Formulario
1) Rendimientos
Ganancia o utilidad que produce una inversión o negocio. Hay una relación directa entre riesgo y
rendimiento, es decir, un activo financiero que ofrezca mayor riesgo, usualmente tiene un mayor
riesgo implícito (aunque no se perciba).
Precio actual
Rendimiento = ( )−1
Precio anterior
2) Mediana
Es el valor que ocupa la posición central de una serie ordenada de datos. La mediana se representa
por Me.
Para su cálculo requiere que los datos se encuentren ordenados de menor a mayor, si la serie tiene
un número impar de medidas la mediana es la posición central de la misma.
Si la serie tiene un número par de puntuaciones, la mediana es la media entre las dos puntuaciones
centrales.
1
Administración de Riesgos
Lic. Juan Carlos Álvarez Chavira
3) Moda
Es el valor con mayor frecuencia en una distribución de datos. Se representa por Mo.
» Si en un grupo hay dos o varias puntuaciones con la misma frecuencia y esa frecuencia es la
máxima, la distribución es bimodal o multimodal, es decir, tiene varias modas.
» Cuando todas las puntuaciones de un grupo tienen la misma frecuencia, no hay moda.
4) Media (Promedio)
Es el resultado que se obtiene a partir de la sumatoria de diferentes valores dividida entre el número
de datos.
∑𝒙
̅=
𝒙
𝒏
Sumatoria de datos
Promedio =
Número de datos
5) Desviación Media
Es una medida del grado de dispersión de los datos con respecto al valor promedio. Dicho
de otra manera es el "promedio" o variación esperada con respecto a la media aritmética.
∑ 𝐴𝐵𝑆(𝑥1 − 𝑥̅ )
𝐷𝑒𝑠𝑣 𝑝𝑟𝑜𝑚 =
𝑛−1
2
Administración de Riesgos
Lic. Juan Carlos Álvarez Chavira
6) Varianza
La varianza es una medida de dispersión que evalúa la variabilidad de los datos alrededor de la
media. Su fórmula matemática para el caso de datos referentes a una muestra es:
∑𝑛𝑖−1(𝑥1 − 𝑥̅ )
2
𝑠 =
𝑛−1
Y para el caso de datos de una población es dada por:
2
∑𝑛𝑖−1(𝑥_1 − 𝜇)2
𝜎 =
𝑁
Hay que tener en cuenta que la varianza puede verse muy influida por los valores atípicos y
no
7) seDesviación
aconseja su uso cuando
media las distribuciones
o desviación promedio de las variables aleatorias tienen colas
pesadas.
8) Deviación Estándar
Es la raíz cuadrada de la varianza. Esta medida nos permite determinar el promedio aritmético de
fluctuación de los datos respecto a su punto central o media.
s = √s2
∑ni−1(x1 − x̅)2
s=√
n−1
La distribución normal, es una distribución continua que tiene forma de campana y está
determinada por su media y su desviación estándar.
3
Administración de Riesgos
Lic. Juan Carlos Álvarez Chavira
Características:
4
Administración de Riesgos
Lic. Juan Carlos Álvarez Chavira
Permite identificar si los datos se distribuyen de forma uniforme alrededor del punto central (Media
aritmética).
La asimetría presenta tres estados diferentes, cada uno de los cuales define de forma concisa como
están distribuidos los datos respecto al eje de simetría (media 0).
Se dice que la asimetría es positiva cuando los valores de los datos más dispersos (cola de la
distribución) son mayores al valor de la media aritmética, la curva es Simétrica cuando se
distribuyen aproximadamente la misma cantidad de valores en ambos lados de la media y se conoce
como asimetría negativa cuando los valores de los datos más dispersos (cola de la distribución) son
menores que la media.
Donde 𝐶𝐴𝐹 representa el coeficiente de asimetría de Fisher, 𝑥𝑖 cada uno de los valores, la media
de la muestra y 𝑛𝑖 la frecuencia de cada valor. Los resultados de esta ecuación se interpretan:
Entre mayor sea el número (Positivo o Negativo), mayor será la distancia que separa la aglomeración
de los valores con respecto a la media.
5
Administración de Riesgos
Lic. Juan Carlos Álvarez Chavira
Donde C representa el coeficiente de Curtosis, 𝑥𝑖 cada uno de los valores, la media de la muestra y
𝑛𝑖 la frecuencia de cada valor. Los resultados de esta fórmula se interpretan:
Cuando la distribución de los datos cuenta con un coeficiente de asimetría (= ±0.5) y un coeficiente
de Curtosis de (= ±0.5), se le denomina Curva Normal. Este criterio es de suma importancia ya que
para la mayoría de los procedimientos de la estadística de inferencia se requiere que los datos se
distribuyan normalmente.
6
Administración de Riesgos
Lic. Juan Carlos Álvarez Chavira
Se calcula:
En estadística, un error típico se refiere a las variaciones que son a menudo inevitables. El error
típico puede definirse también como la variación producida por factores distorsionantes tanto
conocidos como desconocidos.
Error tipico es equivalente a error estándar; es una medida de dispersión promedio de las
desviaciones de los valores muestrales hacia su valor medio. Cuando el valor es pequeño significa
que los datos se parecen mucho a su valor medio de la población, lo contrario ocurre cuando el valor
es grande.
Es una prueba de bondad de ajuste para comprobar si una muestra de datos tiene la asimetría y la
curtosis de una distribución normal.
𝑛−𝐾+1 2 1
𝐽𝐵 = (𝑠 + (𝐶 − 3)2 )
6 4
Donde n es el número de observaciones (o grados de libertad en general); S es la asimetría de la
muestra, C la curtosis de la muestra y k el número de regresores.
Probabilidad “a priori” de que el intervalo contenga el verdadero valor del parámetro. Decimos que
es “a priori” porque es la probabilidad que tenemos (antes de extraer la muestra) de capturar dentro
del intervalo al intervalo del parámetro.
El nivel de confianza se indica por 1-α y habitualmente se da en porcentaje (1-α) %. Los valores que
se suelen utilizar para el nivel de confianza son el 95%, 99% y 99.9%
7
Administración de Riesgos
Lic. Juan Carlos Álvarez Chavira
1-α=0.98
α=0.02
17) Covarianza
La covarianza mide la relación lineal entre dos variables. No es estandarizada, a diferencia del
coeficiente de correlación, por lo tanto, los valores de covarianza pueden encontrarse entre infinito
negativo e infinito positivo.
∑(𝑋 − 𝑋)(𝑌 − 𝑌)
𝜎(𝑥, 𝑦) =
𝑛−1
Los valores positivos indican que los valores por encima del promedio de una variable están
asociados con los valores por encima del promedio de la otra variable y los valores por debajo del
promedio están asociados de manera similar.
Los valores negativos indican que los valores por encima del promedio de una variable están
asociados con los valores por debajo del promedio de la otra variable.
Si 𝜎(𝑥, 𝑦) = 0; una covarianza 0 se interpreta como la no existencia de una relación lineal entre
las dos variables estudiadas.
8
Administración de Riesgos
Lic. Juan Carlos Álvarez Chavira
Es una medida de la volatilidad de un activo (una acción o un valor) relativa a la variabilidad del
mercado, de modo que valores altos de Beta denotan más volatilidad y Beta 1,0 es equivalencia con
el mercado.
Una primera forma de estimar el Beta es calcularlo mediante una regresión lineal entre el
rendimiento del mercado como variable exógena o independiente y el rendimiento del activo a
analizar como variable endógena o dependiente. Esta regresión se expresa mediante la siguiente
fórmula:
𝑅𝑖 = 𝛼 + 𝛽 × 𝑅𝑀
Un segundo y tercer método sería el método de la varianza y del coeficiente de correlación medidos
a través de las fórmulas que se muestran a continuación:
𝐶𝑂𝑉(𝑅𝑖 , 𝑅𝑀 )
𝛽𝑒𝑡𝑎 =
𝑉𝐴𝑅(𝑅𝑀 )
Donde:
9
Administración de Riesgos
Lic. Juan Carlos Álvarez Chavira
Es un ratio que mide la habilidad de un gestor de carteras de inversión por obtener rentabilidades
por encima del índice bursátil de referencia ajustada por el riesgo.
α= (Rc-Rf)-(Rm-Rf) βc
• α: Alfa de Jensen
Podemos deducir que es el diferencial de rentabilidad conseguida real (restando el activo libre de
riesgo) ajustado por el riesgo sistemático, que es el medido por la beta. Al utilizar nada más el riesgo
medido por la beta, es un ratio que no mide el grado de diversificación de la cartera, como sí lo hace
el ratio de sharpe.
10