1 Universidad Andina Néstor Cáceres Velásquez

2 Facultad de Ciencias Contables y Financieras

3 Escuela Profesional de Económica y Negocios Internacionales
4
1 I. ASPECTOS GENERALES
2 1.1 Título
3 MODELAMIENTO Y PROYECCIÓN DEL ÍNDICE GENERAL DE LA BOLSA DE
4 VALORES DE LIMA. PERÍODO 1996-2014
5
6 1.2 Línea
7 Economía de la Empresa
8
9 1.3 Sub Línea
10 Mercado de Valores
11
12
13 II. Resumen del Proyecto de Tesis
14
15 La presente investigación tiene por objetivo encontrar el modelo ARCH-GARCH
16 para modelar el Índice General de la Bolsa de Valores de Lima para el período
17 1996-2018. Luego, el trabajo plantea las siguientes preguntas de investigación:
18 ¿Cómo es el modelo ARCH-GARCH que modela adecuadamente el Índice
19 General de la Bolsa de Valores de Lima?, ¿Cómo es el procedimiento para la
20 construcción del estadístico MAPE que ayuda a la evaluación del mejor modelo
21 ARCH-GARCH?, ¿Cómo se determina la eficiencia de los modelos ARCH-
22 GARCH utilizando MAPE? Como objetivos de la investigación se plantean:
23 encontrar el modelo ARCH-GARCH para modelar el Índice General de la Bolsa
24 de Valores de Lima, construir el estadístico MAPE para la evaluación del mejor
25 modelo ARCH-GARCH y medir la eficiencia de los modelos ARCH-GARCH
26 utilizando MAPE. Luego, para llegar a los objetivos se utilizará el modelamiento
27 ARCH-GARCH de volatilidad estocástica para el modelamiento y proyección del
28 Índice General de la Bolsa de Valores de Lima para el período 1996-2018.
29
30 III. Palabras claves (Keywords)
31
32 ARCH, GARCH, volatilidad, bolsa de valores, rentabilidad.
33
34
35 IV. Planteamiento del problema
36
37 La volatilidad es una característica fundamental de los mercados financieros
38 globales cuya medida y previsión es de vital importancia para los que en ellos
5 1
6
 7 Universidad Andina Néstor Cáceres Velásquez
8 Facultad de Ciencias Contables y Financieras
9 Escuela Profesional de Económica y Negocios Internacionales
10
39 operan de manera que su ausencia puede llegar a vaciar de contenido la
40 operatividad en dichos mercados.
41
42 La volatilidad es una medida de la velocidad del mercado, qué tan rápido se
43 ajustan los precios de los activos financieros ante determinados hechos. Los
44 mercados que se mueven despacio son mercados de baja volatilidad, mientras
45 que los mercados que se mueven más deprisa son mercados de alta volatilidad.
46 Frente a ello, se puede influir que algunos mercados son más volátiles que otros.
47 Si se puede cuantificar la volatilidad futura de los mercados de valores y se logra
48 introducir en un modelo teórico de valoración, cualquier valor obtenido será más
49 fiable que si simplemente se hubiera ignorado la volatilidad.
50
51 Debido a los movimientos incontrolables que se presentan en las economías, es
52 necesario fomentar la búsqueda de métodos de medición, cálculo y control de
53 todos los factores que diariamente afectan el desenvolvimiento de los mercados
54 financieros. Es así que estudios realizados indican que la volatilidad puede ser
55 capturado por modelos de varianza condicional ARCH que son capaces de
56 predecir la varianza futura de un activo.
57
58 En el trabajo se pretende modelar la volatilidad de los mercados globales, el
59 comportamiento de la volatilidad que tiene el mercado de valores del Perú y su
60 relación con otros mercados del mundo, de este modo, se considerará los
61 índices de los mercados más representativos del mundo, de Estados Unidos,
62 Europa, Asia y América Latina en el período 1996 a 2014 en razón de un
63 período especial de alta volatilidad que incluye el período de la crisis financiera
64 internacional.
65
66 Finalmente, el objetivo del presente trabajo encontrar el modelo ARCH-GARCH
67 para modelar el Índice General de la Bolsa de Valores de Lima para el período
68 1996-2018. Para ello, se plantea las siguientes preguntas de investigación:
69
70 Pregunta general
71 ¿Cómo es el modelo ARCH-GARCH que modela adecuadamente el Índice
72 General de la Bolsa de Valores de Lima?
11 2
12
 13 Universidad Andina Néstor Cáceres Velásquez
14 Facultad de Ciencias Contables y Financieras
15 Escuela Profesional de Económica y Negocios Internacionales
16
73
74 Preguntas específicas
75 - ¿Cómo es el procedimiento para la construcción del estadístico MAPE que
76 ayuda a la evaluación del mejor modelo ARCH-GARCH?
77 - ¿Cómo se determina la eficiencia de los modelos ARCH-GARCH utilizando
78 MAPE?
79
80 V. Antecedentes del proyecto
81
82 Chambi (2017) en su trabajo sobre la volatilidad de los mercados financieros
83 globalizados y la bolsa de valores de Lima con el objetivo de determinar el tipo
84 de volatilidad de la rentabilidad de la BVL, encontró que los modelos ARCH(1) y
85 GARCH(1,1) son los que se ajustan a la información diaria del índice de BVL.
86
87 Alonso & Torres (2014) respecto de las características estadísticas del índice
88 general de la Bolsa de Valores de Colombia (IGCB), encontraron cinco hechos
89 estilizados en la IGCB en los primeros diez años, para ello utilizaron una batería
90 de pruebas estadísticas para la evidencia de los hechos estilizados, siendo ellas
91 las siguientes: no se presenta evidencia suave del mercado, colas pesadas de la
92 distribución de rendimientos, normalidad agregada, volatilidad no constante y
93 efecto Taylor.
94
95 Nieva (2013) respecto a la estimación de la media y varianza condicional del
96 mercado de Stock para Colombia, Perú, México, Chile y Estados Unidos con la
97 finalidad de encontrar una dependencia, utilizó la metodología ARIMA y
98 APARCH encontrando que Estados Unidos es el mercado más eficiente y los
99 menos eficientes son los mercados de México, Chile, Colombia y Perú.
100
101 Villada, Muñoz, & García (2012) respecto al pronóstico de los precios en el
102 mercado de valores colombiano haciendo uso de las redes neuronales,
103 encontraron que las redes neuronales muestran un buen comportamiento con
104 bajos errores tanto en el aprendizaje como en la predicción.
105
106 Fernández (2010) en su investigación sobre aplicación del modelo EGARCH
17 3
18
 19 Universidad Andina Néstor Cáceres Velásquez
20 Facultad de Ciencias Contables y Financieras
21 Escuela Profesional de Económica y Negocios Internacionales
22
107 para la volatilidad de series financieras de Colombia, encontró que los modelos
108 EGARCH son adecuados para capturar los hechos estilizados del
109 comportamiento del mercado colombiano.
110
111 Lopez, Venegas-Martínez, & Sánchez (2009) respecto de la volatilidad de los
112 rendimientos del mercado mexicano de capitales, utiliza memoria larga para los
113 rendimientos del Índice de Precios y Cotizaciones (IPC) de la Bolsa Mexicana de
114 Acciones, encontraron evidencia de memoria larga para el IPC y el mejor modelo
115 que sugieren utilizar es el ARFI-GARCH.
116
117 López & Vázquez (2009) respecto a las variables económicas y el modelo
118 factorial para la bolsa de valores mexicana, utilizaron el modelo EGARCH-X(1,1)
119 para 31 acciones encontrando que durante el período de análisis las variables
120 estudiadas se vieron influenciadas por los rendimientos, lo que indicaría que son
121 explicativas del riesgo sistemático valorado por el mercado mexicano.
122
123 Guzmán, Leyva, & Cárdenas (2007) respecto del estudio del índice de precios y
124 cotizaciones de la Bolsa Mexicana de Valores, encontraron que un modelo
125 ARIMA con efectos ARCH son adecuados para el pronóstico de este índice.
126
127 Pérez & Castaño (2006) respecto al análisis de volatilidad del Índice General de
128 la Bolsa de Valores de Colombia utiliza modelos de heteroscedasticidad
129 condicional autoregresiva ARCH y concluye que este tipo de modelos son
130 adecuados para modelar el comportamiento de la volatilidad del mercado
131 accionario colombiano.
132
133 López (2004) en su trabajo sobre el modelado de la volatilidad y pronóstico de la
134 Bolsa Mexicana de Valores medido por el Índice de Precios y Cotizaciones
135 (IPC), evaluó tres modelos ARCH siendo los modelos GARCH(1,1), TARCH(1,1)
136 y EGARCH(1,1) los modelos que se acomodan a la volatilidad del IPC.
137
138
139 VI. Marco Teórico
140
23 4
24
 25 Universidad Andina Néstor Cáceres Velásquez
26 Facultad de Ciencias Contables y Financieras
27 Escuela Profesional de Económica y Negocios Internacionales
28
141 Mercados financieros

142 Un mercado financiero es el lugar físico o mecanismo electrónico en el que se

143 realizan intercambio de instrumentos financieros y se definen sus precios.
144 Cualquier economía tiene dos tipos de mercados: el Mercado de bienes y
145 servicios, y el Mercado de trabajo y capital; una parte de este último está
146 constituida por el Mercado Financiero. En los Mercados Financieros se
147 intercambian o negocian activos financieros. Los Mercados Financieros son el
148 punto de encuentro de los inversores para realizar las compraventas de activos
149 financieros, proporcionando utilidad a todas las partes. Los Mercados
150 Financieros permiten el encuentro entre oferentes y demandantes de recursos
151 financieros, establecen precios para los fondos cedidos de acuerdo con el plazo
152 y riesgo, dotan de liquidez a los activos y reducen sus costos de negociación.

153 Funciones de los Mercados Financieros:

154 Son cinco las funciones de los mercados financieros:

155 1. Transferencia de fondos desde aquellas personas o instituciones que tienen

156 exceso de los mismos, hacia aquéllas que tienen necesidad de fondos para
157 adquirir activos.

158 2. La transferencia de fondos, de tal forma que se redistribuya el riesgo asociado

159 con la generación de los flujos de caja de los activos entre los que buscan
160 financiación (emisores) y los que la proporcionan (inversores).

161 3. Valorar los incentivos financieros, a través de la interacción entre

162 compradores y vendedores. Este proceso financiero también determinará el
163 rendimiento requerido de un activo financiero. Por tanto, el deseo de captar
164 fondos por parte de las empresas dependerá del rendimiento que los inversores
165 esperen obtener a cambio, de tal manera que los Mercados Financieros
166 indicarán cómo han de reasignarse los fondos entre las partes intervinientes.
167 Esta función recibe el nombre de formación de precios.

168 4. Proporcionar liquidez, es decir, facilitar la compra o venta de los activos

169 financieros. Si un activo careciera de liquidez, el inversor se vería obligado a
170 mantener el título hasta que el emisor lo amortizara totalmente o bien se
171 liquidase la empresa, en el caso particular de acciones. Por ejemplo, si no
29 5
30
 31 Universidad Andina Néstor Cáceres Velásquez
32 Facultad de Ciencias Contables y Financieras
33 Escuela Profesional de Económica y Negocios Internacionales
34
172 existieran mercados donde negociar los activos financieros, el inversor que
173 comprara un bono a 10 años, tendría que conservarlo hasta su vencimiento. El
174 tener inmovilizados sus recursos durante tanto tiempo le supondría un coste de
175 oportunidad, pues estaría renunciando a invertir sus recursos en cualquier otra
176 oportunidad de inversión que surgiera durante esos diez años. Si este fuera el
177 caso, el inversor exigiría al emisor un tipo de interés mayor que le compensará
178 por este coste de oportunidad. Todos los mercados financieros proporcionan
179 liquidez, pero no con la misma intensidad; es decir, puede ser más o menos fácil
180 comprar o vender un activo.

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.

194 Modelo de rentabilidad

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:

203 𝑌𝑡 = (𝑃𝑡 − 𝑃𝑡−1)/𝑃𝑡−1

35 6
36
 37 Universidad Andina Néstor Cáceres Velásquez
38 Facultad de Ciencias Contables y Financieras
39 Escuela Profesional de Económica y Negocios Internacionales
40
204 Se utiliza la rentabilidad logarítmica, que para valores pequeños de la
205 Rentabilidad Precio resulta ser una buena aproximación de la rentabilidad real, y
206 permite la suma de las rentabilidades

207 𝑌𝑡 = ln(𝑃𝑡/𝑃𝑡−1)

208 Se asume el supuesto que el logaritmo del precio verifica la ecuación:

209 𝑙𝑛𝑃𝑡 = 𝑟𝑜 + 𝑙𝑛𝑃𝑡−1 + 𝑎𝑡

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

215 Concepto de riesgos financieros:

 SD

216 P

217 Donde P es el período en años de los retornos. La volatilidad generalizada σ T

218 para el horizonte temporal T se expresa como:

219 t   T

220 Si aplicamos la hipótesis de que las variables aleatorias son independientes,

221 podemos suponer que la rentabilidad de hoy no influye en la rentabilidad de
222 mañana.

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

282Chambi, P. (2017). La volatilidad de los mercados financieros globalizados: impacto

283 en la Bolsa de Valores de Lima -Perú. Quipukamayoc, 25(47), 103–111.
284 https://doi.org/http://dx.doi.org/10.15381/quipu.v25i47.13808

285Fernández, H. (2010). Una aplicación del modelo EGARCH para estimar la

286 volatilidad de series financieras. Revista Ingenierías Universidad de Medellín,
287 9(17), 95–104.

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.

291López, F. (2004). Modelado de la volatilidad y pronóstico del Índice de Precios y

292 Cotizaciones de la Bolsa Mexicana de Valores. Contaduría y Administración
293 UNAM, (213), 43–72.

294López, F., & Vázquez, F. J. (2009). Variables económicas y un modelo multifactorial

295 para la bolsa mexicana de valores: análisis empírico sobre una muestra de
296 activos. Academia Revista Latinoamericana de Administración, (29), 5–28.
53 9
54
 55 Universidad Andina Néstor Cáceres Velásquez
56 Facultad de Ciencias Contables y Financieras
57 Escuela Profesional de Económica y Negocios Internacionales
58
297Lopez, F., Venegas-Martínez, F., & Sánchez, A. (2009). Memoria larga de la
298 volatilidad de los rendimientos del mercado mexicano de capitales. Análisis
299 Económico, 24(56), 129–146.

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

1. Los valores del estadístico 1. Construir el estadístico modelamiento y proyección

ómo es el procedimiento VARIABLES del Índice General de la Bolsa Prueba de autocorrela
MAPE son aceptables y MAPE para la evaluación
a la construcción del INDEPENDIENTES de Valores de Lima (IGBVL). y ARCH
mantienen un alto nivel de del mejor modelo ARCH-
adístico MAPE que ayuda - Retardos del IGBVL
significancia. GARCH.
la evaluación del mejor Prueba de estabilidad
delo ARCH-GARCH?
2. El mejor modelo ARCH-GARCH 2. Medir la eficiencia de los Criterio de Informac
ómo se determina la es aquel que tiene el menor modelos ARCH-GARCH Akaike (AIC)
ciencia de los modelos valor MAPE. utilizando MAPE.
CH-GARCH utilizando Criterio de Informac
PE? Schwarz (SC)

321SON: DOS MIL NOVECIENTOS SOLES

322
323 XIV. Anexos

324 Tabla 1. Matriz de consistencia de la investigación propuesta

325

65 11
66