Documentos de Académico
Documentos de Profesional
Documentos de Cultura
181 5. La reducción de los costes de transacción. Éstos se dividen en dos clases: los
182 costos de búsqueda y los costos de información. Los costos de búsqueda de
183 contrapartida representan costos explícitos, tales como el dinero empleado en
184 anunciar que se desea comprar o vender un determinado activo financiero, o
185 costos implícitos, tales como el valor del tiempo empleado en la búsqueda de
186 alguien que quiera comprar o vender el activo en cuestión.
187 Los costos de información sobre los activos están asociados a la cantidad y a la
188 probabilidad de que se generen los flujos de caja esperados. En los Mercados
189 Financieros, al encontrarse la oferta y la demanda de activos o instrumentos
190 financieros, se fijan sus precios de equilibrio. El precio de un activo financiero
191 viene determinado, esencialmente, por dos factores: el tiempo que se tardarán
192 en recuperar los fondos cedidos, y el riesgo en que incurre el inversor al comprar
193 el activo.
195 Las variaciones en el precio de cierre del índice son la causa de rentabilidad que
196 este genera. A partir de los precios diarios (cierre de los índices) se calcula la
197 rentabilidad diaria como una variable aleatoria a la volatilidad de las
198 rentabilidades. El problema que se plantea ahora es identificar el modelo
199 estadístico que mejor representa el comportamiento de los precios y de la
200 rentabilidad. Si definimos la Rentabilidad Precio como el cociente de la diferencia
201 de precios entre el período t y el período t-1, y el precio en el período t-1 y se
202 tiene el modelo:
207 𝑌𝑡 = ln(𝑃𝑡/𝑃𝑡−1)
210 Donde 𝑟0 es una constante y αt es una variable aleatoria normal con media cero
211 y varianza 𝜎2, Ԑ es el ruido blanco, y que se distribuye idéntica e
212 independientemente a lo largo del tiempo. Entonces podemos escribir la
213 Rentabilidad logarítmica como:
214 𝑌𝑡 = 𝑟𝑜 + 𝑎𝑡 + Ԑ
SD
216 P
219 t T
223
224 VII. Hipótesis de investigación
225
226 Hipótesis general
227 El modelo ARCH-GARCH modela adecuadamente el Índice General de la Bolsa
228 de Valores de Lima.
229
230 Hipótesis específicas
231 - Los valores del estadístico MAPE son aceptables y mantienen un alto nivel
41 7
42
43 Universidad Andina Néstor Cáceres Velásquez
44 Facultad de Ciencias Contables y Financieras
45 Escuela Profesional de Económica y Negocios Internacionales
46
232 de significancia.
233 - El mejor modelo ARCH-GARCH es aquel que tiene el menor valor MAPE.
234
235 VIII. Objetivo general y específicos
236
237 Objetivo general
238 Encontrar el modelo ARCH-GARCH para modelar el Índice General de la Bolsa
239 de Valores de Lima.
240
241 Objetivos específicos
242 - Construir el estadístico MAPE para la evaluación del mejor modelo ARCH-
243 GARCH.
244 - Medir la eficiencia de los modelos ARCH-GARCH utilizando MAPE.
245
246 IX. Metodología de investigación
247
248 Para la ejecución del presente trabajo de investigación se aplicará lo siguiente:
249
250 Método Descriptivo. Mediante el cual se describirá el comportamiento del
251 Índice General de la Bolsa de Valores de Lima (IGBVL) y sus retardos para su
252 modelamiento.
253
254 Método Analítico. Se analizará la variable Índice General de la Bolsa de
255 Valores de Lima (IGBVL) y sus retardos para su modelamiento.
256
257 Enfoque de investigación. El presente trabajo de investigación es cuantitativo,
258 dado que consigna un orden específico, lleva marco teórico, hipótesis, emplea el
259 método deductivo y sobre todo hace uso de la econometría.
260
261 Fuentes de Información. La información a utilizar proviene de la página web de
262 la Bolsa de Valores de Lima (BVL, 2018) con información diaria del IGBVL para
263 los años 1996 a 2014.
264
265 Población. La población está conformada por toda la información disponible en
47 8
48
49 Universidad Andina Néstor Cáceres Velásquez
50 Facultad de Ciencias Contables y Financieras
51 Escuela Profesional de Económica y Negocios Internacionales
52
266 el tiempo sobre el Índice General de la Bolsa de Valores de Lima (IGBVL) que se
267 encuentra en la página web de la Bolsa de Valores de Lima (BVL, 2018).
268
269 Muestra. El tamaño de la muestra para la presente investigación es de un total
270 de 6,939 observaciones diarias del Índice General de la Bolsa de Valores de
271 Lima (IGBVL) tomados de la página web de la Bolsa de Valores de Lima (BVL,
272 2018).
273
274
275 X. Referencias
276
277Alonso, J., & Torres, G. (2014). Características estadísticas del índice general de la
278 Bolsa de Valores de. Journal of Economics, Finance and Administrative
279 Science, 19(36), 45–54. https://doi.org/10.1016/j.jefas.2014.03.001
280BVL. (2018). Bolsa de Valores de Lima - Índices históricos del IGBVL. Retrieved
281 November 30, 2018, from https://www.bvl.com.pe/mercindiceshistorico.html
288Guzmán, M., Leyva, S., & Cárdenas, A. (2007). El futuro del Índice de Precios y
289 Cotizaciones de la Bolsa Mexicana de Valores. Análisis Económico, XXII(49),
290 53–83.
300Nieva, J. (2013). Modeling stock index of Colombia , Peru , Mexico , Chile and United
301 States between 2001 and 2011: Evidence against of informal efficiency.
302 ECORFAN Journal-Mexico, 4(9), 745–757.
303Pérez, F., & Castaño, H. (2006). Análisis de la volatilidad del Índice General de la
304 Bolsa de Valores de Colombia utilizando modelos ARCH. Revista Ingenierías
305 Universidad de Medellín, 5(8), 13–33.
306Villada, F., Muñoz, N., & García, E. (2012). Aplicación de las Redes Neuronales al
307 Pronóstico de Precios en el Mercado de Valores. Informacion Tecnologica,
308 23(4), 11–20. https://doi.org/10.4067/S0718-07642012000400003
309
310 XI. Uso de los resultados y contribuciones del proyecto
311
312 Los resultados del presente trabajo ayudarán a una mejor toma de decisiones de
313 inversión ya que permitirá conocer el modelo más adecuado para la bolsa de
314 valores de Lima para el período 1996-2018.
315
316 XII. Cronograma de actividades
317
Meses
Actividad
1 2 3 4 5
IDENTIFICACION Y FORMULACION DEL PROBLEMA x x x
REVISION BIBLIOGRAFICA x x x
REDACCION DE LOS OBJETIVOS E HIPOTESIS x
FORMULACION DEL MODELO x x
RECOLECCION DE DATOS x x
PROCESAMIENTO DE DATOS Y RESULTADOS x x x
ANALISIS DE DATOS Y RESULTADOS x x
REDACCION DEL INFORME x x x x
PREPARACION DEL INFORME x x x x
SUSTENTACION x
318
319 XIII. Presupuesto
320
59 10
60
61 Universidad Andina Néstor Cáceres Velásquez
62 Facultad de Ciencias Contables y Financieras
63 Escuela Profesional de Económica y Negocios Internacionales
64
Unidad Costo
Costo
Descripción de Unitario Cantidad
total (S/.)
medida (S/.)
ANTEAMIENTO DEL Servicio HIPÓTESIS
de computación OBJETIVOS global VARIABLES400 2
MÉTODOS 800 PRUEBAS ESTADÍS
PROBLEMA Útiles de escritorio global 350 1 350
NTA GENERAL Servicio de internet
HIPÓTESIS GENERAL OBJETIVO GENERAL mes 60 5 300
Movilidad local día 0.6 50 30
Servicio de impresión y fotocopia
El modelo ARCH-GARCH modela Encontrar el unidad
modelo ARCH- 0.1 2,000 200Prueba de raíz unit
es el modelo ARCH- adecuadamente el Índice General de GARCH para modelar el Índice
Empastados unidad 12 10 120Dickey-Fuller, Phillip-P
que modela la Bolsa de Valores de Lima. General de la Bolsa de Valores VARIABLE KPSS
damente el Índice General Viáticos y otros de Lima.
global DEPENDIENTE
1100 1 1100
lsa de Valores de Lima? TOTAL Índice General de la 2,900Correlograma
HIPÓTESIS ESPECÍFICAS OBJETIVOS ESPECÍFICOS Bolsa de Valores de Se utilizará la metodología
NTAS ESPECÍFICAS Lima (IGBVL) ARCH-GARCH para el Prueba de Normalidad
65 11
66