Professional Documents
Culture Documents
El presente trabajo nos muestra los datos históricos del dólar desde enero del
2017 hasta marzo del 2018, en un primer momento realizamos un diagnóstico del
comportamiento del precio del dólar y sus principales variaciones dadas las
fluctuaciones del precio internacional del petróleo, reconociendo la dinámica de la
estructura productiva colombiana la cual está atada al precio del crudo. Choques
externos como el precio del crudo, la salida de Inglaterra de la Unión Europea
generando incertidumbre en los mercados posibilito aún más la depreciación de la
moneda colombiana.
Posterior al análisis económico, calculamos los retornos diarios del tipo de cambio
para poder dar cuenta de los retornos esperados y sus desviaciones promedios.
Así poder realizar una aproximación mediante un modelo de volatilidad no
constante en el cálculo del VaR y realizando sus pruebas de ajuste. Finalmente
realizamos una simulación de 50 casos para un horizonte de T+10 días y
calculando el precio actual como el promedio de cada día simulado.
Objetivos
Reconocer la dinámica del precio del dólar bajo la influencia del precio del
petróleo.
Dar cuenta de las variaciones del precio del dólar dado los mecanismos de
intervención de la autoridad monetaria
Identificar los retornos diarios y dar cuenta de la asimetría de su distribución
comparada con la normal.
Calcular el VaR al 1% mediante un modelo de volatilidad no constante con
una ventana de 30 días y contrastarlo.
Realizar una simulación de los retornos mediante un movimiento Browniano
Geométrico.
Teniendo en cuenta los siguientes datos históricos del dólar desde
enero del 2017 hasta marzo del 2018 en el archivo de Excel (TRM):
Ilustración 1. Tasa Representativa del Mercado Colombiano. Enero de 2017- Marzo 2018.
A la luz de la teoría económica hay que tener claro ciertos aspectos claves en la
dinámica cambiante del precio del dólar en el mercado colombiano. En nuestra
economía de mercado, el precio del dólar se rige bajo un tipo de cambio de
flotación sucia, es decir, el precio del dólar es el resultado de las leyes del
mercado entre la oferta y demanda de la divisa, sin embargo cuando el precio del
dólar tiende a perturbar las condiciones económicas del sector productivo del país,
la autoridad monetaria mediante la independencia del banco de la republica realiza
operaciones de intervención para estabilizar dicho precio, entre los mecanismos
que suele usar están la compra o venta de divisas que se realizan en el mercado
abierto o mediante la determinación de variaciones deliberadas del tipo de interés
de mercado.
Para el inicio de año de 2017 nos encontramos con un alto precio del dólar en el
mercado colombiano, inicialmente un precio de $ 3.000 COP cuya tendencia
alcista se mantiene hasta finales de julio del mismo año donde alcanza el precio
de $3.100 COP; hay que mencionar que el año 2017 empezó con la continuidad
de la caída del precio internacional del petróleo lo que sin duda afecta el mercado
cambiario en Colombia. Hay que reconocer que el aparato productivo de la
economía colombiana está atada a la extracción y exportación de hidrocarburos lo
que le ha significado la entrada masiva de capitales extranjeros cuando el precio
es lo suficientemente significativo para ello, en condiciones de un precio alto del
petróleo la entrada masiva de capitales expresan una alta oferta de dólares en el
mercado lo que por ley de oferta se traduce en un precio bajo del dólar mientras
que cuando el precio del petróleo internacional es bajo presenciamos una fuga de
capitales que presiona la caída de la oferta de dólares en el mercado (a su vez
una alta demanda que persigue los pocos dólares que hay en el mercado) y con
ello atendiendo a las leyes del mercado su precio sube, el precio del dólar en
términos del peso colombiano. Así en tal periodo mencionado encontramos que el
precio del petróleo no resultaba lo bastante significativo para la entrada de
capitales extranjeros en calidad de inversión directa ni de especulación
presionando que el precio del dólar subiera dada la oferta.
El tipo de cambio, nos muestra en cuánto está valorado en cada momento del
tiempo el peso colombiano respecto al dólar americano, a partir de esto se define
la variable retorno como el cambio relativo en el precio de un activo financiero
durante un intervalo de tiempo, la cual está expresada como un porcentaje. (Parra,
2014.) En tiempo discreto, esta medida se define como:
𝑥𝑡 − 𝑥𝑡−1 ∆𝑥𝑡
𝑅(𝑡) = =
𝑥𝑡−1 𝑥𝑡−1
𝑥𝑡
𝑧𝑡 = ln ( ) = ln 𝑥𝑡 − ln 𝑥𝑡−1 = ∆ ln 𝑥𝑡
𝑥𝑡−1
Ahora, zt, indicará el retorno diario de la tasa de cambio de peso por dólar,
miremos la gráfica para la muestra analizada:
Medidas Descriptivas
Media Desviación Cuantil 5% Cuantil 95% Asimetría Kurtosis
-0,0002 0,0046 -0,0082 0,0079 -0,1020 2,848
250
200
150
100
50
0
-0.01 -0.01 -0.01 0.00 0.00 0.01 0.01 0.02 0.02
De los puntos anteriores sabemos que 𝑧𝑇+1 expresa el rendimiento futuro del
portafolio para el siguiente periodo. O lo que es lo mismo:
𝑉𝑎𝑅𝑇+1|𝑇 = 𝑉0 − 𝑉𝑐|𝑇
𝑐
𝑉𝑐|𝑇 = (1 + 𝑅𝑇+1|𝑇 )𝑉0
𝑐
Sabemos que 𝑅𝑇+1|𝑇 representa los retornos para el siguiente periodo, según la
informacion de la TRM, tal que sólo existe una probabildiad de 𝛼 de observar un
retorno inferior a este. Resumiendo tenemos:
𝑉𝑎𝑅𝑇+1|𝑇 = −𝑅𝑇𝑐 ∗ 𝑉0
Se puede mostrar que si los retornos del portafolio para el siguiente periodo sigue
una distribucion cuyos dos primeros momentos son finitios tal como la distribución
normal o t-student, entonces:
𝑐
𝑅𝑇+1|𝑇 = 𝐹(𝛼) ∗ 𝜎𝑡+1|𝑡
O lo que es lo mismo:
Retornos al cuadrado
𝜎𝑡+1|𝑡 = 0.004188147
𝐹(0,01) = −2.575829
𝑐
𝑅𝑇+1|𝑇 = 0.004188147 ∗ −2.575829 = −0.01078795
Por lo que finalmente se puede encontrar el VaR, al multiplicar el valor inicial del
portafolio (Vo) por la ultima tasa de cambio; por practicidad suponemos un valor
inicial de USD 10.000.
Por tal se concluye un valor para el VaR de 299.955,7272. Por tal si tenemos un
portafolio de USD 10.000 dolares, para el siguiente día podemos perder con un
nivel de confianza del 99% la suma de $299.955,7272 Pesos colombianos
Para dar cuenta si la aproximación realizada es una buena estimación del VaR,
debemos probar el ajuste del modelo para saber cual es la proporcion en que se
observa una pérdida superior a la predicción del modelo. Se afirma que esta
porporcion no debe ser en promedio superior al nivel de significancia, para nuestro
caso al 1%.
En este punto no realizamos el ratio de violaciones para probar la bondad del
ajuste, nos hemos acomodado a la prueba de Kupiec (1995) la cual nos permite
probar la hipotesis nula de que la proporcion de excepciones sea igual a 𝛼 versus
las alterna de no Ho. Para tal se define la proporciones de dichas excepciones así:
# 𝑑𝑒 𝑒𝑥𝑐𝑒𝑝𝑐𝑖𝑜𝑛𝑒𝑠
𝑝̂ =
𝐻
Tal que H es el número total de predicciones.
Para testear la hipoteis nula de que la proporcion de excepciones (p) es igual a la
esperada que teoricamente es el nivel de significancia, 𝐻𝑜 = 𝑝̂ = 𝛼, se emplea el
siguiente estadistico t de Kupiec:
𝑝̂ − 𝛼
𝑡𝑈 =
√𝑝̂ (1 − 𝑝̂ )/𝐻
Este estadistico sigue una distribución t con H-1 grado de libertad, la realizamos
en R; teniendo en cuenta los lineamientos del Acuerdo de Basilea II donde se
recomienda trabajar con una muestra de evaluacion no inferior a 250
observaciones diarias. En este caso contamos con 456 datos del retorno diario de
la tasa de cambio representativa del mercado, si calculamos el VaR con los
primeros 207 datos, podremos contar con 250 peridos (H) para realizar la prueba
de Kupiec, tal como se expreso anteriormente. Esto implica realizar el cálculo del
VaR para el periodo 208 y comparar dicho VaR con la pérdida o ganancia del
portafolio en pesos observada en ese periodo. Luego se agregará una
observacion más a la muestra y se realizará el calculo del VaR para el siguiente
periodo y así sucesivamente hasta el ultimo dato de la muestra. Para poder
calcular el VaR para cada uno de los ultimos 250 periodos de la muestra se debe
calcular las 250 ventas una tras otra, todo esto mediante el paquete R,se obtienen
los siguientes resultados:
Aproximación 𝑝̂ 𝑡𝑢 𝑝 − 𝑣𝑎𝑙𝑜𝑟
Varianza Movil 0,067 3.47677 0.0004942349
Realice 50 simulaciones cada una para 10 días (T+10). Calcule el precio para
cada día como la media de las simulaciones. Interprete sus resultados.
3050
3000
Price P(t)
2950
2900
0 2 4 6 8 10
time t
Resultados y Conclusiones
La dinamica del precio del dólar atiende a una correlacion frente al precio
del petroleo generando distorsiones en la estructura productiva del mercado
colombiano.
La no normalidad de los retornos diarios de la tasa de cambio es evidente y
sugiere que es propio de dichos retornos para cualquier activo.
Los modelos de volatilidad no constantes permite realizar un VaR donde la
varianza se ajusta a las condiciones de los nuevos periodos.
Para el caso puntual encontramos un VaR de 299.955,7272. Por tal si
tenemos un portafolio de USD 10.000 dolares, para el siguiente día
podemos perder con un nivel de confianza del 99% la suma de
$299.955,7272 Pesos colombianos.
Al decimo dia el precio actual del dólar mediante una simulacion mediante
el movimiento browniano geometrico seria de $3000,1 COP.
Bibliografía.
Alonso & Semaán (2010. Calculo del VaR, con volatilidad no constante.
Disponible
en:https://www.icesi.edu.co/departamentos/economia/images/var_volatilida
d_no_constante.pdf
Anexos
#proyeccion de la desviacion
se.medmov<-(var.mov30[length(var.mov30)])^(1/2)
se.medmov
#estadistico correspondiente
rt.med.mov<-qnorm(0.005)*se.medmov
#calculo del VaR
V0<-10000 #cantidad de dólares
V0.pesos<-10000*tcrm[length(tcrm)] #valor en pesos del portafolio
VaR.med.mov<- -rt.med.mov*V0.pesos
VaR.med.mov
Back.testing.VaR.MA<-matrix(nrow=250, ncol=1)
for(i in 1:250) {
n<-length(tcrm)-(250-i+1)
Back.testing.VaR.MA[i]<-VaR.MA(tcrm[1:n,], 0.01, 2)
}
ma.pronostico <- as.numeric(Back.testing.VaR.MA)
excepciones.ma <-(-1)*((-1)*rtcrm[207:456]*tcrm[207:456])>
ma.pronostico
# p gorro
p.gorro.ma<- sum(excepciones.ma)/length(excepciones.ma)
# Estadístico de kupiec
summary(X)