Maestría en Finanzas Estadísticas Aplicadas

Universidad del Pacífico

Aplicaciones prácticas de estadística descriptiva

Profesor: Paul Castillo B.

I. Estadísticas descriptivas

Como explicamos en clase, en la mayoría de aplicaciones del curso vamos a utilizar datos de
retornos de activos financieros, y no de precios de activos financieros. Los retornos, a diferencia
de los precios de activos, muestran la propiedad de reversión a la media, que permite calcular
de manera apropiada sus principales momentos estadísticos. Para el caso de discusión sobre
riesgo de monedas, piden calcular los retornos de un inversionista en Nueva York que invierte
en monedas de países de América Latina, en la que los tipos de cambio se definen como el valor
del dólar en términos de la moneda local. Esto implica que para el inversionista extranjero el
retorno relevante esta dado por el porcentaje de apreciación de la moneda doméstica, la moneda
en la que invierte el inversionista extranjero, expresado en dólares. Sea el tipo de cambio, e(t).
El retorno diario, y el retorno a 30 días para el inversionista en Nueva York estarán dados por:

𝑒𝑒𝑡𝑡
𝑟𝑟𝑡𝑡 = � − 1� × 100
𝑒𝑒𝑡𝑡+1
𝑒𝑒𝑡𝑡
𝑟𝑟30,𝑡𝑡 = � − 1� × 100
𝑒𝑒𝑡𝑡+30

En eviews, estas series se pueden generar utilizando el comando GENR. Así, el retorno diario
del sol para el inversionista extranjero estará dado por:

Genr r_sol=(sol/sol(1)-1)*100

Igualmente, se pueden generar los retornos para las otras monedas.

Genr r_real=( real / real(1) -1)*100

Genr r_peso_chileno=( peso_chileno/ peso_chileno (1) -1)*100
Genr r_peso_mexicano=( peso_mex / peso_mex(1) -1)*100
Genr r_peso_colombiano=(peso_colom / peso_colom(1) -1)*100

Para generar las estadísticas descriptivas se puede crear un grupo con las 5 series de tiempo
antes generadas

Group monedas r_sol r_real r_peso_chileno r_peso_mexicano r_peso_colombiano

Para producir la tabla con las estadísticas descriptivas, se tiene que hacer doble click en el
nombre del ícono monedas, ir al menú, view/descriptive stats/ common sample

El resultado se presenta en la siguiente tabla

1
Maestría en Finanzas Estadísticas Aplicadas
Universidad del Pacífico

En la tabla se presentan los cálculos para el promedio ( mean), la mediana (median), el máximo
(máximum), el mínimo ( mínimum), la desviación estándar (std dev), la asimetría (skewness) y
la curtosis ( Kurtosis).

Adicionalmente, se puede utilizar funciones gráficas del Eviews para caracterizar la distribución
de los datos. En particular, se puede utilizar el histograma, que permite clasificar la información
en intervalos de clases, y utilizar la frecuencia relativa de los valores dentro de cada marca de
clase para calcular probabilidades empíricas. Para generar los histogramas, dentro del objeto
group (monedas) se debe hacer click siguiendo la siguiente secuencia,

View/graph/basic type/distribution/histogram

Alternativamente, podemos utilizar el siguiente comando, que también genera los histogramas
utilizando la frecuencia relativa, monedas.distplot hist(scale=relfreq). Asimismo, se puede
generar la distribución empírica utilizando kernels. El siguiente comando grafica los kernels,
con 200 puntos. monedas.distplot kernel(ngrid=200, fill)

2
Maestría en Finanzas Estadísticas Aplicadas
Universidad del Pacífico

Los histogramas permiten anteriores indican que la dispersión del real es la mayor de todas las
monedas(rango va de -8% a 10%), mientras que la del retorno del sol es la menor (-2.5% a 2.5%).
Asimismo, se observa que todas las distribuciones de probabilidad son leptocúrticas lo que indica
una probabilidad de valores extremos mayor que la que implica la distribución normal.

3
Maestría en Finanzas Estadísticas Aplicadas
Universidad del Pacífico

También se pueden generar los QQplots, que permiten identificar rápidamente si los datos
provienen de una distribución normal.

View/graph/basic type/distribution/quantile quantile

4
Maestría en Finanzas Estadísticas Aplicadas
Universidad del Pacífico

Los QQplots muestran la falta de normalidad de los datos y la existencia de valores extremos
(la forma de los QQ plots tiene partes concavas y convexas) . También se puede generar los
Boxplot, que permiten obtener una descripción detallada de la dispersión de los datos.

View/graph/basic type/distribution/boxplot

Los boxplots confirman la observación previa que la variable con la mayor dispersión
corresponde a los retornos del real y la que presenta la menor dispersión es el retorno del sol.
Asimismo, los boxplots confirman la presencia de valores extremos en todas las monedas.

5
Maestría en Finanzas Estadísticas Aplicadas
Universidad del Pacífico

II. Cálculo de probabilidades

Si se asume que los datos de retornos se distribuyen idéntica e independientemente, una forma
simple de calcular probabilidades, es utilizar el estimador no paramétrico del Kernel. El
siguiente comando de eviews obtiene los datos del kernel,

r_sol.distdata(dtype=kernel, k=b,ngrid=50,b=.5) kernel_sol

Los datos se almacenan en la matriz kernel_sol, etiqueta que el usuario escoge a su preferencia.
Los kernels se pueden utilizar para calcular las probabilidades empíricas de los datos. Esta
equivale al área debajo del Kernel. El área es la suma producto del ancho de clase, que es
usualmente constante, por el valor del kernel, hasta el valor cuya probabilidad se desea
encontrar. Así, para el caso del retorno del sol, un retorno negativo igual a -1,6 por ciento, tendría
una probabilidad de 0.6 por ciento, tal como se muestra a continuación.

El mismo retorno negativo, en el caso del retorno del real tendría una probabilidad mayor,
alrededor de 5 por ciento, lo que nuevamente evidencia que el real es una moneda más
riesgosa que el sol.

6
Maestría en Finanzas Estadísticas Aplicadas
Universidad del Pacífico

Adicionalmente, se puede utilizar esta misma información para obtener los percentiles de la
distribución. El percentil 10 por ciento, para el caso del retorno del real, es aproximadamente,
-1,17 por ciento, mientras que el correspondiente al 5 por ciento es -1,6%. Bajo del supuesto de
normalidad, o en términos más generales cuando la distribución de probabilidad es conocida, el
cálculo de probabilidades es directo.

En el caso de las funciones de Excel se puede utilizar la función,

distri.normal(x,media,desv,acumulada), para calcular cualquier probabilidad de ocurrencia. En el
caso de eviews, también existen funciones que permiten directamente calcular la probabilidad
que se está buscando. La siguiente tabla resume el tipo de información sobre la distribución de
probabilidad que se puede obtener.

Por ejemplo, para calcular la probabilidad de observar un retorno menor a -5%, en una
distribución normal con media 2% y desviación estándar 6%, el comando sería,

7
Maestría en Finanzas Estadísticas Aplicadas
Universidad del Pacífico

-scalar zz=@cnorm (-1,167)=12,1%, dado que -1,167=(-5-2)/6

A continuación, se listan un gran número de funciones de distribución de probabilidad que

utiliza eviews.

8
Maestría en Finanzas Estadísticas Aplicadas
Universidad del Pacífico

9
Maestría en Finanzas Estadísticas Aplicadas
Universidad del Pacífico

10