Acerca de la teoría de los valores extremos y su aplicabilidad a la estimación del riesgo financiero

Resumen: La hipótesis clásica de normalidad de las distribuciones de las rentabilidades implica el supuesto que los precios de los activos están formados por agregación de "shocks" aleatorios representativos de los factores que impulsan a los operadores a realizar estimaciones sobre el comportamiento de dichos precios y que estas estimaciones individuales constituyen variables aleatorias con varianza finita, independientes entre sí. Pero, diversos estudios realizados sobre los retornos de los activos financieros en mercados tradicionales y/o emergentes nos indican que los mismos suelen tener "colas" de distribución pesadas, o lo que es lo mismo, suelen presentar mayores probabilidades de ocurrencia de eventos riesgosos. Han surgido desde la teoría moderna de portafolios, distintos intentos de solución para esta problemática. En este sentido podemos señalar que una alternativa muy estudiada últimamente, para representar el comportamiento de las rentabilidades, es a partir de las distribuciones de valores extremos que consideran exclusivamente la distribución de las rentabilidades altas y de pérdidas excepcionales. Este enfoque motiva el presente trabajo de investigación, en el cual estudiaremos la caracterización de las "colas" de distribución pesadas en el contexto de la Teoría de los valores extremos, a partir de este marco teórico, podremos inferir medidas de riesgo adecuadas para caracterizar los retornos de activos en los mercados tradicionales y más precisamente en mercados de las economías emergentes o en vías de desarrollo, caracterizados principalmente por una distribución de sus retornos más leptocúrtica que la distribución de retornos de los mercados más desarrollados.

Identificación de variables en modelización de líneas de producción industrial y su análisis mediante redes neuronales artificiales

Resumen: En el marco de la integración de etapas en procesos de producción industrial en serie, se identifican, clasifican y caracterizan las variables que permiten modelizar dicho proceso, como estrategia con vistas a su optimización. El estudio se aplica en el ámbito de la industria metalúrgica, a partir de los datos de un conjunto de empresas de la región centro y sur de Santa Fe. La estructura secuencial de un proceso industrial hace que cualquier falla en una etapa cause demoras o reducción de calidad en el producto final obtenido. Como herramienta integradora de análisis, se plantea la implementación de un sistema de redes neuronales artificiales.