Documentos de Académico
Documentos de Profesional
Documentos de Cultura
IV DIPLOMADO EN FINANZAS
MTODOS CUANTITATIVOS
PARA FINANZAS
Laila Escudero Lam
PARTE II:
ESTADSTICA PARA
FINANZAS
CONTENIDOS
Estadstica para finanzas
ESTADSTICA DESCRIPTIVA
Conceptos fundamentales
Distribucin de frecuencias
Medidas de tendencia central
Otras medidas de tendencias: Cuartiles
Medidas de dispersin
Medidas de asimetra
Curtosis
CONTENIDOS
Estadstica para finanzas
PROBABILIDADES
Conceptos fundamentales
Probabilidades: incondicional, condicional, conjunta,
teorema de Bayes
Valor esperado, covarianza y correlacin
Distribucin normal y lognormal
Distribucin normal estndar y distribucin t-student
INFERENCIA ESTADSTICA
Muestreo y estimacin. Tipos de muestreo
Teorema del lmite central
Error estndar muestral
Intervalos de confianza
http://www.slideshare.net/linuxfrog/estadistica-presentation-656007
http://www.slideshare.net/linuxfrog/estadistica-presentation-656007
http://www.slideshare.net/linuxfrog/estadistica-presentation-656007
CONCEPTOS FUNDAMENTALES
ESTADSTICA
Se refiere a los datos y los mtodos utilizados para recopilar
datos, analizarlos e interpretarlos para la toma de decisiones.
ESTADSTICA
DESCRIPTIVA
Se encarga de recopilar, organizar y
presentar los datos.
Rene un conjunto de mtodos
utilizados para describir las
principales caractersticas de un
conjunto muy grande de datos.
INFERENCIA
ESTADSTICA
Se encarga de analizar e interpretar
los valores estadsticos para extraer
conclusiones sobre la poblacin.
Es un conjunto de mtodos utilizados
para establecer afirmaciones
probabilsticas acerca de una
poblacin a partir de una muestra. 8
CONCEPTOS FUNDAMENTALES
CONCEPTOS FUNDAMENTALES
Muestra
Poblacin
10
CONCEPTOS FUNDAMENTALES
ESCALAS DE MEDICIN
q
11
CONCEPTOS FUNDAMENTALES
ESCALAS DE MEDICIN - EJEMPLOS
q
12
DISTRIBUCIN DE FRECUENCIAS
Cuando disponemos de una gran cantidad de datos, es
necesario organizar estos datos para facilitar su anlisis.
Una tabla de distribucin de frecuencias es muy til en
estos casos.
q Una distribucin de frecuencias es la presentacin tabular
de un conjunto de datos que ayuda al anlisis de un gran
conjunto de datos. Agrupa los datos estadsticos en
grupos, clases o intervalos.
q
13
DISTRIBUCIN DE FRECUENCIAS
14
DISTRIBUCIN DE FRECUENCIAS
CMO CONSTRUIR UNA DISTRIBUCIN DE FRECUENCIAS?
Definir los intervalos
1.
a)
b)
c)
2.
3.
4.
DISTRIBUCIN DE FRECUENCIAS
Frecuencia absoluta
nmero total de observaciones
16
DISTRIBUCIN DE FRECUENCIAS
REPRESENTACIN GRFICA
Histograma
1.
17
-25
-15
-5
15
25
35
45
DISTRIBUCIN DE FRECUENCIAS
REPRESENTACIN GRFICA
Polgono de frecuencia
2.
18
-25
-15
-5
15
25
35
45
DISTRIBUCIN DE FRECUENCIAS
REPRESENTACIN GRFICA
3.
19
0
-25
-15
-5
15
25
35
45
q Proporcionan
20
10
MEDIA ARITMTICA
Es la suma de todas las observaciones dividida entre el
nmero de observaciones.
N
Media poblacional
X
i =1
Media muestral
X=
X
i =1
21
X=
X
i =1
nX = Xi
i =1
i =1
i =1
i =1
i =1
(X i X ) = X i X = X i n X = 0
22
11
X W = wi X i = (w1 X 1 + w2 X 2 + ...wn X n )
Donde:
i =1
23
24
12
d)
25
MODA
26
13
MEDIA GEOMTRICA
Se define como
G = n X 1 X 2 X 3...X n
con X i 0; para i = 1,2,..., n
n
1
ln G = ln ( X 1 X 2 X 3...X n ) =
n
ln X
i =1
27
MEDIA GEOMTRICA
RG = n (1 + R1 )(1 + R2 )...(1 + Rn ) 1
28
14
XH =
n
n
X
i =1
29
q
q
30
15
CUANTILES
q
Ly = (n + 1)
y
100
31
CUANTILES
CMO DETERMINAR LA POSICIN DE UN PERCENTIL?
q Py es el valor por debajo del cual cae el y% de la distribucin,
o el y-simo percentil. Para n observaciones ordenadas
ascendentemente, la posicin Ly del y-simo percentil Py es:
Ly = (n + 1)
y
100
16
MEDIDAS DE DISPERSIN
Dispersin es la variabilidad alrededor de la tendencia
central.
q La dispersin es una medida del riesgo.
q
33
RANGO
17
MAD =
i =1
35
VARIANZA
Es el promedio de las desviaciones al cuadrado respecto
de la media aritmtica.
Varianza poblacional:
2 =
Varianza muestral:
(X
i =1
(X
n
s2 =
i =1
X)
36
n -1
18
VARIANZA
37
DESVIACIN ESTNDAR
Es la raz cuadrada de la varianza.
Se utiliza con frecuencia como una medida cuantitativa
de riesgo.
Desviacin estndar poblacional:
N
(X
i =1
s=
(X
i =1
X)
38
n-1
19
SEMIVARIANZA Y SEMIDESVIACIN
39
DESIGUALDAD DE CHEBYSHEV
q
40
20
COEFICIENTE DE VARIACIN
CV =
sx
X
41
RATIO DE SHARPE
Mide el exceso de retorno por unidad de riesgo.
Es utilizado para medir la performance de inversiones.
Basado en informacin histrica de los retornos, el ratio
Sharpe de un portafolio se define como:
Ratio de Sharpe =
rp rf
p
donde:
r p = retorno del portafolio
r f = retorno libre de riesgo
p = desviacin estndar de los retornos del portafolio
42
21
RATIO DE SHARPE
Limitaciones:
Interpretacin de ratios de Sharpe negativos.
Solo considera solo un aspecto del riesgo: la desviacin
estndar.
43
ASIMETRA
q
q
(X
n
i =1
SK =
s3
(n 1)(n 2 )
Para n muy grandes la expresin se reduce a:
(X i X )
1 i =1
SK
s3
n
Como referencia, para un muestra de 100 observaciones a ms,
un sesgo de 0.5 es alto.
n
X)
44
22
ASIMETRA
q
Distribucin simtrica SK = 0
45
CURTOSIS
q
46
23
CURTOSIS
q
( X i X )4
+
n
(
n
1
)
i =1
3(n 1)
KE =
4
(n 1)(n 2 )(n 3)
(n 2 )(n 3)
s
(X
1
n
KE
n
i =1
X)
s4
Leptocrtica
KE > 0
Platicrtica
KE < 0
Mesocrtica o Normal KE = 0
ASIMETRA
47
CURTOSIS
Simtrica o Normal
Leptocrtica
K >0
Media = Mediana = Moda
Platicrtica
K <0
Mesocrtica o Normal
K =0
24
ASIMETRA Y CURTOSIS
q
q
PROBABILIDADES
CONCEPTOS
50
25
PROBABILIDADES
Ejemplo: Lanzar un dado
Variable aleatoria
Resultado
Evento
Eventos mutuamente excluyentes
Eventos exhaustivos
51
PROBABILIDADES
DEFINICIN
1. La probabilidad de ocurrencia de cualquier evento (Ei)
se encuentra entre 0 y 1.
0 P( Ei ) 1
2.
P( E ) = 1
i
52
26
PROBABILIDADES
PROBABILIDADES
q
PROBABILIDAD INCONDICIONAL
Es la probabilidad de que ocurra un evento sin importar la
ocurrencia pasada o futura de otros eventos.
PROBABILIDAD CONDICIONAL
Es la probabilidad de que ocurra un evento A dado que
otro evento B ha ocurrido.
P( A | B ) =
P ( AB)
P( B )
54
27
PROBABILIDADES
q
P( AB ) = P ( A | B ) x P( B )
Para eventos independientes:
P( AB ) = P ( A) x P ( B )
donde:
P(AB) = Probabilidad conjunta de A y B
P(A|B) = Probabilidad de ocurrencia de A dado que ocurre B
P(B)
55
= Probabilidad de ocurrencia de B
PROBABILIDADES
q
REGLA DE LA ADICIN
Se utiliza para determinar la probabilidad de que A, B o
ambos eventos ocurran. Se puede generalizar para ms de
dos eventos.
P( A B) = P ( A) + P ( B ) P ( AB)
P(A)
P(AB)
P(B)
P( A B ) = P ( A) + P ( B )
56
28
PROBABILIDADES
q
P ( A ) = P ( AB ) + P ( AB C )
Prob que
ocurra A y B
P ( A ) = P( A | B ) P( B ) + P ( A | B ) P( B )
C
PROBABILIDADES
q
P ( A ) = P( AS1 ) + P( AS 2 ) + ... + P ( AS n )
= P ( A | S1 ) P ( S1 ) + P ( A | S 2 ) P ( S 2 ) + ... + P( A | S n ) P ( S n )
58
29
PROBABILIDADES
q
TEOREMA DE BAYES
Se utiliza para actualizar probabilidades basados en la
ocurrencia de un evento.
P( A | B ) =
P( B | A) x P ( A)
P(B)
P( B | A ) =
P( A | B ) x P ( B)
P ( A)
59
VALOR ESPERADO
El valor esperado o esperanza matemtica de una variable
aleatoria es el promedio ponderado por probabilidades de
los posibles resultados de dicha variable aleatoria.
q Se denota como E(X), donde X es la variable aleatoria.
q
E ( X ) = P( x1 ) x1 + P ( x2 ) x2 + ... + P( xn ) xn
n
= P( xi ) xi
i =1
60
30
COVARIANZA Y CORRELACIN
q
COVARIANZA
Mide cmo una variable aleatoria se mueve respecto de
otra variable aleatoria.
q Es el valor esperado del producto de las desviaciones
estndar de las dos variables aleatorias respecto de sus
valores esperados.
q Se expresa:
q
62
31
COVARIANZA
PROPIEDADES
1.
2.
3.
4.
5.
6.
63
CORRELACIN
Mide el movimiento conjunto (relacin linear) entre dos
variables aleatorias.
q Se expresa:
q
( Ri , R j ) = ij =
q
Cov( Ri , R j )
( Ri ) ( R j )
32
CORRELACIN
PROPIEDADES
1. Mide la fuerza de la relacin linear entre variables aleatorias
2. No tiene unidades
3. Su rango es -1 (Ri, Rj) 1
4. Si (Ri, Rj) = 1 las variables tienen correlacin positiva
perfecta, es decir, el movimiento de una variable resulta en
un movimiento de la otra en el mismo sentido y en la misma
magnitud respecto de su media.
5. Si (Ri, Rj) = -1 las variables tienen correlacin negativa
perfecta. El movimiento de una variable en un sentido har
que la otra lo haga en el sentido opuesto.
65
6. Si (Ri, Rj) = 0 no existe relacin linear entre las variables.
APLICACIN
q
1.
E ( R p ) = w1 E ( R1 ) + w2 E ( R2 ) + ... + wn E ( Rn ) = wi E ( Ri )
i =1
2.
Var ( R p ) = wi w j Cov( Ri , R j )
66
i =1 j =1
33
APLICACIN
q
1.
Valor esperado
E ( R p ) = w1 E ( R1 ) + w2 E ( R2 )
2.
Varianza
67
DISTRIBUCIN NORMAL
Es de suma importancia debido a que muchas de las variables
relevantes en el anlisis financiero (y en otras disciplinas)
siguen una distribucin normal.
q Tiene mucha importancia en la teora de portafolios.
q
PROPIEDADES
1. La caracterizan su media y su varianza 2. Se denota como
X ~ N(, 2), es decir, X est normalmente distribuida con
media y varianza 2
2. Es simtrica respecto de su media Sesgo = 0
3. Media = Mediana = Moda
68
4. Kurtosis = 3
34
DISTRIBUCIN NORMAL
1.
2.
3.
-2
+2
69
68%
95%
DISTRIBUCIN NORMAL
q
1
1.65
1.96
2.58
70
35
DISTRIBUCIN LOGNORMAL
q
q
Distribucin Normal
Distribucin Lognormal
Caractersticas:
71
z=
donde:
z = el nmero de desviaciones estndar respecto de la media.
72
36
-2.58
-1.96
-1
+1
+1.96
+2.58
68%
95%
99%
73
DISTRIBUCIN T-STUDENT
q
74
37
DISTRIBUCIN T-STUDENT
Grados de libertad = 15
Grados de libertad = 4
Grados de libertad = 1
Distribucin Normal
Distribucin t-Student
75
INFERENCIA ESTADSTICA
q
76
38
INFERENCIA ESTADSTICA
Estimacin
Prueba de
hiptesis
Enfoques
77
MUESTREO Y ESTIMACIN
q
TIPOS DE MUESTREO
Muestreo aleatorio simple
Selecciona una muestra de tal formal que cada elemento
de la poblacin bajo estudio tiene la misma probabilidad
de ser incluido en la muestra.
Muestreo aleatorio estratificado
Utiliza un sistema para clasificar la poblacin en grupos
ms pequeos segn una o ms caractersticas. De cada
sub grupo se selecciona una muestra aleatoria simple. El
tamao de estas muestras depende del tamao relativo
del subgrupo respecto de la poblacin.
78
39
MUESTREO Y ESTIMACIN
q
DISTRIBUCIN MUESTRAL
Se origina de la distribucin del conjunto de resultados de
un estimador (estadstico muestral) correspondiente a
cada muestra obtenida de una poblacin.
79
MUESTREO Y ESTIMACIN
q
80
40
MUESTREO Y ESTIMACIN
ERROR ESTNDAR DE LA MEDIA MUESTRAL
q
Es la desviacin estndar de la distribucin de medias
muestrales.
q
Si la varianza poblacional:
Es conocida
X =
No es conocida
sX =
s
n
81
INTERVALOS DE CONFIANZA
q
Depende de la
distribucin muestral y
la probabilidad
Error estndar del
punto de referencia
82
41
INTERVALOS DE CONFIANZA
PARA LA MEDIA POBLACIONAL
Si la poblacin tiene una distribucin normal y:
x z
x t
s
n
83
INTERVALOS DE CONFIANZA
q
84
42