00:00:26:07 Software Shop, la empresa líder en la implementación de herramientas analíticas y software especializado en Latinoamérica, les da la bienvenida a esta presentación. Este espacio contará con el acompañamiento del instructor Franco Andrés Mansilla, Ingeniero Civil Industrial, con Magíster en Finanzas en la Universidad de Chile. Actualmente se encuentra trabajando como analista en Gestión de Riesgos Indios del Banco Santander en Chile.

00:00:50:15 Se ha desempeñado como analista en investigación económica y financiera para académicos de la Universidad de Chile y Banco Central de Chile, en temas de mercado de capitales, eficiencia de mercado, riesgo financiero, econometría y estadística. Bienvenidos! Bueno, gracias a todos por la invitación. Principalmente lo que vamos a ver hoy día es gestión de la incertidumbre mediante escenario para activos financieros.

00:01:24:23 Y principalmente no es una. En una conferencia en la que vamos a realizar temas muy, muy, muy a profundidad o temas muy sofisticados, principalmente nos vamos a enfocar. Qué herramienta existen? No solamente la herramienta que a utilizar como ricos para elaborar cierto ejercicio, sino también que tan que tanto en términos de metodologías nos permitirían poder utilizar para gestionar principalmente esta incertidumbre mediante distinto escenario, enfocándonos también en una técnica muy utilizada hoy en día.

00:01:53:17 Sino que es la simulación de Montecarlo. Bien. Bueno. Principalmente hoy en día. En la actualidad. Sobre todo el mundo de los negocios son más consciente de las noticias respecto a Antiguamente no era tan. No era tan común el tema de que las personas estuviesen mucho más involucrada en las noticias, tanto noticias personales como también las noticias a nivel de mercado.

00:02:42:23 Por lo tanto, hoy en día mediante toda esta disponible disponibilidad de distintos canales y esta gran redes sociales, etcétera, permite principalmente una visualización, lo que hace que la toma de decisiones se haga mucho más sensible, no necesariamente correcta, pero mucho más sensible en términos de incorporar una noticia para tomar una decisión. Por lo tanto, podemos principalmente enfocarnos que sobre todo con la información y con la gran volumen que de datos que está creando las empresas y por la incertidumbre que existen, la empresas necesitan de distintos activos analíticos o de distintas metodologías que nos permitan ir gestionando todo lo que es el riesgo que está detrás de cada toma de decisiones.

00:03:17:02 Y eso principalmente se fomenta mucho más cuando cuando incorporamos ciertos sesgos, no, no solamente cognitivos, sino también emocionales en esas decisiones. Entonces, una de las preguntas principales que yo le hago al negocio cuando me toca elaborar, elaborar esto activo, analítico, para gestionar riesgo o para apoyarlo en la gestión o lograr ser más eficientes en términos operacionales, en un flujo operacional, es bueno.

00:04:00:15 Cuánto estás dispuesto a tolerar en términos de pérdidas o cuánto tú estás dispuesto a ganar para lograr? Toma una decisión. Entonces esas son preguntas que hoy en día son muy importante hacerlas para limitar. Es cierto en cierta medida, cuanto tu es tu plan de acción y cuanto es lo que espera el negocio para comenzar a gestionar la incertidumbre en términos de, por ejemplo, establecer un benchmark bien y una palabra importante que tú cuando comienzas a gestionar la incertidumbre y sobre esa gestión, comienzas a tomar ciertas decisiones, esas decisiones son muy importante, a ir tomándolas de forma progresiva.

00:04:27:23 Bien, entonces no llegar y cambiar si tu quieres, por ejemplo, pasar de la A a la Z, sino tiene que abruptamente, sino tú tienes que existe una progresividad de ir progresivamente ir cambiando y ahí entra todo. Uno Conceptos de desde temas de transformaciones digitales por ser perfecto, hasta uso de tecnologías para ciertas operaciones o para cierta toma de decisión en particular.

00:04:55:25 Entonces, hoy en día principalmente podemos separar en dos grupos relevantes lo que son los métodos, los distintos métodos para gestionar riesgo o para gestionar la incertidumbre, o uno que pues puede ser considerado como el método más cualitativos que usualmente en los años 2000 se utilizaba mucho bien y es principalmente es una mesa de expertos en la que esa mesa de experto en funcionar su experiencia.

00:05:23:20 Ellos toman ciertas decisiones o tomaban cierta. Para donde queremos dirigir la empresa o queremos llegar a tal nicho, etcétera por lo tanto. O queremos tomar tal estrategia de inversión en función a los estudios de mercado, etcétera. Entonces, hoy en día principalmente existen diferentes metodologías que te permiten gestionar e gestionar la incertidumbre mediante estos métodos que son, entre comillas cualitativos.

00:05:52:27 Desde Método Delphi que está junto junta expertos también soy experto donde comienzan a tomar decisiones, a revisar antecedentes para tomar decisión en función también a su experiencia hasta temas más, por ejemplo, más enfocado a lo que es la estrategia misma, como aplicar un teorema de Ichikawa, el teorema de causa efecto en la que principalmente tú estableces los distintos elementos que podrían afectar y eso como causa ciertas cosas o ciertos problemas.

00:06:25:00 Bien, y o utilizar lo que es una matriz, una matriz de impacto bien que por ejemplo muy utilizado cuando estamos evaluando operativo y operativo. En parte me importa mucho, principalmente cuantificar cada uno de los componentes que yo levanté n en esa mesa, por ejemplo. Entonces yo lo clasifico, lo mapeo en esta matriz en la que por un lado tengo lo que es la probabilidad y por otro lado tengo lo que es el impacto.

00:07:26:04 Entonces yo, mediante todos los riesgos que yo levanté, yo los mapeo en esta matriz para enfocar o priorizar cuál realmente son los que sean estrictamente necesario comenzar a establecer un plan de acción bien y cómo esto llevarlo controlado mediante diferentes señales. Por ejemplo, semáforos diferentes métricas, indiferente. Bien, pero qué es lo que sucede? De que estos métodos cualitativos no es que principalmente carecen de dinamismo perfecto, pero constantemente a este panel de expertos tienen que ir actualizando su información para que a su vez se vayan actualizando estos esta matriz por ejemplo de impacto o esta o este o este o este diagrama de Chicago, ya que principalmente para posiblemente un teorema en Chihuahua o esta matriz

00:07:54:01 de impactos pueda cambiar de un año a otro. Afecta entonces para que cambie un año a otro se tienen que ir levantando mesas donde esas mesas tienen que ir identificando nuevos riesgos o ir principalmente actualizando las métricas de seguimiento de esos riesgos para ver si principalmente estamos siendo muy, muy tolerantes o muy altamente tolerantes o muy poco tolerantes en términos de las métricas de seguimiento.

00:08:39:02 Pero por otro lado, existen métodos cuantitativos que hoy en día la empresa, por lo menos en Chile, yo trabajo en una ellas que no solamente se están utilizando datos que levantan no solamente en términos de la empresa misma, de su operaciones diaria, sino también que van levantando los clientes. Perfecto, entonces eso en parte las empresas lo están utilizando no solamente para apoyar la gestión, la gestión misma de lo que se hace el día a día, sino también para lograr encontrar nuevas oportunidades de negocio, para responder hipótesis, para, por ejemplo, lograr ser más eficiente en un flujo de procesos indiferente.

00:09:21:18 Entonces, principalmente, principalmente que hoy en día se están utilizando mucho los métodos cuantitativos. Y uno el ejemplo que estaba dando era por ejemplo la actualización de de renta para ofrecer nuevos productos perfecto en función a las condiciones actuales que tengan los clientes. Pero también hay otros tipos de ejemplo, por ejemplo, en términos sencillos como Preysing, es decir, bueno, el cliente hoy en día tiene mucha oferta en términos de adquirir un crédito perfecto, por lo tanto ese adquirir un crédito el cliente se puede ir por dos, los diferentes oferentes, los distintos bancos que lo ofrezcan, una tasa conveniente.

00:09:59:21 Entonces yo como responsable del negocio y también responsable metodológico, yo tengo que lograr saber cuál es la sensibilidad mínima máxima que yo podría eventualmente entregar un precio siguiente es decir, si el cliente tiene como tope 4,5, por ejemplo, como tasa de interés y uno, le puedo ofrecer una tasa 4,6. Por lo tanto, yo a conocer a priori y eso me permite negociar, tener mayor información para negociar de mejor forma con el cliente perfecto y eso en parte yo lo puedo asegurar.

00:10:26:29 Yo eso yo lo puedo asegurar derechamente con lo que es la ingeniería, el dato perfecto hoy en día, por ejemplo, en Chile está, se está saliendo una nueva ley que es la ley fintech, donde esta ley fintech viene un inciso por solo que es por es el open banking y el open banking, que es lo que es el lograr compartir los datos, pero con la plena autorización del cliente.

00:11:05:12 Entonces yo como banco a le podría pedir al Banco B de información de este cliente, siempre y cuando este cliente me diga puedes usarlo y eso va a permitir tener mucho más datos para que esos datos lograrlo, transformar información necesarias que nos permitan ayudar mucho mejor en la toma de decisiones y ofrecer un producto mucho más acotado. Bien, y ahí entran todo lo que son metodología de machine learning, métodos econométricos, árboles, modelos de Montecarlo y principalmente ahí hay una cosa muy importante que hay que mencionar de que no todas las técnicas sirven para todos.

00:11:29:25 Bien, hay técnicas que son más adecuadas para unas cosas, hay otras técnico que son adecuadas para otras cosas. Y no solamente eso, sino también tú, cuando vas probando y vas creando ciertos ciertos modelos o ciertos activos analíticos como se le llama actualmente, tú comienzas de forma progresiva, sobre todo si tú estás implementando este activo analítico en el negocio.

00:12:00:04 Por qué? Porque el negocio tú quieres generar valor de forma temprana. Entonces para generar valor de forma temprana necesitas crear activos analíticos que sean al principio parsimonioso, que quiere decir parsimonioso? Que desplieguen la mejor, la mayor cantidad de información posible, o que te den la mayor cantidad, información posible, pero de la forma más sencilla. Eso no solamente en términos de modelo, sino también en términos de solución.

00:12:46:17 Entonces, es importante cuando nosotros comenzamos a trabajar sobre la gestión, la gestión de riesgo, efecto mediante técnicas cuantitativas, es muy importante tener benchmarks. Bien, y esos benchmark no solamente se dan en términos de inversiones, sino también se van en términos de lograr, en términos más operativos, en términos más comerciales, en términos más de riesgo. Entonces tú lo puedes extrapolar a diferentes formas con tal de lograr dicho modelo y que ese modelo entregue ese, esa, ese valor

00:13:29:03 Entonces, cuando tú gestionas, cuando tú gestionas riesgos utilizando diferentes métodos cuantitativos, es importante tener presente de que no solamente importa medir, es activo, analítico, con métricas metodológicas bien, sino también es importante medir, es activo analítico con métricas de negocio perfecto. Entonces el benchmark más clásico que tú podrías hacer al implementar cualquier mejora es compararte con lo que estás haciendo actualmente.

00:14:00:01 En efecto, si tu activo analítico es o o o el método que estás implementando para gestionar esa mejora, está dando mejor que lo que estás haciendo actualmente. Posiblemente sea buen activo, analítico para poder ser implementado. Ahora, de qué forma? Yo mido siete activo analítico es bueno o es malo con estas métricas, métricas, metodología y métricas de negocio? Y aquí les puedo dar un ejemplo muy sencillo.

00:14:35:29 Ahí en la instituciones financiera usualmente sufren de mucho fraude y hablamos el fraude más sencillo, el fraude en que una persona va a pedir un crédito y que por ejemplo se va al país de ejemplo. Entonces ese fraude en particular hay personas, hay analistas de fraudes que cuando envían una solicitud de crédito, por ejemplo, ellos revisan el papel y ven si realmente es un posible fraude o no, y eso podría ser en términos de medición más cualitativo.

00:15:18:22 Es decir, ellos mediante su experiencia y mediante ciertas métricas que cuando metodológicos cualitativos que tengan ellos pueden definir si es fraude en el fraude. Pero cuando optan por metodología guías cuantitativas, pues activo analítico lo tienes que validar no solamente de cuanto el modelo si es un modelo la punta a los que realmente fuera un fraude. Es decir, tengo un 80% de exactitud en que el modelo siendo fraude, fraudes la apuntó siendo cabos sueltos, pero eso queda inconcluso al momento en que tú estás desarrollando ese analítico para el negocio.

00:16:04:18 Por qué? Porque justamente ese 80% pudo haber sido 80% de los fraudes que menor menor dinero defraudó. Supongamos que de los cuales 100 fueron fraudes, donde esos 100 fraudes de fraude, fraude, fraude defraudaron en 100 millones. Supongamos, y el modelo lo apunta el 80%, esos 100, por lo tanto, y apunta el 80% que realmente son fraudes. El el modelo apunta que son realmente fraudes, pero ese 80% solo corresponde a 400 millones en términos de de plata.

00:16:28:29 Por lo tanto, el modelo a lo que quiero hoy. Lo que quiero decir es que el modelo es bueno metodológicamente hablando, pero es malo en términos de métricas de negocio. Por qué? Porque logra maximizar la detección de fraude, pero no logra maximizar también la pérdida. Perfecto. Por lo tanto. Qué es lo que te va a decir? El negocio?

00:16:58:12 El negocio te va a decir, bueno, yo no quiero que me maximice la detección de fraude eventualmente. Yo quiero que me maximice la va idealmente, lo que es la detección de fraude y también la cantidad defraudada. Si ese 80% detectado por el modelo detecta el 80% también en términos de dinero es muy buen modelo, pero si me está detectando 80% de fraude, pero un 20% en dinero no muy bueno, perfecto.

00:17:45:26 Entonces todas esas pequeñas cosas principalmente es lo que hoy en día se están escribiendo bien. También la industria 4.0 se utiliza mucho y es lo que hoy en día estamos incluyendo como industria 4.0. Por lo tanto, no hay libros que nos digan cómo hacer las cosas con estas nuevas modalidades de hacer modelos para gestionar. Por lo tanto esos se principalmente se van gestionando en función de la práctica y por eso hay un sinfín de libros que te hablan de machine learning, tie data science, complementarlo, de como no implementarlo, etc Bien, eventualmente podrían tener razón, pero podrían tener razón enfocada a un nicho en particular.

00:18:17:25 Yo ahora les quería mostrar un ejemplo de cómo utilizar una, por ejemplo, algo tan sencillo como una simulación de Montecarlo. Y de qué forma nos podría servir esta simulación aplicada, por ejemplo, en un activo analítico en particular? Lo que tenemos acá de una serie, una serie de tiempo, una empresa, una empresa Copec, bien que principalmente es Oruro, es celulosa y y petróleo de bencina perfecto.

00:19:06:24 Y esta bolsa cotiza en el mercado local desde 1 de enero de 2022. Acá tenemos una serie de sus precios históricos, acá el 31 de diciembre de 2022 tenemos prácticamente un año, entonces vamos a utilizar esta serie de tiempo para poder simplificar principalmente cómo nosotros podríamos hacer escenarios distintos de escenarios utilizando solamente una serie tiempo de pericia mensual con 250 ha dado bien y cómo esto en parte sabiendo que nosotros no le podemos ganar el mercado de cómo esto nos podría servir también entonces para usar para aplicar eso aquí lo que tenemos es una herramienta que es Simulator.

00:19:38:04 Rex Simulator principalmente contiene como los principales desde lo que son simulación perfecto. Tiene dos tipos de metodologías de simulación una que la simulación de Montecarlo que genera números aleatorios en funciona a la media y lo que tenemos el hipercubo latino, que es un método principalmente que generan números aleatorios de manera proporcional en función a a la distribución de probabilidad es perfecto.

00:20:16:01 Tenemos un módulo de pronósticos en la que este módulo de pronóstico contiene. Acá pasan términos de interfaz principal 16 tipos de seis metodologías de modelos ARIMA Auto Arima Si tú no sabes construir un modelo o quieres saber qué es lo que le arroja la máquina auto econometría hasta lo que son spin cúbico, por ejemplo, para hacer interpolación o extrapolaciones de tasas de interés, modelos gaps para medir la volatilidad condicional al tiempo, las cadenas de Markov para medir probabilidad de transición.

00:20:40:02 Es decir, si estoy en un ciclo deudor, cuál es la probabilidad? Soy de un ciclo de dos de pasar un ciclo a un ciclo a un estado. No deudor, bien en que se utiliza mucho es cadena de Markov modelo Laid Profit, proyecciones múltiples, redes neuronales, efecto extrapolación no lineales que puede servir para el mismo propósito a los plane cúbico.

00:21:32:17 Proceso estocástico Análisis de serie de tiempo con cam capturando patrones temporales y ver líneas de tendencia. Por otro lado, tenemos el tercer módulo que es la optimización, donde este módulo optimización no solamente tiene optimizaciones estáticas. Perfecto, el típico complemento de Excel que solver. Bueno o RIC tiene también este proceso optimización, pero tiene optimizaciones tanto estocástico y dinámicas en la que tú puedes introducir distribuciones de probabilidad y hacer, por ejemplo, una construcción de un portafolio de inversión mucho más robustos en términos de el proceso optimización, incorporando esos comportamientos de cada uno de los activos históricos que podría tener también un módulo de herramientas analíticas que logra complementar los otros módulos de lo que es crear un

00:22:05:09 reporte AT, ajuste de distribución, análisis de escenario y lo que es árboles de decisión perfecto, principalmente enfocados a la toma de decisiones MIR, en la que existe un árbol estático y árboles más de sentido estocástico perfecto. Y lo bueno que tiene Rigs es que tú lo podrías complementar también lo que es con tu manual. Con el manual de apoyo y lo bueno que tiene raíz es que esto te lo entregan de manera español en el español.

00:22:37:06 Si actualmente tú no sabes inglés o te cuesta leer inglés, esto te lo entrega en español y te da toda una producción de los distintos métodos, de distintas estadísticos, etc que te podrían servir para gestionar el riesgo, acceder bien o hacer proyecciones para muchas utilidades. Entonces principalmente nosotros tenemos un activo financiero donde está activo financiero. Nosotros podríamos, por ejemplo calcular su retorno.

00:23:28:24 Bien, ahora nosotros tenemos dos tipos de retorno de a tornos que son denominados continuos y los retornos discretos. Es decir, si yo por ejemplo, tengo precio acá y yo supongamos que compra 100, vendía 200, o sea, lo mantengo, sube la opción a 200, pero no hago ninguna acción y después vendo, vendo, por ejemplo, en 100. Yo puedo decir oye, no ganaste nada, claro, pero qué es lo que sucede cuando yo calculo los retornos, si yo regulo retornos continuos, lo que va a suceder es que el logaritmo natural del precio sobre el precio anterior en en calculo retornos discretos de precio en el proceso anterior.

00:24:24:28 Sobre lo que me dice esto es que el promedio es que en promedio, si yo utilizo retornos continuos, realmente refleja lo que yo pienso que no gané nada, pero si utilizo retornos discretos me dice que gané un 25% siendo que no vale nada. Qué es lo que sucede con esto? Y por qué no hago mención? Porque dentro de la gestión de incertidumbre no es solamente enfocarnos en aplicar n métodos, sino también saber cuáles son los pro, los pros y los contras de estar aplicando n métodos que hoy en día, por ejemplo, se utiliza mucho en que tú, por ejemplo, con el auto ánima o con el auto econometría o con lo que es está este

00:24:54:16 whois, o lo que es auto m l lo que está haciendo entregarte el mejor modelo en función, porque él por detrás está probando muchas técnicas, muchas métricas y te están pegando la mejor, pero no siempre eso es bueno, eso te sirve como una guía con un aprobado, pero no te puedes quedar con eso. Por qué? Porque eventualmente, posiblemente que cuando tú apliques esa técnica no estás considerando las contras que eventualmente podría tener.

00:25:30:03 Esa técnica sin que tú lo conocías. Entonces es importante conocer los pros y los contras de las distintas metodologías que tú estás aplicando para gestionar la incertidumbre, y no solamente en términos cualitativos, sino también en términos cuantitativos. Entonces yo acá podría calcular retorno a logarítmicas, que son referencia a una tasa de crecimiento bien retornos. Entonces, qué tan. Qué tan bueno?

00:26:06:28 Uno usualmente dice Oye, hagamos proyecciones de activos financieros y me dice Oye, pero cómo hacer proyecciones? Son profundos. Principalmente lo que sucedió hoy no necesariamente se va a replicar mañana. Por lo tanto, aplicar, aplicar ciertos ciertas proyecciones para ver si decide o no decide invertir. Quizás no es buena idea, pero sí es buena idea utilizar una proyección como una medida.

00:26:36:12 Por ejemplo, detección de alertas. Incluso yo lo puedo demostrar acá. Si yo, por ejemplo, calculo el retorno de temas uno, quién es temas uno? Y yo grafico esto es lo se, los voy a evidenciar a corto.

00:27:10:18 Mire, si se dan cuenta, no tiene ningún punto, no tiene ningún sentido, o sea, no tiene ningún ningún patrón para decir oye, tá aumentando o está disminuyendo el efecto ta derechamente algo disperso que en parte no tiene ningún sentido o ninguna correlación en que lo que sucedió hoy te sirva para lo que es mañana. Efecto incluso. Es más, podemos calcular lo que es la correlación.

00:27:43:05 Calculamos la correlación. Podemos observar de que realmente lo que sucede hoy no necesariamente lo que puede suceder mañana se encuentra en un 12% y esto es harto bien. Hay veces que la correlación te da un 0,001 0,05, que prácticamente lo que sucede hoy, lo que sucede ayer, prácticamente no están correlacionado. Entonces, para qué vamos a hacer un ejercicio de proyección, si no tan correlacionados en lo que se denomina la auto correlación?

00:28:19:26 Entonces, pero bueno, no necesariamente. Yo quiero pronosticar para, para, para tomar una decisión de compra o de venta, si no, yo puedo pronosticar, por ejemplo, para establecer ciertos ciertas banderas rojas que me permiten establecerlo como un stop loss. Eventualmente, si yo quiero invertir. Perfecto, entonces. Bueno, que técnica es la mejor? Voy a obligar desde un garche hasta una prima, hasta una el STM, una simulación de Montecarlo diferente.

00:28:50:09 Existen diferentes técnicas que yo podría utilizar que eventualmente yo diría conocer sus pros y sus contras. Perfecto. Entonces podría utilizar una simulación de Montecarlo, por ejemplo. Entonces, en esta simulación de Montecarlo, yo podría, por ejemplo, pronosticar el precio futuro en un período solamente, ni siquiera diez período con 20 periodos, sino en un periodo solamente podría indicar el retorno.

00:29:26:29 Bien, entonces, para yo explicar el precio de retorno, yo necesito una simulación de Montecarlo. Yo necesito un supuesto de entrada. Una entrada de un supuesto y una salida. Entonces yo puedo decir, bueno, qué distribución de probabilidad o qué comportamiento? Yo puedo hacer referencia al precio. Entonces yo acabo e ir a un nuevo perfil. Puede crear un perfil, supongamos acá estimación.

00:30:09:06 Bien, lo voy a poner mil, miles, mil escenarios que me arroje y con un número de semilla, entonces yo es bueno. Simulación de Montecarlo. Me pide una distribución de probabilidad periódica. Tengo 54 distribuciones de probabilidad. Entonces, bueno, usualmente a mí me enseñaron que todo se comporta como una normal. Por lo tanto, coloquemos una normal. Pero ojo, ojo con eso de que si tú estás viendo precios, los precios no podrían ser negativos por la normal toma un rango entre -3 y algo y más tres y algo.

00:30:58:12 Por lo tanto, eventualmente alguna de esas simulaciones te podría dar un escenario negativo que acá no podría ser. Podría ser sin retorno, pero no el precio. Entonces ya agotamos un poco más lo que es las distribuciones en función a ese hace pequeña teoría. Entonces aquí podríamos, por ejemplo, considerar una log normal bien, o eventualmente decir bueno, como existen 54 distribuciones de probabilidad, me gustaría ver qué comportamiento se asemeja esas 54 instituciones de probabilidad con el comportamiento histórico de un año que tenga esta serie de tiempo.

00:31:32:27 Bien, entonces yo podría, por ejemplo, tomar el precio histórico y la justa distribución, herramientas, analíticas, ajuste, distribución. Me dice bueno, qué querés utilizar como grosso Smirnoff acá? Y te va a chocar Anderson, Darling, Kubik o ejecutar todos y que me arroje cuál es mejor? Utilicemos un conocido Commodore es el mismo bien sé que una distribución continua, por lo tanto va a utilizar las 50 y tanta distribuciones continuos que hay.

00:32:14:21 Yo creo que entonces lo que está haciendo es que mediante ese test de colmo, Groff me va a decir bueno, cuál en parte sea se parece más tu distribución teórica. Dos teórica en términos de las 50 distribuciones documentadas versus la distribución empírica, que es la distribución del año de precio que nosotros tenemos de la empresa Comex. Entonces lo que te dicen mira, una probabilidad del 85% te está diciendo de que no rechace la hipótesis nula, que quiere decir que la plazo es semejante al comportamiento de tu serie empírica de precio históricos.

00:33:42:26 Perfecto. Entonces dámela. Tú le pones. Ok, copio. Perfecto. Y acá veo que aquí podemos pagar bien y aquí el precio de salida va a ser igual al precio de entrada. Mira de precio. Entonces aquí para comprobar podemos juzgar. Voy a diferentes escenarios y los mismo podríamos ser para el retorno. Entonces nosotros tomamos el retorno, vamos a ajuste simple y digamos, ok, me da una la plazo perfecto y vamos a copiar y pegar bien, pero yo no quiero comparar precios con retorno, quiero comprar precio con precios, por lo tanto lo que podría ser tomar el último precio perfecto por uno más el retorno es supuesto de salida es que le pongo retorno entonces yo entonces acá

00:34:31:29 me está dando distintos, distintos escenarios en precios, distintos escenarios en precios distintos de escenarios, en retornos, pero la salida está unificada en estandarizadas, en en precio perfecto. Entonces supongamos, no tengo el dato efectivo que nuestro benchmark, supongamos que nuestro benchmark sea, no sé, no creo que hubiese cambiado. No tengo el dato puro, duro, 1900, perfecto para el 15 de julio para el 15 junio 2023 perfecto.

00:35:04:28 Entonces ejecuto mi simulación. Bien, está generando muchos escenarios en función a ese comportamiento que yo le asigné en lleva 300 400 500. Se dan cuenta y se va modificando y me va generando los mil escenarios que yo correcto que correspondan. Entonces, si nosotros vemos las estadísticas con un 95% de confianza, observamos que el precio podría andar entre 1400 y 2200, o sea un en Perú considerablemente alta.

00:35:43:25 Si yo calculo el promedio, la estadística de todos los mil escenarios que marcó el promedio es de 1008 41 sector y la desviación estándar es de 168. Qué es lo que sucede? De que, por ejemplo, si hubiese introducido correlación, quizás la media hubiese sido la misma, pero la desviación estándar hubiese sido menor, a diferencia, por ejemplo, con el retorno utilizando el retorno, que es la amplitud del con 95% de confianza con el retorno es mucho más acotada que la del precio.

00:36:14:04 La única forma de saber si está bien o está mal es que nosotros la comparemos con el benchmark. Si dijimos un benchmark de 1900, nosotros observamos que aquí nos da una prueba, o sea, un promedio de 1008 41 y aquí nos da un promedio de 1008 67. Bien, pero con una desviación estándar menor. Entonces que que eventualmente podría ocupar?

00:36:49:28 Bueno, podría ocupar el retorno, pero haciéndolo con una justa distribución. Derecho, entonces es importante. Bueno. Y la precisión? Si se dan cuenta, la presión del error es mucho mayor. El precio será 0,5% y versus 0,1. Entonces es importante no solamente verificar en términos de claro. Quiero gestionar la incertidumbre, pero lo importante es

00:37:43:08 Si quiero establecer una cuota simple, una cuota para levantar banderas rojas ante el cual una subida, una bajada podría utilizar, por ejemplo, una simulación de Montecarlo, no con el hecho para tomar una decisión, sino como el hecho para establecer una alerta y eventualmente no, a nosotros nos faltó algo. Es decir, bueno, esta serie posiblemente tenga un problema de corte estructural en que el comportamiento si yo ahora consideré toda la serie de tiempo, pero lo últimas observaciones, por ejemplo, la últimas 79 observaciones, se adelanta la 143 cuando el 46 tiene un comportamiento distinto desde la observación uno hasta la 78.

00:38:20:02 Por lo tanto, a cada eventualmente huir existió, por ejemplo, un corte estructural. Bien, por lo tanto, bueno, considero o no con ese corte estructural lo mido primero, tengo que medir y tengo que verificar si realmente un corte estructural y si eso eventualmente me va a afectar en mi estimaciones, entonces es todo un proceso en que nosotros tenemos que medir para verificar que realmente lo que estamos haciendo, para gestionar la incertidumbre que tiene propósitos principalmente más de soporte, más de lograr algo, más de lograr la incertidumbre, la certidumbre.

00:38:48:07 Tenemos que asegurarnos de aplicar las técnicas correctas y también los conceptos correctos. Bien, y eso es lo que les quería mostrar el día de hoy. Perfecto. Franco, por acá tenemos algunas consultas, te las voy a leer. Nos preguntan en el mercado bursátil el precio de los activos financieros incluyen otras variables particulares del mercado, como se podría proyectar teniendo esto en cuenta?

00:39:29:21 O sea, hay diferentes metodologías. Principalmente lo que importa mucho es qué es lo que quieres medir, quieres proyectar para tomar decisiones que proyectar, para generar un techo, un piso? Cuál es tu propósito? Cuál es tu objetivo en términos de hacer eso entonces? Y eso en parte va a ayudar, definir, acotar mucho más las técnicas. Entonces es importante primero definir qué es lo que se necesita para luego definir lo que vas a utilizar.

00:39:51:11 Es como es como cafetero, no sé, no sé si en la otra parte del mundo los gafetes son como que los que arreglan la llave del agua cuando se echa a perder el capital no llega y empieza a sacar la herramienta para arreglar la llave, no el cafecito. Primero el problema ve lo que necesita y utiliza la mejor herramienta posible para arreglar ese problema.

00:40:29:16 Bien, y esto podría ser tanto de Action, sorry. Podría ser por activos. Aquí un ejemplo de activos financieros bien, pero podría ser la ventaja histórica de la empresa. Podrían ser, por ejemplo, una una desempeños históricos de alguna cartera, etc, etc, ok. Y dentro del tema de la conferencia, cuál es la explicación para fraudes por suplantación en aumento en función a que ataca fraudes por suplantación en aumento?

00:41:10:17 Cuál es la explicación dentro del tema de la conferencia? Ah, principalmente el fraude es un ejercicio en la que, en la que principalmente tú no solamente tienes que cuantificar lo que estás midiendo en términos cuantitativos, con solamente reglas, con reglas metodológicas. Bien. Sino también tú lo tienes que cuantificar con términos también con métricas de negocio. Por ejemplo, una métrica de negocio para el fraude era ver cuánto tú lograbas capturar en términos monetarios, aplicando el modelo y no solamente en términos de asertividad.

00:41:39:29 A esto sucede exactamente lo mismo en la actitud. No solamente vas a utilizar, por ejemplo, una exactitud, una diferencia o un error. Reina cuadrática va P1S map, lo que sea para ver la diferencia en cuanto la apuntó, porque los métricas metodológico apuntan a saber cuánto en la perfección del modelo, sabiendo que las áreas de negocio saben que los modelos no son perfecto y tienen que tener ese grado de tolerancia.

00:42:08:14 Bueno, yo sé como el modelo se equivoca, por lo tanto yo le tengo que establecer una tolerancia al modelo. Cuánto yo estoy dispuesto a tolerar que un modelo siguió y eso es lo que tú tienes que definir también en términos de construcción de cualquier activo analítico para gestionar lo que sea perfecto. Antes de pasar a nuestra última consulta, voy a dejar en este momento en pantalla la la encuesta para que por favor nuestros asistentes puedan dar respuesta a ello.

00:42:38:06 Al inicio del acto de la presentación mostraste cómo se descarga el manual en español o lo comentaste? Sí, podrías otra vez indicarlo? Abres WhatsApp cuando tú usted tengan se ve al experto. O sea, ejemplos te van a opciones. Mi auto, o sea de partida y de partida tienen que ver si Rix lo tiene en español o en otro idioma.

00:43:08:28 Si no tienen otro idioma van a idiomas y lo cambian en español o inglés o chino. Si lo ponen en chino, quizá no vuelvan mal al español porque quedó en chino, pero pero lo tienen que poner en español y después van a ayuda y manual de y ahí les va a descargar el manual en español. Perfecto. Franco, acá nos están enviando otra pregunta en el chat en contexto, con fuerte inflación como la de Argentina, se puede reducir este grado de incertidumbre?

00:43:45:24 Sí, usualmente cuando, o sea, tú, si quieres utilizar activos analíticos para gestionar la incertidumbre incorporando ese efecto inflacionario, tú primero te tienes que preguntar si realmente la historia, lo que tú vas a utilizar de historia, podría representar lo que es hoy, si no es que si no representa lo que es hoy, tienes un problema porque no tienes datos históricos, solamente tienes expectativas, lo que se llaman expectativas económicas.

00:44:17:29 Por lo tanto hay otros modelos que pueden ser, por ejemplo los modelos de teoría fallecían, ya que a ti te van a permitir lograr mediante pocos datos si actualmente tienes datos más este previo que es la expectativas económicas, ajusta de mejor forma lo que podría venir en un futuro. Bien, hay técnicas, pero las técnicas para que sean bien utilizadas tienes que primero hacerte esas preguntas.

00:44:41:05 Es decir, bueno, lo que es la historia que yo tengo en datos representa lo que es hoy? No, no lo resulta. Por lo tanto, tengo que cambiar mis técnicas y no solamente considerar datos, sino también mi expectativas económicas, no solamente mías, sino también las diferentes agentes de mercado. Perfecto Franco, muchas gracias. En el momento no, no contamos con más preguntas, eh?

00:45:09:10 Bueno, rezo por agradecerte tu tu tiempo presentación a todos estos asistentes. Igual muchas gracias por acompañarnos. Quedamos muy atentos a cualquier duda adicional que ustedes tengan o si requieren información adicional de algún tema en el correo en el chat estoy poniendo el enlace donde ustedes pueden acceder a la grabación de esta y otros presentaciones y el correo donde nos pueden contactar para mayor información.

00:45:40:11 Franco Algo que quieras agregar antes de finalizar? Bueno dejarlo invitados a los siguiente webcasts también dejar un invitado a lo que es el QRM, que es una certificación que muy muy buena, porque no solamente en términos de contenido, sino lo expositores son reconocidos a nivel mundial y eso es importante considerarlo porque no siempre se tiene esa oportunidad y es así que dejarlos dejarlo invitado también se corre porque le puede generar mucho valor en ámbitos profesionales.

00:45:58:17 Para mayor información respecto al software o en temas relacionados, no dude en contactarnos a través del correo electrónico, entrenamientos a software on Ya.com o visitar nuestra página web triple OLE o punto software guión shop punto com.