Publicación: Desarrollo y comparación de modelos ARIMA-GARCH y SARIMA-GARCH para la estimación del tipo de cambio USD/COP y propuesta de coberturas cambiarias con derivados forward para empresa importadora de autopartes en Colombia
Fecha
2025
Autores
Caballero Rosas, Daniel
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
This research analyzed the estimation of the USD/COP exchange rate through the development and comparison of ARIMA-GARCH and SARIMA-GARCH models to design hedging strategies. Historical data from the Representative Market Rate (2019-2024) and optimization techniques in Python were used. Results indicated that SARIMA-GARCH provided higher predictive accuracy by capturing seasonal fluctuations and reducing errors compared to ARIMA-GARCH. Based on these forecasts, forward contract hedging strategies were proposed to mitigate exchange rate risk. However, market uncertainty and unexpected events may affect model accuracy, making recalibration every 60-90 days advisable. The combination of time series models with conditional heteroskedasticity proved essential in volatile markets, although its high computational demand can be a limitation. This study provides applicable tools for exchange rate risk management, optimizing financial decision making for importing companies.
Descripción
Esta investigación analizó la estimación del tipo de cambio USD/COP mediante el desarrollo y la comparación de los modelos ARIMA-GARCH y SARIMA-GARCH, con el fin de diseñar estrategias de cobertura cambiaria. Se emplearon datos de la Tasa Representativa del Mercado (2019-2024) y técnicas de optimización en Python. Los resultados indicaron que SARIMA-GARCH ofreció mayor precisión predictiva al capturar fluctuaciones estacionales y reducir errores frente a ARIMA-GARCH. Con base en estos pronósticos, se propusieron estrategias de cobertura con forwards para mitigar el riesgo cambiario. No obstante, la incertidumbre del mercado y eventos inesperados pueden afectar la precisión de los modelos, por lo que se recomendó su recalibración cada 60-90 días. La combinación de series de tiempo con heterocedasticidad condicional resultó clave en mercados volátiles, aunque su alta demanda computacional puede ser una limitación. Este estudio aporta herramientas aplicables a la gestión del riesgo cambiario, optimizando la toma de decisiones financieras en empresas importadoras.