mercado, para medición
de volatilidad y de esta manera, poder hallar, un modelo econométrico que permita calcular la
volatilidad del precio del plomo, con un alto grado de certeza, permitiendo que las empresas que dentro
de sus procesos utilizan esté metal, puedan tomar decisiones más asertivas con respecto a las
proyecciones presupuestales.
Estudiar el comportamiento del precio del Plomo (Pb) en los mercados internacionales
durante el periodo establecido.
5.1 Presupuesto
Recursos humanos:
ITEM COSTO
Descripción Valor Unitario Cantidad Total
Asesoría y Capacitación
Asesoría Especializada (hrs) $ 145.000,00 18 $2.610.000
Materiales y Equipos
Adquisición de Bibliografía $ 220.000,00 3 $660.000
Computador (mes) $ 70.000,00 10 $700.000
Impresora $ 180.000,00 1 $180.000
Memoria USB $ 22.000,00 1 $22.000
GASTOS GENERALES
Papelería –Resmas $ 8.000,00 2 $16.000
CD $ 900,00 4 $3.600
Servicio de Internet $ 25.000,00 10 $250.000
Empastes $ 79.000,00 2 $158.000
VIAJES Y VIÁTICOS
Pasajes. $ 180.000,00 4 $720.000
Viáticos. (día) $ 100.000,00 4 $400.000
COSTO TOTAL DEL PROYECTO $5.719.600
5.2 Cronograma
CRONOGRAMA DE ACTIVIDADES
NOMBRE DEL PROYECTO: Determinación de la volatilidad del precio del plomo a nivel internacional para analizar su cobertura
FECHA DE INICIO: Enero de 2016
FECHA DE FINALIZACIÓN: Junio de 2016
Alcázar, J., & Humérez , J. (s.f). Unidad de Análisis de Polítias Sociales y Económicas. Recuperado de
http://www.udape.gob.bo/portales_html/AnalisisEconomico/analisis/vol14/art02.pdf
Arango, E., & Arroyave, J. (2011). Seaps de tasa de interés y de cruce de monedas como herramientas de cobertura para las empresas
colombianas. Revista EIA,, No. 25, 189 – 205.
Burga Ramos, V. (2014). Precios de los metales - Factores que determinarán su evolución en el 2014-2015. Desde Adentro, 54. Obtenido
de https://issuu.com/sociedadmineroenergetica/docs/revista131
De la Cuba , M., & Ormeño, A. (s.f.). La volatilidad del sector primario exportador:. Estudios Económicos.
CEPAL/FAO/IICA, B. (2001). Volatilidad de precios en los mercados agrícolas (2000 - 2010): implicaciones para América Latina y
opciones de políticas. Santiago de Chile, Chile.
Doporto, I., & Michelena, G. (2011). La volatilidad de los precios de los Commodities; el caso de los productos agrícolas. Revista del
CEI, 19,35-53. Obtenido de http://www10.iadb.org/intal/intalcdi/ExternoCarta.aspx?signatura=eHM%2520CEI-
DT%25201%2520%255B2011%255D
García Centeno, M., & Calvo Martín, M. (s,f). Universidad San Pablo CEU (Madrid). Recuperado de
http://www.uv.es/asepuma/XIII/comunica/comunica_23.pdf
Monroy Carranza, N., & Conde Hernández, C. (2009). Universidad de la Salle. Recuperado de
http://repository.lasalle.edu.co/handle/10185/12476
López Dominguez, I. (2008). Análisis de votalidad y correlación en serios de precios: Aplicación a los precios del aceite de oliva. Revista
EAN No. 64: septiembre-diciembre de 2008 p.67-88.