06 Metodos Cuantitativos - Es

UNIVERSIDAD NACIONAL DE INGENIERA
IV DIPLOMADO EN FINANZAS
MTODOS CUANTITATIVOS
PARA FINANZAS
Laila Escudero Lam
MTODOS CUANTITATIVOS PARA FINANZAS
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
Todos los das, en todo momento debemos tomar

decisiones basadas en informacin incompleta
http://www.slideshare.net/linuxfrog/estadistica-presentation-656007
La mayora vivimos tranquilos con cierto nivel de

incertidumbre
Con la estadstica buscamos ser precisos, cuantificamos lo

incierto. Es por ello que los estadsticos pueden hacer
afirmaciones categricas con una seguridad total sobre el
nivel de incertidumbre.
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
Poblacin.- Son todos los miembros de un grupo especfico.

Por ejemplo la serie de retornos de todas las acciones que cotizan en la
Bolsa de Valores de Lima.
Parmetro: medida utilizada para describir una caracterstica de la

poblacin. Para los inversionistas los parmetros ms relevantes son:
la media, el rango del retorno de la inversin y la varianza.
Muestra (Sample).- Es un subconjunto de la poblacin.

Por ejemplo una muestra de 20 acciones seleccionadas de entre todas
las acciones listadas en la Bolsa de Valores de Lima.
Estadstica muestral: medida utilizada para describir una

caracterstica de la muestra. Se utiliza para estimar el valor de un
parmetro desconocido de la poblacin.
Muestra
Poblacin
10
ESCALAS DE MEDICIN
q
Escala Nominal. - Categoriza los datos pero sin un orden en

particular.
Escala Ordinal. - Categoriza y ordena los datos con relacin a
una caracterstica especfica.
Escala de Intervalos. - Provee un ranking relativo como la
escala ordinal y adems asegura que las diferencias entre los
valores de la escala sean iguales. La debilidad de esta escala es
que el cero no indica necesariamente la ausencia de lo que se
est midiendo.
Escala de Ratios. - Mantiene las caractersticas de la escala de
intervalos y adems considera al cero como punto de origen.
11
ESCALAS DE MEDICIN - EJEMPLOS
q
Escala Nominal. - Asignar el nmero 1 a los bonos corporativos, 2

a los bonos titulizados, 3 a los bonos hipotecarios, etc.
Escala Ordinal. - Asignar el nmero 1 a las 100 empresas de
mayor venta en el 2007, el nmero 2 a las siguientes 100, etc.
Escala de Intervalos. - Medicin de la temperatura en grados
centgrados: 27 es ms caluroso que 20, su diferencia de
temperaturas es la misma que la diferencia entre 33 y 26; sin
embargo, 0 no indica la ausencia de temperatura ni 24 es dos
veces ms caloroso que 12.
Escala de Ratios. - Medicin del dinero: si se tiene $ 0, no se
tiene poder adquisitivo, pero $ 4 representa dos veces ms poder
adquisitivo que $ 2.
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
Intervalo o clase.- Conjunto de valores en los que

puede ubicarse una observacin.
Cada observacin puede ubicarse en un nico intervalo (los
intervalos no deben traslaparse).
El nmero total de intervalos cubre todos los valores posibles
para la poblacin.
14
CMO CONSTRUIR UNA DISTRIBUCIN DE FRECUENCIAS?
Definir los intervalos
1.
a)
b)
c)
2.
3.
4.
Calcular el rango de los datos como la diferencia entre el valor

mximo y el valor mnimo.
Determinar el nmero de intervalos k en la distribucin de
frecuencias.
Determinar el tamao o amplitud del intervalo = rango / k
Asignar las observaciones a los intervalos correspondientes

Contar el nmero de observaciones que caen en cada intervalo.
Construir una tabla de intervalos, del ms pequeo al ms
grande, mostrando el nmero de observaciones que cae en
cada intervalo.
15
Frecuencia absoluta.- Es el nmero total de observaciones

en un intervalo dado.
Frecuencia absoluta acumulada.- Suma las frecuencias
absolutas conforme se avanza del primer al ltimo
intervalo.
Frecuencia relativa.Frecuencia relativa =
Frecuencia absoluta
nmero total de observaciones
Frecuencia relativa acumulada.- Suma las frecuencias

relativas conforme se avanza del primer al ltimo intervalo.
16
REPRESENTACIN GRFICA
Histograma
1.
Es una representacin grfica de la distribucin de frecuencia

absoluta a travs de un grfico de barras, con los datos agrupados
de acuerdo a dicha distribucin de frecuencia.
Permite apreciar visualmente dnde se concentra la mayora de las
observaciones.
8
7
6
5
4
3
2
1
0
17
-25
-15
-5
15
25
35
45
Polgono de frecuencia
2.
Es otra representacin grfica de la distribucin de frecuencia

absoluta.
Se marcan el punto medio de cada intervalo en el eje horizontal y
la frecuencia absoluta del intervalo en el eje vertical. Luego se
conectan los puntos con una lnea recta.
8
7
6
5
4
3
2
1
0
18
-25
-15
-5
15
25
35
45
Distribucin de frecuencia acumulada
3.
Se grafica la frecuencia absoluta acumulada o relativa contra el

lmite superior de cada intervalo.
Permite ver cuntas observaciones o qu porcentaje de las mismas
se ubican por debajo de cierto valor.
25
20
15
10
5
19
0
-25
-15
-5
15
25
35
45
MEDIDAS DE TENDENCIA CENTRAL

q Las
medidas de tendencia central cuantifican la

variabilidad de los datos alrededor de su centro.
q Proporcionan
una aproximacin al retorno esperado

de una inversin.
20
10

1.
q
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

PROPIEDADES DE LA MEDIA ARITMTICA
a) Todos los valores de la data estn considerados e
incluidos en el clculo de la media aritmtica.
b) Existe una nica media aritmtica para un conjunto de
datos.
c) La suma de las desviaciones alrededor de la media es
igual a cero.
n
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

PROPIEDADES DE LA MEDIA ARITMTICA
d) Es sensible a los valores extremos.
e) Usa toda la informacin disponible sobre las observaciones.
f)
Matemticamente es fcil trabajar con ella.
Para superar la influencia de los valores extremos en el
clculo de la media se utiliza la media ponderada.
n
X W = wi X i = (w1 X 1 + w2 X 2 + ...wn X n )
Donde:
i =1
X1, X2, , Xn = valores observados

w1, w2, , wn = pesos asociados a cada observacin. Suman 1.
23

MEDIANA
q Es el punto medio de un conjunto de observaciones
cuando stos son ordenados en forma ascendente o
descendente.
q Clculo de la mediana en una muestra de n elementos:
Si n es impar, la mediana ocupa el lugar (n+1)/2.
Si n es par, la mediana es la media de los valores que
ocupan los lugares n/2 y (n+2)/2 (los dos valores del
medio).
q El mismo nmero de observaciones caen por debajo y
por encima de la mediana.
2.
24
12

PROPIEDADES DE LA MEDIANA
a)
b)
c)
d)
Una distribucin tiene una nica mediana.

La mediana no est afectada por valores extremos.
No usa toda la informacin sobre el tamao y magnitud
de las observaciones, tan solo su posicin relativa en las
observaciones ordenadas.
Su clculo es ms complejo, pues requiere ordenar
previamente las observaciones de menor a mayor y
determinar si el tamao de la muestra es par o impar (es
menos manejable matemticamente).
25

3.
MODA
Es el valor que se presenta con mayor frecuencia en un

conjunto de observaciones.
q Una distribucin puede tener una moda (unimodal), ms
de una moda (bimodal, trimodal, etc.), o ninguna.
q En distribuciones continuas, se puede hallar un intervalo
modal (o ms de uno).
q Es la nica medida de tendencia central que puede
utilizarse con dataos en escala nominal.
q
26
13

4.
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

4.
MEDIA GEOMTRICA
Se utiliza con frecuencia para calcular el retorno de una

inversin en mltiples periodos o cuando se miden ratios
de crecimiento compuesto.
Para calcular la media geomtrica de una serie de retornos

se debe sumar 1 a cada valor, y luego restarle 1 al
resultado:
RG = n (1 + R1 )(1 + R2 )...(1 + Rn ) 1
28
14

MEDIA ARMNICA
q Se utiliza para algunos clculos como el costo promedio de
las acciones adquiridas a lo largo del tiempo.
5.
XH =
n
n
X
i =1
con X i > 0; para i = 1,2,..., n

q
La media harmnica es un tipo especial de media

ponderada donde una observacin es ponderada
inversamente proporcional a su magnitud.
29

q
q
q
La media geomtrica representa la tasa de crecimiento o tasa de

retorno compuesta de una inversin. Es til en el anlisis de
rentabilidad de una inversin en un horizonte de varios perodos.
La media aritmtica es de inters para medir el desempeo promedio
en un solo perodo.
Media geomtrica Media aritmtica
A mayor dispersin de los datos, mayor diferencia entre estas dos
medidas. Slo son iguales cuando todas las observaciones son iguales.
Para valores diferentes,
Media harmnica Media geomtrica Media aritmtica
La media harmnica es apropiada para promediar ratios cuando stos
son aplicados repetidamente a una monto fijo para producir una
cantidad variable de unidades. Por ejemplo, el beneficio de invertir
cada mes o cada semana el mismo monto de dlares para la compra de
cuotas de un fondo mutuo (costo promedio).
30
15
CUANTILES
q
Un cuantil es un valor al cual o bajo el cual cae una determinada

proporcin de los datos.
La mediana divide la distribucin en la mitad.
Los cuartiles dividen la distribucin en cuartos.
Los quintiles dividen la distribucin en quintos.
Los deciles dividen la distribucin en dcimos.
Los percentiles dividen la distribucin en centsimos.
Generalmente se usan los percentiles. El resto de cuantiles pueden ser
definidos en base a percentiles.
Para determinar la posicin de una observacin en un percentil y
donde n datos son ordenados ascendentemente, se utiliza la
siguiente frmula:
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
Si Ly = entero, la localizacin corresponde a una observacin.

q Si Ly entero, la localizacin cae entre los dos enteros ms
cercanos (por encima y por debajo), y se debe utilizar la
interpolacin lineal para hallar Py.
32
16
MEDIDAS DE DISPERSIN
Dispersin es la variabilidad alrededor de la tendencia
central.
q La dispersin es una medida del riesgo.
q
Dispersin absoluta.- Es el monto de variabilidad observada sin

compararlo con ningn punto de referencia.
Las medidas de dispersin absoluta ms comunes son: el rango,
desviacin absoluta de la media, varianza y desviacin estndar.
Dispersin relativa.- Es el monto de variabilidad con relacin a un

punto de referencia .
Las medidas de dispersin relativa ms comunes son: el
coeficiente de variacin y el ratio de Sharpe.
33
MEDIDAS DE DISPERSIN ABSOLUTAS

1.
RANGO
Es la diferencia entre el valor mximo y el mnimo de

un conjunto de datos.
rango = valor mximo valor mnimo

q
Es una medicin simple de variabilidad, pero utilizada

con otras mediciones provee de informacin muy til.
34
17

2.
DESVIACIN ABSOLUTA DE LA MEDIA

(Mean Absolute Deviation - MAD)
Es el promedio de los valores absolutos de las
desviaciones de observaciones individuales respecto de la
media aritmtica.
n
MAD =
i =1
35

3.
q
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

3.
VARIANZA
Al calcular la varianza muestral se utiliza n-1 como

denominador debido a que se mejoran las propiedades
estadsticas de s 2.
q En trminos estadsticos, s 2 es un estimador insesgado de
2 . La cantidad n-1 representa los grados de libertad al
estimar la varianza poblacional ya que cuando se calcul
la media, solo quedaron n-1 desviaciones
independientes respecto de la media.
37

5.
q
q
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
Desviacin estndar muestral:

n
s=
(X
i =1
X)
38
n-1
19

6.
SEMIVARIANZA Y SEMIDESVIACIN
Estas mediciones nacen de la preocupacin de los

inversionistas por medir el riesgo de los retornos que se
encuentran por debajo de la media.
Se calculan considerando solo las observaciones que son

menores que la media.
39
DESIGUALDAD DE CHEBYSHEV
q
La desigualdad de Chebyshev declara que la proporcin de las

observaciones dentro de k desviaciones estndar de la media es al
menos 1 1/k2 para todo k > 1.
Segn esto, para cualquier distribucin se cumple:
36% de las observaciones caen en un intervalo de 1.25 desviaciones

estndar.
56% de las observaciones caen en un intervalo de 1.50 desviaciones
estndar.
75% de las observaciones caen en un intervalo de 2 desviaciones estndar.
La importancia de esta regla es su generalidad. Se cumple para

cualquier conjunto de datos ya sea de una muestra o de una
poblacin y sin importar la forma de la distribucin.
40
20
MEDIDAS DE DISPERSIN RELATIVA

1.
COEFICIENTE DE VARIACIN
CV =
sx
X
Mide cunta dispersin respecto de la media existe en una

distribucin.
q Permite la comparar de forma directa diferentes conjuntos
de datos.
q En inversiones el CV mide el riesgo por unidad de retorno
esperado (media).
q
41

2.
q
q
q
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

2.
RATIO DE SHARPE
Los inversionistas adversos al riesgo que toman

decisiones basados en el retorno promedio y su
desviacin estndar prefererirn portafolios con ratios de
Sharpe mayores.
Limitaciones:
Interpretacin de ratios de Sharpe negativos.
Solo considera solo un aspecto del riesgo: la desviacin
estndar.
43
ASIMETRA
q
q
Una distribucin simtrica es aquella que mantiene la misma

forma a ambos lados de la media.
El sesgo describe el grado de asimetra de una distribucin con
relacin a su media.
(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
Distribucin con sesgo positivo (hacia la derecha) SK > 0

Moda < Mediana < Media
Distribucin con sesgo negativo (hacia la izquierda) SK < 0

Moda > Mediana > Media
45
CURTOSIS
q
Mide si una distribucin es ms o menos puntiaguda que

una distribucin normal y provee de informacin sobre la
probabilidad de resultados extremos.
Leptocrtica.- Distribucin ms puntiaguda (y con colas ms gordas)

que una distribucin normal.
Platicrtica.- Distribucin menos puntiaguda que una distribucin
normal.
Mesocrtica.- Distribucin idntica (en curtosis) a la normal.
La curtosis de una distribucin normal es igual a 3.

q El exceso de curtosis se mide como: curtosis - 3.
q Un exceso de curtosis > 1 en valor absoluto se considera
grande.
q
46
23
CURTOSIS
q
El exceso de curtosis en una muestra es:

n
( 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
Para n muy grandes la expresin se reduce a:
(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
Sesgo positivo (derecha)
Moda < Mediana < Media
Platicrtica
K <0
Mesocrtica o Normal
K =0
Sesgo negativo (izquierda)

48
Media < Mediana < Moda
24
ASIMETRA Y CURTOSIS
q
q
El sesgo y la curtosis son conceptos crticos en la gestin del riesgo.

Si los retornos de una inversin se modelan suponiendo una
distribucin normal, las predicciones del modelo no considerarn el
potencial de obtener resultados muy negativos.
Por ello, en la gestin del riesgo la forma de las colas de las
distribuciones de retornos (que es donde se encuentra el riesgo)
tiene mayor relevancia que la media o la desviacin estndar.
En comparacin a la distribucin normal, una distribucin
leptocrtica indica un mayor riesgo dado que posee un gran
porcentaje de pequeas desviaciones respecto de la media y
adems un gran porcentaje de grandes desviaciones respecto de la
media.
En general, una mayor curtosis positiva y un mayor sesgo negativo
49
indican mayor riesgo.
PROBABILIDADES
CONCEPTOS
Variable aleatoria.- Se refiere a una cantidad o nmero

incierto (aleatorio).
Resultado.- Es un valor observado que toma la variable
aleatoria.
Evento. - Es un resultado o conjunto de resultados.
Eventos mutuamente excluyentes.- Eventos que no
pueden suceder simultneamente.
Eventos exhaustivos.- Son aquellos que incluyen todos
los resultados posibles.
50
25
PROBABILIDADES
Ejemplo: Lanzar un dado
El nmero que sale

Si al lanzar sale un tres
Sacar un tres
Sacar tres o sacar cinco
Sacar un nmero par o
un nmero impar
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.
Sin embargo, debe notarse que 0 y 1 no corresponden

a resultados estrictamente aleatorios.
La suma de las probabilidades de todos los posibles
eventos mutuamente excluyentes es 1.
P( E ) = 1
i
52
26
PROBABILIDADES
Probabilidad emprica.- Se establece al analizar datos

pasados (informacin histrica).
Probabilidad a priori.- Se determina utilizando un

razonamiento formal y un proceso de inspeccin.
Probabilidad subjetiva. - Involucra el uso de juicios

personales.
53
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
REGLA DE LA MULTIPLICACIN (probabilidad conjunta)

Es la probabilidad de que dos o ms eventos ocurran.
Se calcula de la siguiente forma:
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)
Para eventos independientes:
P(B)
P( A B ) = P ( A) + P ( B )
56
28
PROBABILIDADES
q
REGLA DE LA PROBABILIDAD TOTAL

Esta regla explota la relacin entre las probabilidades
incondicional y condicional de eventos mutuamente
excluyentes y exhaustivos.
Determina la probabilidad incondicional de un evento en
trminos de las probabilidades condicionales:
P ( A ) = P ( AB ) + P ( AB C )
Prob que
ocurra A y B
Prob que ocurra A y

que no ocurra B
57
P ( A ) = P( A | B ) P( B ) + P ( A | B ) P( B )
C
PROBABILIDADES
q
REGLA DE LA PROBABILIDAD TOTAL

Generalizando para un conjunto de eventos {S1, S2, , Sn}
mutuamente excluyentes y exhaustivos:
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)
Se observa que con este teorema podemos invertir una

probabilidad condicional.
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
El valor esperado es, estadsticamente, el mejor supuesto

sobre el resultado de una variable aleatoria.
60
30
COVARIANZA Y CORRELACIN
q
La varianza y la desviacin estndar son medidas de

dispersin o volatilidad de una variable.
En finanzas, nos interesa conocer cmo dos variables

aleatorias se comportan con relacin a la otra, por ejemplo
en el caso de los retornos de dos inversiones.
La covarianza y la correlacin son medidas que proveen de

informacin muy til.
61
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
Cov( Ri , R j ) = E{[ Ri E ( Ri )][ R j E ( R j )]}

donde:
Ri = retorno de la inversin i
Rj = retorno de la inversin j
62
31
COVARIANZA
PROPIEDADES
1.
2.
3.
4.
5.
6.
Representa el mismo concepto que la varianza.

La covarianza de una variable aleatoria consigo misma es su propia
varianza.
El rango de la covarianza puede extenderse desde - hasta +.
Cov(Ri, Rj) > 0 El retorno de ambas inversiones tiende a ir en el
mismo sentido (por encima o debajo) de sus valores esperados.
Cov(Ri, Rj) < 0 Cuando el retorno de una inversin est por encima
de su valor esperado, el retorno de la otra inversin tender a estar
por debajo de su valor esperado (relacin inversa).
Cov(Ri, Rj) = 0 No existe relacin entre los resultados de las
variables (inversiones).
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 )
Esta medida hace ms fcil la interpretacin de la

covarianza.
64
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
Para un portafolio de n activos donde wi es el peso de

cada activo en el portafolio:
1.
El valor esperado de los retornos puede determinarse

como:
n
E ( R p ) = w1 E ( R1 ) + w2 E ( R2 ) + ... + wn E ( Rn ) = wi E ( Ri )
i =1
2.
La varianza de dichos retornos se determina mediante:

n
Var ( R p ) = wi w j Cov( Ri , R j )
66
i =1 j =1
33
APLICACIN
q
Si el portafolio est constituido por dos (02) activos:
1.
Valor esperado
E ( R p ) = w1 E ( R1 ) + w2 E ( R2 )
2.
Varianza
Var ( R p ) = w12 12 + w22 22 + 2w1w2Cov12

= w12 12 + w22 22 + 2 w1w2 1 2 12
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.
Una combinacin linear de variables aleatorias normalmente

distribuidas tambin tiene una distribucin normal
Las probabilidades no llegan a ser cero (0), la distribucin
nunca toca las asntotas.
Los puntos de inflexin de esta distribucin se dan en
-2
+2
69
68%
95%
DISTRIBUCIN NORMAL
q
Si tomamos intervalos centrados en , y cuyos extremos

estn
1
1.65
1.96
2.58
tenemos 68% de probabilidad

tenemos 99%de probabilidad
Un intervalo de confianza es un rango de valores alrededor

del resultado esperado, dentro del cual se espera resulte el
dato real.
70
35
DISTRIBUCIN LOGNORMAL
q
q
Si X est normalmente distribuida, se define la distribucin

lognormal como ex.
Dado que ln(ex) = x, el logaritmo de variables aleatorias con
distribucin lognormal est normalmente distribuido, de ah
el nombre.
Distribucin Normal
Distribucin Lognormal
Caractersticas:
Sesgada hacia la derecha (positivo)

Est acotada en cero, por ello es til para modelar precios de
activos que nunca toman valores negativos.
71
DISTRIBUCIN NORMAL ESTNDAR

(Z-Score)
q Es una distribucin normal que ha sido estandarizada con
media cero y desviacin estndar igual a 1 (N~(0,1)).
q Se calcular el valor z para estandarizar una observacin de
una distribucin normal:
z=
Observacin media poblacional x -

=
desviacin estandar
donde:
z = el nmero de desviaciones estndar respecto de la media.
72
36
DISTRIBUCIN NORMAL ESTNDAR
-2.58
-1.96
-1
+1
+1.96
+2.58
68%
95%
99%
73
DISTRIBUCIN T-STUDENT
q
Es la distribucin apropiada para ser construir intervalos de

confianza basados en muestras pequeas (n<30) de
poblaciones con varianzas desconocidas y distribuciones
normales o casi normales.
Propiedades:
Es simtrica alrededor de su media

Est definida por los grados de libertad = n-1
Es menos puntiaguda que la distribucin normal y con mayor
probabilidad en las colas (colas gordas).
Conforme aumentan los grados de libertad (mayor tamao de
muestra), la forma de la distribucin se aproxima ms a la
distribucin normal estndar.
74
37
DISTRIBUCIN T-STUDENT
Grados de libertad = 15
Distribucin Normal
Distribucin t-Student
75
q
En la vida real es muy difcil e imprctico estudiar una

poblacin entera.
La inferencia estadstica utiliza los resultados de un
subgrupo o muestra para estimar u obtener conclusiones
respecto de las caractersticas o parmetros de la
poblacin.
Hace uso de las probabilidades para facilitar la toma de
decisiones en condiciones de incertidumbre.
76
38
Estimacin
A partir de los valores obtenidos de una muestra

aleatoria se obtiene un valor o conjunto de
valores para el parmetro de la poblacin bajo
estudio con cierto nivel de confianza
Prueba de
hiptesis
Procedimiento de toma de decisin respecto de

la veracidad de un supuesto sobre el parmetro
poblacional, utilizando datos de la muestra.
De un conjunto de observaciones se extraen
conclusiones sobre el total.
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
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
q
TEOREMA DEL LMITE CENTRAL

Para una muestras aleatorias simples de tamao n tomadas de una
poblacin como media y una varianza finita 2, la distribucin
muestral de la media muestral se aproxima a una distribucin normal
con media y una varianza finita 2/n conforme la muestra el tamao
de la muestra crece (n30).
Importancia:
Este teorema es muy til porque es relativamente fcil aplicar
pruebas de hiptesis y construccin de intervalos de confianzas
sobre la distribucin normal.
Se pueden hacer inferencias especficas sobre la media
poblacional a partir de la media muestral, sin importar la
distribucin poblacional siempre y cuando el tamao de la
muestra sea lo suficientemente grande (n30).
80
40
ERROR ESTNDAR DE LA MEDIA MUESTRAL
q
Es la desviacin estndar de la distribucin de medias
muestrales.
q
Es la diferencia entre un estadstico muestral y su

correspondiente parmetro poblacional. Por ejemplo: x
Si la varianza poblacional:
Es conocida
X =
No es conocida
sX =
s
n
81
INTERVALOS DE CONFIANZA
q
Es el rango de valores dentro del cual se puede encontrar el

valor real de un parmetro con una probabilidad de 1-.
es el nivel de significancia y la probabilidad 1- hace
referencia al nivel de confianza.
El intervalo de confianza de la media se calcula como:
Punto de referencia (factor de confianza x error estndar)
Valor del estadstico

muestral del parmetro
poblacional
Depende de la
distribucin muestral y
la probabilidad
Error estndar del
punto de referencia
82
41
PARA LA MEDIA POBLACIONAL
Si la poblacin tiene una distribucin normal y:
La varianza poblacional es conocida
x z
La varianza poblacional es desconocida
x t
s
n
83
q
Para distribuciones no normales, si el tamao de la

muestra es menor que 30 no se puede estimar un
intervalo de confianza.
Los z ms comunes son:
Z /2 = Z 0.05 = 1.645 para intervalos al 90%
84
42

06 Metodos Cuantitativos - Es

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

06 Metodos Cuantitativos - Es

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE INGENIERA

MTODOS CUANTITATIVOS PARA FINANZAS

Todos los das, en todo momento debemos tomar

La mayora vivimos tranquilos con cierto nivel de

Con la estadstica buscamos ser precisos, cuantificamos lo

Poblacin.- Son todos los miembros de un grupo especfico.

Parmetro: medida utilizada para describir una caracterstica de la

Muestra (Sample).- Es un subconjunto de la poblacin.

Estadstica muestral: medida utilizada para describir una

Escala Nominal. - Categoriza los datos pero sin un orden en

Escala Nominal. - Asignar el nmero 1 a los bonos corporativos, 2

Intervalo o clase.- Conjunto de valores en los que

Calcular el rango de los datos como la diferencia entre el valor

Asignar las observaciones a los intervalos correspondientes

Frecuencia absoluta.- Es el nmero total de observaciones

Frecuencia relativa acumulada.- Suma las frecuencias

Es una representacin grfica de la distribucin de frecuencia

Es otra representacin grfica de la distribucin de frecuencia

Distribucin de frecuencia acumulada

Se grafica la frecuencia absoluta acumulada o relativa contra el

MEDIDAS DE TENDENCIA CENTRAL

medidas de tendencia central cuantifican la

una aproximacin al retorno esperado

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL

X1, X2, , Xn = valores observados

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL

Una distribucin tiene una nica mediana.

MEDIDAS DE TENDENCIA CENTRAL

Es el valor que se presenta con mayor frecuencia en un

MEDIDAS DE TENDENCIA CENTRAL

MEDIDAS DE TENDENCIA CENTRAL

Se utiliza con frecuencia para calcular el retorno de una

Para calcular la media geomtrica de una serie de retornos

MEDIDAS DE TENDENCIA CENTRAL

con X i > 0; para i = 1,2,..., n

La media harmnica es un tipo especial de media

MEDIDAS DE TENDENCIA CENTRAL

La media geomtrica representa la tasa de crecimiento o tasa de

Un cuantil es un valor al cual o bajo el cual cae una determinada

Si Ly = entero, la localizacin corresponde a una observacin.

Dispersin absoluta.- Es el monto de variabilidad observada sin

Dispersin relativa.- Es el monto de variabilidad con relacin a un

MEDIDAS DE DISPERSIN ABSOLUTAS

Es la diferencia entre el valor mximo y el mnimo de

rango = valor mximo valor mnimo

Es una medicin simple de variabilidad, pero utilizada

MEDIDAS DE DISPERSIN ABSOLUTAS

DESVIACIN ABSOLUTA DE LA MEDIA

MEDIDAS DE DISPERSIN ABSOLUTAS

MEDIDAS DE DISPERSIN ABSOLUTAS

Al calcular la varianza muestral se utiliza n-1 como

MEDIDAS DE DISPERSIN ABSOLUTAS

Desviacin estndar muestral:

MEDIDAS DE DISPERSIN ABSOLUTAS

Estas mediciones nacen de la preocupacin de los

Se calculan considerando solo las observaciones que son

La desigualdad de Chebyshev declara que la proporcin de las

36% de las observaciones caen en un intervalo de 1.25 desviaciones

La importancia de esta regla es su generalidad. Se cumple para

MEDIDAS DE DISPERSIN RELATIVA