Maestría en Administración Financiera · 2024
Predicción del precio del oro en el mercado spot y el tipo de cambio USD–COP para la optimización del rango de cobertura en derivados de las compañías exportadoras del sector minero
This study addresses the implementation of various time series regression and machine learning models, such as: ARIMA, ARIMAX, SARIMA and Random Forests with the objective of accurately predicting the price of gold in the spot market and the USD–COP exchange rate. Precision in these predictions is crucial for export companies in the mining sector, as it allows them to establish optimal coverage ranges in the use of financial derivatives. Throughout the study, different machine learning algorithms were evaluated and compared, selecting those that provided the most accurate and consistent results. The findings offer a valuable tool for financial risk management and strategic decision making in the context of gold price volatility and exchange rate fluctuations. At the end of the study, it is indicated that the ARIMAX Rolling Forecast model applied in a parameterization (1,1,0) was the most accurate and consistent model over time for the price forecasts of both assets.
Texto completo 34 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- 2.2.4 Modelo SARIMAXp. 12
- 3.1 Determinación de las variables de análisisp. 14
- 3.2 Transformación de las variablesp. 14
- 4.1 Análisis exploratorio de las variablesp. 20
- 4.2 Pruebas de estacionariedadp. 20
- 4.3 Implementación de los modelos econométricosp. 21
- Modelo de regresión lineal múltiplep. 20
- 4.3.2 Modelo ARIMAp. 11
- 4.3.3 Modelo ARIMAXp. 25
- 4.3.4 Modelo SARIMAp. 26
- 4.3.5 Modelo Random Forest (Bosques Aleatorios)p. 27
- Figura 1. Funcionamiento de la potenciación de árboles por gradientep. 13
- Figura 3. Comportamiento de las variables dependientes a pronosticarp. 17
- Figura 4. Diagramas de dispersión de las variablesp. 18
- Figura 5. Mapa de correlación entre variablesp. 19
- Figura 6. Regresión lineal de los valores predichos vs valores actuales - orop. 21
- Figura 7. Regresión lineal de los valores predichos vs valores actuales – USD-COPp. 22
- Figura 8. Predicción del precio del oro mediante el modelo ARIMAp. 23
- Figura 9. Predicción del precio del USD-COP mediante el modelo ARIMAp. 24
- Figura 10. Predicción del precio del oro mediante el modelo ARIMAXp. 25
- Figura 11. Predicción del precio del USD-COP mediante el modelo ARIMAXp. 25
- Figura 12. Predicción del precio del oro mediante el modelo SARIMAp. 26
- Figura 13. Predicción del precio del USD-COP mediante el modelo SARIMAp. 27
- Figura 14. Predicción del precio del oro mediante el modelo de Random Forest (XGB)p. 28
- Figura 15. Predicción del precio del USD-COP mediante el modelo de Random Forest (XGB)p. 28
- Tabla 1. Estadística descriptiva de las variablesp. 15
- Tabla 2. Pruebas de estacionalidad - Aumented Dickey Fuller Testp. 20
- lineal múltiple para el orop. 21
- regresión lineal múltiple para el USD-COPp. 22
- Tabla 5. Resultados Modelo ARIMAp. 24
- Tabla 6. Resultados modelo SARIMAp. 27
- Tabla 7. Resultados modelo Random Forest orop. 29
- Tabla 8. Resultados modelo Random Forest USD-COPp. 29
- Tabla 9. Resultados comparativos orop. 30
- Tabla 10. Resultados comparativos USD-COPp. 30
- Ecuación 1p. 8
- Ecuación 2p. 8
- Ecuación 3p. 8
- Ecuación 4p. 9
- Ecuación 5p. 9
- Ecuación 6p. 9
- Ecuación 7p. 9
- Ecuación 8p. 10
- Ecuación 9p. 10
- Ecuación 10p. 10
- Ecuación 11p. 10
- Ecuación 12p. 11
- Ecuación 13p. 11
- Ecuación 14p. 12
- Ecuación 15p. 12