UNIVERSIDAD DE MEDELLÍN

INGENIERÍA FINANCIERA

EXAMEN #1 DE SERIES DE TIEMPO (12.5%)

Nombre: _____________________________________________________________________ Fecha: ________________

1. Para las series de tiempo Precios de un Activo de Alto Rendimiento (AAR) dado en la hoja de excel AAR TEMA B.

1.1. Realice un análisis exploratorio a partir del gráfico de la serie y de las autocorrelaciones para identificar de manera clara si la
serie es estacionaria, aleatoria, con tendencia, estacional-estacionaria, o estacional con tendencia. Justifique de manera
detallada sus análisis.
1.2. Realice el mismo procedimiento con la serie de rendimientos logarítmicos.
1.3. Utilice la prueba de Jarque-Bera para determinar si la serie de rendimientos logarítmicos es gaussiana (Cada rendimiento
sigue una distribución normal)
1.4. ¿La serie de los cuadrados de los rendimientos logarítmicos es estacionaria? Justifique claramente.
1.5. ¿Cuáles técnicas de pronóstico utilizaría para pronosticar los precios del activo? ¿Cuáles para los rendimientos logarítmicos
de dicho activo? Justifique.
1.6. ¿Se puede utilizar el modelo de JP Morgan para para pronosticar la volatilidad de la serie de precios para el 01 de marzo de
2015? Justifique. Si es así, estime dicha volatilidad utilizando un valor de lambda de 0.9 y obtenga el VaR a un día con una
confianza del 95% considerando una posición que consiste en una inversión de $ 200 000 000 en acciones de AAR, interprete.

2. Suponga que el rendimiento diario de un portafolio de inversión, 𝑅𝑡 , tiene un comportamiento de serie estacionaria en media,
𝑆𝑡 = 𝛽0 + 𝜉𝑡 , 𝑑𝑜𝑛𝑑𝑒 𝜉𝑡 ~𝑁(0, 𝜎 2 ). Considere el método de predicción de suavizamiento exponencial simple,
∞

𝑆̂𝑡+1 = 𝛼 ∑(1 − 𝛼)𝑖 𝑆𝑡−𝑖 , 𝑑𝑜𝑛𝑑𝑒 0 < 𝛼 < 1

𝑖=0
2.1. Encuentre la 𝐸[𝑆̂𝑡+1 ] e interprete el resultado.
2.2. Encuentre la 𝑉[𝑆̂𝑡+1 ] e interprete el resultado.
2.3. Si el error de pronóstico se define como 𝑒𝑡 = 𝑆𝑡 − 𝑆̂𝑡 , encuentre 𝑉[𝑒𝑡+1 ].

3. Considere los datos que se presentan en el archivo de Excel “Tema B 2015-1”, en la hoja PFVTA. Dichos datos representan
el precio de cierre diario de la acción Preferencial de Avianca Taca Holding S.A. (PFAVTA), tomando como periodo
muestral desde el 29 de agosto de 2013 hasta el 05 de marzo de 2015. Trabajen con los rendimientos logarítmicos
 Pt 
R t  ln 
 Pt 1 
, donde P t es el precio de la acción preferencial de Avianca Taca observado en el período t . Dar las
 
respuestas con cuatro decimales.

3.1 Utilice medias móviles con longitudes de, 8, 21 y 40 días para estimar el rendimiento logarítmico promedio que se espera en
los próximos tres días. Entre las longitudes trabajadas, seleccionar la técnica de media móvil con longitud k que tenga
pronósticos con la menor RMSE.
 Modelo RMSE Rˆ T 1 Rˆ T  2 Rˆ T 3

MM t 8

MM t  21

MM t  40

3.2. Ahora utilice suavizamiento exponencial con el valor de  que minimice la raíz del MSE para estimar el rendimiento
logarítmico promedio que se espera en los próximos tres días. También calcular la MAD. Interpretar en términos del problema
la MAD.

Modelo  óptimo RMSE MAD Rˆ T 1 Rˆ T  2 Rˆ T 3

Suavizamiento
Exponencial

3.3. Entre los modelos estimados en (a) y (b) seleccionar la mejor técnica de pronóstico, considerando solamente como medida
de evaluación la raíz del MSE. Con el mejor modelo estimar el precio que se espera el 29 de agosto de 2013 para PFAVTA,
Rˆ T  1
usando la formula cerrada PT 1  PT e . Donde PT es el precio de cierre del 28 de agosto y Rˆ T 1 es el retorno promedio
estimado para el 29 de agosto de 2013.
Mejor
Pˆ T 1
Modelo

Fórmulas

1 k 1

MM t (k )   Yt i para t  k , k  1,..., T ; Yˆt 1  MM t (k ) para t  k , k  1,..., T  1
k i 0
YˆT  L  MM T (k ) para L  1, 2,3,..., H

Yˆt 1   Yt  1    Yˆt , t  2,3, 4,..., T  1; Yˆ2  Y1


YˆT  L  YˆT 1 , L  1, 2,3,..., H
 k 1

R  R
2
t i
 VM t (k )  i 0
para t  k , k  1,..., T ; ˆ t 1  VM t (k ) para t  k , k  1,..., T  1
k 1
ˆ t  L  VM T (k ) para L  1, 2,3,..., H

 ˆ t  1   2
t  1    R t2 , t  1, 2,3,..., T  1;

k 1

y  y 
T
1  2  ri 2 t y t k y
1
 desv  rk   i 1
para k  2; desv  r1   ; rk  t  k 1 , k  1, 2, ,m
 y  y
T
T T 2
t
t 1

1 N
1 N
1 N et
 MSE 
N
 e t2 ; MAD 
t 1 N

t 1
et ; MAPE  
N t 1 Yt
*100

 VaR porcentual: VaR T 1  Z ˆT 1  

T 1
 VaR porcentual: VaR T 1  t ,T 1 ˆT 1  
T 3

 VaR, bajo el supuesto 𝑅𝑡 ~𝑁(0, 𝜎 2 ), 𝑉𝑎𝑅𝑇+1 = (𝐼𝑛𝑣𝑒𝑟𝑠𝑖ó𝑛)(1 − 𝑒 −𝜎𝑧𝛼 )

 Estadística de prueba Q de Ljung Box

𝑚
𝑟𝑘2
𝑄𝑚 = 𝑇(𝑇 + 2) ∑
𝑇−𝑘
𝑘=1

 Estadística de prueba Jarque Bera

𝑇 2 (𝐾 − 3)2
𝐽𝐵 = [𝐴 + ]
6 4