Analiza el factor de ajuste por riesgo de liquidez a las mediciones tradicionales de riesgo de mercado (VaR), aplicando el portafolio de inversiones del Banco de la Nación (BN). Para ello, detalla un modelo para calcular el VaR diario por riesgo de mercado en el portafolio de inversiones del BN y desarrolla la propuesta metodológica para su cálculo, utilizando el modelo de autorregresión condicionales GARCH. En la parte final se realizan los cálculos respectivos del VaR total al portafolio; y además las pruebas de backtesting o pruebas retrospectivas a la metodología para poder validar la capacidad predictiva del modelo.

Tesis para optar al grado de Magíster en Finanzas / El trabajo tiene el objetivo de cuantificar el impacto de la política económica en los mercados de renta fija y variable. Utilizando el trabajo de Cook y Hahn (1989) como base, utilizando Swaps de tasas de interés, se logra distinguir entre variaciones esperadas e inesperadas de la tasa referencial (TPM), dictada por los Bancos Centrales. Los países tomados en cuenta para la investigación son Chile, Brasil, Colombia, México y Estados Unidos. Los resultados relacionados con el mercado de bonos, indican que en todas las plazas se cumple la relación positiva entre TPM y yield, siendo mayor el efecto en los horizontes cortos. Respecto a la renta variable o índices accionarios, solo se encontraron resultados significativos para Brasil, Chile y Estados Unidos. En estos casos se cumplió la relación negativa entre TPM y precio bursátil, justificada principalmente por el premio por riesgo.

El presente trabajo tuvo como objetivo generar modelos que permitieran realizar recomendaciones de inversión de corto plazo en instrumentos de renta fija. Se planteó un modelo de reversión a la media para las diferencias entre precios de mercado de bonos y precios dados por modelos de precios de bonos. A partir de este modelo se generó un mecanismo de inversión a partir de las diferencias de precios, planteando un problema de optimización que permite determinar, dado un horizonte de inversión, un portafolio de bonos inmunizado a los cambios de tasas de interés y que maximiza el retorno esperado. Además, a partir del modelo para las diferencias se determinó que para medir las diferencias de precios los modelos más adecuados para el caso de los bonos del Banco Central de Chile son el de Nelson y Siegel para el caso de los bonos en UF y el de Vasicek para el caso de los bonos en pesos. Se planteó un modelo VAR(1) general a partir de los parámetros beta del modelo de Nelson y Siegel, y un conjunto dado de variables macroeconómicas. Si de este modelo se obtiene algún modelo estable, es posible conocer el efecto de shocks de variables macroeconómicas en la curva de rendimientos. Considerando como variables macroeconómicas la tasa de política monetaria (TPM) y la compensación inflacionaria (CI) se obtuvo un modelo estable a partir del cual se determinó el efecto de shocks en las curvas de rendimientos nominal y real construidas a partir de los bonos del Banco Central de Chile. En general, luego de un shock positivo de TPM deberían incrementarse las tasas de corto plazo y luego de un shock positivo de CI deberían incrementarse las tasas de mediano y corto plazo en el caso nominal y disminuir las tasas de mediano y corto plazo en el caso real. Shocks negativos determinan un efecto contrario al de shocks positivos. Se plantearon modelos de predicción de la curva de rendimientos a partir de distintos modelamientos de la evolución en el tiempo de los parámetros beta del modelo de Nelson y Siegel. Definiendo una función de medición para cada modelo de predicción, se comparó su capacidad predictiva para el caso de las curvas de rendimientos nominal y real construidas a partir de los bonos del Banco Central de Chile, concluyendo que la determinación del modelo de mejor capacidad predictiva dependerá del tiempo a vencimiento y del horizonte de predicción. Luego, dado un modelo de predicción y un horizonte de inversión, se generó un mecanismo de inversión planteando un problema de optimización que permite obtener un portafolio de bonos, de mínima varianza, para un retorno dado. Este mecanismo puede utilizar cualquiera de los modelos de predicción, siempre que la función de medición del modelo no sea divergente. Para el caso de los modelos comparados, puede utilizarse cualquier modelo, con excepción del modelo VAR(1) ya mencionado, que considera la TPM y la CI, pues su función de medición diverge. Con la realización del presente trabajo se ha contribuido a ampliar las posibilidades de inversión en renta fija y a ampliar el conocimiento del comportamiento del mercado de renta fija.

TESIS PARA OPTAR AL GRADO DE MAGÍSTER EN FINANZAS / “Tasas de interés1 de los créditos hipotecarios están en nivel más bajo de los últimos 12 años. Desde la industria aseguran que los menores costos de estos préstamos se deben a las bajas tasas a nivel global y a sus expectativas a largo plazo.” “Superintendenta de AFP advierte que rentabilidad futura2 de fondos será menor que las pasadas.‘Las rentabilidades futuras no serán lo que han sido en el pasado. No sólo en Chile, sino a nivel mundial’ advirtió Solange Berstein.” Estas son las noticias que hemos escuchado últimamente. La rentabilidad de las inversiones financieras, especialmente las inversiones en renta fija han caído sistemáticamente durante los años recientes. Por lo tanto, las expectativas de altas ganancias a bajo riesgo, se ven cada vez más lejanas. Esto supone, por un lado, una buena noticia para los deudores hipotecarios así como para los inversionistas que requieren financiamiento para sus inversiones productivas. Pero por otro lado, genera un grave problema, en el mediano y largo plazo, por ejemplo a los futuros pensionados. Si en el pasado, los cotizantes en el sistema AFP podrían esperar tasas de rentabilidad con bajo riesgo a niveles de un 7% o un 8% real anual, hoy día esas rentabilidades se ven casi inalcanzables. La renta fija está dominada por el mercado de bonos a nivel internacional. Ya hacia el año 2008, el mercado de los instrumentos de deuda superaba los 80 billones de dólares3, en comparación con nuestro país, es casi 400 veces el PIB de Chile. De ese monto, aproximadamente un 70% está representada por deuda pública, es decir bonos emitidos por el gobierno. Además, sobre un 40% del mercado de bonos corresponden a “papeles” emitidos por Estados Unidos. También en forma muy reciente, la sorpresiva elección del empresario republicano Donald Trump, como próximo presidente de los Estados Unidos de Norteamérica el pasado noviembre de 2016, golpeó fuerte los mercados. Produjo inicialmente una severa caída de la cotización del peso mexicano. Posteriormente, aumentaron las expectativas de alzas de tasas largas, lo que afectó inmediatamente el mercado mundial de renta fija. En nuestro país se reflejó en una drástica y sorpresiva caída de los fondos más conservadores de las AFP, los fondos D y E que se concentran en renta fija, mostrando caídas superiores al 2% en un mes después de las elecciones.