Este documento presenta los objetivos y esquema de un curso de introducción a la econometría aplicada a las finanzas. Explica que los métodos de simulación como la simulación de Montecarlo y el bootstrapping permiten conducir experimentos bajo condiciones controladas para determinar el efecto de cambios en variables financieras. Describe los pasos para realizar simulaciones de Montecarlo y bootstrapping, incluyendo la generación de datos, regresiones y parámetros de interés de forma repetida.

1. CURSO: INTRODUCCIÓN A
LA ECONOMETRÍA
APLICADA A LAS FINANZAS
16 de junio de 2016

2. OBJETIVOS Y ESQUEMA
Objetivos.
Proveer herramientas básicas de econometría y su aplicación directa a las
finanzas.
Capítulo 7:
Modelos de Simulación de Montecarlo. Técnicas de Bootstrapping.

3. Métodos de simulación
Motivaciones
Existen numerosas situaciones en finanzas y econometría donde el
investigador no tiene una idea cierta de que es lo que va a pasar en el
futuro.
Por ejemplo, en la medición del riesgo de un portafolio con grandes
cantidades de activos financieros donde los movimientos son
dependientes el uno con el otro no siempre está claro cual será el efecto
cuando cambian algunas circunstancias.
La existencia de colas gordas (fat tails), cambios estructurales y
causalidad bidireccional entre variables dependientes e independientes
harán el proceso de estimación de los parámetros e inferencia menos
confiable.

4. Métodos de simulación
Los modelos de simulación permiten al econometrista conducir
experimentos bajo condiciones controladas
Los modelos de simulación permiten determinar cuál es el efecto de
cambiar un factor o aspecto de un problema mientras se mantienen
todos los demás aspectos sin cambios. En consecuencia, simulaciones
ofrece la posibilidad de completar flexibilidad haciendo mímicas de
cómo funciona realmente.
Técnicas de simulación son particularmente útiles cuando los modelos
son muy complejos o las muestras de datos son muy pequeñas.

5. Métodos de simulación
Modelos de simulación de Monte Carlo
Estudios de simulación se usan para determinar las propiedades así
como el comportamiento de varias estadísticas de interés cuando las
características de un particular método de estimación no son conocidas.
Usos en finanzas:
En la formulación de precios de opciones exóticas donde las fórmulas
analíticas de los precios no son disponibles.
En la determinación del efecto en los mercados financieros cuando
existen cambios significativos en las variables macroeconómicas.
Pruebas de stress en los modelos de administración de riesgo para
determinar si se requieren requerimientos de capital suficientes para
cubrir pérdidas en diversas situaciones.

6. Métodos de simulación
Pasos para conducir un modelos de simulación de Monte Carlo
1.- Generar la data de acuerdo con una muestra y con el proceso
generador de datos (especificar el modelo que generará la data
estimada….modelo de serie de tiempo o modelo estructural) y
determinar cómo es la distribución de los errores (distribución de
probabilidad).
2.- Generar la regresión y calcular los estadísticos t.
3.- Salvar los test estadísticos o cualesquiera parámetros de interés.
4.- Repetir N veces.
La idea central detrás de un modelo de Monte Carlo es que a una
distribución específica de los datos se le selecciona muestras
aleatorias de datos.

7. Métodos de simulación
Pasos para conducir un modelo Bootstrapping
Relacionado con simulación pero con una diferencia crucial…Con
Simulación, la data es construida en forma artificial completamente. La
técnica de Boostrapping es usada para obtener la descripción de las
propiedades de los estimadores envolviendo muestras que se cambian
utilizando data real (actual).
Remuestrando la data… Se generan los parámetros utilizando una
muestra determinada, luego se utiliza otra muestra y se genera
nuevamente los parámetros (hasta N veces)…. La Distribución de los
parámetros genera la simulación.
Remuestrando los residuales Se obtienen los valores ajustados de
y, luego se calculan los residuales u……se toma una muestra de datos
T reemplazando los residuales y generando la variable dependiente
(boostrapped) al añadir los valores ajustados de los residuales .. Luego
se regresa la nueva variable dependiente de la data X original
obteniendo un coeficiente boostraped beta… repetir N veces.

8. Métodos de simulación
https://www.youtube.com/watch?v=O5VAhwbkyl0
Modelo de estimación de riesgo de crédito (PD) mediante simulación
Montecarlo
https://www.youtube.com/watch?v=jGgnRIIuMxs
Simulación de Montecarlo para la toma de decisiones
Evaluación Económica de proyectos, Tratamiento de la incertidumbre y
uso opciones reales
https://www.youtube.com/watch?v=y9fpjv3iR80