Ingeniero Civil Industrial / El presente trabajo de título analiza el uso de factores de riesgo sistémico como herramientas tanto para inversionistas como reguladores. El objetivo principal de este trabajo es determinar si es posible extraer información de tres factores de riesgo sistémico aplicados sobre índices económicos y activos financieros. De esta forma, se pretende determinar cómo y para quien pueden ser útiles los factores de riesgo sistémico seleccionados. Para alcanzar el objetivo mencionado, se construyeron dos factores de riesgo sistémicos y se utilizó la medida CATFIN de Allen et al. (2012) como el tercer factor. El primer factor se construyó en base a la medida de riesgo sistémico SRISK y fue nombrado ASRF. El segundo factor utilizó a la medida de riesgo VaR, en su forma paramétrica GARCH, como base y fue nombrada PVaR. La aplicación de los factores de riesgo sistémico sobre índices económicos se realizó mediante regresiones de series de tiempo. Se utilizaron dos índices económicos y cuatro especificaciones de regresión distintas, además de un análisis out of sample para determinar si los factores económicos entregaban información. En cambio, para aplicar a los factores de riesgo sobre activos financieros se utilizaron regresiones de corte transversal siguiendo la metodología Fama-MacBeth. Se utilizaron dos sets de activos financieros y seis especificaciones de regresión para determinar si se podía extraer información de los factores. Los resultados obtenidos para las regresiones de series de tiempo muestran de que sí es posible extraer información de los factores y es más, los factores pueden predecir el comportamiento de los índices. El factor que obtiene resultados más interesantes es PVaR ya que siempre logra entregar información sobre los índices utilizados. Las regresiones de corte transversal mostraron que los factores de riesgo entregan información sobre los activos, pero esta información no es muy clara. Se obtuvo una relación positiva entre los factores de riesgo y el exceso de retorno de los activos financieros, sin embargo esta relación no es sencilla de entender o aplicar. Finalmente, se determina que sí es posible extraer información de los factores de riesgo sistémico aplicados sobre índices económicos y activos financieros. La información extraída de las regresiones de corte transversal no es de mucha ayuda ya que no es posible aplicar estos factores para obtener mayores retornos. En cambio los resultados entregados por las series de tiempo sí logran ser de gran utilidad, ya que PVaR se puede convertir en una herramienta útil para reguladores con su gran poder de predicción del índice de actividad económica CFNAI.

Most empirical studies in nance use data on a daily basis which is obtained by retaining the last observation of the day and ignoring all intraday records. However, as a result of the increased automatization of nancial markets and the evolution of computational trading systems, intraday data bases that record every transaction along with their characteristics have been stablished. These data sets prompted the development of a new area of research ( nance with high frequency data), and in 1980 a literature based on the mechanisms of trading began (forms of trading, rules on securities trading, market structure, etc.), originating the Theory of Market Microstructure for the valuation of nancial assets, whose models advocate that timing transmits information. Then the literature proposed an extension to risk management by calculating the implied volatility, which is estimated by the realized volatility on an intraday level, and its applications for a ner value at risk (VaR). / Tesis

Autor no autoriza el acceso a texto completo de su documento hasta el 13/04/2020. / Ingeniera Civil Industrial / El presente proyecto se enmarca en el problema de la existencia de un importante grado de incertidumbre al momento de tarificar las primas asociadas a cada individuo en el negocio de los seguros de automóviles, específicamente, de los clientes jóvenes. Esta incertidumbre viene dada por el desconocimiento de su comportamiento de conducción, lo que finalmente lleva a imponer altas primas para este segmento. De esta forma, el objetivo es estimar el nivel de riesgo adecuado para cada individuo perteneciente al segmento joven, y consecuentemente, la prima asociada a éste. Así, se desarrollan dos modelos de predicción, el primero estima la probabilidad de siniestro de cada persona, mientras que el segundo, el costo medio asociado, lo que es una medida de la gravedad de los incidentes que reporte cada uno de ellos. Para estimar la propensión de siniestro se utilizan dos modelos, una regresión logística y un árbol de decisión C5.0, cuyos resultados son bastante similares; sin embargo, el modelo logit supera levemente al árbol de decisión. Por otro lado, para la estimación del costo medio se utiliza un algoritmo C5.0. Debido a que los resultados obtenidos en la segunda predicción no entregan valor adicional al obtenido con la estimación de la probabilidad, se decide no utilizarlo en el modelo final. Un punto importante dentro del proyecto era analizar la relación entre el comportamiento de conducción y el rendimiento escolar, donde se concluye que este último es un indicador del grupo socioeconómico de cada individuo. De este modo, al realizar una regresión logística sin estas variables, y al obtener resultados similares, se opta por este último modelo, sin la PSU. Se realiza un análisis de escenarios, donde se asignan diferentes primas a cada grupo de riesgo creado. De esta forma, se logra una mayor diferenciación y distribución del segmento objetivo, lo que conlleva a mayores utilidades para la compañía. Finalmente, como propuestas y trabajos futuros, la principal recomendación es incorporar otras fuentes de datos que ayudarían a estimar de mejor forma el nivel de riesgo del segmento estudiado.

Most empirical studies in nance use data on a daily basis which is obtained by retaining the last observation of the day and ignoring all intraday records. However, as a result of the increased automatization of nancial markets and the evolution of computational trading systems, intraday data bases that record every transaction along with their characteristics have been stablished. These data sets prompted the development of a new area of research ( nance with high frequency data), and in 1980 a literature based on the mechanisms of trading began (forms of trading, rules on securities trading, market structure, etc.), originating the Theory of Market Microstructure for the valuation of nancial assets, whose models advocate that timing transmits information. Then the literature proposed an extension to risk management by calculating the implied volatility, which is estimated by the realized volatility on an intraday level, and its applications for a ner value at risk (VaR).