S
A
ESCUELA ACADÉMICO PROFESIONAL DE
C
ESTADÍSTICA
SI
S FÍ
C S
TI IA
Á C
A
M EN
I
TE C
M DE
TESIS:
Y A
A
TRUJILLO – PERÚ
2013
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
PRESENTACIÓN:
S
Señores miembros del jurado:
A
C
Dando cumplimiento a las disposiciones del reglamento de Grados y Títulos de
SI
la Facultad de Ciencias Físicas y Matemáticas de la Escuela Profesional de
S FÍ
Estadística de la Universidad Nacional de Trujillo, presento a vuestra
consideración y criterio la presente tesis titulada: “MODELOS VECTORIALES
C S
AUTORREGRESIVOS EN EL PRONÓSTICO DE LA CURVA DE
TI IA
RENDIMIENTO CUPÓN CERO DEL GOBIERNO PERUANO”, con la finalidad
Á C
A
de optar el título de Ingeniero Estadístico.
M EN
Dejo pues, a su elevado criterio, la presente tesis para que sea analizada,
TE
pág. i
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
DEDICATORIA:
A:
S
Dios, por darme la oportunidad de vivir y por estar conmigo en cada paso que
A
doy, por fortalecer mi corazón e iluminar mi mente y por haber puesto en mi
C
camino a aquellas personas que han sido mi soporte y compañía durante todo
SI
el periodo de estudio. A la Virgen María. Porque al igual que al lado de su hijo
S FÍ
Jesucristo, siempre ha sentido conmigo brindándome su amor incondicional de
madre.
C S
TI IA
Mi madre Teresa Rosado R., por darme la vida, quererme mucho, creer en mi y
Á C
A
porque siempre me apoyaste. Mamá gracias por darme una carrera para mi
M EN
Mis hermanas, Fiorella y Elisa, por estar conmigo y apoyarme siempre, los
A
C
quiero mucho.
TE
pág. ii
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
AGRADECIMIENTO:
S
durante los cinco años se esmeraron por dar lo mejor para mi formación
A
profesional, por los conocimientos teóricos y las experiencias vividas.
C
SI
Al MsC. Luis Alberto Rubio Jácobo, por dirigir esta tesis, por confiar en mí
S FÍ
desde el inicio. Agradezco su alto empeño, dedicación profesional,
aportaciones teóricas, experiencias, consejos y llamadas de atención
C S
TI IA
enmarcadas en torno a la investigación. Su exigencia y rigurosidad han sido
claves en este trabajo, sin su dedicación y disponibilidad, sin duda no hubiera
Á C
A
podido lograr esta meta.
M EN
I
especial a mis profesores el Dr. Carlos Minchón Medina, Dra. Rosa Gutiérrez
Alarcón, Lic. Manuel Sisniegas Gonzales y Luis Rubio Jacobo por sus
Y A
Son muchas las personas que han formado parte de mi vida profesional a las
que me encantaría agradecerles su amistad, consejos, apoyo, ánimo y
O
quiero darles las gracias por formar parte de mí, por todo lo que me han
B
pág. iii
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
RESUMEN:
S
acuerdo con la valoración, negociación o cobertura sobre instrumentos
A
financieros. Debido a su importancia, el interés de la presente tesis tuvo como
C
finalidad determinar el modelo que pronostica la curva de rendimiento cupón
SI
cero del Gobierno Peruano. Para ello, se estimó la estructura de tasas diarias
S FÍ
cero cupón o curva spot mediante los Modelos de Vectores Autorregresivo
(VAR); para ello se utilizó una muestra de 756 tasas diarias de Rendimiento
C S
Spot de los Bonos Soberanos del Gobierno Peruano con vencimientos al: 05 de
TI IA
Mayo del 2015 (ser01), 12 de Agosto del 2026 (ser02) y 12 de Agosto del 2037
Á C
A
(ser03). Encontrándose como resultados que el modelo VAR(2):
M EN
SER01 = 0.911724156554*SER01(-1) + 0.0640536274213*SER01(-2) +
0.221189915528*SER02(-1) - 0.194899524638*SER02(-2) -
I
TE C
0.0429637415452*SER03(-1) + 0.0426318529443*SER03(-2) -
M DE
0.0548891371956
SER02 = 0.0981088271898*SER01(-1) - 0.0962863018585*SER01(-2) +
Y A
0.933358408775*SER02(-1) + 0.0561247356621*SER02(-2) +
A
C
0.153025808579*SER03(-1) - 0.15546618703*SER03(-2) +
TE
0.0751235375087
SER03 = 0.0417344728586*SER01(-1) - 0.0432335010554*SER01(-2) +
O
0.19112018575*SER02(-1) - 0.168651422863*SER02(-2) +
LI
0.928651807912*SER03(-1) + 0.0454341303391*SER03(-2) +
IB
0.0328214402768
B
pág. iv
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
ABSTRACT:
The yield curve is a widely used tool for decision makers monetary policy or
S
plan their investments, according to the valuation, trading or hedging
A
financial instruments. Because of its importance, the interest of this thesis
C
aimed to determine the model that predicts the zero coupon yield curve
SI
Peruvian government. To do this, we estimated the daily fee structure zero
S FÍ
coupon or spot curve through Vector Autoregressive Models (VAR), for it is
based on a sample of 756 daily rates Spot Performance Sovereign Bonds
C S
TI IA
maturing Peruvian Government to: 05 May 2015 (ser01), August 12, 2026
(ser02) and August 12, 2037 (ser03). Finding such results the VAR (2):
Á C
A
M EN
0.0548891371956
SER01 SER02 = 0.0981088271898 * (-1) - 0.0962863018585 * SER01 (-2)
Y A
0.0751235375087
SER01 SER03 = 0.0417344728586 * (-1) - 0.0432335010554 * SER01 (-2)
O
0.0328214402768
B
However, other methods can model the behavior of the data from the daily
rates of Zero Coupon Yield Peruvian Government, so it is recommended to
review other methodologies and compare results obtained with those found
in this thesis.
pág. v
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
ÍNDICE:
PRESENTACIÓN:.......................................................................................................................................... i
S
DEDICATORIA: ............................................................................................................................................. ii
A
AGRADECIMIENTO: ..................................................................................................................................iii
C
RESUMEN: ..................................................................................................................................................... iv
SI
ABSTRACT: .................................................................................................................................................... v
S FÍ
ÍNDICE: ............................................................................................................................................................ vi
CAPITULO I: INTRODUCCIÓN ..............................................................................................................1
C S
TI IA
1.1. ANTECEDENTES: ................................................................................................... 5
1.2. JUSTIFICACIÓN: ..................................................................................................... 7
Á C
A
1.2.1. CIENTÍFICA:........................................................................................................ 7
M EN
pág. vi
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
g) Pronóstico ................................................................................................................ 20
h) Inferencia estructural ............................................................................................. 21
i) Análisis de política .................................................................................................. 21
2.6 DETECCIÓN DE SUPUESTOS BÁSICOS Y SUS CORRECCIONES: ........ 22
a) NORMALIDAD: Prueba de Kolmogorov-Smirnov (k-s): ................................... 22
b) HETEROCEDASTICIDAD: Prueba general de White. ..................................... 24
S
c) MULTICOLINEALIDAD: ........................................................................................ 26
A
d) AUTOCORRELACIÓN: ......................................................................................... 27
C
2.7 APLICAR EL PROCEDIMIENTO DE MÁXIMA VEROSIMILITUD AL VAR
SI
ESTIMADO CON EL FIN DE DETERMINAR EL RANGO (R) DE
COINTEGRACIÓN DEL SISTEMA...................................................................... 29
S FÍ
2.8 METODOLOGÍA DE BOX JENKINS: .................................................................. 32
C S
CAPITULO III: MATERIAL Y MÉTODOS ......................................................................................... 34
TI IA
3.1. MATERIAL Y MÉTODOS ...................................................................................... 34
Á C
3.1.1 MATERIAL: ........................................................................................................ 34
A
M EN
3.1.2 MÉTODOS:........................................................................................................ 34
3.2. ÁREA Y TIPO DE INVESTIGACIÓN ................................................................... 40
I
4.1 RESULTADOS:....................................................................................................... 41
A
C
5.2 RECOMENDACIONES.......................................................................................... 65
B
pág. vii
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
CAPITULO I: INTRODUCCIÓN
S
reducida quiere decir que los valores contemporáneos de las variables del
A
modelo no aparecen como variables explicativas en las distintas ecuaciones. El
C
conjunto de variables explicativas de cada ecuación está constituido por un
SI
bloque de retardos de cada una de las variables del modelo. Que sean
S FÍ
ecuaciones no restringidas significa que aparece en cada una de ellas el mismo
grupo de variables explicativas.
C S
TI IA
Así, en un modelo vectorial autorregresivo de primer orden, VAR(1), las
Á C
A
variables explicativas de cada ecuación son: una constante, más un retardo de
M EN
cada una de las variables del modelo. Si el modelo pretende explicar el
comportamiento temporal de 3 variables, habría 3 variables explicativas, más
I
TE C
ficticias estacionales, o una variable ficticia de tipo impulso o escalón, que sirve
IB
pág. 1
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
Por el contrario, en un modelo VAR todas las variables se tratan de igual modo:
A
el modelo tienen tantas ecuaciones como variables, y los valores retardados de
C
todas las ecuaciones aparecen como variables explicativas en todas las
SI
ecuaciones. Una vez estimado el modelo, puede procederse a excluir algunas
S FÍ
variables explicativas, en función de su significación estadística, pero hay
razones para no hacerlo. Por un lado, si se mantiene el mismo conjunto de
C S
TI IA
variables explicativas en todas las ecuaciones, entonces la estimación por
mínimos cuadrados ordinarios ecuación por ecuación es eficiente, por lo que el
Á C
A
proceso de estimación del modelo es verdaderamente sencillo. Por otro, la
M EN
financiamiento por medio del cual las empresas y los gobiernos se hacen de
TE
entorno dinámico, por lo tanto el costo que paga una empresa por el capital
LI
pág. 2
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
La curva de rendimiento o yield curve es la relación de tasas de interés y sus
C
plazos correspondientes, llámese tasas de corto, mediano y largo plazo, para
SI
una moneda y deudor determinado en una fecha específica. Dicha estructura
S FÍ
de plazos de las tasas de interés es importante para el análisis
macroeconómico porque afecta las decisiones de consumo e inversión de los
C S
TI IA
agentes económicos, y por tanto de la demanda agregada, que es uno de los
determinantes de la inflación en la economía. Desde el punto de vista
Á C
A
financiero, la existencia de una curva de rendimiento favorece el desarrollo del
M EN
que las decisiones del banco central -sobre su meta operativa- se trasmiten
hacia el resto de tasas (efecto traspaso o pass through), va a determinar la
O
futuras.
pág. 3
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
política monetaria: llámese tasas de interés futuras, tasas de inflación, tasas de
A
depreciación, entre otras. Desde el punto de vista del análisis monetario, la
C
curva de rendimiento permite extraer las expectativas para las tasas de corto
SI
plazo que tienen los agentes, lo que permite determinar si dichas expectativas
S FÍ
son compatibles con el objetivo inflacionario del banco central.
C S
TI IA
Otro método para el análisis monetario está asociada a la relación existente
entre las diferentes tasas de la curva de rendimiento. El diferencial (spread)
Á C
A
entre las tasas de largo y corto plazo (o pendiente de la curva de rendimiento)
M EN
por el mercado.
LI
IB
pág. 4
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
1.1. ANTECEDENTES:
En la investigación “Estimación de la Curva de Rendimiento Cupón Cero
para el Perú” realizada por Javier Pereda, publicada en el 2009 por el
BANCO CENTRAL DE RESERVA DEL PERU se estimó dos modelos para la
curva de rendimiento en soles para el Perú, el modelo de Nelson & Siegel
(1987) y el modelo de Svensson (1994). Se comparó el desempeño de ambos
S
modelos en términos de ajuste, flexibilidad y estabilidad de sus parámetros, y
A
se evalúan funciones objetivo de estimación alternativas. El modelo de
C
Svensson tiene el mejor ajuste, sin embargo, es más inestable cuando no se
SI
dispone de datos suficientes para los diferentes plazos de la curva de
S FÍ
rendimiento -por la ausencia de emisiones o de precios cuando la negociación
en el mercado secundario es incipiente- en cuyo caso es preferible el uso del
C S
modelo de Nelson & Siegel.
TI IA
Á C
A
“LA FORMACIÓN DE LA CURVA DE RENDIMIENTOS EN NUEVOS SOLES
M EN
EN PERÚ” de los autores Augusto Rodriguez A. y Julio Alberto
Villavicencio V. pertenecientes al Departamento de Economía de la
I
TE C
tasas cero cupón o curva spot mediante la metodología propuesta por Nelson &
TE
cóncavas, convexas y lineales, sin que los agentes hayan alterado sus
expectativas respecto a los fundamentos macroeconómicos. Finalmente, al ser
el mercado doméstico de capitales incompleto, dado que no cuenta con
instrumentos de coberturas, la curva de Bonos Soberanos permite la existencia
de posibilidades de arbitraje para los agentes.
pág. 5
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
necesidades a las que se enfrenta un inversionista o especulador,
A
adicionalmente, se presenta una metodología de estimación basada en splines
C
cúbicos suavizados, con validación cruzada, con la cual se estima la curva spot
SI
de los Tes B tasa fija. Esta estimación es posteriormente utilizada para ilustrar
S FÍ
los problemas que pueden surgir al estimar curvas spot, con cualquier
metodología, en un mercado ineficiente en términos de arbitraje, así como para
C S
TI IA
estimar los Key Rate Durations para títulos específicos o portafolios de bonos.
Esto con el fin de mostrar cómo movimientos no paralelos de la curva, cambios
Á C
A
en la pendiente o en la curvatura, pueden afectar portafolios con la misma
M EN
pág. 6
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
and Vector Autoregressive Model” en el cual indica que el método de NN y
A
VAR son dos métodos que se pueden utilizar para predecir el comportamiento
C
de la curva de rendimiento. Sin embargo, parece que el modelo Redes
SI
Neuronales (NS) en algunos casos no puede modelar el comportamiento de los
S FÍ
datos de rendimiento con precisión, y por lo tanto dando como resultado una
predicción inexacta del comportamiento futuro de la curva de rendimiento.
C S
TI IA
También recomienda que para investigaciones futuras, considerar el modelo
más avanzado de los modelos de la curva de rendimiento, tales como el
Á C
A
método ampliado con la incorporación de las variables financieras y
M EN
1.2. JUSTIFICACIÓN:
M DE
1.2.1. CIENTÍFICA:
Analizar las curvas de rendimiento, recurriendo a técnicas existentes en
la estadística y/o econometría, que no han sido estudiadas en el periodo
Y A
A
autorregresivos (VAR).
LI
1.2.2. SOCIAL:
IB
pág. 7
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
1.3. PROBLEMA:
¿CUÁL ES EL MODELO QUE PRONOSTICA LA CURVA DE
RENDIMIENTO CUPÓN CERO DEL GOBIERNO PERUANO?
1.4. HIPÓTESIS:
El Modelo que mejor pronostica la curva de rendimiento cupón cero del
Gobierno Peruano es un VAR (1).
S
A
1.5. OBJETIVOS:
C
1.5.1. OBJETIVO GENERAL:
SI
Hallar el modelo que mejor predice la curva de rendimiento cupón cero
para el Gobierno Peruano mediante el método de Vector de Modelos
S FÍ
Autorregresivos (VAR).
C S
TI IA
1.5.2. OBJETIVOS ESPECÍFICOS:
Á C
A
Evaluar los supuestos básicos y realizar sus respectivas
M EN
correcciones a los datos.
Estimar los modelos VAR posibles que predigan la curva de
I
TE C
pág. 8
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
un año de las entidades y organismos del Sector Público; está integrado
A
por la Dirección Nacional del Endeudamiento Público, dependiente del
C
Viceministerio de Hacienda y por las Unidades Ejecutoras las cuales
SI
conducen los procesos relacionados con el sistema, a nivel de todas las
S FÍ
entidades del Sector Público que administran fondos de las entidades y
organismos públicos, las mismas que son responsables de velar por el
C S
cumplimiento de las normas y procedimientos que emita el órgano rector.
TI IA
Á C
Se rige por los siguientes principios:
A
M EN
pág. 9
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
La Dirección Nacional del Endeudamiento Público es el órgano rector del
C
sistema nacional del endeudamiento público, dicta las normas y
SI
establece los procedimientos relacionados con su ámbito y tiene como
S FÍ
principales atribuciones las siguientes:
conducir la programación, la concertación y el desembolso de las
C S
TI IA
operaciones de Endeudamiento del Gobierno Nacional y de sus
avales o garantías;
Á C
A
registrar la deuda de las entidades y organismos del Sector
M EN
Público;
I
2.2 Bono:
Los bonos son instrumentos financieros de deuda utilizados por entidades
privadas y también por entidades gubernamentales y que sirven para
financiar a las mismas empresas. El bono es una de las formas de
pág. 10
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
financieros. Son títulos normalmente colocados al nombre del portador y
A
que suelen ser negociados en algún mercado o bolsa de valores. El
C
emisor se compromete a devolver el capital principal junto con los
SI
intereses, también llamados cupón. Este interés puede tener carácter fijo
S FÍ
o variable, tomando como base algún índice de referencia como puede
ser el euribor.
C S
TI IA
Cabe resaltar que el dinero o fondo que se obtenga se puede prestar a
Á C
A
instituciones por un periodo definido y a una tasa de interés fija.
M EN
a) Tipos de bonos
I
de las acciones.
A
C
pág. 11
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
Strips: Algunos bonos del Estado son "strippables", o divididos,
A
puede segregarse el valor del bono en cada uno de los pagos
C
que se realizan, distinguiendo básicamente los pagos en
SI
concepto de intereses (cupones) y el pago del principal, y
S FÍ
negociarlos por separado.
C S
Bonos de deuda perpetua: Son aquellos que nunca devuelven
TI IA
el principal, (esto es, el nominal del bono, que generalmente
coincide con la inversión inicial), sino que pagan intereses
Á C
A
(cupones) regularmente de forma indefinida. Son los más
M EN
pág. 12
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
El endeudamiento puede realizarse de dos formas distintas: a través de
A
créditos o empréstitos otorgados por bancos locales, extranjeros o
C
internacionales, y a través de la emisión u oferta pública de instrumentos
SI
de deuda, como bonos o pagarés, que son ofrecidos a los inversionistas,
S FÍ
quienes los compran a cambio de que al vencimiento se les devuelva el
capital más intereses.
C S
TI IA
Un bono soberano es un instrumento de deuda que permite al fisco
Á C
A
acceder a financiamiento a través del mercado de valores. El emisor de
M EN
un bono soberano es el país que busca financiamiento y puede ser
emitido tanto en los mercados locales como en mercados internacionales,
I
TE C
Su importancia radica en que al ser un bono cuyo pago depende del fisco,
TE
pág. 13
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
financieros (de deuda y derivados) (1).
A
C
La curva de rendimiento, estructura de tasas de interés o curva cero
SI
cupón es el conjunto de rendimientos al vencimiento, zt, de un grupo de
S FÍ
bonos sin cupones ordenados por su plazo al vencimiento. Al precio de
los bonos sin cupones (𝑃̅𝑡 ) se les conoce como la función de descuento, y
C S
TI IA
se relaciona con la tasa cero cupón o spot (zt) de la siguiente manera:
Á C
A
𝑃̅𝑡 = exp(−𝑡𝑧𝑡 ) (1)
M EN
I
función de descuento:
Y A
pág. 14
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
∑𝑇
𝑡=1 𝑓𝑡
𝑧𝑇 = (4)
A
𝑇
C
SI
Metodología para la estimación de la estructura de tasas de interés
En la actualidad existen varias metodologías para calcular la curva de
S FÍ
rendimientos cupón cero. El método más simple es el conocido como
C S
bootstrapping, que consiste en un procedimiento recursivo que encuentra
TI IA
una a una las tasas cupón cero. Para ello, halla la tasa de descuento que
Á C
iguala el precio de un bono con cupones correspondiente al rendimiento a
A
M EN
la maduración del mismo plazo, y el valor presente de los flujos de pago
del bono descontados con la función de descuento. No obstante, este
I
TE C
pág. 15
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
endógenas, lo que permite capturar de mejor manera los comovimientos
A
de las variables y la dinámica de sus interrelaciones; el esquema
C
proporciona una forma sistemática de aprehender la rica dinámica del
SI
análisis de series de tiempo multivariado.
S FÍ
Desde el punto de vista conceptual, un proceso autorregresivo univariado
C S
TI IA
es una ecuación simple: un modelo de una variable en el cual el valor
corriente de la variable es explicado por sus propios valores rezagados.
Á C
A
En contraste, un VAR es un sistema de n ecuaciones: un modelo lineal de
M EN
pág. 16
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
valores contemporáneos de la primera y la segunda variables. Este
A
procedimiento es aplicado para las n variables incluidas en el VAR.
C
En este tipo de VAR, el orden de las variables es importante y los
SI
resultados están influenciados por dicho ordenamiento. ¿Qué
S FÍ
significa hablar de orden en este contexto? Por ejemplo: cuando se
está interesado en analizar los efectos de la tasa de interés (r) sobre
C S
TI IA
el desempleo (U) y la inflación (I), se puede partir del supuesto de
que el nivel de inflación afecta de —forma contemporánea— al
Á C
A
desempleo y que el desempleo y la inflación afectan —de modo
M EN
pág. 17
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
interés, una Regla de Taylor del tipo backward looking (reacción del
A
Banco Central a información pasada de las variables) o forward
C
looking (reacción a valores esperados de las variables). Por ejemplo,
SI
en el caso de las tres variables mencionadas, Stock y Watson
S FÍ
consideran dos VARs estructurales. La regla utilizada es la siguiente:
C S
TI IA
𝑅𝑡 = 𝑟 ∗ + 1.5(𝐼𝑡̅ − 𝐼 ∗ ) − 1.25(𝑈
̅𝑡 − 𝑈 ∗ ) + 𝑣𝑎𝑙𝑜𝑟𝑒𝑟𝑒𝑧𝑎𝑔𝑎𝑑𝑜𝑠𝑑𝑒𝑅, 𝐼, 𝑈 +
𝜉𝑡 ,
Á C
A
M EN
pág. 18
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
estructurales. En general, la aplicación de modelos VAR debería
A
involucrar los siguientes pasos: primero, el VAR de forma reducida y un
C
VAR recursivo son empleados para resumir los comovimientos de las
SI
series involucradas; segundo, el VAR de forma reducida es usado para
S FÍ
pronosticar las variables, y su bondad es evaluada frente a un modelo
alternativo; tercero, los distintos VARs estructurales son usados para
C S
TI IA
estimar el efecto de un movimiento sorpresa en la variable de política.
Por último, debe discutirse cómo el VAR estructural podría ser usado
Á C
A
para el análisis de política.
M EN
c) Descripción de datos
I
pág. 19
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
constantes los otros errores, tiene sentido cuando los errores no están
A
correlacionados entre ecuaciones, por lo que las funciones impulso-
C
respuesta son típicamente calculadas para VARs recursivos y
SI
estructurales.
S FÍ
f) La descomposición del error de pronóstico
Es el porcentaje de la varianza del error de pronosticar una variable
C S
TI IA
debido a un shock específico en un horizonte dado. Es decir, la
descomposición del error de pronóstico es como un R2 parcial para el
Á C
A
error de pronóstico, para un horizonte de pronóstico. De modo intuitivo,
M EN
g) Pronóstico
M DE
pág. 20
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
h) Inferencia estructural
Volviendo al ejemplo del VAR de tres variables (inflación, tasa de
desempleo y tasa de interés) presentado antes, Stock y Watson se
plantean la siguiente pregunta: ¿cuál es el efecto sobre las tasas de
inflación y de desempleo de un incremento sorpresa de 100 puntos
básicos en la tasa de interés? En palabras utilizadas en VAR, la
S
pregunta puede plantearse de la siguiente manera: ¿cuáles son las
A
respuestas de las tasas de inflación y de desempleo a un shock o
C
impulso de política monetaria, en un VAR estructural? Los autores
SI
comparan dos VARs estructurales cambiando la función de reacción de
S FÍ
la Reserva Federal de los Estados Unidos: el primero con una Regla de
Taylor del tipo backward-looking, y el segundo con una regla forward-
C S
looking.
TI IA
Á C
A
Los resultados encontrados por los autores muestran que, para los dos
M EN
casos, un shock de un punto porcentual en la tasa de interés de los
fondos federales afecta la tasa de interés real, la inflación y el
I
TE C
i) Análisis de política
IB
puede ser usado para analizar dos tipos de políticas. El primero cambia
la Regla de Taylor (con ponderación en el desempleo y en la inflación)
por una regla de meta de inflación explícita. Si la intervención es un
movimiento no esperado en la tasa de interés, los efectos estimados de
esta política sobre el desempleo y la inflación futura son resumidos por
las funciones impulso-respuesta. Aunque el incremento por “una sola”
vez de la tasa de interés puede ser poco realista, el mismo ejercicio se
pág. 21
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
monetarios sobre la economía bajo la nueva regla? Esta pregunta
A
involucra todas las perturbaciones estructurales, y responderla requiere
C
un modelo macroeconómico completo de determinación simultánea de
SI
todas las variables, lo cual significa que todas las relaciones causales en
S FÍ
el VAR estructural deben ser especificadas; en este caso, el VAR
estructural involucra los siguientes pasos: un VAR estructural estimado,
C S
TI IA
en el cual todas las ecuaciones son identificadas; luego, un nuevo
modelo es construido para reemplazar la regla de política monetaria.
Á C
A
Finalmente, al comparar las gráficas de impulso-respuesta en los dos
M EN
Estadístico de Contraste:
pág. 22
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
donde:
S
o 𝐹̂0 (𝑥𝑖 ) es la probabilidad de observar valores menores o iguales
A
que xi cuando H0 es cierta.
C
SI
Así pues, D es la mayor diferencia absoluta observada entre la
S FÍ
frecuencia acumulada observada 𝐹̂𝑛 (𝑥𝑖 ) y la frecuencia acumulada
C S
teórica 𝐹̂0 (𝑥𝑖 ), obtenida a partir de la distribución de probabilidad que
TI IA
se especifica como hipótesis nula.
Á C
A
M EN
Si los valores observados 𝐹̂𝑛 (𝑥𝑖 ) son similares a los esperados
𝐹̂0 (𝑥𝑖 ), el valor de D será pequeño. Cuanto mayor sea la
I
pág. 23
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
𝑖 𝑖−1
𝐷 + = max { 𝐹0 (𝑥𝑖 )} 𝐷− = max {𝐹0 (𝑥𝑖 ) − }
1≤𝑖≤𝑛 𝑛 1≤𝑖≤𝑛 𝑛
𝐷 = max{𝐷+ , 𝐷− }
S
A su vez, el valor de 𝐷𝛼 depende del tipo de distribución a probar y
A
C
se encuentra tabulada.
SI
Medidas remediales: Para poder normalizar los datos se tiene dos
S FÍ
opciones: estandarizar los datos o trabajarlos en función a la
C S
distribución en el cual se comportan.
TI IA
Á C
A
b) HETEROCEDASTICIDAD: Prueba general de White.
M EN
El modelo básico de regresión lineal exige, como hipótesis básica,
que la varianza de las perturbaciones o errores aleatorios,
I
TE C
𝑌 = 𝑋𝛽 + 𝑈
𝛽̂ = [𝑋 ′ 𝑋]−1 𝑋 ′ 𝑌
B
𝑌̂ = 𝑋𝛽̂
𝑒 = 𝑌 − 𝑌̂
o Estimar un modelo en el que la endógena sería los valores al
cuadrado de los errores obtenidos previamente (paso 1) con
todas las variables explicativas del modelo inicial, sus cuadrados
y sus combinaciones no repetidas.
pág. 24
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
2 2
𝑒𝑡2 = 𝛼0 + 𝛼1 𝑥1𝑡 + ⋯ + 𝛼𝑘 𝑥𝑘𝑡 + 𝛼𝑘+1 𝑥1𝑡 + ⋯ + 𝛼𝑘+𝑘 𝑥𝑘𝑡 + 𝛼𝑘+𝑘+1 𝑥1𝑡 𝑥2𝑡
+ 𝛼𝑘+𝑘+2 𝑥1𝑡 𝑥3𝑡 + ⋯ + 𝛼3𝑘+1 𝑥2𝑡 𝑥3𝑡 + ⋯ + 𝜀𝑡
S
del error al cuadrado, representativo de la varianza estimada de
A
las perturbaciones aleatorias. Evidentemente, si la varianza de
C
éstas fuera constante (homocedasticidad), el carácter no
SI
constante de las variables explicativas implicadas en el modelo
S FÍ
no serviría para explicar la endógena, luego la 𝑅𝑒2 debiera ser
C S
muy pequeña.
TI IA
En principio, la 𝑅𝑒2 , como proporción de la varianza de la endógena
Á C
A
real que queda explicada por la estimada, debiera ser muy pequeña
M EN
2
𝑛 × 𝑅𝑒2 → 𝜒𝑝−1 (6)
pág. 25
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
momento el problema de la heterocedasticidad de las
A
perturbaciones aleatorias
C
b. Se establece un supuesto acerca de la formación de 𝜎𝑡2 y se
SI
emplean los residuos de la regresión por MCO para estimar la
S FÍ
forma funcional supuesta.
C S
c. Se divide cada observación por √𝜎̂𝑡2 según el paso anterior
TI IA
(según el valor de esa heterocedasticidad supuesta estimada,
siempre y cuando un contraste nos haya confirmado que el
Á C
A
M EN
“modelo simplificador” es bueno).
d. Se estima el modelo original ahora con todas las variables
I
c) MULTICOLINEALIDAD:
Se define como la existencia de una fuerte combinación lineal entre
Y A
A
de multicolinealidad.
O
LI
pág. 26
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
H1: No existe multicolinealidad.
A
C
Solución de la multicolinealidad:
SI
o Aumentar el tamaño muestral puede reducir un problema de
S FÍ
colinealidad aproximada.
o Si se suprimen variables que están correladas con otras, la
C S
TI IA
pérdida de capacidad explicativa será pequeña y la colinealidad
se reducirá.
Á C
A
o Trabajar con las series logaritmizadas.
M EN
d) AUTOCORRELACIÓN:
La autocorrelación surge cuando los términos de error del modelo no
Y A
son independientes entre sí, es decir, cuando: E(u i, uj)≠0 para todo
A
C
pág. 27
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
∑𝑡=𝑇
𝑡=2 (𝑒𝑡 −𝑒𝑡−1 )
2
𝑑= ∑𝑇 2 (7)
𝑡=1 𝑒𝑡
S
distribución del muestreo de la prueba y su contraste depende del
A
numero de observaciones, del numero de parámetros, de la inclusión
C
o no del intercepto y de la incorporación de variables rezagadas en
SI
el modelo, además del nivel de significancia. Los valores del
S FÍ
estadístico Durbin Watson poseen un rango que va de cero a cuatro.
C S
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
se estima por diferencia con límites dado por la tabla que son 4-dU y
B
4-dL.
pág. 28
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
𝑌𝑡 = 𝛼 + 𝛽𝑋𝑡 + 𝑢𝑡 (8)
S
Si multiplicamos (8) por (1-ρL) donde L es un operador de rezagos,
A
tal que si se multiplica una variable en el tiempo la rezaga en un
C
periodo es decir: LYt=Yt-1 y si el operador de rezagos es; L2Yt=Yt-2 y
SI
si LKYt=Yt-K. Por tanto:
S FÍ
(1 − 𝜌𝐿)𝑌𝑡 = (1 − 𝜌𝐿)[𝛼 + 𝛽𝑋𝑡 + 𝑢𝑡 ] (9)
C S
TI IA
(𝑌𝑡 − 𝜌𝑌𝑡−1 ) = [𝛼(1 − 𝜌) + 𝛽(𝑋𝑡 − 𝜌𝑋𝑡−1 ) + (𝑢𝑡 − 𝜌𝑢𝑡−1 )] (10)
Á C
A
M EN
Nótese que con la transformación εt N(0, σ2ε). Puesto que εt-1 cumple
los supuestos de normalidad, al aplicar MCO en las variables
Y A
forma 𝑌1 √1 − 𝜌2 y 𝑋1 √1 − 𝜌2 .
IB
B
pág. 29
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
𝑦𝑡 = 𝐴1 𝑦𝑡−1 + ⋯ + 𝐴𝑝 𝑦𝑡−𝑝 + 𝐵𝑥𝑡 + 𝜀𝑡
C
SI
donde yt es un vector de k variables no estacionarias, I(1), xt es un vector
S FÍ
de d variables deterministas, y εt es un vector de innovaciones. En forma
C S
condensada, podemos rescribir el modelo VAR como:
TI IA 𝑝−1
Á C
A
∆𝑦𝑡 = Π𝑦𝑡−1 + ∑ Γ𝑖 Δ𝑦𝑡−𝑖 + 𝐵𝑥𝑡 + 𝜀𝑡
M EN
𝑖=1
I
TE C
donde
M DE
𝑝 𝑝
Π = ∑ 𝐴𝑖 − 𝐼,Γ𝑖 = − ∑ 𝐴𝑗
Y A
𝑖=1 𝑗=𝑖+1
A
C
TE
pág. 30
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
Dado que hay k elementos integrados separados en las series, los niveles
S
de las series no aparecen en el modelo VAR en este caso. Por el
A
contrario, si hay una ecuación de cointegración en el sistema, entonces
C
una combinación lineal de los niveles de las variables endógenas β'yt-1,
SI
deberá ser añadida en cada ecuación del modelo VAR. Cuando se
S FÍ
multiplica una ecuación por un coeficiente, el término resultante αβ'yt-1, se
refiere al término de corrección del error. Si existen ecuaciones
C S
TI IA
adicionales de cointegración, cada una conllevará un término adicional de
corrección del error, que contenga una combinación lineal diferente de los
Á C
A
niveles de las series.
M EN
I
están integradas (tienen raíz unitaria), pero el test de Johansen puede, sin
TE
modelo.
LI
IB
pág. 31
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
explican el comportamiento de una variable a lo largo del tiempo. Estos
A
son los denominados modelos ARIMA.
C
SI
Basado en que una serie temporal obedece a un proceso estocástico y de
S FÍ
acuerdo a las características de cada serie – poseen tendencia,
C S
estacionalidad y el tamaño muestral suficiente – se procede a calcular a
TI IA
que modelo ARIMA univariante describe mejor a cada una de ellas.
Á C
A
M EN
La metodología BOX – JENKINS se usa ampliamente para pronosticar; es
diferente de la mayoría de metodologías, no asume ningún patrón
I
general.
Y A
se debe tener una serie de tiempo estacionaria o una serie de tiempo que
TE
pág. 32
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
ningún otro modelo univariante consigue predicciones con menor
A
error.
C
SI
La metodología de BOX – JENKINS comprende 4 etapas. Estas son:
S FÍ
C S
DIAGRAMA DE FLUJO DE LA METODOLOGÍA DE BOX – JENKINS
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 33
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
3.1.1 MATERIAL:
3.1.1.1 Población:
S
Todos los días donde se ha generado Tasas de rendimiento.
A
C
3.1.1.2 Muestra:
SI
Días donde se a generado Tasas de Rendimiento comprendido en el
periodo enero 2009 a diciembre del 2011.
S FÍ
3.1.1.3 Tamaño de Muestra:
C S
756 días donde se ha generado Tasas de Rendimiento comprendido en
TI IA
el periodo Enero del año 2009 hasta Diciembre del año 2011.
Á C
A
M EN
3.1.1.4 Variables de Estudio:
Dependiente:
Y1: Tasa diaria de Rendimiento Spot del Bonos Soberano 05/05/15.
I
TE C
3.1.2 MÉTODOS:
IB
pág. 34
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
H1: Los errores No siguen una distribución “normal”.
A
C
Estadístico de Contraste:
SI
S FÍ
C S
TI IA
Á C
A
Donde:
M EN
T: Tamaño de muestra
I
K: Es la kurtosis
TE C
S: Es la asimetría
M DE
k: Número de regresoras
Y A
Regla de Decisión:
A
C
TE
O
LI
pág. 35
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
MULTICOLINEALIDAD:
S
AUTOCORRELACIÓN:
A
C
Ho: Existe Autocorrelación ó ρ = 0.
SI
H1: No existe autocorrelación ó ρ > 0.
S FÍ
Estadístico de Contraste:
C S
TI IA
Á C
A
M EN
I
TE C
M DE
ó 𝑦𝑡 = 𝑐 + ∑𝑝𝑗=1 𝜙𝑗 𝑦𝑡−𝑗 + 𝜀𝑡
donde:
c es un vector de (kx1),
pág. 36
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
𝐸(𝜀𝑡 ) = 𝜗 1
S
A
Ω𝑠𝑖𝑡1 = 𝑡2
𝐸(𝜀𝑡1 . 𝜀𝑡2 ) = { 2
C
𝜗𝑠𝑖𝑡1 ≠ 𝑡2
SI
S FÍ
donde Ω es una matriz de (kxk), simétrica definida positiva.
C S
Denominando c1 al primer elemento del vector C, y φ(h)i,j al elemento (i,
TI IA
j) de la matriz φh, la primer fila (ecuación) del sistema corresponde a:
Á C
A
M EN
I
TE C
M DE
Y A
más general:
pág. 37
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
(𝐼𝑘 − 𝜙1 𝐿 − 𝜙2 𝐿2 − ⋯ − 𝜙𝑝 𝐿𝑝 )𝑦𝑡 = 𝑐 + 𝜀𝑡
A
C
o Φ(𝐿)𝑦𝑡 = 𝑐 + 𝜀𝑡
SI
S FÍ
En este caso Φ (L) indica una matriz polinomial en el operador de
C S
retardo L, de orden (kxk).
TI IA
PRUEBA DE COINTEGRACIÓN DE JOHANSEN:
Á C
A
El método de S. Johansen considera las siguientes pruebas para
M EN
Eigenvalue test).
M DE
el de 5 %.
Acepte a Ho cuando el valor del estadístico la Traza o el Máximo Valor
Propio sea menor que el valor crítico seleccionado
pág. 38
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
3.1.2.3 Procesamiento de Datos:
Los paquetes computacionales para procesar los resultados fueron:
C
Microsoft Office Excel 2010:
SI
Separación de los datos.
S FÍ
Arreglo para la exportación al Eview versión 6.
C S
Eview:
TI IA
Exportación de los datos desde archivo Excel.
Á C
Evaluación de supuestos básicos y sus correcciones si fuese
A
M EN
necesario.
Representación gráfica de la serie. Para decidir sobre la
I
TE C
estacionariedad y estacionalidad.
Transformación previa de la serie y eliminación de la tendencia:
M DE
pág. 39
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
3.2. ÁREA Y TIPO DE INVESTIGACIÓN
C
3.2.1. ÁREA DE INVESTIGACIÓN:
SI
Ciencia Estadística.
S FÍ
3.2.2. TIPO DE INVESTIGACIÓN:
C S
3.2.2.1. De acuerdo a la Orientación:
TI IA
Aplicada.
Á C
3.2.2.2. De acuerdo a la Técnica de Contrastación.
A
M EN
Correlacional.
pág. 40
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
4.1 RESULTADOS:
S
A
C
SI
Component Skewness Chi-sq df Prob.
S FÍ
1 -0.295373 10.07683 1 0.0015
C S
2 0.368771 15.70707 1 0.0001
3
TI IA 0.450976 23.49032 1 0.0000
Á C
A
Joint 49.27422 3 0.0000
M EN
I
TE C
Jarque-
LI
1 6343.618 2 0.0000
B
2 1467.267 2 0.0000
3 553.3349 2 0.0000
pág. 41
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
1 15.66459 0.0742
C
2 23.98134 0.0043
SI
3 37.72805 0.0000
S FÍ
Probs from chi-square with 9 df.
C S
TI IA
Fuente: Salida de programa Eviews versión 6
Á C
A
M EN
TABLA N° 03: Prueba de Heterocedasticidad de White para el
Modelo VAR(2):
I
TE C
M DE
Joint test:
Chi-sq df Prob.
Y A
A
C
147.4547 72 0.0000
TE
Individual components:
O
LI
pág. 42
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
Figura Nº 01: Comportamiento Original de las Tasas diarias de
C
Rendimiento Spot de Bonos Soberanos del Gobierno Peruano.
SI
9
S FÍ
8
C S
7
TI IA
Á C
A
M EN
6
I
TE C
5
M DE
4
100 200 300 400 500 600
Y A
Rendimieto 05/05/15
A
C
Rendimiento 12/08/26
Rendimiento 12/08/37
TE
pág. 43
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
SI
S FÍ
C S
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 44
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
SI
S FÍ
C S
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 45
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
SI
S FÍ
C S
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 46
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
t-Statistic Prob.*
S
A
Augmented Dickey-Fuller test statistic -3.420078 0.0106
C
Test critical
SI
values: 1% level -3.439544
S FÍ
5% level -2.865488
C S
10% level -2.568929
TI IA
*MacKinnon (1996) one-sided p-values.
Á C
A
M EN
Fuente: Salida de programa Eviews versión 6
I
TE C
LA
SERIE ORIGINAL DE LAS TASAS DIARIAS DE RENDIMIENTO SPOT DE
BONOS SOBERANOS CON VENCIMIENTO AL 12 DE AGOSTO DEL 2026.
Y A
A
C
TE
t-Statistic Prob.*
O
Test critical
IB
5% level -2.865506
10% level -2.568939
pág. 47
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
t-Statistic Prob.*
S
A
Augmented Dickey-Fuller test statistic -2.318996 0.1662
C
Test critical
SI
values: 1% level -3.439585
S FÍ
5% level -2.865506
C S
10% level -2.568939
TI IA
*MacKinnon (1996) one-sided p-values.
Á C
A
Fuente: Salida de programa Eviews versión 6
M EN
-5
C
TE
-6
O
-7
LI
IB
-8
B
-9
100 200 300 400 500 600
DIF2SER01
DIF2SER02
DIF2SER03
pág. 48
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
Figura Nº 06: Tasas diarias de Rendimiento Spot de Bonos Soberanos con
SI
vencimiento al 5 de Mayo del 2015 en 2da Diferenciación.
S FÍ
SER01 Residuals
C S
.6
.4
TI IA
Á C
A
M EN
.2
.0
I
TE C
-.2
M DE
-.4
Y A
-.6
A
C
.2
IB
.0
B
-.2
-.4
-.6
100 200 300 400 500 600
SER03 Residuals
.4
pág. 49
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
.2
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
SI
S FÍ
C S
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 50
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
t-Statistic Prob.*
S
A
Augmented Dickey-Fuller
SER01 test statistic
Residuals-16.19904 0.0000
C
Test.6critical
SI
values: 1% level -3.439668
S FÍ
.4 5% level -2.865542
C S
10% level -2.568958
.2
TI IA
*MacKinnon (1996) one-sided p-values.
.0
Á C
A
M EN
-.2 Fuente: Salida de programa Eviews versión 6
I
TE C
-.4
M DE
SER02 Residuals
A
C
.4
TE
.2
O
LI
.0
IB
B
-.2
-.4
-.6
100 200 300 400 500 600
SER03
Fuente: Salida Residuals
de programa Eviews versión 6.
.4
pág. 51
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
.2 licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Para ver una copia de dicha
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
SI
S FÍ
C S
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 52
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
.4
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
.2
.0
TABLA Nº 08: PRUEBA DE RAÍZ UNITARIA DE DICKEY – FULLER PARA
LAS TASAS
-.2DIARIAS DE RENDIMIENTO SPOT DE BONOS SOBERANOS
CON VENCIMIENTO AL 12 DE AGOSTO DEL 2026 EN LA 2DA
-.4 DIFERENCIACIÓN
-.6
100 200 300 400 500 600
t-Statistic Prob.*
S
SER02 Residuals
A
Augmented
.4 Dickey-Fuller test statistic -19.06905 0.0000
C
Test critical
SI
values:
.2 1% level -3.439626
S FÍ
5% level -2.865524
C S
.0 10% level -2.568948
TI IA
*MacKinnon (1996) one-sided p-values.
-.2
Á C
A
M EN
Fuente: Salida de programa Eviews versión 6
-.4
I
TE C
Figura Nº 10:
-.6Tasas diarias de Rendimiento Spot de Bonos Soberanos con
M DE
100
vencimiento al 12 de200 300del 2037
Agosto 400 en500 600
2da Diferenciación.
SER03 Residuals
Y A
.4
A
C
TE
.2
O
.0
LI
IB
-.2
B
-.4
-.6
100 200 300 400 500 600
pág. 53
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
SI
S FÍ
C S
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 54
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
t-Statistic Prob.*
S
A
Augmented Dickey-Fuller test statistic -19.31434 0.0000
C
Test critical
SI
values: 1% level -3.439626
S FÍ
5% level -2.865524
C S
10% level -2.568948
TI IA
*MacKinnon (1996) one-sided p-values.
Á C
A
Fuente: Salida de programa Eviews versión 6
M EN
I
TE C
VAR (2)
Y A
Hypothesize
A
C
d Trace 0.05
TE
pág. 55
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
Sum sq. Resids 2.285358 1.769179 1.892166
A
S.E. equation 0.057719 0.050784 0.052519
C
F-statistic 17102.72 8806.450 9678.067
SI
Log likelihood 996.7524 1085.459 1062.172
S FÍ
Akaike AIC -2.856428 -3.112435 -3.045228
Schwarz SC -2.810559 -3.066566 -2.999359
C S
TI IA
Mean dependent 4.912099 6.545842 6.685303
S.D. dependent 0.705208 0.446630 0.483932
Á C
A
M EN
Fuente: Salida de programa Eviews versión 6
I
TE C
Tabla Nº 12: Análisis de Varianza para el Modelo VAR (2) de las Tasas
Y A
A
pág. 56
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
SER03(-1) -0.042964 0.153026 0.928652
C
(0.06323) (0.05563) (0.05753)
SI
[-0.67953] [ 2.75084] [ 16.1421]
S FÍ
SER03(-2) 0.042632 -0.155466 0.045434
C S
TI IA
(0.06310) (0.05552) (0.05741)
[ 0.67566] [-2.80042] [ 0.79136]
Á C
A
M EN
pág. 57
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
Reemplazando los datos obtenemos:
C
SI
SER01 = 0.911724156554*SER01(-1) + 0.0640536274213*SER01(-2) +
S FÍ
0.221189915528*SER02(-1) - 0.194899524638*SER02(-2) -
0.0429637415452*SER03(-1) + 0.0426318529443*SER03(-2) -
C S
TI IA
0.0548891371956Á C
A
SER02 = 0.0981088271898*SER01(-1) - 0.0962863018585*SER01(-2) +
M EN
0.933358408775*SER02(-1) + 0.0561247356621*SER02(-2) +
I
0.153025808579*SER03(-1) - 0.15546618703*SER03(-2) +
TE C
0.0751235375087
M DE
0.19112018575*SER02(-1) - 0.168651422863*SER02(-2) +
A
C
0.928651807912*SER03(-1) + 0.0454341303391*SER03(-2) +
TE
0.0328214402768
O
LI
IB
B
pág. 58
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
SI
Autocorrelations with 2 Std.Err. Bounds
Cor(SER01,SER01(-i)) Cor(SER01,SER02(-i)) Cor(SER01,SER03(-i))
S FÍ
.2 .2 .2
.1 .1 .1
C S
.0 .0 .0
-.1
TI IA -.1 -.1
Á C
A
-.2 -.2 -.2
2 4 6 8 10 12 2 4 6 8 10 12 2 4 6 8 10 12
M EN
Cor(SER02,SER01(-i)) Cor(SER02,SER02(-i)) Cor(SER02,SER03(-i))
.2 .2 .2
I
TE C
.1 .1 .1
.0 .0 .0
M DE
2 4 6 8 10 12 2 4 6 8 10 12 2 4 6 8 10 12
A
.2 .2 .2
TE
.1 .1 .1
.0 .0 .0
O
2 4 6 8 10 12 2 4 6 8 10 12 2 4 6 8 10 12
pág. 59
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
.02 .02 .02
A
.00 .00 .00
C
-.04 -.04 -.04
10 20 30 40 50 60 10 20 30 40 50 60 10 20 30 40 50 60
SI
Response of SER02 to SER01 Response of SER02 to SER02 Response of SER02 to SER03
.06 .06 .06
S FÍ
.04 .04 .04
C S
.00 .00 .00
-.02
TI IA -.02 -.02
-.04
Á C -.04 -.04
A
10 20 30 40 50 60 10 20 30 40 50 60 10 20 30 40 50 60
M EN
Response of SER03 to SER01 Response of SER03 to SER02 Response of SER03 to SER03
.06 .06 .06
I
4.2 DISCUSIÓN:
O
pág. 60
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
evalúa la Autocorrelación para el modelo VAR(2), se observó que el estadístico
A
LM para el primer rezago es de 15.66 con un p-valor de 0.0742 no significativo,
C
por lo que concluimos que no existe Multicolinealidad; mientras que para los
SI
rezagos 2 y 3 hay presencia de Autocorrelación.
S FÍ
En la TABLA Nº 03 se presenta la prueba de Heterocedasticidad de White para
C S
TI IA
los errores de los componentes individuales y conjunto, se observa que sus
valores de R2 del modelo auxiliar son muy pequeños que al multiplicarlo por n
Á C
A
nos da un resultado mucho mayor, el cual hace que rechacemos la hipótesis de
M EN
nulidad por lo que concluimos que los errores son homocedásticos. Por otro
I
pág. 61
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
es menor que los valores críticos del test de mackinnon (1% = -3.4396, 5% = -
2.8655, 10% = -2.5689), concluyendo que la serie no es estacionaria por lo cual
se realizo dos diferenciaciones para solucionar dicho problema. En la serie 03
el valor absoluto de “t” (ItI = -2.3190) es menor que los valores críticos del test
de mackinnon (1% = -3.4396, 5% = -2.8655, 10% = -2.5689), concluyendo que
la serie no es estacionaria por lo cual se realizo dos diferenciaciones para
S
solucionar dicho problema.
A
C
Al realizar la primera diferencia para las serie (gráficos de los anexos Nº 01, 02,
SI
05 y 08) la serie se vuelve estacionaria, sin la presencia de alguna tendencia,
S FÍ
en los gráfico de autocorrelaciones y autocorrelaciones parciales (anexos 03,
06 y 09) se observa que ambos coeficientes recaen en 0 al inicio, la Prueba de
C S
TI IA
Raíz Unitaria de Dickey Fuller para las series (anexos: 04, 07 y 10), los valor
absoluto de “t”ItI excede a los valores críticos del test de mackinnon,
Á C
A
concluyendo que la serie es estacionaria con un rezago (d=1). Pero al realizar
M EN
observa que existe al menos una cointegración, es decir que existe causalidad
TE C
(r ≤ 1) por lo que se tuvo que realizar un segundo rezado a las series para
M DE
Obtenida la serie estacionaria, Figuras Nº 06, 07, 08, 09, 10 y 11 y las TABLAS
A
C
cada serie. El que tiene el error estándar de estimación (EEE) más pequeño es
B
la serie02, a su vez los valores más pequeños que muestran los criterios de
Akaike y Schwarz es la serie01. Vale recalcar que el coeficiente de Schwarz es
utilizado en la teoría bayesiana.
pág. 62
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
tiene la siguiente forma:
A
C
SER01 = 0.911724156554*SER01(-1) + 0.0640536274213*SER01(-2) +
SI
0.221189915528*SER02(-1) - 0.194899524638*SER02(-2) -
S FÍ
0.0429637415452*SER03(-1) + 0.0426318529443*SER03(-2) -
0.0548891371956
C S
TI IA
SER02 = 0.0981088271898*SER01(-1) - 0.0962863018585*SER01(-2) +
0.933358408775*SER02(-1) + 0.0561247356621*SER02(-2) +
Á C
A
0.153025808579*SER03(-1) - 0.15546618703*SER03(-2) +
M EN
0.0751235375087
I
0.19112018575*SER02(-1) - 0.168651422863*SER02(-2) +
M DE
0.928651807912*SER03(-1) + 0.0454341303391*SER03(-2) +
0.0328214402768
Y A
A
C
las mismas bajo el modelo VAR (2) se encuentra dentro de los limites
LI
confidénciales.
IB
B
pág. 63
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
5.1 CONCLUSIONES:
S
A
C
1. Las Tasas diarias de Rendimiento Spot de Bonos Soberanos del
SI
Gobierno Peruano no sigue una distribución normal, pero cumple con
los supuestos de no multicolinealidad y homocedasticidad, necesarios
S FÍ
para la estimación de modelos VAR.
C S
TI IA
2. El modelo de pronóstico VAR mediante la metodología de Box –
Á C
Jenkins que más se adecua a las Tasas diarias de Rendimiento Spot
A
M EN
de Bonos Soberanos del Gobierno Peruano es un modelo VAR (2) de
la forma:
I
TE C
+ 0.221189915528*SER02(-1) - 0.194899524638*SER02(-2) -
0.0429637415452*SER03(-1) + 0.0426318529443*SER03(-2) -
Y A
A
0.0548891371956
C
TE
2) + 0.933358408775*SER02(-1) + 0.0561247356621*SER02(-2) +
LI
0.153025808579*SER03(-1) - 0.15546618703*SER03(-2) +
0.0751235375087
IB
B
pág. 64
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
5.2 RECOMENDACIONES
S
1. Se sugiere considerar el modelo más avanzado de los modelos de la
A
curva de rendimiento, tales como el método ampliado con la
C
incorporación de las variables financieras y macroeconómicas en el
SI
modelo.
S FÍ
2. Realizar nuevamente la investigación utilizando el programa R para el
C S
modelo de redes neuronales artificiales y probar otras opciones que
TI IA
posee el programa Eviews.
Á C
A
M EN
esta tesis.
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 65
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
REFERENCIAS BIBLIOGRÁFICAS:
S
Banco Central de Chile, Documentos de Trabajo, N° 531, paginas 1-24.
A
Álvarez, M.; Ramírez, A. y Rendón, A. (2010). La curva de rendimientos como
C
un indicador adelantado de la actividad económica, el caso colombiano:
SI
Período 2001-2009. Ecos de Economía, Universidad EAFIT, volumen 14,
S FÍ
N° 31, paginas 36-63.
Alvarez, P.; Crespo, A.; Nuñez, F. y Usabiaga, C. (2006). Introducción de
C S
elementos autorregresivos en modelos de dinámica de sistemas. Revista
TI IA
de Dinámica de Sistemas, Vol. 2 Núm. 1, p. 37-66.
Á C
Asociación de Bancos del Perú. (2012). LA CONTRIBUCION DE LA BANCA A
A
M EN
LA ECONOMIA DEL PAIS. Asbanc Semanal, número 38, paginas 1-4. (3)
Ballabriga, F. (1991). INSTRUMENTACIÓN DE LA METODOLOGÍA VAR.
I
TE C
pág. 66
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
Julio, J.; Mera, S. y Héraut, A. (2002). La curva Spot (Cero Cupón) Estimacion
con splines cúbicos suavizados, usos y ejemplos. Departamento de
Investigaciones, Subgerencia Monetaria y de Reservas del Banco de la
República Colombiana, paginas 1-38.
Londoño, W. (2005). MODELOS DE ECUACIONES MÚLTIPLES MODELOS
VAR Y COINTEGRACIÓN. UNIVERSIDAD EAFIT, Departamento de
S
Ciencias Básicas, Maestría en Matemáticas Aplicadas, (paginas 83-108).
A
Mauricio, J. (2007). Introducción al Análisis de Series Temporales. Modelos
C
Multivariantes No Estacionarios (paginas 201-286). Madrid: Universidad
SI
Computlense de Madrid.
S FÍ
Melo, L. (1996). PRONOSTICOS CONDICIONADOS PARA MODELOS VAR.
Borradores Semanales de Economía, numero 62, paginas 1-23.
C S
TI IA
Mercado de Valores de Buenos Aires S. A. (1998). ANALISIS DE BONOS
ASPECTOS METODOLOGICOS. Sumario Estadístico, número 987,
Á C
A
segunda edición, paginas 7-127.
M EN
145. (1)
B
pág. 67
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
Rosadi, D.; Nugraha, Y. y Dewi, R. (2011). Forecasting the Indonesian
A
Government Securities Yield Curve using Neural Networks and Vector
C
Autoregressive Model. 58th World Statistics Congress, Dublin 2011 (ISI),
SI
paginas 1-6.
S FÍ
Santana J. (2008). LA CURVA DE RENDIMIENTO: UNA REVISIÓN
METODOLÓGICA Y NUEVAS APROXIMACIONES DE ESTIMACIÓN.
C S
TI IA
Cuaderno de Economía. Volumen 27, número 48, paginas 1-43.
Superintendencia de Banca, Seguros y AFP. (2010). INSTRUMENTOS DE
Á C
A
DEUDA: Manual Metodológico y de Procedimientos. DEPARTAMENTO
M EN
pág. 68
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
REFERENCIAS LINKOGRÁFICAS:
http://www.bcrp.gob.pe/.
http://www.bvl.com.pe/.
http://www.bloomberg.com/markets/rates-bonds/corporate-bonds/.
http://www.amstat.org/.
S
http://www.isi-web.org/.
A
http://www.datatec.com.pe/modulos.php.
C
http://databank.worldbank.org/ddp/editReport?REQUEST_SOURCE=searc
SI
h&CNO=2&country=&series=NY.GNP.PCAP.CD&period.
S FÍ
http://datos.bancomundial.org/catalogo-de-datos.
C S
http://www.sbs.gob.pe/0/modulos/JER/JER_Interna.aspx?ARE=0&PFL=1&
TI IA
JER=821.
http://www.hacienda.cl/fondos-soberanos/acerca-de-los-fondos-
Á C
A
soberanos.html.
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 69
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
ANEXOS:
S
A
.4
C
.2
SI
S FÍ
.0
C S
-.2
-.4
TI IA
Á C
A
M EN
-.6
100 200 300 400 500 600
I
DIFERENCIACIÓN.
DIFSPOT2015
TE
.6
O
.4
LI
.2
IB
.0
B
-.2
-.4
-.6
100 200 300 400 500 600
pág. 70
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
SI
S FÍ
C S
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 71
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
t-Statistic Prob.*
S
A
Augmented Dickey-Fuller test statistic -12.98666 0.0000
C
Test critical
SI
values: 1% level -3.439585
S FÍ
5% level -2.865506
C S
10% level -2.568939
TI IA
*MacKinnon (1996) one-sided p-values.
Á C
A
Fuente: Salida de programa Eviews versión 6
M EN
DIFERENCIACIÓN.
DIFSER02
Y A
.4
A
C
.3
TE
.2
O
.1
LI
.0
IB
-.1
-.2
B
-.3
-.4
-.5
100 200 300 400 500 600
pág. 72
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
SI
S FÍ
C S
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 73
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
t-Statistic Prob.*
S
A
Augmented Dickey-Fuller test statistic -12.04184 0.0000
C
Test critical
SI
values: 1% level -3.439585
S FÍ
5% level -2.865506
C S
10% level -2.568939
TI IA
*MacKinnon (1996) one-sided p-values.
Á C
A
Fuente: Salida de programa Eviews versión 6
M EN
DIFERENCIACIÓN.
DIFSER03
Y A
.4
A
C
.3
TE
.2
O
.1
LI
.0
IB
-.1
-.2
B
-.3
-.4
-.5
100 200 300 400 500 600
pág. 74
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
A
C
SI
S FÍ
C S
TI IA
Á C
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 75
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
t-Statistic Prob.*
S
A
Augmented Dickey-Fuller test statistic -12.14417 0.0000
C
Test critical
SI
values: 1% level -3.439585
S FÍ
5% level -2.865506
C S
10% level -2.568939
TI IA
*MacKinnon (1996) one-sided p-values.
Á C
A
Fuente: Salida de programa Eviews versión 6
M EN
PARA 60 DÍAS.
Y A
Perio
TE
pág. 76
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
17 0.229487 93.34607 6.646886 0.007041
A
18 0.235435 92.96862 7.024137 0.007246
C
19 0.241170 92.58917 7.403362 0.007472
SI
20 0.246707 92.20815 7.784138 0.007711
S FÍ
21 0.252062 91.82599 8.166056 0.007955
22 0.257246 91.44308 8.548718 0.008200
C S
TI IA
23 0.262270 91.05982 8.931743 0.008440
24 0.267145 90.67656 9.314767 0.008670
Á C
A
25 0.271879 90.29367 9.697443 0.008887
M EN
pág. 77
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
50 0.359142 81.51512 18.47625 0.008633
A
51 0.361736 81.21154 18.77996 0.008509
C
52 0.364278 80.91217 19.07944 0.008391
SI
53 0.366770 80.61704 19.37468 0.008280
S FÍ
54 0.369211 80.32615 19.66568 0.008178
55 0.371604 80.03949 19.95242 0.008086
C S
TI IA
56 0.373949 79.75707 20.23493 0.008005
57 0.376247 79.47888 20.51318 0.007936
Á C
A
58 0.378500 79.20491 20.78721 0.007883
M EN
Perio
d S.E. SER01 SER02 SER03
Y A
A
C
pág. 78
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
19 0.231096 27.13496 72.50398 0.361057
A
20 0.235987 27.12999 72.51967 0.350339
C
21 0.240672 27.12389 72.53604 0.340071
SI
22 0.245166 27.11687 72.55287 0.330251
S FÍ
23 0.249480 27.10910 72.57002 0.320878
24 0.253627 27.10072 72.58734 0.311946
C S
TI IA
25 0.257614 27.09183 72.60472 0.303448
26 0.261453 27.08254 72.62208 0.295377
Á C
A
27 0.265150 27.07293 72.63935 0.287725
M EN
pág. 79
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
52 0.326564 26.82824 72.96681 0.204950
A
53 0.328161 26.81986 72.97522 0.204918
C
54 0.329712 26.81164 72.98330 0.205064
SI
55 0.331218 26.80356 72.99106 0.205383
S FÍ
56 0.332681 26.79563 72.99851 0.205866
57 0.334102 26.78784 73.00565 0.206509
C S
TI IA
58 0.335481 26.78021 73.01249 0.207304
59 0.336822 26.77271 73.01904 0.208244
Á C
A
60 0.338124 26.76537 73.02531 0.209324
M EN
Perio
d S.E. SER01 SER02 SER03
M DE
pág. 80
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
21 0.249249 21.88081 53.47173 24.64746
A
22 0.254152 21.90722 53.74849 24.34429
C
23 0.258877 21.93200 54.01872 24.04928
SI
24 0.263436 21.95530 54.28260 23.76210
S FÍ
25 0.267837 21.97725 54.54031 23.48244
26 0.272091 21.99795 54.79204 23.21001
C S
TI IA
27 0.276203 22.01752 55.03792 22.94457
28 0.280183 22.03603 55.27810 22.68587
Á C
A
29 0.284036 22.05356 55.51274 22.43370
M EN
pág. 81
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/
Biblioteca Digital - Dirección de Sistemas de Informática y Comunicación - UNT
S
54 0.351399 22.30002 59.89501 17.80497
A
55 0.353257 22.30520 60.02163 17.67317
C
56 0.355067 22.31016 60.14521 17.54463
SI
57 0.356832 22.31492 60.26581 17.41927
S FÍ
58 0.358551 22.31947 60.38349 17.29703
59 0.360228 22.32384 60.49833 17.17782
C S
TI IA
60
Á C 0.361861 22.32803 60.61038 17.06158
A
M EN
I
TE C
M DE
Y A
A
C
TE
O
LI
IB
B
pág. 82
Esta obra ha sido publicada bajo la licencia Creative Commons Reconocimiento-No Comercial-Compartir bajola misma licencia 2.5 Perú.
Para ver una copia de dicha licencia, visite http://creativecommons.org/licences/by-nc-sa/2.5/pe/