Seminario de Título Ingeniero Comercial, Mención Administración / En la actualidad existen diversos modelos que se utilizan para predecir los precios accionarios. Lo anterior constituye un tema de gran relevancia, ya que los traders y analistas financieros desean obtener el máximo de rentabilidad en la conformación de su portafolio. Es así como, en la búsqueda de este objetivo, algunos modelan el comportamiento de las acciones del mercado según el precio exacto de éstas y otros según los signos de las variaciones de dichos precios. Leung, Daouk y Chen (2000) muestran que la proyección de los rendimientos de las acciones, dado el conjunto de variables de información para realizar las estimaciones, es una realidad aceptada por el mundo financiero. De esta manera, el trabajo de los traders y analistas financieros termina centrándose en cómo usar de manera óptima la información para predecir y transar en los mercados. Cabe destacar que estas prácticas, en su mayoría, se basan en la predicción precisa de los precios de los instrumentos financieros. Sin embargo, estudios recientes han dejado en evidencia que aquellas transacciones basadas en la proyección de la dirección de los movimientos de los precios de las acciones son más eficientes y efectivas y, más aún, pueden generar mayores ganancias que aquéllas basadas en la predicción específica del precio de la acción. Siguiendo en esta misma línea, Hodgson y Nicholls (1991) muestran en su estudio que es de suma importancia considerar la significancia de la proyección dentro de los modelos de predicción de los movimientos de los precios. El presente seminario tiene como objetivo principal cuestionar si predecir los precios accionarios en base al precio del día anterior, es la manera más eficiente y efectiva para obtener un mayor beneficio. Cabe señalar que este estudio no analiza la significancia económica de la rentabilidad de las estrategias de compra y venta surgidas por las recomendaciones de los modelos predictivos, cuestión que se plantea como un tema para una futura investigación. Se plantean distintos supuestos y modelos econométricos de manera de estudiar la significancia estadística de predecir los precios con diferentes sets de variables explicativas, estando estos últimos compuestos por precios rezagados en términos diarios y/o semanales. La investigación a efectuar se centra en el empleo de modelos multivariados ARIMAX dinámicos, construidos a través de Algoritmos Genéticos. Para realizar este estudio se consideraron variables de series de tiempo con hasta un máximo de 4 rezagos para la rentabilidad de la acción en análisis, compuestos en forma semanal; 4 posibles rezagos para la rentabilidad del índice Dow Jones Industrial considerados en forma semanal; 4 rezagos para la rentabilidades de los precios de las acciones de los días anteriores; y lo mismo para el índice Dow Jones Industrial; y, por último, 4 rezagos de error del modelo aplicado. El estudio presenta evidencia y valida el hecho de que los Algoritmos Genéticos en los modelos ARIMA pueden ser usados como una alternativa estratégica para el mejoramiento en la construcción de los modelos de proyección de series de tiempo, en función de la proyección del signo de las variaciones de los precios de las acciones. En lo que se refiere al marco teórico, éste centra su discusión en torno a la Hipótesis de Mercados Eficientes, planteada por Fama (1970). En ella se afirma que los precios reflejarán perfectamente la información presente en el mercado o, por lo menos, se espera de que así suceda. Se entiende por eficiencia de mercado que, los precios reflejan completamente la información disponible en el mercado. La acción que se utilizará para la predicción del signo de la variación del precio será la de Alcoa Inc. (AA), debido a la importancia del aluminio como materia prima a nivel mundial y las futuras proyecciones que se tienen sobre ésta y otras características que se discutirán posteriormente. Los datos utilizados provienen de la NYSE, entre el período del 22 de febrero de 2002 hasta el 28 de agosto de 2007. Los precios utilizados se extrajeron de la página www.finance.yahoo.com. La presente investigación se divide en 6 secciones: en la sección dos se presentará una breve revisión bibliográfica acerca de la predicción de modelos bursátiles; en la sección tres se presentarán la historia y las características sobre Alcoa Inc. y el índice Dow Jones Industrial; en la sección cuatro se presentará la metodología y los datos del sistema de predicción planteado; en la sección cinco se revisarán los resultados obtenidos; y, por último, en la sección seis se presentarán las conclusiones finales del estudio.

Ingeniero Civil Industrial / Los derivados climáticos permiten cubrir el riesgo cuando los flujos tienen una fuerte correlación con alguna variable climática. A pesar del fuerte crecimiento que ha presentado el mercado en la última década, una dificultad que presenta este tipo de instrumentos es su valoración. El objetivo general de este trabajo es desarrollar un modelo estadístico de pricing de opciones climáticas sobre precipitaciones en la ciudad de Boston, para comparar luego con los precios de mercado. Para cumplir con esto, se investiga en primer lugar sobre los derivados climáticos y sus características, luego, el mercado de estos instrumentos y en tercer lugar se realiza una revisión de los métodos de valoración en la literatura financiera. Posteriormente se define las características de la opción eligiendo junio y diciembre para analizar y se valora mediante el método tradicional de simulaciones de Monte Carlo. Para esto se usan las distribuciones que presentan un mejor ajuste a la data y además las recomendadas por la literatura. En una segunda etapa se usa el nuevo método planteado, utilizando Splines o interpolaciones por trozos para describir la distribución de los datos. Este modelo no logra una buena predicción a la data, por lo que se incluye una modificación al método tradicional, un Monte Carlo truncado , donde se realizan ajustes de distribuciones sólo a una parte de los datos: sobre el strike en caso de opciones call y bajo el strike en caso de opciones put, que es donde se realizan los pagos. Esto con la idea de lograr un mejor ajuste a la data. Como resultado se obtiene que el modelo de Monte Carlo truncado logra un desempeño muy similar al Monte Carlo tradicional, pero debido a la simpleza y mayor robustez del segundo método, se concluye que éste es más recomendable. Las distribuciones que mejor desempeño tienen en la predicción son distribución Log-Normal para junio, recomendada por la literatura, y Weibull para diciembre. Se concluye que las distribuciones recomendadas por la literatura no son necesariamente las que logran un mejor ajuste. No hay ninguna distribución que sirva para todos los casos. Por último, se encuentra una correlación positiva entre la diferencia del precio de mercado y la predicción calculada, con la desviación estándar de los pagos de la opción. Además se llega a la conclusión que parte importante del precio del derivado es prima por riesgo, por lo que para valorar los derivados también es necesario encontrar un método para calcular este valor. Calibrando los precios calculados mediante Monte Carlo a los de mercado, se llega a una aproximación general de la prima por riesgo, que fluctúa entre un 15% y 35% de la desviación estándar de los pagos del derivado. Queda para trabajos futuros, donde se cuente con una mayor cantidad de datos, estimar de forma más exacta y rigurosa la prima por riesgo.

La presente memoria se centra en la determinación de precios óptimos de una categoría en una cadena de supermercados. Actualmente el proceso para fijar los precios se basa en la intuición o experiencia y es igual para todas las sucursales. Por lo tanto, se busca proponer una política de precios para una categoría, que capture la heterogeneidad del comportamiento de la demanda a través de las distintas tiendas dentro de la cadena. El objetivo principal de esta memoria es desarrollar una metodología para la determinación de precios bases óptimos; a través de datos transaccionales y demográficos que permita a la cadena encontrar una política de precios particular a cada una de sus salas de ventas. La estimación de demanda de los productos se realiza a través de un modelo jerárquico Bayesiano. La ventaja esencial de este modelo, es que esta estimación se realiza a nivel de sala, pero utiliza los puntos comunes de todas las sucursales. Con esta metodología, se obtiene la sensibilidad de la demanda al precio de cada producto, que se representan como elasticidades precio propia y cruzada para todos los productos en estudio Esto parámetros sirven de entrada para los modelos de optimización de precios. Finalmente, para determinar la política óptima de precios, se evalúan tres modelos de optimización no lineal, maximizando ingresos, unidades o margen. La validación de la estimación de la demanda arrojó óptimos resultados. El indicador R-ajustado fue de 0,5, mientras el MAPE fue menor al 25%. Además se pudo determinar que el modelo jerárquico bayesiano entrega mejores indicadores tanto cualitativos como cuantitativos para las matrices de elasticidad que modelos clásicos de regresión; agrega valor además al incluir información de variables demográficas que no habían sido analizadas anteriormente. Se concluye que aplicar políticas óptimas de precio para la cadena se observan aumentos cercanos al 40% en ingresos y unidades para cualquier modelo. Si además estas políticas se aplican de forma diferenciada para cada sucursal, los ingresos se incrementan en un 15% más, de forma que la cadena de supermercados pierde alrededor de diez millones de pesos semanales al no hacerse cargo de las particularidades de cada sala. Como conclusión del trabajo, la metodología aplicada permite abarcar mayor información sobre los productos y las sucursales, realizándose análisis más robustos y mejores interpretaciones del comportamiento del consumidor, lo que se ve reflejado en los resultados finales de la optimización.

Ingeniero Civil Industrial / En 2012, Uruguay inició su Sistema Nacional de Inversión Pública (SNIP), con él pretende dar un mejor enfoque a la entrega de recursos en función de las prioridades nacionales. Desde entonces, se ha regularizado la estimación de precios sociales de factores básicos de producción como la mano de obra, la divisa y la tasa social de descuento. El presente trabajo de título pretende realizar una estimación de los precios sociales, concerniente a proyectos de transporte, como apoyo a un estudio para la Oficina de Planeación y Presupuesto (en adelante OPP), dependiente de la secretaria nacional de la presidencia en Uruguay. Se propuso hacer una revisión a los principales aspectos teóricos relacionados al cálculo de precios sociales, en particular, el trabajo realizado consistió primero en la definición de los precios sociales atingentes al transporte, para posteriormente realizar una revisión bibliográfica respecto a los modelos y métodos de estimación y, finalmente, realizar la estimación propiamente tal de los precios sociales relacionados del transporte. Para esto, se recopilaron las estructuras de costos y la información pública respecto a los precios sociales de factores básicos de producción, para, posteriormente, calcular las razones de precio social de cada bien. Se decidió por un modelo de equilibrio general para los precios sociales de los combustibles, lubricantes, asfaltos y transporte carretero de carga, y se optó por un modelo de equilibrio parcial para el Valor Social del tiempo. De los resultados obtenidos se tiene que la razón de precio social (RPS) del combustible para los tres principales, Nafta, Gas-Oil y Fuel-Oil, es 0,58, 0,89 y 0,935 respectivamente. El RPS de los lubricantes es 0,935. Para el RPS del Asfaltos se obtuvo un valor de 0,809, mientras que el RPS para el transporte carretero de carga, fue de 0,7736 y 0,7885 para camiones de tipo I y II respectivamente. Respecto al valor social del tiempo, se obtuvo un valor de $40 pesos uruguayos por hora para rutas urbanas. Para áreas interurbanas $82,82 para automóviles, $109,81 para camionetas, $121,89 para camiones y $479,62 para buses interurbanos. Finalmente para áreas rurales se obtuvo $90,96 para automóviles, $12,60 para camionetas, $133,87 para camiones y $247,80 para buses rurales. Como conclusión, se espera que este trabajo sirva como guía metodológica para las futuras actualizaciones en base a los precios de mercado o nuevos antecedentes de los bienes estudiados.

Ingeniero Civil Industrial / La empresa Azul Azul S.A. es la encargada de administrar el equipo de fútbol profesional de la U. de Chile. El equipo posee una larga tradición y es uno de los más populares del país. De los $13,6 mil millones en ingresos que obtuvo en el año 2015 $4,5 mil corresponden a la venta de entradas. Sin embargo, a pesar de esto entre los años 2011 y 2015 la cantidad promedio de espectadores que asisten a sus partidos de local ha disminuido en un 25%. Dentro de las posibles causas de este fenómeno se consideran los hechos de violencia, la televisación de los partidos, la calidad de los partidos y el valor de las entradas, entre otros. La mayoría de estos factores involucran a otras entidades del país. Sin embargo el precio de las entradas depende exclusivamente de Azul Azul S.A. Es por esto que el objetivo principal del presente trabajo es contribuir a mejorar la asistencia a los estadios donde la U. de Chile juega de local mediante la aplicación de precios dinámicos sobre el valor de las entradas, sin que esto disminuya los ingresos de la empresa. Para esto, en primer lugar se realizaron estimaciones, por separado, de la demanda por entradas para los sectores de: Galería, Tribuna Andes, Tribuna Pacífico Lateral y Tribuna Marquesina del estadio. Se realizan por separado porque se espera que los hinchas de cada sector se vean afectados por diferentes variables que inciden en su comportamiento tales como: la calidad del rival, el estadio donde se disputa el encuentro, el torneo al que pertenece el partido y el gasto en entradas que ha realizado el hincha, entre otros. Para realizar los pronósticos se utilizaron regresiones lineales resueltas bajo el método de los mínimos cuadrados y el método Tobit. Las estimaciones permitieron saber de antemano las expectativas que el público tenía sobre cada uno de los partidos. Esto es importante ya que permite definir para qué partidos se recomienda realizar una variación en los precios de las entradas. Luego, a partir de la ecuación de demanda obtenida se procedió a calcular para cada sector la elasticidad al precio que tenían sus hinchas. Debido a la poca variabilidad del precio fue necesario crear la variable gasto mensual estimado para que se considerará el valor de la entrada en los modelos y fuera posible calcular la elasticidad. Por último, se evaluó la reacción de los hinchas ante modificaciones al precio de las entradas. En concreto se evaluó una estrategia de variación de precios en partidos individuales, y luego la reacción de los hinchas a un pack promocional de dos partidos a partir de la demanda estimada. El trabajo realizado permite concluir que una aplicación de precios dinámicos no siempre permite aumentar la cantidad de hinchas en el estadio, ya que disminuir el precio en partidos individuales aumenta los espectadores, pero merma los ingresos. Sin embargo, el pack promocional puede generar un aumento en la demanda de un 2% y un alza en los ingresos de un 8% en Galería y un 5,3% en Andes, incluso si la demanda es bastante inelástica. Por lo anterior, se le recomienda a Azul Azul S.A. realizar este tipo de estrategias a lo largo de un torneo.

Autor no autoriza el acceso a texto completo de su documento hasta el 15/3/2021. / Ingeniero Civil Industrial / El presente trabajo nace de la necesidad de un canal de televisión nacional por apoyar los métodos de fijación de precios para los espacios de avisaje que actualmente usa, basados principalmente en el conocimiento de las personas que integran el área comercial, donde recientemente se están utilizando métodos estadísticos para la evaluación de escenarios de precios. El objetivo principal es estimar las elasticidades de la demanda de los espacios de avisaje y determinar cómo se relacionan con las características de los distintos programas, para finalmente generar reglas que apoyen la toma de decisiones del canal al momento de fijar los precios de sus espacios. La metodología está dividida en tres partes. En primer lugar se seleccionaron y limpiaron los datos necesarios para construir las para el desarrollo de los modelos, como las categorías de Bloques y Género Prime, más la variable Costo por Rating. Luego se estimaron tres modelos: lineal simple, con elasticidad por programa y jerárquico bayesiano, donde se escogió este último para el posterior análisis debido a su nivel de calibración y validación respecto al resto. Los resultados de este modelo muestran que en promedio la elasticidad de los programas es de -0.48. Al agrupar por bloques se determinó que Matinal, Noticias Tarde y Estelar resultaron ser los más inelásticos, con una elasticidad de -0.47 en promedio. Para el horario Prime, los géneros menos elásticos son Estelar y Reportaje una elasticidad de -0.43 para ambos, mientras que Película es el más elástico con -0.51. El modelo no se puede utilizar para realizar predicciones sobre la cantidad de segundos que serán comprados en el futuro debido a que, al aplicar una transformación exponencial a la predicción del logaritmo de segundos, la diferencia con lo observado aumenta notoriamente. A partir de los resultados obtenidos se recomienda utilizar las elasticidades como apoyo en la herramienta que el canal usa actualmente para evaluar escenarios, mientras que las elasticidades agrupadas según bloque y género permiten generar reglas de gestión que para la fijación de elasticidades de programas nuevos para la evaluación de escenarios según el nivel de optimismo e incertidumbre respecto a sus resultados.