DETERMINACIÓN DE LA VOLATILIDAD DEL PRECIO DEL PLOMO, EN LOS MERCADOS

INTERNACIONALES A TRAVÉS DE UN MODELO ECONOMÉTRICO

CLAUDIA MARIA ALVARADO MÉNDEZ

UNIVERSIDAD DE SANTANDER UDES

MAESTRÍA EN FINANZAS
BUCARAMANGA, SANTANDER
2015
DETERMINACIÓN DE LA VOLATILIDAD DEL PRECIO DEL PLOMO, EN LOS MERCADOS
INTERNACIONALES A TRAVÉS DE UN MODELO ECONOMÉTRICO

CLAUDIA MARIA ALVARADO MÉNDEZ

Director
Dr. EDGAR LUNA GONZÁLEZ

UNIVERSIDAD DE SANTANDER UDES

MAESTRÍA EN FINANZAS
BUCARAMANA, SANTANDER
2016
 CONTENIDO

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.

Se han realizado investigaciones en donde se han utilizado diversos modelos econométricos,

con el fin de hallar un modelo que permita mitigar el impacto generado por la volatilidad.

El presente documento contiene una propuesta de investigación que se centra en la volatilidad

del precio del plomo (Pb), que busca dar respuesta entre otras a la pregunta ¿Cuál es el modelo
econométrico más significativo estadísticamente para medir la volatilidad del precio del plomo?, por
lo que se propone aplicar la serie de precios históricos de esta materia prima para el periodo definido,
a diversos modelos econométricos.

Inicialmente se aborda el problema objeto de la de investigación, con la descripción y formulación

del mismo, posteriormente se exponen las razones que justifican el desarrollo de la propuesta, los
objetivos que se pretenden alcanzar y la formulación a las preguntas de investigación.

Posteriormente se presenta el marco referencial, en donde se mencionan y describen algunas

investigaciones que han sido desarrolladas relativas al tema de investigación, continuando con el
marco teórico que respalda la investigación referenciando teorías y aplicación de diversos modelos
econométricos, así como también diferentes conceptos de volatilidad.

Consecutivamente, se presenta el diseño metodológico para el desarrollo de la propuesta, que

integra el desarrollo de la propuesta en dos fases, que se encaminan al cumplimiento de los objetivos
de la investigación.

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

1.1 Planteamiento del 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.

Según la UNCTAD1 (2011), en los últimos 10 años se ha evidenciado en los mercados

mundiales, un aumento considerable en los precios de los commodities, entre los que se

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

1.4.1 Objetivo General

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.

1.4.2 Objetivos Específicos

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

El estudio presentará los resultados obtenidos a partir del desarrollo de la propuesta de

investigación, que comprende desde su etapa inicial, los estudios exploratorios que serán de utilidad
para dar respuesta a las preguntas que formulan el problema de investigación, enfocándose en el
desarrollo de un estudio sobre el comportamiento del precio histórico del plomo (Pb) en los mercados
nacionales e internacionales, identificando factores y variables determinantes en la conformación de
sus precios, definiendo el modelo econométrico más confiable para el cálculo de la volatilidad del
mismo en el periodo comprendido de junio de 2010 y junio de 2015, a través de fuentes secundarias
como revistas especializadas, investigaciones, libros, entre otros.
2 Marco Referencial

2.1 Antecedentes y estado del arte

Se han realizado algunas investigaciones enfocadas al estudio de volatilidades en los precios

de divisas y otras a la volatilidad de los precios de productos commodities, específicamente los
derivados para agropecuarios; a continuación se hace referencia a algunos de los estudios que en el
plano nacional e internacional han abordado el tema en cuestión.

Doporto y Michelena (2011). Analizan algunos aspectos relacionados con el fenómeno de

volatilidad de los precios de commodities, explorando la relación entre ésta y los mercados
financieros, desarrollando un modelo econométrico para identificar los principales determinantes de
la volatilidad en un grupo de commodities agrícolas.

De la Cuba y Ormeño, (s.f). Realizan un estudio en donde presentan una primera

aproximación sobre la posibilidad de que el impacto de los choques externos sobre los precios de
exportaciones pueda depender de la estructura del sector primario, concluyendo que los productos de
exportación no presentan el mismo grado de volatilidad, asi por ejemplo, en el caso peruano, los
principales productos de exportación (como oro y cobre) presentan un grado de volatilidad menor al
que se observa en otros productos primarios (como el caso del petróleo). En tal sentido la volatilidad
agregada de los precios depende de los productos primarios que componen la estructura de
exportación, el grado de diversificación que presente el sector exportador influye en la volatilidad de
los precios de exportación, si las correlaciones entre los precios de los diferentes productos de
exportaciones no es perfecta, la inclusión de nuevos productos favorecen una reducción en la
volatilidad.

López Dominguez, (2008). Presenta un artículo en donde lo fundamental es estudiar la

volatilidad del precio del aceite de oliva, es decir, el carácter más o menos variable de precios y
rendimientos para saber si existe riesgo de mercado, estudiando la volatilidad que presenta cada una
de las variables, las fluctuaciones máximas y mínimas, comparando los precios entre las diferenes
variedades, sus anomalías y todo lo relacionado con ellos, en donde se concluye que, de las
herramientas estadísticas que se han utilizado para realizar comparaciones en el comportamiento de
los precios se deduce que existe una alta correlación entre los precios de cada una de las variedades
de aceite, por lo que bastará negociar una variedad en el mercado de futuro. Al comparar la volatiliad
obtenida para el aceite de oliva con otros productos agrarios grasos o no, que se contratan como
subyacente en otros mercados de futuros de éxito, se concluye que sus niveles son adecuados. Los
rendimientos del aceite de oliva presentan una de las volatilidades más bajas.

2.2 Marco teórico

Como resultado de diversos estudios realizados, se han dado diversas definiciones al concepto
de volatilidad. Doporto y Michelena (2011), expresa:

La volatilidad es un fenómeno de suma complejidad cuyas repercusiones pueden perturbar

aspectos tales como, la seguridad alimentaria afectando los ingresos y el poder adquisitivo
de las familias, los mercados financieros, los flujos de comercio, así como generar
distorsiones en el desarrollo de las economías estructuralmente exportadoras o
importadoras netas de estos productos básicos. (p. 7)

La volatilidad involucra aspectos relativos a la velocidad, magnitud y cambios de dirección

en las tasas de variación de los precios. Desde el punto de vista estadístico, un precio es más volátil
cuanto mayor sea la magnitud de su tasa de cambio, hacia arriba o hacia abajo, más rápido sea el
cambio, y más cambios haya en direcciones opuestas. (CEPAL/FAO/IICA, 2001, p.3).

(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.

b) Como consecuencia de la existencia del agrupamiento de la volatilidad se produce otro

hecho estilizado que se conoce como persistencia de la volatilidad. Consiste en que si la
volatilidad es alta en un periodo tiende a seguir siendo alta en el periodo siguiente y si, por
el contrario, es baja en un periodo también tiende a seguir siendo baja en el periodo
siguiente.

c) En determinados momentos la volatilidad puede tomar valores mucho mayores de lo

habitual. Este hecho es debido a que en los precios se producen discontinuidades de salto.

d) Si se analizan simultáneamente las mismas series temporales en diferentes mercados, se

comprueba que se producen movimientos conjuntos en la volatilidad. Es decir, los cambios
que se producen en un determinado mercado están relacionados con los que se producen
en otros mercados. Para estudiar estas interrelaciones entre volatilidades de diferentes
mercados se utilizan, entre otros, los modelos multivariantes de heterocedasticidad
condicional o de volatilidad estocástica.

e) La existencia de buenas o malas noticias en los mercados financieros afecta de forma

diferente a la volatilidad. Esto implica que la volatilidad tiene un comportamiento
asimétrico. Este hecho es conocido en la literatura econométrico como efecto de
apalancamiento o leverage effect.
 (García Centeno, s.f.) “Existen diferentes tipos de volatilidad y los valores que cada una de
ellas toman no tienen porque corresponderse, ya que, la información que utilizan es diferente. Entre
los diferentes tipos de volatilidad se pueden destacar los siguientes”:

a) Volatilidad histórica. Es la volatilidad que se ha producido en el pasado. Se obtiene a

partir de las series históricas de precios de los diferentes activos proporcionando una
idea sobre cuales han sido las desviaciones del precio del activo respecto de su nivel
medio. Esta volatilidad está condicionada por el intervalo de tiempo escogido para su
cálculo y por las características del activo.

b) Volatilidad implícita. Es la volatilidad que se estima que tendrá en el futuro un

determinado activo financiero. Se conoce también como volatilidad del mercado y se
calcula a partir del precio de los activos en el momento actual. Por lo tanto, la
volatilidad implícita será el porcentaje de la volatilidad implícito en el precio de un
activo cuando el resto de los factores (precio del subyacente, precio del ejercicio,
dividendos, tipos de interés, tiempo de vencimiento) que intervienen en el cálculo del
precio del activo son conocidos.

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 primeros modelos de series de tiempo, tienen su estimación basándose en la teoría

económica relevante y se consideran variables endógenas junto a un conjunto de variables exógenas.
Estos modelos buscan capturar las relaciones estructurales que han sido reconocidas a partir de la
investigación teórica, entre las variables (Alcázar y Humérez, s.f).

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).

Para la construcción de un modelo de series de tiempo, solo se necesita la información muestral

de la variable a analizar, por ejemplo, si se quiere explicar el comportamiento de una variable temporal
Yt, se puede plantear de la siguiente manera:

Yt = ʄ (Yt-1, Yt-2, Yt-3, Yt-4, Yt-5, Yt-6, Yt-7……….)

En donde los sufijos representan el periodo en el tiempo en el que se observa la variable Yt.

De acuerdo a la caracterización de las series de tiempo se desglosan algunos conceptos

indispensables para su análisis, que son definidos a través de la imposición de algunos supuestos
sobre su comportamiento, siendo:

1) Ruido blanco: en donde el proceso ty cumple con las siguientes condiciones:

  La esperanza de t y es = 0 para todos los periodos t. Es decir E (yt) = 0, para
toda t.

 La varianza de t y es constante e independiente del tiempo. Es decir Var (yt) = σ2.

 Las autocorrelaciones son iguales a 0.

2) Independiente e idénticamente distribuido (iid), en donde el proceso t y se dice ser

iid, siempre y cuando cumpla con las siguientes condiciones:

a) La esperanza de t y es constante pero no precisamente igual a 0 para todos los

periodos t. Es decir E (yt) = µ.

b) La varianza de t y es constante y e independiente del tiempo. Es decir

Var (yt)= σ2.

c) Yt es independiente de Yk.

3) Operador de rezagos, siendo una representación sintetizada de la dinámica de la serie.

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.

1) Proceso autorregresivo (AR): él cual se define como, t t t y = µ + λy + ε −1 (1.1), en donde

µ es una constante, t ε representa lo que denominamos como ruido blanco, e t y sigue un proceso
autorregresivo, que supone que su esperanza condicional está sujeta de su valor en el período pasado.

2) Media móvil: en donde t y se expresa en términos de una constante y un proceso de

 media móvil, para ser de orden uno MA(1), debe tener una especificación del siguiente orden, t
= + t – t –1 y µ ε θε (1.5), siendo µ la constante y t −θ t−1 ε ε el proceso correspondiente a la
media móvil.

3) Proceso autorregresivo con media móvil: este se da a partir de los modelos

anteriores, siendo un modelo mixto, autorregresivo de promedio (media) móvil, ARMA (p.q), que
tiene la representación,

Yt = α + λ1 y t-1 + λ2 y t-2 + .....+ λp y t-p + Ɛ t-1 – θ1 ε t-1 – θ2 ε t-2 − … − θq ε t-q

Como podemos observar, se muestran p términos autorregresivos que representan los

rezagos distribuidos de la variable dependiente y q muestra los rezagos de la variable de
perturbación, εt corresponden a los promedios móviles. De lo anterior podemos notar que los
modelos ARMA (p, q) involucra los modelos AR (p) y MA (q) mediante una sola especificación.

Debido al adecuado funcionamiento del método (ARCH2) y el modelo generalizado

(ARHC- GARCH) en la interpretación de las diversificaciones del tiempo y las varianzas de los

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.

2.1.2 Modelos ARCH – GARCH

Monroy Carranza y Conde Hernández (2009), realizan el estudio “Análisis de la volatilidad

del mercado de divisas Forex: estimaciones econométricas e implicaciones macroeconómicas para
las principales paridades”, en donde se concluye que la metodología ARCH-GARCH arrojan
modelos óptimos para explicar la volatilidad añadida a series como las de los precios
internacionales de monedas reflejadas en el mercado de divisas FOREX. Por lo tanto, para la
estimación de la volatilidad de la paridad Euro – Dólar (EUR/USD) el modelo óptimo es una
combinación con mecanismo Arch- Garch, dentro del estudio se realizaron diversas estimaciones

para cada tipo de volatilidad, mediante el método Steepwise Regression3.

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.

Se utilizó el modelo GARCH y el modelo de volatilidad estocástica autorregresivo de primer

orden ARSV, con el fin de estimar la evolución de la volatilidad de los rendimientos diarios de los
índices bursátiles antes mencionados.

De acuerdo a la información, se puede destacar, que la serie de rendimientos de los índices

se mueve en torno a un nivel constante igual a cero, siendo bastante estable para toda la muestra,
cabe advertir que la varianza de los rendimientos no se mantiene constante sino que varía a lo largo
del tiempo, teniendo un comportamiento de agrupamiento de la volatilidad o clustering de la
volatilidad, debido a que en periodos en los que la volatilidad es menor, coinciden con periodos en
los que los rendimientos de los índices no sufren grandes cambios y en periodos en los que la

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.

De acuerdo a lo anterior se concluye, que la series de rendimientos analizadas, son asimétricas y

leptocúrticas; escaza correlación en las series de rendimientos, varianza cambiante a través del tiempo,
alternando periodos de poca volatilidad, seguidos de otros de alta volatilidad, existencia de correlación
en los cuadrados de los rendimientos de la serie y estas decrecen de forma lenta hacia cero, denotando
una persistencia de la volatilidad, que para los modelos de heterocedasticidad condicional
autorregresiva es una función determinística de las innovaciones pasadas al cuadrado y de la varianza
condicional retardada, siendo determinística en el sentido de que la ecuación de la media tiene un
término de perturbación y que su varianza se modeliza condicionalmente acorde al conjunto de
información hasta el periodo t-1.

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:

En donde Yt representa a los rendimientos de los índices bursátiles, µ es la constante, σt es la

volatilidad y Ɛt es la perturbación aleatoria que es independiente y está idénticamente distribuida con
media cero y varianza igual a uno, se va a añadir el supuesto de normalidad.

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

El proyecto corresponderá a una investigación no experimental, de diseño transaccional que

se basará en un tipo de estudio exploratorio, constara de tres (3) fases las cuales a su vez comprenden
una serie de actividades encaminadas a lograr los objetivos específicos de la investigación.

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 segunda fase de investigación estará basada, en un análisis y estudio de los modelos

econométricos que se han aplicado en investigaciones anteriores, lo que permitirá estudiar las diversas
investigaciones que se han realizado al respecto, dar cuenta de las causas y efectos de las mismas, el
impacto que genera en los actores del mercado y los factores que influyen en sus fluctuaciones.

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.

En éste sentido, como resultado de la investigación planteada se espera:

 Estudiar el comportamiento del precio del Plomo (Pb) en los mercados internacionales
durante el periodo establecido.

 Explorar los modelos para estimar volatilidad

 Definir el modelo econométrico más significativo estadísticamente para el cálculo de la

volatilidad del precio del plomo.

 Medir la volatilidad del precio del plomo para el periodo definido.

 5 Aspectos Administrativos

5.1 Presupuesto

Recursos humanos:

 Tutor del proyecto: Edgar Luna González

 Asesora metodológica: Olga Chacón.
 Autores del proyecto: Claudia Maria Alvarado Méndez

Recursos financieros: El presupuesto para el proyecto está previsto en cinco millones

setecientos diez y nueve mil seiscientos pesos ($5.719.600), que a excepción de las asesorías
metodológicas, se financiara con recursos propios provenientes de la autora del proyecto,
para cubrir los gastos que se ocasionen durante su desarrollo, siendo:

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

MES/SEMANA FEBRERO MAYO JUNIO JULIO AGOSTO

Fase N°
ACTIVIDADES 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
Analizar el comportamiento del precio del plomo para los últimos cinco (5) años y
1 su volatilidad.

Analizar y estudiar de los modelos econométricos que han sido aplicados en

2 estudios anteriores para medir volatilidades.
FASE I

Estudiar diversos modelos econométricos y su aplicación para medir volatilidades

3 que permitan establecer una estrategia de cobertura.

Construir y presentar el informe preliminar para revisión del Director y los

4
asesores metodológicos
Estimar la serie de volatilidades, utilizando diferentes modelos econométricos.
1
FASE II

Definir el modelo econométrico más significativo

2

3 Consolidación del documento final

 6 Referencias Bibliográficas

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

Fernández , A. (s.f). Análisis de series de tiempo. Obtenido de http://www.ccee.edu.uy/ensenian/catectr/material/arima_I.pdf

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.