Predicción del precio del oro en el mercado spot y el tipo de cambio USD–COP para la optimización del rango de cobertura en derivados de las compañías exportadoras del sector minero

Vista sencilla de ítem
dc.contributor.advisorAlmonacid Hurtado, Paula María
dc.contributor.authorGallego Panesso, Cristian Alexander
dc.coverage.spatialMedellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degreeseng
dc.creator.degreeMagíster en Administración Financieraspa
dc.creator.emailcagallegop@eafit.edu.co
dc.date.accessioned2024-08-30T21:01:56Z
dc.date.available2024-08-30T21:01:56Z
dc.date.issued2024
dc.descriptionEn este trabajo de grado se aborda la implementación de diversos modelos de regresión de series de tiempo y machine learning, tales como: ARIMA, ARIMAX, SARIMA y bosques aleatorios (Random Forest) con el objetivo de predecir de manera precisa el precio del oro en el mercado spot y el tipo de cambio USD–COP. La precisión en estas predicciones es crucial para las compañías exportadoras del sector minero, ya que les permite establecer rangos de cobertura óptimos en el uso de derivados financieros. A lo largo del estudio, se evaluaron y compararon distintos algoritmos de machine learning, seleccionando aquellos que proporcionaron los resultados más exactos y consistentes. Los hallazgos ofrecen una herramienta valiosa para la gestión de riesgos financieros y la toma de decisiones estratégicas en el contexto de la volatilidad de los precios del oro y las fluctuaciones del tipo de cambio. Al final del estudio se indica que el modelo ARIMAX Rolling Forecast aplicado en una parametrización (1,1,0) fue el modelo más acertado y consistente en el tiempo para el pronóstico del precio de ambos activos.
dc.description.abstractThis study addresses the implementation of various time series regression and machine learning models, such as: ARIMA, ARIMAX, SARIMA and Random Forests with the objective of accurately predicting the price of gold in the spot market and the USD–COP exchange rate. Precision in these predictions is crucial for export companies in the mining sector, as it allows them to establish optimal coverage ranges in the use of financial derivatives. Throughout the study, different machine learning algorithms were evaluated and compared, selecting those that provided the most accurate and consistent results. The findings offer a valuable tool for financial risk management and strategic decision making in the context of gold price volatility and exchange rate fluctuations. At the end of the study, it is indicated that the ARIMAX Rolling Forecast model applied in a parameterization (1,1,0) was the most accurate and consistent model over time for the price forecasts of both assets.
dc.formatapplication/pdfeng
dc.identifier.urihttps://hdl.handle.net/10784/34456
dc.language.isospaspa
dc.publisherUniversidad EAFITspa
dc.publisher.departmentEscuela de Finanzas, Economía y Gobierno. Departamento de Finanzasspa
dc.publisher.placeMedellín
dc.publisher.programMaestría en Administración Financieraspa
dc.rightsTodos los derechos reservadosspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccesseng
dc.rights.localAcceso abiertospa
dc.subjectDerivados financieras
dc.subjectModelación financiera
dc.subjectRiesgo de mercado
dc.subjectCobertura cambiaria
dc.subjectBosques aleatorios
dc.subject.keywordFinancial Derivatives
dc.subject.keywordGold
dc.subject.keywordFinancial Modeling
dc.subject.keywordMarket Risk
dc.subject.keywordCurrency Hedging
dc.subject.keywordRandom Forest
dc.subject.lembADMINISTRACIÓN FINANCIERA
dc.subject.lembFINANZAS
dc.subject.lembORO
dc.subject.lembINDUSTRIA MINERA
dc.subject.lembCAMBIO EXTERIOR
dc.titlePredicción del precio del oro en el mercado spot y el tipo de cambio USD–COP para la optimización del rango de cobertura en derivados de las compañías exportadoras del sector minero
dc.typemasterThesiseng
dc.typeinfo:eu-repo/semantics/masterThesiseng
dc.type.hasVersionacceptedVersioneng
dc.type.localTesis de Maestríaspa
dc.type.spaOtro

Archivos

Bloque original
Mostrando 1 - 3 de 3
No hay miniatura disponible
Nombre:
formulario_autorizacion_publicacion_obras.pdf
Tamaño:
389.25 KB
Formato:
Adobe Portable Document Format
Descripción:
Formulario de autorización de publicación de obras
Descargar
No hay miniatura disponible
Nombre:
carta_aprobacion_trabajo_grado_eafi.pdf.pdf
Tamaño:
199.63 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de aprobación de tesis de grado
Descargar
No hay miniatura disponible
Nombre:
CristianAlexander_GallegoPanesso_2024.pdf
Tamaño:
2.75 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.5 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Administración Financiera (tesis)