Econometría Financiera

Por:
John Chuke Yepes Londoño
john.yepeslo@amigo.edu.co
Estadístico U de M
2022-1
“La Subjetividad, sin un sustento Teórico - científico estocástico, no
es fundamento absoluto de verdad”.
Chuke Yepes

John Chuke
 “Lo que no se mide, bajo un sustento Teórico y un modelo
estocástico, no se controla”.
Chuke Yepes
PROGRAMA
Capitulo 1: Contextualización
Capítulo 2: Modelación Econométrica Financiera

Capítulo 3: Modelo Financieros LMC - CAPM

Capítulo 4: Modelación de Volatilidad

Capítulo 5: Modelos para cuantificar el riesgo

Capítulo 6: Referencias Bibliográficas

John Chuke
 PROGRAMA

Capítulo 1: Contextualización

1.1. ¿Qué es la econometría financiera?

1.2. Definiciones y convenciones
1.3. Relación entre Regresión y Correlación
1.4. Tipos de datos en la econometría
1.5. Definiciones de Eficiencia de mercado
1.6. El precio de los activos y los rendimientos

John Chuke
 PROGRAMA

Capítulo 2: Modelación Econométrica Financiera

2.1. El Modelo Econométrico Lineal

- MELI-MV
2.2. Supuestos de un modelo MELI-MV
2.3. Inferencia estadística en los MELI-MV
- Distribuciones estocásticas: Normal, t-Student, Chi-cuadrada, F-Fisher
2.4. Validación de presencia de
-Multicolinealidad, Heteroscedasticidad, Autocorrelación
2.5. Ejercicios prácticos 𝑌 𝑘
𝐸(
𝑖
)=𝛽 + 𝛽 𝑋 +𝜀
𝑋 1 , 𝑋 2 , …, 𝑋 3 0 ∑ 𝑗 𝑗𝑖 𝑖
𝑗=1

John Chuke
 PROGRAMA

Capítulo 3: Modelo Financieros LMC - CAPM

3.1. Modelo Línea de Mercado de Capitales-LMC

3.2. Validación del modelo LMC
3.3. Modelo Capital Asset Pricing Model-CAPM
3.4. Validación del modelo CAPM
3.5. Prima de Riesgo
3.6. Modelo Arbitrage Pricing Theory-APT
3.7. Ejercicios prácticos

John Chuke
 PROGRAMA

Capítulo 4: Modelación de Volatilidad

4.1. Modelos de volatilidad

4.2. Hipótesis de Paseo Aleatorio.
4.3. Hipótesis de volatilidad condicionada
4.3.1. Modelo de media móvil exponencialmente ponderada (EWMA).
4.3.2. Modelo de Heterocedasticidad Autorregresiva Condicional (ARCH).
4.3.3. Modelos GARCH
4.3.4. Modelo EGARCH
4.4. Ejercicios prácticos

John Chuke
 PROGRAMA

Capítulo 5: Modelos para cuantificar el riesgo

5.1. Riesgo de Mercado

– Valor en Riesgo -VaR
5.2. Riesgo de Crédito
5.3. Ejercicios prácticos

John Chuke
 PROGRAMA

Referencias Bibliográficas

• Gujarati, Damodar y Porter, Dawn. (2014). Econometría. México. Mc

Graw Hill

• Ruey, S. Tsay. (2002). Analysis of Financial Times Series. Estados

Unidos.

• Novales, Alfonso. (2003). Manual de Econometría. México.

• Wooldridge, Jeffrey, Introducción a la Econometría: un enfoque

moderno. México.

• Greene, William (1999). Análisis Econométrico. Madrid: Prentice Hall.

• Pindyck, Robert. (2000). Econometría modelos y pronósticos. México:

McGraw-Hill

John Chuke
 OBJETIVOS DEL CURSO

Desarrollar la metodología econométrica que

permite la identificación del patrón sistemático
en una función de causa efecto de una variable
dependiente económico-financieras
condicionadas al comportamiento de las
variables independientes macroeconómicas.

Metodología

• Clases teóricas y prácticas.

• Apoyo de material de lecturas complementarias
• Manejo del software Excel

John Chuke
Contextualización

Especulación Modelación Estocástica

John Chuke
 Contextualización

Es la Disciplina que se ocupa

del análisis de las
RELACIONES
de las variables que
Econometría permitan explicar los
fenómenos
ECONÓMICOS-FINANCIEROS

• La Teoría Económica
Teorías base • La Teoría de Mercado de Capitales
• La Teoría de Portafolios
• La Teoría de Riesgos
John Chuke
 Contextualización

BOSQUEJO DE LA MODELACIÓN ECONOMÉTRICA

TEORIA
ECONÓMICA-FINANCIERA

MATEMÁTICA INFERENCIA
ECONÓMICA-FINANCIERA ESTADÍSTICA

ESTADÍSTICA
MATEMÁTICA

John Chuke
Contextualización

¿Qué es la “La Econometría da

econometría? contenido empírico a
gran parte de la teoría
económica y
financiera”

Literalmente,
econometría significa
“medición económica”. La econometría se basa en
métodos estadísticos para
estimar las relaciones
económicas, poner a prueba
teorías económicas y evaluar y
poner en práctica políticas
empresariales, gubernamentales
y comerciales.
John Chuke
 Contextualización
Funciones de la econometría

La econometría sirve para NADA más que.

1) Validar hipótesis de las teorías económicas

• ¿Está el consumo directamente relacionado con el ingreso?
• ¿La cantidad demandada de un artículo esta inversamente relacionada con su
precio?

2) Estimar numéricamente las relaciones económicas

• Identificar el grado de relación
• Identificar la tendencia de la relación

3) Predecir los comportamientos económicos

John Chuke
 Contextualización
APLICACIONES DE LA ECONOMETRÍA
• Predicción de variables macroeconómicas
Inflación, el producto interno bruto, tasa de Desempleo…

• Estudios aplicados a diversos campos de la economía-Finanzas

• Estudio de los efectos de los gastos de las campañas políticas en

los resultados de las votaciones.

• El efecto de los gastos en educación en el rendimiento de los

estudiantes.

• Estudios de cuantificación de los ciclos económicos y

Financieros.

• Predicción de la volatilidad de las asimetrías de información

John Chuke
Contextualización

Aporte de la ECONOMÉTRICA
A las CIENCIAS
• Ciencias de la Ingeniería
• Ciencias Económicas-Financieras
• Ciencias Naturales
• Ciencias Médicas –Psicológicas
• Ciencias políticas y sociales
• Mercadotecnia
Teorías
• Modelo Keynesiano del Consumo
• Modelo de la Línea de Mercado de Capitales
• Modelo CAPM
• Modelo de producción Cobb-Douglas
• Línea de Portafolio óptimo

John Chuke
 Proceso de la Modelación Econometría Financiera
Decisiones
Problema o Fenómeno
Real
Previsiones Proyecciones

Planteamiento del problema

Objetivos y Alcance Nuevo Conocimiento

Modelos Estocásticos
(Cálculo de probabilidades)

Diagnóstico del Modelo

Recolección de (Análisis de Resultados)
información muestral
(Técnicas de muestreo)

Contrastes de hipótesis

Depuración de los datos

(Análisis de datos)
Estimación de los parámetros
(Teoría de la estimación)
John Chuke
 Esquema
Proceso iterativo para la construcción de modelos

ETAPA 1 Análisis Exploratorio de los datos de la Serie

ETAPA 2 ETAPA 3 ETAPA 4

Identificación del
patrón de Evolución Propuesta del Modelo Estimación de
de la relación de las Econométrico a parámetros del
variables estimar modelo

ETAPA 5
No ¿Es
Validación de los
adecuado el
Supuestos
Modelo?

Si
ETAPA 7
Uso del Modelo
Proyecciones
John Chuke
Contextualización

PROCESO DE LA ECONOMÉTRICA
1. Teoría Económica-Financiera o hipótesis
2. Modelo Matemático
3. Modelo Estocástico
4. Estimación de parámetros del Modelo Estocástico
5. Validación de las Estimaciones del Modelo Estocástico
6. Predicción
7. Aplicación y Control

John Chuke
 Ejemplo
1. Teoría Económica-Financiera o hipótesis
Teoría keynesiana de la función consumo
Enunciado de la teoría o hipótesis:

Keynes plantea
La ley sicológica fundamental consiste en que los
hombres/mujeres están dispuestos, por regla general y en
promedio, a aumentar su consumo a medida que aumenta
su ingreso, aunque no en la misma proporción al
incremento en dicho ingreso.

Keynes afirma que la propensión marginal a consumir

(PMC), la tasa de cambio del consumo ante un cambio de
una unidad en el ingreso, es mayor que cero pero menor
que uno.

John Chuke
 2. Especificación del Modelo Matemático

Para simplificar, un economista matemático puede sugerir la

siguiente forma para la función de consumo de Keynes:

𝐘 𝐢 =𝛃𝟎+ 𝛃𝟏 𝐗 𝐢
Donde:
𝒄𝒐𝒏 𝟎< 𝜷𝟏 <𝟏
: Consumo – variable dependiente
: Ingreso – variable independiente
: valor inicial del consumo estimado

: Tasa de cambio de crecimiento del consumo por cada unidad del ingreso

El coeficiente de la Consumo
pendiente 1 representa la
propensión Marginal a 𝜷𝟏
Consumir (PMC) 𝜷𝟎

Ingreso

John Chuke
 2. Especificación del Modelo Matemático

La ecuación que El modelo matemático de la Sin embargo, las relaciones

afirma que el consumo
está relacionado
linealmente con el
ingreso, es un ejemplo
de un modelo
matemático.
función de consumo es de existentes entre las
limitado interés para el variables económicas
econometrista, por cuanto son generalmente
supone una relación exacta o inexactas
determinística entre el consumo y
el ingreso.

Si el modelo, como del ejemplo anterior, consta de una sola ecuación, recibe el nombre
de modelo uniecuacional; si tiene más de una ecuación, se denomina modelo
multiecuacional o modelo de ecuaciones simultáneas o multifactorial.

John Chuke
3. Especificación del Modelo Econométrico

Para tener en cuenta la existencia de una relación

inexacta entre las variables económicas, el econometrista
debe modificar la función de consumo determinística, de la
siguiente manera

𝒀 𝒊=𝜷 𝟎+ 𝜷𝟏 𝑿 𝒊 + 𝜺𝒊
Donde:
• : representa el término de perturbación o de error
estocástica o innovaciones, donde es una variable
aleatoria estocástica con propiedades probabilísticas
bien definidas.

• El término perturbación, , suele representar todas

aquellas fuerzas que afectan el consumo pero que no
se tienen en cuenta de manera explícita en la
ecuación.
John Chuke
4. Estimación de los parámetros del Modelo Econométrico

• Habiendo especificado el modelo econométrico, la tarea

siguiente del econometrista consiste en obtener
estimaciones (valores numéricos) de los parámetros del
modelo a partir de la información disponible.

• Estas estimaciones le confieren un contenido empírico a la teoría

económica.

• Así por ejemplo, si en el estudio de la función de consumo

anteriormente expuesta, se encuentra que 1=0,8, este valor no
sólo proporciona una estimación numérica de la PMC sino que
corrobora la hipótesis keynesiana según la cual la PMC es menor
que 1.

• ¿Cómo se estiman los parámetros?

• La técnica utilizada para obtener dichas estimaciones es el análisis
de regresión-
Mínimos Cuadrados Ordinarios -MCO.

John Chuke
5. Validación de la estimación de los parámetros Econométricos

• Aplicación de las técnicas de Inferencia estadística.

• Habiendo obtenido ya estimaciones de los parámetros,

la tarea siguiente consiste en desarrollar criterios
apropiados dirigidos a establecer si las estimaciones
obtenidas están de acuerdo con lo que se espera de la
teoría que se está verificando o validando.

• La validación, refutación o confirmación de las

teorías económicas basándose en la evidencia
empírica se fundamenta en la inferencia
estadística

Prueba de Hipótesis
𝐻 0 : 𝐻𝑖𝑝 ó𝑡𝑒𝑠𝑖𝑠 𝑁𝑢𝑙𝑎
𝐻 1 : 𝐻𝑖𝑝ó 𝑡𝑒𝑠𝑖𝑠 𝐴𝑙𝑡𝑒𝑟𝑛𝑎𝑡𝑖𝑣𝑎
John Chuke
6. Predicción

Si el modelo escogido confirma la

hipótesis o teoría que se está
investigando

se puede entonces proceder a

proyectar el (los) valor(es) futuro(s) de la

variable dependiente-explicada (Y)
con base en el patrón histórico de la(s)
variable(s) independientes -explicativa(s) (X).

John Chuke
 Concepto DE Econometría

“Es un proceso de identificación de

patrones válidos de las relaciones entre
variables dependientes e
independientes y las perturbaciones o
innovaciones potencialmente útiles,
implícitos o explícitos comprensibles y
validados a partir de los datos”.
Chuke Yepes
John Chuke
 Conceptos
• Regresión y Causalidad
El análisis de regresión no se puede interpretar como un
procedimiento para establecer una relación causa-
efecto o causalidad entre variables.

• Regresión y Correlación
La regresión solo puede indicar cómo están asociadas
las variables entre sí y su grado de asociación que
permite construir un modelo para explicar la relación
entre ellas

John Chuke
• Estructura de los datos económicos

Las estructuras de datos más comunes en la

econometría aplicada son:

1. Datos de corte transversal,

2. Series de Tiempo,

3. Combinación de cortes transversales, y

4. Datos de panel.

John Chuke
 Conceptos

• Tipos de Información

Datos de corte Datos de

Transversal Series temporales
En los datos de corte En las series temporales, los
transversal se dispone de datos son observaciones de
una observación por una variable a lo largo del
individuo en un punto tiempo.
determinado en el tiempo.

Datos de panel
Los datos de panel
(o datos longitudinales) consisten
en observaciones de corte
transversal repetidas a lo largo
del tiempo.

John Chuke
 Estructura de los datos económicos

• Datos de corte transversal

Un conjunto de datos de corte transversal consta de un

muestra de individuos, hogares, empresas, ciudades, estados
países u otras diversas unidades, tomada en un moment
determinado.
A veces, los datos de todas las unidades no corresponde
con exactitud al mismo periodo; por ejemplo, es posibl
entrevistar a varias familias durante semanas distintas de
año.
Si se entrevistó a un grupo de familias en semanas distintas del mismo año, aú
veríamos esta información como un conjunto de datos de corte transversal .

John Chuke
Tabla 1.1
Conjunto de datos de corte transversal sobre salario
y otras características individuales
Obs Salario Sexo Experiencia Ingresos IPC
Millones años $ millones
1 3.10 1 2 1,34 0,67
2 3.24 2 8 1,56 1,68
3 3.00 1 2 2,03 0,89
4 6.00 1 4 1,90 0,35
5 5.30 2 7 2,10 0,21
. . . . . .
. . . . . .
. . . . . .
45 11.56 1 5 0 0,17
46 3.50 1 5 1 0,87

John Chuke
 Estructura de los datos económicos

• Datos de series de tiempo

Como los hechos del pasado pueden tener

influencia en el futuro a corto plazo y los rezagos
en el comportamiento son comunes por lo que
el tiempo es un factor importante en los datos de
series de tiempo.

A diferencia del ordenamiento de los datos de

corte transversal, la disposición cronológica de
las observaciones en una serie temporal
proporciona información potencialmente
importante.
John Chuke
Tabla 1.3
Salario mínimo, desempleo y datos relacionados
para Puerto Rico

obs Año salamin Tasa Tasa PIB

interés EA desem
1 1950 0.20 20.1 15.4 878.7

2 1951 0.21 20.7 16.0 925.0

3 1952 0.23 22.6 14.8 1015.9

. . . . . .

. . . . . .

. . . . . .

37 1986 3.35 58.1 18.9 4281.6

38 1987 3.35 58.2 16.8 4496.7

John Chuke
 Estructura de los datos económicos

• Combinación de cortes transversales

• Algunos conjuntos de datos tienen características tanto
de corte transversal como de series temporales.

• Por ejemplo, supongamos que se realizaron a escala

nacional dos encuestas transversales de hogares, una en
1985 y otra en 1990.

• En 1985 se entrevistó a una muestra aleatoria de hogares

sobre variables como ingreso, ahorro, tamaño de la
familia, etc.

• En 1990 se realizó una nueva muestra aleatoria con las

mismas preguntas.

John Chuke
 Estructura de los datos económicos

• Combinación de cortes transversales

• Con el objeto de aumentar el tamaño de nuestra muestra,
podemos formar una combinación de cortes transversales
para los dos años.

• Como las muestras aleatorias se tomaron cada año, sería

mera casualidad que el mismo hogar apareciera en la
muestra de ambos años.

• En general, el tamaño de la muestra será muy pequeño,

en comparación con el de todos los hogares del país.

• Este importante factor distingue a la combinación de

cortes transversales de los conjuntos de datos de panel.

John Chuke
 Tabla 1.4
Combinaciones de cortes transversales:
dos años de precios de la vivienda
obs año Precio $ Imptos $ Gastos # hijos Inver
$ millones
1 1993 85500 42 1600 3 2.89
2 1993 67300 36 1440 3 2.50
3 1993 134000 38 2000 4 2.5
. . . . . . .
. . . . . . .
. . . . . . .
250 1993 243600 41 2600 4 3.0
251 1995 65000 16 1250 2 1.0
252 1995 182400 20 2200 4 2.0
253 1995 97500 15 1540 3 2.0
. . . . . . .
. . . . . . .
. . . . . . .
520 1995 57200 16 1100 2 1.5
John Chuke
 Estructura de los datos económicos

• Datos de panel o longitudinales

• Un conjunto de datos de panel (o longitudinales)
consta de una serie temporal para cada miembro
del corte transversal en el conjunto de datos.

• Ejemplo, se tiene el salario, educación y

antecedentes de empleo de un grupo de
individuos a los que se ha dado seguimiento
durante 10 años; o también podríamos reunir
información, como datos financieros y de
inversiones, sobre el mismo conjunto de
empresas durante un periodo de cinco años.

John Chuke
Tabla 1.5
Conjunto de datos de panel de dos años sobre
estadísticas de delincuencia urbana

obs ciudad año homicid población desem Inver

$ millons
1 1 1986 5 350000 8.7 440
2 1 1990 8 359200 7.2 471
3 2 1986 2 64300 5.4 75
4 2 1990 1 65100 5.5 75
. . . . . . .
. . . . . . .
. . . . . . .
297 149 1986 10 260700 9.6 286
298 149 1990 6 245000 9.8 334
299 150 1986 25 543000 4.3 520
300 150 1990 32 546200 5.2 493

John Chuke
 Estructura de los datos económicos

Nota:

Los conjuntos de datos que incluyen la dimensión del

tiempo,

Las series temporales y de panel,

exigen un tratamiento especial por la correlación con el

paso del tiempo de la mayor parte de las series de tiempo
económicas.

Otros temas, como las tendencias y la estacionalidad,

surgen en el análisis de los datos de series temporales,
modelos ARIMA, pero no en los de corte transversal.

John Chuke
 • Relaciones estadísticas vs. Relaciones determinísticas

• En el análisis de regresión nos interesa lo que se

conoce como dependencia estadística entre
variables.
• En las relaciones estadísticas entre variables
tratamos esencialmente con variables aleatorias
o estocásticas, esto es variables que tienen
distribuciones de probabilidad.
• Por otra parte, en la dependencia funcional o
determinística también manejamos variables,
pero éstas no son aleatorias o estocásticas.

John Chuke
 • Regresión vs Correlación

• El análisis de correlación está estrechamente

relacionado con el de regresión aunque
conceptualmente los dos son muy diferentes.

• En el análisis de correlación el objetivo

principal es medir la fuerza o el grado de
asociación lineal entre dos variables.

• El coeficiente de correlación, mide esta fuerza

de asociación (lineal).

John Chuke
 • Regresión vs Correlación

Por ejemplo,

• Correlación:
Se puede estar interesado en encontrar la
correlación –asociación entre el hábito de
fumar y el cáncer del pulmón

• Regresión
Se desea estimar el valor medio de la presencia
de cáncer condicionado por el consumo de
cigarrillo medido por una tasa de participación.

John Chuke
 Terminología
𝑬
[ 𝒀𝒊
𝑿𝟏, 𝑿𝟐 , … , 𝑿𝒌 ]
= 𝜷 𝟏 + 𝜷 𝟐 𝑿 𝟐𝒊 + 𝜷𝟑 𝑿 𝟑 𝒊+ ....+ 𝜷 𝒌 𝑿 𝒌𝒊 + 𝜺𝒊

En la teoría económica los términos variable dependiente y

variable independiente están descritos de varias maneras;
a continuación se presenta una lista representativa de ellas:

Y X1, X2, X3, …. Xk

Variable dependiente Variable independiente

Variable explicada Variable explicativa

Variable de respuesta Variables de control

Variable predicha Variables predictora

Regresada Regresora

John Chuke
 Función Relacional

Cuando se estudian conjuntamente dos o

más variables que no son independientes,
la relación entre ellas puede ser relación
funcional matemática exacta entre las
variables.

𝒀 𝒊=¿ , ,…,

John Chuke
 Función Relacional Econométrica

𝒀 𝒊=¿ , ,…, ) +

Variable Variables Perturbaciones

Dependiente Independientes Estocásticas
(endógena o explicada) (exógenas o explicativas). (Innovaciones)

Así,
+

John Chuke
Muy
amables…..

Tomar decisiones confiables conociendo

tus riesgos, es la estrategia que permite
maximizar las ganancias.

John Chuke