Clase Intro Estadistica

Introduccin: Revisin de conceptos de estadstica
Modelos de toma de decisiones

Paul Castillo Bardlez
Maestra en Finanzas
junio 2012
Paul Castillo Bardlez (UP)
Medidas de tendencia Central
junio 2012
1 / 39
Introduccin
Conceptos fundamentales
Los mtodos estadsticos ofrecen herramientas potentes para analizar

datos y extraer conclusiones de ellos.
Estas herramientas se pueden aplicar a indicadores nancieros, como
los retornos de activos, el crecimiento de las ventas, precios de
commodities, entre otros.
En lo que sigue vamos a realizar la mayora de aplicaciones de los
mtodos estadsticos que se van a estudiar para analizar la
distribucin de los retornos.
En general los mtodos que se estudian se aplican a variables que
presentan la propiedad de reversin a la media.
junio 2012
2 / 39
Introduccin
Vamos a explorar cuatro propiedades de los retornos:

Dnde estan centrados?
Qu tan dispersos son?
Si estan distribudos simtricamente
Si la presencia de valores extremos es importante.
junio 2012
3 / 39
Introduccin
Hay dos grandes campos de la estadstica que son tiles para las
nanzas:
La estadstica descriptiva, que estudia como organizar los datos de
manera efectiva.
La inferencia estadstica, que involucra, estimacin y prediccin.
El fundamento de la inferencia estadstica es la teora de
probabilidad, que se estudiar en detalle a lo largo del curso.
junio 2012
4 / 39
Introduccin
Conceptos fundamentales: poblacin y muestra
La poblacin se dene como la totalidad de miembros de un grupo

especco.
Las medidas que describen a la poblacin se denominan parmetros.
Ejemplo, media y el rango.
La muestra es un subconjunto de la poblacin. Se utiliza cuando la
poblacin no se encuentra disponible, o es altamente costosa
obtenerla.
junio 2012
5 / 39
Introduccin
Escalas de medida
Se consideran cuatro escalas de medida:

Nominal, es el nivel ms elemental de escala. En este caso los datos se
categorizan pero no se establece un ranking. Por ejemplo, tipos de
fondos mutuos, renta ja, variable o mixtos.
Ordinal: En esta escala los datos se clasican en categorias que luego
son ordenadas de acuerdo con alguna caracterstica. Por ejemplo, el
ranking que establece standar and Poors para fondos mutuos.
Intervalos: Esta escala no solo ofrece un ranking sino tambin asegura
que existe una diferencia ja entre cada intervalo. Por ejemplo, escalas
de temperatura.
Ratios: Es la escala ms completa de medida. Tienen las mismas
caractersticas que una escala de intervalo pero tambin un punto de
origen. En esta escala se pueden calcuar ratios, sumar y restar de
manera consistente sus unidades. Como resultado se pueden aplicar un
grupo grande de herramientas estadsticas a este tipo de escala. Los
retornos de activos nancieros pertenecen a esta escala.
junio 2012
6 / 39
Introduccin
Clasicando los datos
Una forma muy fcil y prctica de clasicar los datos es utilizando

una distribucin de frecuencias.
La distribucin de frecuencias tabula los datos en un nmero
relativamente pequeo de intervalos. Para construir la distribucin de
frecuencias hay que seguir los siguientes pasos.
Ordenar los datos en orden descendente.
Calcular el rango de los datos, el mximo menos el mnimo.
Determinar el nmero de intervalos, k
junio 2012
7 / 39
Introduccin
Clasicando los datos: distribucin de frecuencias
Pasos.
Determinar el ancho del intervalo, rango
k .
Determinar los lmites del intervalo sumando al valor mnimo el ancho
del mismo.
Contar el nmero de valores que caen en cada intervalo.
Construir una tabla con los intervalos, del menor al mayor, con el
nmero de datos que caen en cada intervalo.
Es importante escoger un ancho para el intervalo que sea

representativo. Si el intervalo es muy pequeo, puede no contener
ningn dato.
junio 2012
8 / 39
Introduccin
Clasicando los datos: distribucin de frecuencias relativa
La frecuencia se determina como la frecuencia absoluta dividada por

el nmero total de datos.
La frecuencia acumulada, suma los frecuencias relativas del intervalo
menor al mayor. Sea la siguiente informacin sobre la tasa de
inacin de pases,
Pas
Inacin
Pas
Inacin
Australia
9.0
4.8
7.7
6.2
6.3
8.8
7.0
7.6
Italia
6.8
9.3
7.7
9.1
5.8
9.9
6.9
8.7
Blgica
Canad
Dinamarca
Francia
Alemania
Irlanda
UK
Japn
Holanda
Sudafrica
Espaa
Suecia
Suiza
EE.UU
junio 2012
9 / 39
Introduccin
La distribucin de frecuencias esta dada por:
Intervalo
Frec. Absoluta
Frec.Relativa (%)
Frec. acumulada
Frec. acumulada (%
4.0 a 5.0
1
1
4
4
2
4
6.25
6.25
25.00
25.00
12.50
25.00
1
2
6
10
12
16
6.25
12.50
37.50
62.50
75.00
100.00
5.0 a 6.0
6.0 a 7.0
7.0 a 8.0
8.0 a 9.0
9.0 a 10.0
junio 2012
10 / 39
Introduccin
Retornos de la Bolsa de Valores de Lima:
junio 2012
11 / 39
Introduccin
A la grca de la distribucin de frecuencias se denomina histograma.

Por ejemplo, histograma de los Retornos de la Bolsa de Valores de
Lima:
junio 2012
12 / 39
Medidas de tendencia central

Deniciones fundamentales
Las medidas de tendencia central especican donde estan

centrados los datos. Son ms usadas que otras medidas de
localizacin, en parte porque tienen mayor aplicabilidad y son tambin
fciles de calcular.
Las medidas de tendencia central ms utilizadas son: la media
artmetica, la mediana, la moda, la media ponderada y la media
geomtrica.
Las medidas de localizacin miden, adems de la tedencia central,
la distribucin de los datos.
Las medidas de localizacin ms utilizadas son: los cuartles, quintiles,
deciles y percentiles.
junio 2012
13 / 39
Medidas de tendencial central

La media artmetica
La media artmetica es la suma de las observaciones dividida entre

el nmero de observaciones. Esta medida se puede calcular tanto en
la poblacin de los datos como en una muestra.
En el caso de los retornos de la Bolsa de Valores de Lima, para
calcular la media poblacional se debe utilizar los retornos de todas las
empresas que listan en la BVL.
Para una media muestral, se necesitaran nicamente un grupo de
empresas, por ejemplo los retornos de las 15 acciones que componen
el ISBVL.
Anliticamente la media poblacional esta dada por:
i =N
Xi
i =1
N
Donde, N es el tamao total de la poblacin, Xi representa el dato, i
y la media poblacional.
junio 2012
14 / 39

La media muestral
La media muestral es la media que se computa sobre un

subconjunto de datos, una muestra.
i =n
Xi
X =
i =1
Donde, n es el tamao de la muestra, Xi representa el dato, i y X la

media muestral.
La media muestral se puede calcular utilizando informacin de corte
transversal, es decir informacin en el mismo periodo, pero para un
conjunto distintas unidades de anlisis, por ejemplo, el promedio de
los retornos de las 30 empresas ms grandes del pas.
Tambin se puede calcular con informacin de series de tiempo,
informacin de la misma unidad de anlisis pero para distintas
unidades de tiempo.
junio 2012
15 / 39

Propiedades de la media
La media mide el punto de atraccin de los datos. Desviaciones

respecto a la media se pueden interpretar como medidas de riesgo en
los retornos.
Una ventaja de la media sobre otras medias de tenencia central como
la mediana y la moda, es que utiliza toda la informacin sobre el
tamao y la magnitud de las observaciones.
Una propiedad y tambin una debilidad de la media es que es sensible
a valores extremos.
Para evitar el efecto de los valores extremos es usual computar
tambin la mediana.
junio 2012
16 / 39

La mediana
La mediana es valor de la unidad que esta localizada en el punto

medio de los datos cuando estos se ordenan. Si el nmero de datos es
(n +1 )
impar la mediana ocupa el lugar, 2 .
Cuando el nmero de datos es par, la mediana ocupa el valor,
n +2
2 .
n
2
Por ejemplo, sea la siguiente secuencia de retornos: f2,4,5,6,200g,

(n +1 )
dado que n = 5, la posicin de la mediana es 2 = 3, por lo tanto,
la mediana de los retornos es 5.
Note la diferencia con la media, X =
afecta por valores extremos.
(2 +4 +5 +6 +200 )
5
= 43, 4, que s se
junio 2012
17 / 39

La moda
La moda es el valor mas frecuente en la distribucin de los datos.

Cuando una distribucin tiene un nico valor ms frecuente se
denomina unimodal.
Una distribucin puede tener ms de una moda, puede ser bimodal
(dos modas), trimodal ( tres modas) o en general multimodal.
La moda es la nica medida de tendencia central que puede utilizarse
con datos nominales. Por ejemplo, en un grupo de fondos mutuos, se
puede calcular la moda del tipo de fondo. Este ser el tipo de fondo
mas comn en al muestra.
Cuando ninguno de los valores de la muestra se repite, entonces se
dice que la distribucin no tiene moda.
junio 2012
18 / 39

Otros conceptos de media:la media ponderada
El concepto de media ponderada es recurrente en el anlisis de

portafolio. En el concepto de la media artimetica todos los valores
tienen igual peso, n1 .
Cuando se trabajan con portafolios se requiere de un concepto
diferente de media en donde se puedan asignar distintos pesos a los
componentes de portafolio.
Para ilustrar el concepto, considere un administrador de portafolios,
que tiene invertido el 70 por ciento del fondo en acciones, y el 30 por
ciento en bonos de gobierno. El retorno promedio del portafolio
claramente reejer el peso que cada tipo de activo tiene en el
portafolio.
i =N
El promedio ponderado, X w =
wi X i ,
i =1
i =N
pesos que tiene los datos, tal que
donde, wi representan los
wi = 1
i =1
junio 2012
19 / 39

Otros conceptos de media:la media ponderada
Ejemplo, en ao 1998, el retorno de inversiones en acciones fue de -10

%, mientras que el retorno de invertir en bonos alcanz, 5%
El fondo muto A, invierti 70 por ciento en acciones y 30 por ciento
en bonos, mientras que el fondo muto B, inverti 60 por ciento en
bonos y 40 por ciento en acciones.
Los retornos del portafolio del fondo mutuo A son:
rpA = 0.7
( 10%) + 0.3
(5%) =
5.5%
Mientras que el retorno del portafolio B, esta dado por:

rpA = 0.4
( 10%) + 0.6
(5%) =
1.0%
junio 2012
20 / 39

Otros conceptos de media:la media geomtrica
La media geomtrica se utiliza con mayor frecuencia para calcular

retornos promedio con datos de series de tiempo o para computar la
tasa de crecimiento de una variable.
La media geomtrica se calcula de la siguiente manera:
p
G = n X1 X2 X3 ..Xn
donde, Xi
0, para i = 1, 2, 3...n
La ecuacin anterior tambin puede escribirse de la siguiente manera:

i =n
ln Xi
ln G =
i =1
junio 2012
21 / 39

Muchas variables en nanzas toman valores negativos, por lo que para

poder aplicar la media geomtrica es necesario hacer una
transformacin previa.La media geomtrica se calcula de la siguiente
manera:
q
1 + R = n (1 + X1 ) (1 + X2 ) .. (1 + Xn )
La ecuacin anterior tambin puede escribirse de la siguiente manera:
i =n
ln (1 + Xi )
ln (1 + R ) =
i =1
Cuando, Xi toma valores cercanos a cero, la ecuacin anterior es

aproximadamente igual a la media artmetica. Las diferencias entre la
media geomtrica y la media aritmtica son mayores cuando los datos
muestran mayor variabilidad.
junio 2012
22 / 39

Veamos el siguiente ejemplo

Media Aritmetica y Geomtrica
Aos
Fondo A
1998
1999
2000
2001
2002
Media Aritmetica
Media Geomtrica
16.2%
20.3%
9.3%
11.1%
17.0%
3.54%
2.94%
Fondo B
9.2%
3.8%
13.1%
1.6%
13.0%
2.34%
2.53
junio 2012
23 / 39

Otros conceptos de media:la media Armnica
Esta medida de tendencia central se utiliza en menos aplicaciones, se

dene de la siguiente manera
i =n
Xi
XH =
i =1
Donde, Xi > 0, para i = 1, 2, 3...n

Este es un tipo especial de promedio, en la que se ponderan las
observaciones por la inversa de las mismas.
Suponga que un inversionista compra de activo nanciero S/ 1000
cada mes por 2 meses. El precio por accin en estos dos meses es
S/.10 y S/. 15 en cada mes Cul es precio promedio pagado?
La media armnica.
10 1 + 20 1
XH = 1000
= S /.12
2 1
junio 2012
24 / 39
Otras medidas de Localizacin

Cuartiles, cuantiles, Deciles y Percentiles.
Sabiendo el valor de la media, o de culaquier otra medida de

tendencia central, se puede localizar los datos de la distribucin
midiendo la distancia respecto a estas medidas de tendencia central.
Sabemos que la mediana divide la distribucin por la mitad, se pueden
dene otras lneas que dividan la distribucin en partes iguales.
Los cuartiles dividen la distribucin en cuatro partes, los quinteles la
dividen en 5 partes, los deciles en 10 partes y en percentiles en 100
partes.
Dada una distribucin de datos, Py es la lnea debajo de la cual se
y
ubica el y por ciento de la distribucin. Py = (n + 1) 100
junio 2012
25 / 39
Medidas de dispersin
Introduccin.
Como ya se discuti anteriormente, el retorno promedio nos da una

idea de localizacin de los retornos. Sin embargo para tener una idea
ms precisa se necesita conocer adems la despersin de estos
retornos respecto a su media.
Las medidas de dispersin miden la variabilidad respecto a las
medidas de tendencial central.
Si el retorno promedio mide las ganancias de una inversin, la
dispersin mide el riesgo.
Cuando la medida de dispersin no se compara con ningn punto de
referencia se denomina dispersin absoluta.
Vamos a estudiar las siguientes medidas de dispersin: el rango, la
desviacin media absoluta, la varianza, la desviacin estndard y la
semi-varianza y la semi-desviacin.
junio 2012
26 / 39
El rango y la desviacin media absoluta.
Se dene como la diferencia entre el valor mximo y el valor mnimo.

R = Xmax
Xmin
Una ventaja de este indicador es que es fcil de calcular.

Sin embargo, su principal desventaja es que no usa toda la
informacin de la muestra, nicamente dos valores el mximo y el
mnimo.
La desviacin media absoluta se dene como:
MAD =
Xi X
n
junio 2012
27 / 39
La desviacin media absoluta.
Donde, X es el promedio muestral, y n es el tamao.

Media Aritmetica y Geomtrica
Aos
Fondo A
1998
1999
2000
2001
2002
Media Aritmetica
Media Geomtrica
16.2%
20.3%
9.3%
11.1%
17.0%
3.54%
2.94%
Fondo B
9.2%
3.8%
13.1%
1.6%
13.0%
2.34%
2.53
En este caso, el rango de los dos fondos mutuos es :RA = 37.3 y

RB = 26.1
Por su parte, MADA = 14.1 y MADB = 6.9
junio 2012
28 / 39
La varianza y la desviacin estndard poblacional
La varianza poblacional se dene a partir de la siguiente ecuacin:

2 =
i =n
u )2
( Xi
i =1
Mide la distancia cuadrtica media de los datos a la media poblacin.

La principal desventaja de esta medida es que esta en unidades de
cuadrado.
v
u i =n
u
( Xi
= t
i =1
u )2
N
Estas medidas, en muchos casos no estan disponibles debido a que

requieren el uso de la informacin de toda poblacin. En estos casos
hay que utilizar sus medidas anlogas muestrales.
junio 2012
29 / 39
La varianza y la desviacin estndard muestral
La varianza muestral se dene a partir de la siguiente ecuacin:

2
s =
i =n
i =1
Xi
n
X
1
Donde, X es la media muestral y n es el tamao de la muestra.

La desviacin estndard muestral se dene como:
v
u
u i = n Xi X 2
s = t
n 1
i =1
junio 2012
30 / 39
La varianza y la desviacin estndard muestral.

El procedimiento de clculo
Para calcular la varianza y la desviacin estndard se utiliza el

siguiente procedimiento:
Calcular la media muestral, X
Calcular las desviaciones cuadrticas de cada observacin respecto a la
2
media muestral Xi X .
i =n
Sumas las desviaciones cuadrticas, Xi
i =1
Dividir la suma entre, n
junio 2012
31 / 39
La semi-varianza y la semi-desviacin estndard muestral.

La desviacin estndard y la varianza se interpretan como una medida

del riesgo de un activo.
Cuando los inversionistas buscan medir nicamente la dispersin
debajo de la media, se utiliza tanto la semi-varianza y la
semi-desviacin estndard.
2
s =
Xi X
v
u
u
s=t
Xi X
Xi
n
Xi
n
X
1
X
1
junio 2012
32 / 39
La semi-varianza y la semi-desviacin estndard muestral.

Calcular la media muestral, X

Calcular las desviaciones cuadrticas respecto a la media muestral
2
Xi X . nicamente para las observaciones que son menores que
la media
Sumas las desviaciones cuadrticas,
Xi
Xi X
Dividir la suma entre, n
Tambin se puede calcular semi-desviaciones estndard respecto a

otros valores centrales.
s2 =
Xi B
( Xi
n
B )2
1
junio 2012
33 / 39
El coeciente de variacin y el ratio de Sharpe

Denicin
La desviacin estndard y la varianza tienen el problema que

dependen de la magnitud de los retornos promedios y de las unidades
de medida.
Esto hace dcil la comparacin de estos indicadores de dispersion.
El coeciente de variacin hace comparable la desviacin estndard
porque la normaliza por el valor de la media y elimina el efecto de las
unidades de medida.
s
CV =
X
El ratio de Sharpe por su parte mide el exceso de retorno sobre un
activo libre de riesgo, por unidad de riesgo. Se dene como:
Sr =
Rp
RF
sp
junio 2012
34 / 39
Simetra y Curtosis
Algunas distribuciones de utilidad: Normal, T-student, Cauchy, Logistic, Gumble y Pareto.
junio 2012
35 / 39
Simetra y Kurtosis
Denicin
Una distribucin es simtrica si las dos mitades de la distribucin

respecto de la media son indnticas.
La distribucin normal es una distribucin simtrica. Sus principales
propiadades son:
Su media y mediana son iguales.
Su distribucin se dene con dos parmetros, la media y la desviacin
estndard poblacional, y .
El 68 por ciento de la masa de probabilidad se concentra alrededor de
la media ms una desviacin estndard.
Se dice que una distribucin es asimtrica positiva si pocos valores

extremos positivos y muchos valores negativos
junio 2012
36 / 39
Simetra y Kurtosis
Denicin
El coeciente de asimetra se calcula de la siguiente forma:

SK =
(n
n
1) (n
i =n
2)
Xi
S3
i =1
La curtosis es un indicador que mide que tan empinada o achatada es

una distribucin de probabilidad. La distribucin normal tiene un
nivel de curtosis de 3.
El coeciente de curtosis en muestra se mide como:
1 i = n Xi X
K =
n i =1
S4
junio 2012
37 / 39
Simetra y Kurtosis
Denicin
Se dice que una distribucin es leptocurtica si es ms empinada que la

distribucin normal.
Se dice que es mesocrtica cuando es ms achatada que una
distribucin normal.
Los datos diarios de retornos son usualmente leptocrticos, mientras
que los datos mensuales se comportan ms como un distribucin
normal.
junio 2012
38 / 39
Estadsticos Descriptivos
Retornos de la BVL
junio 2012
39 / 39

Clase Intro Estadistica

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Clase Intro Estadistica

Încărcat de

Drepturi de autor:

Formate disponibile

Introduccin: Revisin de conceptos de estadstica

Modelos de toma de decisiones

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Los mtodos estadsticos ofrecen herramientas potentes para analizar

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Vamos a explorar cuatro propiedades de los retornos:

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

La poblacin se dene como la totalidad de miembros de un grupo

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Se consideran cuatro escalas de medida:

Medidas de tendencia Central

Una forma muy fcil y prctica de clasicar los datos es utilizando

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Es importante escoger un ancho para el intervalo que sea

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

La frecuencia se determina como la frecuencia absoluta dividada por

Medidas de tendencia Central

La distribucin de frecuencias esta dada por:

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Retornos de la Bolsa de Valores de Lima:

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

A la grca de la distribucin de frecuencias se denomina histograma.

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Medidas de tendencia central

Las medidas de tendencia central especican donde estan

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Medidas de tendencial central

La media artmetica es la suma de las observaciones dividida entre

Medidas de tendencia Central

Medidas de tendencial central

La media muestral es la media que se computa sobre un

Donde, n es el tamao de la muestra, Xi representa el dato, i y X la

Medidas de tendencia Central

Medidas de tendencial central

La media mide el punto de atraccin de los datos. Desviaciones

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Medidas de tendencial central

La mediana es valor de la unidad que esta localizada en el punto

Por ejemplo, sea la siguiente secuencia de retornos: f2,4,5,6,200g,

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Medidas de tendencial central

La moda es el valor mas frecuente en la distribucin de los datos.

Paul Castillo Bardlez (UP)

Medidas de tendencia Central

Medidas de tendencial central

El concepto de media ponderada es recurrente en el anlisis de

pesos que tiene los datos, tal que

donde, wi representan los

Medidas de tendencia Central

Medidas de tendencial central