El Dr.

Rengifo tiene más de quince años de experiencia en los campos de la gerencia y de presu-
puestos financieros. Ha sido consultor independiente de inversiones y de manejo de proyectos en el
Perú. Tiene una amplia experiencia en inversiones en instrumentos de renta fija en América Latina.
Se ha desempeñado como el Controller de Transportes Aéreos Nacionales de la Selva (Perú). Ha
participado en asesoría económico-financiera, de impuestos y valuación de empresas. Finalmente, ha
dictado clases en Centrum Católica, en la Pontificia Universidad Católica del Perú y en la Universidad
Nacional de San Marcos (Perú). Asimismo ha sido asistente de cátedra en la Université Catholique
de Louvain. El Dr Rengifo ha enseñado estadísticas, econometría, matemáticas, organización in-
dustrial, matemáticas financieras, análisis financiero y mercado de capitales.

II
 parte

Prólogo

Dentro de las ramas de las ciencias sociales, las Finanzas es una de las que más ha avanzado en
las últimas décadas en rigurosidad de tratamiento y desarrollo intelectual.
En sus inicios lo dominante era el análisis descriptivo, sin embargo con Modigliani & Miller,
Gordon & Shapiro, Merton, Lintner, Black, Scholes y otros se impulsa el conocimiento y se pasa de
la descripción al análisis.
En los últimos años, la rápida evolución de los cambios tecnológicos, estructurales y normativos
que afectan los precios de los instrumentos financieros en todo el mundo; la globalización y la com-
petencia, la creciente variedad de instrumentos financieros y la disponibilidad de una gran cantidad
de datos financieros, ha alentado el desarrollo de nuevos métodos de estadísticas tanto descriptivas
como inferenciales. Asimismo, este vibrante medio ambiente ha servido para el desarrollo de lo que
se conoce como econometría financiera.
Con el desarrollo de nuevos métodos y técnicas expresadas a través de modelos, ahora se cuenta
con el instrumental necesario para analizar e interpretar los datos, así como para poner a prueba
muchos resultados teóricos que intentan explicar las características de las finanzas corporativas, de
la valoración de activos, de las inversiones, de las finanzas internacionales y, últimamente, de los
diversos tipos de riesgos que enfrentan todos los agentes financieros.
En este libro de Estadísticas y Econometría Financiera, se desarrolla de una manera sencilla,
inductiva y ágil todo lo relacionado con los procesos de análisis estadístico y econométrico, yendo de

III
lo más simple a lo complejo, profundizando aquellos aspectos que permitan aprender y comprender
cada una de las herramientas. También, es el complemento ideal del libro “Métodos Cuantitativos
para Finanzas”.
Se presentan, de una manera esquemática y bastante detallada, las teorías que serán el funda-
mento de la parte aplicativa donde se presenta la forma de resolver casos prácticos de la vida cotidiana
de cualquier profesional. Cada capítulo presenta ejemplos completamente desarrollados. Asimismo,
se presenta en detalle y manera bastante visual, la forma en que se usa Excel (para la parte de esta-
dísticas) y EViews (para la parte de econometría). Se han seleccionado estos dos programas ya que
ambos son los de más uso por profesionales alrededor del mundo y porque ambos trabajan en un
entorno de Windows y su manejo es bastante sencillo.
Un punto importante a recalcar es que, en opinión de los autores, que sería bastante fácil el sola-
mente concentrarse en el uso de Excel y EViews para la solución de problemas. Sin embargo, se cree
que de hacer esto se estaría ayudando a crear autómatas, personas y profesionales que no entienden
la razón y el fundamento detrás de cada aplicación. Es por eso que es la intención primera que los
lectores conozcan de manera sencilla la teoría, las técnicas y los modelos que son el fundamento de
las aplicaciones de Excel y de EViews.
Se desea que cuando se interpreten los resultados, se tenga claro el modelo, sus supuestos y las
posibles causas que podrían hacer que los resultados sean inválidos. Ha sido una preocupación el
presentar bastantes ejemplos plenamente desarrollados a lo largo del libro que permitan tener un
claro entendimiento de la teoría.
Finalmente, una nota para los profesores. Ese tomo tiene dos partes que si bien están bastante
relacionadas, pueden servir para dos clases distintas. La primera parte (capítulos 1 al 7) presenta un
curso bastante completo en estadísticas para los negocios en general y para finanzas en particular y,
la segunda parte (capítulos 8 al 14) que puede ser utilizada para un curso de econometría financiera.
Asimismo, es importante recalcar, que este libro es un complemento necesario a lo presentado
en el libro “Métodos Cuantitativos para Finanzas”, que trata de “teoría del interés” y que es de cono-
cimiento obligado para todo profesional involucrado en los negocios y en finanzas. Es por esto que
a las personas a las que este libro está dirigido son todas aquellas que están llevando a cabo cursos
avanzados de finanzas corporativas, inversiones, manejo de riesgo al nivel de maestría o para cursos
de estadística para la investigación en Finanzas.
Este libro será de gran ayuda a los investigadores en cualquier ciencia social. Por último, se cree
que este libro será utilizado como uno de referencia tanto por profesionales como académicos a lo
largo de sus carreras.
Este libro contiene lo siguiente: El Capítulo 1 introduce las nociones básicas de la teoría esta-
dística y sus aplicaciones en la economía, finanzas y en los negocios.
Se presentan una serie de técnicas que brindarán al lector las herramientas necesarias para la
mejor toma de decisiones en ambientes de incertidumbre. El Capítulo 2 trata sobre las probabili-
dades y su rol protagónico en casi todas las actividades relacionadas con las finanzas y la economía.

IV
En este capítulo se presentan con bastante detalle diferentes conceptos necesarios para entender las
probabilidades así como los métodos para calcularlas.
El Capítulo 3 presenta las distribuciones de probabilidad discretas poniendo especial énfasis en
la distribución uniforme, binomial, hipergeométrica y la distribución de Poisson. En el Capítulo 4
se muestran las funciones de distribución continuas más importantes y que son comúnmente usadas
en economía y negocios (normal, normal estándar, exponencial, chi cuadrada, t de Student y la F de
Fisher). Este capítulo es uno de los más importantes para un cabal entendimiento de los capítulos
relacionados con econometría financiera.
El Capítulo 5 introduce la estadística inferencial. Se muestran las técnicas usadas para “inferir”
el valor de un determinado parámetro poblacional, basados en un estadístico muestral asociado al
mismo. En este capítulo se presenta con gran detalle la estimación puntual y los intervalos de con-
fianza. En el Capítulo 6 se continúa con la inferencia estadística, pero ahora desde la perspectiva de
las pruebas de hipótesis. En este capítulo se exhibe la manera de formular hipótesis respecto al valor
de la media o de la proporción poblacional. Finalmente, en el Capítulo 7 se termina con la inferen-
cia estadística, pero esta vez el objetivo será formular hipótesis respecto a la varianza poblacional,
independencia estadística y pruebas de bondad de ajuste, basados en la distribución de probabilidad
chi cuadrada.
En el Capítulo 8 comienza la segunda parte del libro dedicada a la econometría financiera. Se
empieza presentando una breve descripción de las operaciones con matrices estrictamente necesarias
para entender el modelo de Mínimos Cuadrados Ordinarios (MCO) multivariado y otros modelos
presentados en este libro. En este capítulo no se intenta presentar una revisión exhaustiva de álgebra
lineal, pero se brindan los conceptos y técnicas que permitirán al lector entender a cabalidad los
métodos presentados en los siguientes capítulos.
Una vez entendido el Capítulo 8, el Capítulo 9 desarrolla la idea fundamental del modelo
de Mínimos Cuadrados Ordinarios. Este capítulo desarrolla en detalle este modelo en su versión
univariada, es decir, donde la variable endógena es explicada por una sola variable explicativa. En
este capítulo se hace uso de Excel y se introduce de manera detallada el paquete econométrico de
EViews. Este capítulo ha sido desarrollado de manera teórico-práctica. El lector podrá seguir paso
a paso la derivación matemática del modelo y entender el uso del mismo mediante las aplicaciones
que se presentan.
El Capítulo 10 continúa con el modelo de Mínimos Cuadrados Ordinarios, pero esta vez
generalizado para incluir más de dos variables explicativas. Se presentan las principales ecuaciones
necesarias para entender y aplicar el modelo. Se analizan las propiedades de los coeficientes estimados.
Finalmente se presentan técnicas avanzadas como son el uso de las hipótesis lineales para probar
sistemas de hipótesis, el uso de variables cualitativas y los modelos polinomiales.
En el Capítulo 11 se analizará, en detalle, cada uno de los supuestos que son la base del modelo
de MCO; se estudiarán las consecuencias de la violación de los supuestos, tanto en el valor de los
coeficientes estimados como en el proceso de inferencia y se propondrá la forma en los que se pueden
solucionar.

V
 En el Capítulo 12 se comienzan a tratar los modelos de series de tiempo, los mismos tratan de
explotar la información contenida en la historia de las mismas variables. Estos modelos son de bas-
tante uso en finanzas porque usualmente las predicciones obtenidas con estos modelos son mejores
que las obtenidas con los modelos estructurales. Este capítulo introduce de manera bastante aplicada
los principales modelos de series de tiempo.
En el Capítulo 13 se analizan algunos modelos que permiten modelar la volatilidad de un
proceso estocástico. Este capítulo se concentra en un tipo de modelos para la volatilidad conocidos
como Modelos de Heterocedasticidad Condicional Autorregresiva (ARCH por sus siglas en inglés,
Autorregresive Conditional Heteroscedastic) y de una variedad de modelos de este tipo que pueden
ser útiles para el investigador.
En el Capítulo 14 se introducen los modelos de series de tiempo que trabajan con dos o más
variables. Se analizan los casos de no estacionariedad de las series (o que originalmente eran no
estacionarias, pero que se las ha convertido) a través del modelo vectorial autorregresivo porque
permite explotar la relación existente entre las variables y de la información que los rezagos de cada
variable puede aportar. Además, se presenta el concepto de cointegración y su significado económico
y econométrico, se mostrará el modelo de corrección de errores y el modelo vectorial de corrección
de errores (VEC) que permitirán trabajar directamente con las series no estacionarias provistas que
sean integradas de grado uno y que exista al menos un vector de cointegración.
Finalmente, se quiere agradecer a todas aquellas personas que de una u otra manera ayudaron
a terminar este libro. Se agradece asimismo a todos aquellos alumnos que alguna vez compartieron
aulas con nosotros y que permitieron ir desarrollando un método de enseñanza que permitió cimentar
las bases de explicación presentadas en este libro.
Los autores expresan su reconocimiento a CENTRUM – Escuela de Negocios de la Pontificia
Universidad Católica del Perú y a la Editorial Cengage Learning, por hacer posible la presente edi-
ción; al editor y revisor Lic. Enrique Fernando Zabos Pouler que ayudó en la etapa de revisión de la
presente obra, por sus excelentes sugerencias y el respaldo y decidido compromiso permanente en
pos de la excelencia.

VI
 C a pí tulo

Estadística descriptiva

1. Introducción a las estadísticas

Este capítulo introduce las nociones básicas de la teoría estadística y sus aplicaciones en la economía
y los negocios. Las estadísticas pueden entenderse como el proceso de recopilar, analizar e interpretar
datos y reportar los resultados. Las estadísticas son usadas en una variedad de circunstancias que
van desde aplicaciones en el ámbito gubernamental, medicina, negocios y economía, entre otros.
Se muestran en este capítulo una serie de técnicas estadísticas que brindarán al lector las he-
rramientas necesarias para la mejor toma de decisiones en ambientes de incertidumbre. El enfoque
del capítulo es teórico-práctico. Se presentarán los conceptos estadísticos y su aplicación a casos
concretos. Se desarrollarán ejemplos numéricos y, a su vez, se presentarán de manera detallada la
forma en que estos problemas pueden ser resueltos con el uso de Microsoft Excel.
El primer aspecto que todo analista realiza para cumplir con sus funciones es el entender el
problema a tratar. Entendido el problema se procede a enumerar una serie de hipótesis que serán
materia de estudio o proyecto. Una vez determinadas las hipótesis se procede a ver la disponibilidad
de datos (sean de fuentes primarias o secundarias) y, de acuerdo a esta disponibilidad, se ajustarán
las hipótesis a aquellas que puedan ser efectivamente testeadas y se determinarán los métodos de
adquisición de datos necesarios. Los métodos de adquisición de los datos pueden ir desde simple
recolección primaria de datos propios de la empresa (estados financieros, inventario permanente
valorizado, los registros de compras y ventas entre otros) hasta la determinación y ejecución de en-
trevistas, búsqueda de datos secundarios por internet, etc.

1
Estadísticas y Econometría Financiera

Acabado el proceso de adquisición de datos, implica para el analista, el comienzo del análisis
estadístico propiamente dicho. El primer aspecto a considerar en esta nueva etapa es entender los
datos, sus principales características y la determinación y localización de posibles errores que se
pudieran haber cometido. En las siguientes secciones se tratará las formas de presentar los datos
que ayuden a tener una primera visión de los mismos mediante el uso de tablas de frecuencias y de
diversos estadísticos de tendencia central, dispersión y asociación.
Antes de proceder, es necesario introducir dos conceptos que serán de gran ayuda para entender
los conceptos y técnicas que se exponen en este capítulo. En estadísticas se conoce a la totalidad de
datos relacionados a una determinada variable como población. El número de elementos en esta
población se denomina N. A cualquier subconjunto de esta población se le conoce como muestra
y su tamaño es representado por la letra n. Por ejemplo, si se está interesado en conocer cuál es el
promedio de los salarios de la población entre los 15 y 64 años de edad de los Estados Unidos, N sería
igual a 205.794.364.1 Si se desea tomar una muestra de la población de 10.000 habitantes, entonces
n sería igual a 10.000.

Gráfico nº 1: Población y muestra

Población (N) Muestra (n)

En términos prácticos, trabajar con la totalidad de los datos (N) es poco eficiente y realista
considerando el tiempo, los recursos económico-financieros y los recursos humanos que serían
necesarios para recolectar dicha información. Por lo tanto, y a no ser que el tamaño de la población
sea pequeño y de fácil acceso, se trabaja con muestras poblacionales de tamaño n. Ahora bien, la
selección de la muestra tiene que hacerse con bastante cuidado, tratando que esta sea una muestra
representativa de la población, de tal manera que los resultados obtenidos mediante el análisis
estadístico sean válidos, es decir, que sean no sesgados y eficientes. Se desarrollarán con más detalle
estos términos en las siguientes secciones.
El capítulo se encuentra organizado de la siguiente manera: la sección 2 describe los métodos
de recolección de datos más usados; la sección 3 muestra como generar las distribuciones de frecuen-
cias a partir de datos recolectados; finalmente en las secciones 4, 5, y 6 se presentan las medidas de
1 CENTRAL INTELLIGENCE AGENCY, The World FactBook, valores aproximados a julio del 2009.

2
 capítulo 1    Estadística descriptiva

tendencia central, dispersión y de asociación, respectivamente. La sección 7 presenta una serie de

ejercicios propuestos y la sección 8 incluye la lista de las ecuaciones más importantes del capítulo.

2. Colección de datos (muestreo)

Como se mencionó anteriormente, en la práctica se trabaja con muestras tomadas de determi-
nadas poblaciones. Asimismo, se aludió que las muestras son la base fundamental del análisis, por
lo que se debe de prestar particular atención en la forma en la que esta se recolecta.
Esta sección presenta los conceptos básicos de la colección de datos, dejando la lectura más
avanzada a los libros y artículos mencionados en la bibliografía.
Algunos de los conceptos que se necesitan se describen a continuación:

• Población, también conocida como Universo, contiene todos los posibles elementos de la
variable en estudio.
• Muestra, una parte seleccionada de la población.
• Censo, se refiere a la recolección de todos los elementos de la población.
• Parámetro, una característica de la población. Por ejemplo, la media poblacional (μ), la
desviación estándar poblacional (σ), entre otros.
• Estadístico, una característica de la muestra. Por ejemplo, la media muestral ( x ), la des-
viación estándar poblacional (s), entre otros.
• Error muestral, es el error que aparece debido al uso de la muestra en vez de la población. Es
importante notar, que este error puede reducirse al incrementarse el tamaño de la muestra
si se usa el muestreo probabilístico que se detalla posteriormente.
• Error no muestral, también conocido como sesgo o error direccional, representa los errores
originados en el diseño de la muestra, en una mala comunicación de lo que se quería averiguar
en el caso de una entrevista, entre otros. En este caso, el error no muestral no puede disminuir
simplemente añadiéndose más observaciones a la muestra. Se tienen que hacer revisiones
fundamentales a los procesos, a las entrevistas, etc.
En general, antes de determinar el método de muestreo a utilizar, será necesario entender el
problema que se tiene a mano y se deberá tratar de determinar las características de los datos a reco-
lectar. Por lo general, se sugiere realizar ciertos análisis exploratorios para entender mejor los datos
que se desean recolectar.
Se pueden definir dos métodos de muestreo: el muestreo probabilístico y el muestreo no pro-
babilístico. Ambos tipos de muestreo son tratados a continuación.

2.1. El muestreo probabilístico

En este tipo de muestreo se supone que todos los elementos de la población tienen la proba-
bilidad de ser elegidos. Sin embargo, no todos tendrán necesariamente la misma probabilidad de

3
Estadísticas y Econometría Financiera

ser elegidos. Este método es el que debe ser utilizado si la intención es la realización de inferencia
estadística. Este método, a su vez, se clasifica en:

2.1.1. Muestreo aleatorio simple

En el muestreo aleatorio simple cada elemento o miembro de la población tiene la misma pro-
babilidad de ser elegido. La forma común en la que se selecciona a los miembros de la población es
creando números aleatorios.
Por ejemplo, si se imagina que se tiene una población de 500 contadores en una determinada
ciudad y que se quiere seleccionar aleatoriamente a 10 de ellos. Se supone que se los tiene identificados
de acuerdo a un número consecutivo que va desde 1 hasta 500. El procedimiento que se seguirá se
describe en la aplicación Excel que presenta a continuación.
Primero se creará la cantidad de números aleatorios deseados (en nuestro caso 10). La creación
se basa en la distribución uniforme (0,1) con lo que se asegura que los números generados estarán
entre 0 y 1. Se multiplica cada uno de los números generados por el tamaño de la población para
obtener el número correlativo que permitirá identificar al contador seleccionado por este proceso
es decir, los números resultantes representan la identificación de los contadores a ser seleccionados.
Por lo normal, se aproximan los números del paso anterior al número inmediato inferior.
Por ejemplo, el primer número aleatorio presentado en la aplicación Excel 1, es igual a 191. Esto
significa que el contador cuyo número de identificación es 191 será seleccionado para nuestra muestra.

Aplicación en Excel 1: Generación de Números Aleatorios