Maestría en Finanzas Cuantitativas

URI permanente para esta colección

Examinar

Envíos recientes

Mostrando1 - 5 de 50
  • Ítem
    Acceso Abierto
    Modelos híbridos para el pronostico de volatilidad y su uso en medidas de riesgo
    (2023-07-19) Velez Hernandez, Sebastian; Castro Iragorri, Carlos Alberto; Uribe, Jonny
    En el presente trabajo se implementan dos modelos híbridos los cuales combinan algoritmos de machine learning con los modelos econométricos clásicos para pronosticar la volatilidad del Ethereum. El primero utiliza estructuras de redes neuronales recurrentes junto con pronósticos de un GARCH(1,1), el segundo modelo aplica SVM para la estimación de los modelos GARCH. Se encuentra que ambos modelos se desempeñan mejor en el pronostico de la volatilidad que sus modelos base, adicionalmente se evalúa la eficiencia en la medición del riesgo mediante el Value at Risk en el cual solo el segundo modelo tuvo una mayor efectividad en la gestión del riesgo frente al modelo base.
  • Ítem
    Acceso Abierto
    Soluciones Numéricas al Problema de Selección de Portafolio de Merton
    (2021-04-07) Moreno Pirachican, Wilson Fernando; Ramírez Jaime, Hugo Eduardo
    Supongamos que un agente con riqueza positiva desea invertir una proporción en un activo de riesgo y el resto en un bono. El problema consiste en escoger el porcentaje de riqueza óptimo que maximíce su utilidad al final del periodo de inversión. Este problema ya tiene solución analítica conseguida por Merton en las décadas de 1960 y 1970. El propósito de este trabajo es presentar aportes de tipo númérico en la aproximación del portafolio óptimo que resuelve el problema de Merton. Para conseguir dicho propósito se plantean los siguientes objetivos: 1. Proponer y comparar un esquema numérico similar al que presentó el autor Kafash en su artículo "Approximating the Solution of Stochastic Control Problems and the Merton's Portfolio Selection Model". 2. Presentar un algoritmo basado en redes neuronales que prediga el valor del portafolio óptimo con datos simulados. Por la versatilidad de una red neuronal, se elige este método para la predicción de portafolios óptimos con datos empíricos, en donde se mide su comportamiento y la posterior corrección mediante calibración. Esta idea se deja como trabajo posterior a lo presentado aquí.
  • Ítem
    Acceso Abierto
    Tarifación de un seguro paramétrico de clima con aplicación al sector agrícola
    (2020-01-23) Jiménez Montoya, Ana María; Serrano Perdomo, Rafael Antonio
    Se hace una introducción a los seguros paramétricos de cobertura de riesgo climático. Se presenta una metodología para tarifar este tipo de seguros a partir de información histórica de una variable meteorológica. Por último se estima el desempeño de este tipo de seguros para el caso particular de cultivo de flores en tres ubicaciones distintas de la Sabana de Bogotá.
  • Ítem
    Acceso Abierto
    “Credit Risk +” aplicación en una Compañía Aseguradora
    (2020-01-23) Moreno Duarte, Laura Jimena del Pilar; Castro, Carlos
    El Riesgo de Crédito refleja el riesgo que el valor de una cartera disminuya debido a incumplimientos inesperados. Estas pérdidas pueden incurrir debido a incumplimientos totales o los incumplimientos esperados debido al cambio de calificación de la contraparte, en un horizonte de un año y resulta de la agregación de los riesgos de renta fija, hipotecas, reaseguro y otras cuentas por cobrar. Los Riesgos de Renta Fija e Hipotecas se catalogan en: Incumplimiento: es el riesgo de que un emisor de deuda se vuelva insolvente y, por lo tanto, no cumpla con sus obligaciones. Riesgo de migración: el riesgo de que algún emisor de deuda experimente un cambio de calificación adverso (por ejemplo, una rebaja de la calificación AA de Standard & Poor's a una calificación A), lo que resulta en un mayor riesgo de incumplimiento adicional. Estos dos riesgos se calculan de forma independiente y simplemente se agregan para obtener el riesgo de renta fija o hipoteca en caso de contraparte incumple en un periodo de un año. Otros riesgos relacionados con los instrumentos de renta fija, como los riesgos de tasa de interés y tasas de cambio, también se consideran pero en el capítulo de Riesgos de Mercado, que no se contempla en este documento. El riesgo de reaseguro derivado de la exposición a contrapartes de reaseguro y el riesgo de Receivables vinculado a la exposición crediticia de la Compañía a cuentas por cobrar de titulares de pólizas, intermediarios y otras cuentas por cobrar.
  • Ítem
    Acceso Abierto
    A neural network approach to pricing of a European Call Option with the Heston model
    (2019-12-04) Guerrero Torres, Sandra Patricia; Ramírez Jaime, Hugo Eduardo
    En esta tesis, implementamos el aprendizaje profundo para la fijación de precios de opciones. Se propone un enfoque basado en datos, a través de una red neuronal artificial (ANN), para calcular el precio de las opciones de compra europeas con el modelo de volatilidad estocástica de Heston, para acelerar los métodos numéricos y mostrar la capacidad de la red neuronal artificial para "aprender" el modelo del conjunto de datos.