La Ecuación General de Capitalización y Los Factores de Capitalización Unitarios: Una Aplicación Del Análisis de Datos Funcionales

Monogrco
Nmero 1 Marzo 2012
www.iefweb.org/odf
La ecuacin general de capitalizacin y los factores de capitalizacin unitarios: una aplicacin del anlisis de datos funcionales
Csar Villazn Lina Sanou
Resumen
La frmula general de capitalizacin slo tiene en cuenta el crecimiento del valor de un capital ateniendo a que los tipos de inters de las sucesivas reinversiones son positivos. Pero cuando consideramos una sucesin de tipos EURIBOR a 1 da y calculamos los correspondientes valores nales vemos que dicho crecimiento no es uniforme, sino que presenta intervalos de tiempo con una fuerte aceleracin y otros con aceleracin. Nos planteamos, pues, la necesidad de formular de nuevo la ley general de capitalizacin, de forma que incluya dichas caractersticas y llegaremos a la ya conocida ecuacin diferencial (de segundo orden) del crecimiento y a su solucin general. Para poder encontrar la solucin particular para cada caso concreto, nos proponemos llevar a cabo una estimacin con los datos que disponemos utilizando las tcnicas que nos ofrece el anlisis de datos funcionales y, ms concretamente, las tcnicas de suavizacin con funciones B-spline. Creemos oportuno incluir un apndice en el que, de forma muy resumida pero comprensible, exponemos los principios bsicos del ajuste con funciones splines seguido de un breve resumen del anlisis de datos funcionales y terminamos con la denicin de las bases de las funciones splines. Podemos considerar que esta primera aproximacin ha resultado satisfactoria, sobre todo teniendo en cuenta las dicultades que plantea la estimacin de funciones estrictamente crecientes y con bastante variabilidad.
Observatorio de Divulgacin Financiera
NDICE
RESUMEN ANTECEDENTES
12.1 13 1 4
INTERPOLACIN DE LOS FACTORES DE CAPITALIZACIN UNITARIOS EXTENSIONES DE LA INTERPOLACIN TABLAS Y FIGURAS Tabla 1: Puntos de inflexin aproximados de los factores de capitalizacin unitarios a 1 da durante el primer ao. Tabla 2: Distribucin de los puntos de inflexin durante todo el periodo de observacin. Figura 1: Divisin del intervalo de integracin en subintervalos parciales.
13
1 2 2.1 2.2 2.3 2.4
FRMULA GENERAL DE CAPITALIZACIN CAPITALITZACIN CONTINUA A TIPO DE INTERS CONSTANTE DEDUCCIN TRIVIAL DEL TIPO DESCOMPOSICIN EN PERIODOS SUCESIVOS DE CAPITALIZACIN FACTORES DE CAPITALIZACIN UNITARIOS INTERPRETACIN Y LIMITACIONES DE
i
Figura 2: Evolucin de los tipos EURIBOR a 1 da. Figura 3: Evolucin de los factores de capitalizacin unitarios desde enero de 2001 hasta diciembre de 2009. El tiempo est expresado en fraccin de ao.
() t i 1 , t() i
6
EJEMPLO 1
3 4 5
FORMA DE LA CURVA DE CRECIMIENTO: PUNTOS DE INFLEXIN VELOCIDAD Y ACELERACIN DEL CRECIMIENTO DEL VALOR ACUMULADO RESOLUCIN DE LA ECUACIN DIFERENCIAL
Figura 4: Tipos EURIBOR a 6 meses. Tabla 3: Factores de capitalizacin unitarios a 6 meses y el ajuste.
Figura 5: Representacin de las cifras indicadas en la tabla 3. Figura 6: Tipos EURIBOR a 1 mes. Figura 7: Valores finales reales calculados con el EURIBOR a 1MES y valores finales a 1MES estimados sin restricciones. Figura 8: ltimas 26 observaciones y los valores ajustados. Figura 9: Observaciones discretas, ajuste con variabilidad alta y ajuste sin rugosidad.
15
d C (t ) dC (t ) = w (t ) 2 dt dt
2
6 7 7.1 7.2 8 9 9.1 9.2 9.3 9.4 9.5
DE LOS DATOS DISCRETOS A LOS DATOS FUNCIONALES AJUSTE POR MQO CON B-SPLINES FACTORES DE CAPITALIZACIN UNITARIOS (FCU) CON TIPOS A 6 MESES VALORES FINALES CON TIPOS A 1 MES AJUSTE CON FUNCIONES ESTRICTAMENTE MONTONAS IMPLICACIONES DEL AJUSTE CON B-SPLINES EL SESGO DE LA ESTIMACIN LA VARIANZA DE LA ESTIMACIN EL ERROR CUADRTICO MEDIO (EQM) RELACIN ENTRE SESGO, VARIANZA Y ERROR CUADRTICO MEDIO CUANTIFICACIN DE LA RUGOSIDAD (ROUGHNESS ) Figura 8 APLICACIN EN LA ESTIMACIN MQ RESPUESTA A LAS IMPLICACIONES DEL AJUSTE CON B-SPLINES FACTORES DE CAPITALIZACIN UNITARIOS A UN MES AJUSTE CON RESTRICCIN DE CRECIMIENTO Y PENALIZACIN SUAVIZACIN CON PENALIZACIN EN LA CURVATURA LA SUAVIZACIN CON NODOS EQUIDISTANTES
10
Figura 10: Suavizacin de los factores de capitalizacin unitarios a 1MES con la restriccin de crecimiento absoluto y sin penalizacin por variabilidad. Figura 11: Suavizacin de los factores de capitalizacin unitarios a 1MES con la restriccin de crecimiento absoluto, con un factor de penalizacin igual a dos 0,5 . y un parmetro de suavizacin = 10 Figura 12: Valores reales observados y valores estimados de los factores de capitalizacin unitarios. La suavizacin se ha hecho sin restricciones de crecimiento pero con penalizacin a la derivada segunda 0,01 . con un parmetro de penalizacin = 10 Figura 13: Errores de la estimacin; aunque en el tramo final se disparan no llega a ser ms del 1,5 por mil. Figura 14: Suavizacin ne con 200 nodos manteniendo los dos nodos exteriores y sus correspondientes valores estimados.
17
9.6 10 11 11.1 11.2 12
11
12
Tabla4: Nodos, orden de las splines, nmero de funciones bases, creacin de las B-splines, nodos interiores
16
www.iefweb.org/odf
www.iefweb.org/odf
Figura 15: Velocidad de crecimiento de los factores unitarios de capitalizacin a 1 mes calculados con la primera derivada de la funcin suavizadora que hemos representado en la figura 14. Figura 16: Aceleracin del crecimiento de los 18 factores de capitalizacin unitarios, calculados como la segunda derivada de las B-splines que dan lugar a la funcin suavizadora de la figura 14. APNDICE INTRODUCCIN
A.1. A.2
EJEMPLO DE APROXIMACIN MEDIANTE SPLINES NODOS Y GRADOS DE LIBERTAD Tabla A1 Tabla A2 Tabla A3 EJEMPLO A.2
19 20
21
A.3
GENERALIZACIN: LA FRMULA DE INTERPOLACIN DE NEWTON
A.3.1 PROPIEDADES A.3.2 CONTINUACIN EJEMPLO A3 A.4 A.5

DIFERENCIAS DIVIDIDAS Y EL POLINOMIO DE NEWTON DEFINICIN DE DIFERENCIA DIVIDIDA
22
A.5.1 CONSECUENCIAS DE LA DEFINICIN

EJEMPLO A.4
23
A.6 A.7
LA FORMA DE LA CURVA Y LAS DIFERENCIAS DIVIDIDAS DE UNA FUNCIN
(t x)k 1
DIFERENCIAS DIVIDIDAS DEL MONOMIO DEFINICIN DE B-SPLINE
A.8 A.9
A.8.1 PROPIEDADES DE LAS B-SPLINE

ESTIMACIN POR MNIMOS CUADRADOS ORDINARIOS (MQO) CON UNA FUNCIN B-SPLINE TABLAS Y FIGURAS DEL APNDICE Tabla A4 Tabla A5 Diferencias divididas de una funcin de orden n Figura A1 Figura A2 Figura A3 Figuras A4, A5 y A6 CONCLUSIONES Y PROLONGACIN DEL TRABAJO BIBLIOGRAFA CONSULTADA PROGRAMARIO UTILIZADO SOBRE LOS AUTORES
24
26
27
28 29
ANTECEDENTES
El ao 1871, Stanley Jevons en su obra The Theory of Political Economy. Reprint. Edited by R. D. Collison Black. Harmondsworth: Penguin Books, 1970 formul los principios que ms tarde hemos interpretado como la ley general de capitalizacin. Desde entonces, Insolera en su obra Curso de Matemtica Financiera y Actuarial y posteriormente otros autores aplicaron el razonamiento de Jevons en el caso de un capital sometido a un proceso de capitalizacin.
Mide los intereses acumulados por una unidad monetaria durante el periodo de capitalizacin que va desde el instante inicial 0 hasta el momento nal T.
2 CAPITALITZACIN CONTINUA A TIPO DE INTERS CONSTANTE

En la prctica no se acostumbra a utilizar el rgimen general de capitalizacin ya que su aplicacin es muy engorrosa y se substituye por la capitalizacin continua o, tal y como se denomina en la literatura anglosajona, la capitalizacin compuesta continuamente que quiere decir que el valor nal de un capital se puede obtener aplicando un tipo de inters constante por todo el periodo. Si en la frmula general de capitalizacin, resolvemos la integral del exponente del segundo miembro, tendremos que:
T
1 FRMULA GENERAL DE CAPITALIZACIN

Consideramos un capital C(t) sometido a un proceso de capitalizacin aqul que los intereses que ha ido produciendo se han ido acumulando inmediatamente al capital. Ello supone que tanto el capital C(t) como el propio tiempo t son funciones continuas, entendindose que la primera es una funcin continua del tiempo y la segunda es la variable independiente real. Igualmente supondremos que el tipo de inters que se debe aplicar en cada instante es una funcin continua del tiempo que representaremos por (t ). Si el capital C(t) est
4
C (T ) = C (0) exp
(t ) dt = C (0) e
(T )
0
(5)
2.1 DEDUCCIN TRIVIAL DEL TIPO

riodo de capitalizacin:
Si consideramos que (t ) es constante durante todo el pe(t ) = , de forma que una vez integrada la funcin, resulta
invertido durante un innitsimo de tiempo: dt, los intereses producidos por dicho capital sern:
C (t )
(t ) dt = dC (t )
T ; a posteriori ello signica que el valor de la funcin (T ) tambin es igual a T . As:
(1)
Esta ecuacin diferencial se puede resolver fcilmente; para hacerlo pasamos C(t) al segundo miembro y a continuacin integramos:
{} (t ) = CONSTANT
t (0, T{} )
(T ) =
T
(6)
Y de esta forma hemos obtenido como valor nal:
(2)
(7)
Donde k es la constante que se ha sumado en cualquier integral indenida. Es del todo ilgico que el valor de un capital dependa de una constante indeterminada; pero si tenemos en cuenta que todo proceso de capitalizacin tiene una fecha de inicio (0) y que tambin naliza en un instante concreto (T), tendramos que considerar la anterior integral como denida, obteniendo:
La forma ms cmoda de obtener el tipo de inters en capitalizacin continua consiste en aislar resultando: de la ecuacin (6),
(T ) T
(8)
Es evidente que la aproximacin de zacin y la substitucin de
(t ) por una constante

no plantear ningn
ser mejor cuando ms pequeo sea el periodo de capitali-
(t ) por
C (t ) = C (0) exp
(t ) dt
(3)
problema si
t es un innitsimo.
2.2 DESCOMPOSICIN EN PERIODOS SUCESIVOS DE CAPITALIZACIN

Podemos utilizar una propiedad de la integral denida que nos permita descomponer el intervalo total de integracin en subintervalos tan pequeos como deseamos.
La integral denida:
T
(t ) dt
(4)
Esto es dividiendo el intervalo total de integracin
(0, T )
en subintervalos parciales consecutivos de forma que el ori-
ln C (t ) + k =
(t ) dt
C (T ) = C (0) e
www.iefweb.org/odf
www.iefweb.org/odf
gen del primer subintervalo es igual a 0 y el extremo del ltimo es igual a T, y adems, hacemos que el extremo de cada subintervalo sea el origen del siguiente de acuerdo con el esquema diseado en la gura 1. Teniendo en cuenta lo que acabamos de armar, podemos descomponer el intervalo de integracin en los subintervalos descritos en la gura 1, as la integral (4) quedara escrita de la siguiente forma:
T
2.3 FACTORES DE CAPITALIZACIN UNITARIOS

Si consideramos que el capital inicialmente invertido es de una unidad monetaria, el segundo miembro de la segunda ecuacin de (13) queda:
n i =1 i
exp
t i 1 , t() () i
ti
Cada una de las exponenciales que aparecen recibe el nombre de factor capitalizacin que de forma genrica podemos designar por e .
t
(t ) dt =
t1 t0
(t ) dt +
t2 t1
(t ) dt +
t3 t2
(t ) dt + +
tn tn
(t ) dt +
tn tn
(t ) dt
1
Por ejemplo, si el tipo anual de capitalizacin continua es del

(9)
6%, el factor de capitalizacin unitario es: e de un ao es: 1.000.000
0, 06
= 1,06183655.
A cada una de las integrales anteriores podemos aplicarle el teorema del valor medio, lo que signica que existe un conjunto de parmetros siguiente ecuacin:
T
Si se ha invertido un milln de euros, el valor nal al cabo
1,06183655 = 1.061.836,55 .
i
,,
que verican la
2.4 INTERPRETACIN Y LIMITACIONES DE
() t i 1 , t() i
Siempre que los intervalos de tiempo sean sucientement3 t2
(t ) dt =
t1 t0
(t ) dt +
t2 t1
(t ) dt +
(t ) dt + +
tn tn
(t ) dt +
tn tn
(t ) dt =
1
te pequeos es indiferente aplicar la primera o la segunda de las (13). Si consideramos que el plazo ms pequeo
n
= t1
() t0 +
() + t 2 t1
T
() t1 +
t () tn 2 ++
() tn 1 +
t() n
(10)
Con ello, la integral

0
(t )dt
los tipos siempre son anuales, el incremento de t expresa1 = 0,0027397260 0,00274 do en aos sera igual a: t = 365 aos.
EJEMPLO 1
5
utilizado en los mercados nancieros es un da (TN) y que
se puede escribir de forma equivalente mediante la expresin:
(t ) dt =
i =1
ti
ti
Teniendo en cuenta que todas y cada una de las expresiot i 1 + i t() nes t i () i que aparecen en el segundo miembro de (11) quedan reducidas a constantes, las que podemos designar por
T
ti 1 , t () i () i , resultando:
n i =1
(t ) dt =
ti
t ()
i 1
t = ()
i
n i =1 i
t ,t () ()
i 1 i
Con lo cual el valor nal de un capital C(0) colocado en un rgimen de capitalizacin denido por una funcin continua (t ) que hemos deducido segn la frmula (5) se puede calcular de manera equivalente mediante una sucesin de capitalizaciones compuestas continuamente ti 1 , t i = 1, 2,, n [] () , () con los tipos de inters discretos ( [] i () i y los valores nales obtenidos son idnticamente iguales:
C (T ) = C (0) exp
T =t n 0 =t 0
(t ) dt
C (T ) = C (0) exp
n i =1 i
Los datos se han obtenido de la web del Banco de Espaa. No tenemos en cuenta la fecha valor, lo nico que hara sera retardar la colocacin en dos das y retardar tambin la reinversin, pero suponemos que no altera el valor nal de la inversin. 3 La explicacin de la frmula se puede encontrar en el epgrafe A.6 del Apndice.
1 2
(
(11)
(ti 1 +
Consideramos una sucesin de tipo EURIBOR a 1DA, desde 31 de diciembre de 1998 hasta 31 de diciembre de 2009 (gura 2)1. Utilizando la terminologa presentada en el apartado 2.2 disponemos de una serie temporal de 4.019 tipos diarios: i0 juntamente conguraran una funcin (t ) de la cual des-
, i1 , i2 ,, i4018, de forma que considerados con-
ti
(12)
conocemos la estructura funcional, pero s sabemos que el valor nal de una unidad monetaria invertida durante los 4.019 das a los tipos diarios correspondientes, nos dara a 1 de enero de 2010 un valor nal de 1,3875733. Esta operacin es completamente lcita dado que conocemos los tipos diarios antes de realizar la reinversin2. Tambin podramos calcular los tipos de inters equivalentes en capitalizacin continua mediante la frmula: i . (diario) = ln 1 + 36000 Hemos dividido los tipos EURIBOR por 36.000 porque: la convencin utilizada en los mercados monetarios de
(13)
ti 1 , t () () i
ti
la EUROZONA es considerar el ao comercial de 360 das en las operaciones a corto plazo y, los tipos EURIBOR estn expresados en porcentaje.
Con todo ello dispondramos de la serie temporal de tipos en capitalizacin continua:

0, 1, 2 , , 4018
el 13/12/09, y un mnimo del 19% en el intervalo de tiempo que va desde el 5/11/05 al 12/7/06, resultados que presentamos en la tabla 2. Teniendo en cuenta lo que acabamos de observar sobre el comportamiento y la evolucin de la funcin valor nal de un capital, podemos formular las siguientes hiptesis: La funcin C(t) es montona, crece siempre que los tipos de inters sean positivos; por tanto, la derivada primera deber ser positiva. La funcin C(t) puede ser cncava o convexa dependiendo del intervalo de tiempo que se considere, lo que signica que la derivada segunda no tiene signo constante. Para poder incorporar estas hiptesis nos proponemos mo-
que nos
proporcionan los mismos valores nales. En la gura 3, hemos representado la evolucin de los valores nales logrados durante este periodo de tiempo. De la simple observacin podemos extraer las siguientes conclusiones: La serie de valores finales es creciente dado que los tipos de inters son siempre positivos. El crecimiento no es uniforme. Es decir, la curva presenta un comportamiento irregular pasando de convexa a cncava y viceversa, lo cual signica que la ecuacin diferencial planteada (1) representativa de la evolucin del valor nal de un capital y su solucin que es una funcin exponencial del tipo:
T
exp
(t ) dt
dicar el modelo especicado para la ecuacin diferencial ( ) y su solucin (2) representativa del valor nal de un capital segn lo que explicamos en el siguiente epgrafe.
no son sucientes para capturar todas las caractersticas de la forma (shape) de la curva representada en la grca.
4 VELOCIDAD Y ACELERACIN DEL CRECIMIENTO DEL VALOR ACUMULADO

En lugar de velocidad y aceleracin en el crecimiento del valor acumulado, podramos utilizar un lenguaje menos fsico y hablar de: curva creciente o decreciente, y forma de la curva y/o de concavidad, convexidad y puntos de inexin. O de manera equivalente de: derivada primera positiva o negativa derivada segunda negativa o positiva Preferimos utilizar esta nomenclatura porque tiene un mos explicar. Consideramos el valor nal de un capital en el instante de
3 FORMA DE LA CURVA DE CRECIMIENTO: PUNTOS DE INFLEXIN

Se puede pensar que, a pesar que el crecimiento no sea
6
uniforme y sostenido, no vale la pena tener en cuenta los pocos cambios en la aceleracin que se deducen de las grcas. Pero si calculamos el valor aproximado de las derivadas segundas a partir de los valores capitalizados obtenidos, utilizando la frmula3:
C (t i )

(14)
tiempo t i
C (t i ); en este momento el valor acumulado
y aplicando, ahora, esta frmula, calculamos los valores aproximados de la derivada segunda de las colocaciones a 1DA; un resumen de ello se puede ver en la tabla 1, donde hemos encontrado los valores aproximados de la derivada segunda para el mes de enero de 1999, y vemos que ha cambiado de signo 8 veces durante el periodo de un mes. Podramos hacer lo mismo tomando distintos periodos, pero para no alargar innecesariamente el proceso, hemos dividido el periodo total de observacin en 16 intervalos iguales que contienen 250 observaciones cada uno, ms uno adicional de slo 16 valores nales; en cada uno de estos intervalos hemos contado el nmero total de cambios de signo que representan en mediana un 31% con un pico del 49% en el periodo comprendido entre el 8/4/09 y
3
crece a una velocidad V (t i ) que, tal y como hemos visto en las representaciones grcas de la evolucin del valor nal de un capital, ser diferente de la velocidad lograda en el instante t i +1
V (t i +1 ).
Esta ltima consideracin nos permite introducir el concepto de aceleracin del crecimiento del valor nal de un capital: la aceleracin es el cambio de velocidad por unidad de tiempo:
Aceleracin (ti ) =

V (ti+1 ) V (ti ) V (ti ) = ti+1 ti ti

(15)
Para poder determinar la ecuacin de aceleracin tenemos que realizar algunas hiptesis sobre el comportamiento de la diferencia de velocidades V (t i +1 ) V (t i ):
La explicacin de la frmula se puede encontrar en el epgrafe A.6 del Apndice.
C (t i +1 ) C (t i ) C (t i ) C (t i 1 ) t i +1 t i ti ti 1 t i +1 t i 1
sentido ms grco y quizs ms cercano a lo que quere-
www.iefweb.org/odf
www.iefweb.org/odf
a) Es evidente que dicha diferencia tender a ser mayor (menor) cuanto mayor (menor) sea el intervalo de tiempo considerado t i +1
Es decir, w (t ) representa la ratio de aceleracin respecto a la velocidad, o sea la aceleracin relativa e indica que la aceleracin del crecimiento del valor acumulado (valor capitalizado) se mide como fraccin de la velocidad. Dado que:
t i, de forma que sin prdida de generalidad podemos decir que V (t i +1 ) V (t i ) ser directamente proporcional a la amplitud del intervalo t i +1
t i.
b) Tambin depender de la velocidad lograda en el mo-
V (t i ); supondremos, pues, que la diferencia mento t i V (t i +1 ) V (t i ) es, tambin, directamente proporcional a V (t i ), que es la velocidad en el punto inicial del intervalo
considerado. c) Finalmente, consideramos que esta diferencia de velocidades depende de un parmetro variable w (t i ) que representa el cambio en la velocidad y por ello lo denominaremos parmetro de aceleracin; cuanto mayor sea w (t i ) mayor ser la aceleracin; por tanto, la diferencia V (t i +1 ) V (t i ) tambin ser directamente proporcional al parmetro de aceleracin w (t i ). consecuencia el incremento de velocidad: V (t i ) = V (t i +1 ) V (t i ) es directamente proporcional a cada una de las siguientes magnitudes: al intervalo t i +1 t i a la velocidad inicial V (t i ) al parmetro de aceleracin (desconocido) w (t i ) Escribiendo la ecuacin (de proporcionalidad compuesta), que relaciona el incremento de velocidad con estas tres variables: En
dC (t ) = V (t ) dt

d 2 C (t ) dV (t ) = = A(t ) dt dt 2
(20)
substituyendo en la ecuacin (18), resulta:
d 2 C (t ) dC (t ) = w (t ) dt dt 2
(21)
Ecuacin diferencial de segundo orden que una vez resuelta nos proporcionar una frmula ms general de la evolucin del capital acumulado que la deducida en el epgrafe 1, en la que slo se tiene en cuenta la velocidad en el crecimiento del capital acumulado.
5 RESOLUCIN DE LA ECUACIN DIFERENCIAL

d 2 C (t ) dC (t ) = w (t ) 2 dt dt
Es muy sencilla de resolver, pero para hacerla an ms sencilla, denominamos:
2 y (t ) a dC (t ) , per tant, dy(t ) = d C (t ) dt dt dt 2
7
(22)
Substituyendo estos resultados en (21):
V (t i +1 ) V (t i ) = V (t i ) w (t i ) (t i +1 t i )
dy(t ) = w (t ) y (t ) dt
(23)
Podemos expresar la ecuacin de aceleracin (15) como:
V (t i +1 ) V (t i ) = V (t i ) w (t i ) t i +1 t i
V (t i ) = V (t i ) w (t i ) ti
(16)
Y separando las variables, queda:
dy(t ) = w(t ) dt y (t )
(24)
Esto nos permitir obtener w (t i ).
Realizando las operaciones e integrando para despejar

u
y (t ):
t i = t i tiende a cero, se transforma en dt y si la funcin V (t i ) es continuamente4 diferenciable, se convierte en dV (t ), con lo que tenemos: dV (t ) = V (t ) w (t ) dt
(17)
Cuando t i +1
dy(t ) = w (t ) dt y (t ) 0 0
y (u ) = y (0) exp
w (t ) dt
(25)
Deshaciendo el cambio de variable (22), queda:
dC (u ) = y (0) exp du

t t
w (t ) dt
(26)
Teniendo en cuenta que dV (t ) representa la aceleracin dt A(t ), resulta que:
Separando las variables:
A (t ) = V (t ) w (t )
(18)
0
dC (u ) =
0
y (0) exp
w (t ) dt du
(27)
Y despejando w (t ), tenemos:
w (t ) =

4
A (t ) V (t )
(19)
Cuando se haga la estimacin de este modelo no solamente se debe imponer la condicin de continuidad, sino tambin la diferenciabilidad de la funcin de velocidad.
Integrando:
que algunas de las caractersticas de crecimiento del valor
C (t ) = C (0) +

0
y (0) exp
w (t ) dt du
(28)
nal quedan escondidas o, como mnimo enmascaradas, por el carcter discrecional de los datos, se pueden poner de maniesto a travs del anlisis de datos funcionales (Functional Data Analysis: FDA). La forma explcita que nos ofrece el anlisis de datos funcionales para representar cualquier punto de valor nal es el de un par ordenado (t i , yi ), donde el primer elemento corresponde al tiempo y el segundo, al valor obtenido en aquella fecha. Si asumimos la existencia de una funcin x que da origen a los valores nales obtenidos, podemos presentar los datos mediante el modelo:

Donde y (0) es el valor de la derivada de C (t ) que como hemos visto es la velocidad del crecimiento del valor nal en el punto 0, es decir:
y (0) =
dC (t ) dt t = 0.
Dado que los tipos de inters EURIBOR son no negativos, cuencia su derivada primera, y (t ) = la funcin C (t ) es positiva y montona creciente, en consedC (t ) tambin tiene dt que ser positiva. Estas dos restricciones hay que tenerlas en cuenta cuando se intente hacer una estimacin de la funcin de aceleracin w (t ).
yi = x(t i ) +
(29)
Donde x(t i ) es una funcin suavizadora, con lo que hemos traspasado las partes angulosas de las observaciones iniciales al trmino de error que tambin subsume los errores de observacin. Hemos transformado, pues, las observaciones discretas en datos funcionales. La suavizacin de los datos se puede llevar a cabo utilizando splines. En nuestro caso, siguiendo el anlisis de datos funcionales de Ramsay y Silverman, utilizaremos un sistema de base de splines o B-splines de acuerdo con la terminologa usada por Carl de Boor (2001)5, que se puede consultar en el apndice A, y que utilizaremos aqu en las aplicaciones prcticas que desarrollaremos a continuacin.
6 DE LOS DATOS DISCRETOS A LOS DATOS FUNCIONALES

En el ejemplo 1 hemos comprobado que el crecimiento de los valores nales en cada vencimiento no es uniforme, dado que se producen cambios en la velocidad de creci8
miento. Sin embargo, nos convendra poder aplicar la teora de la evolucin del valor nal expresada por la ecuacin diferencial (21) y la solucin formulada en (28). Teniendo en cuenta que estamos interesados en la evolucin de la aceleracin del crecimiento del valor nal, necesitamos ajustar una funcin w (t ) tal que su derivada tercera sea diferente de cero, pero debido a que w (t ) es la derivada segunda del crecimiento del valor nal del capital, si ajustsemos un polinomio, este debera ser de grado 5. A pesar de que esta serie temporal de valores nales observados sea discreta, presenta unas caractersticas de crecimiento, de concavidad y/o de convexidad similares a las de una funcin analtica explcita: f ( x). De forma que si dicha funcin es creciente cumple que f ' ( x) > 0 y para saber si es cncava o convexa buscaramos el signo de su derivada segunda en un punto o en un intervalo segn el caso, y lo mismo podemos decir de la funcin de aceleracin. Es evidente que si no encontramos un procedimiento de ajuste de clculo rpido y eciente, la teora sobre la evolucin del crecimiento del valor nal de un capital no podra ser contrastada y quedara en un mera elucubracin terica. Afortunadamente no es este el caso ya que aun5 6
Una unidad monetaria se invierte a 6 meses al tipo EURIBOR del da. El da de vencimiento se renueva automticamente la inversin durante 6 meses ms hasta llegar a la ltima reinversin. Si el da de la renovacin hay mercado, el tipo de inters es el de este da, si no hubiese mercado, se toma el tipo de inters del ltimo da hbil; por ejemplo si la renovacin cae en domingo tomamos el tipo del viernes y si este da tampoco hubiese sido hbil el del jueves y as hasta llegar a la ltima reinversin6. La representacin grca de los tipos EURIBOR a 6 meses se puede ver en la gura 4. Consideramos la evolucin de los valores nales de esta unidad monetaria a 6 meses, invertida el 31 de diciem-
Captulo IX, pgina 87 y siguientes. Tampoco tenemos en cuenta la fecha valor porqu consideramos que no tiene ninguna incidencia importante, dado que slo retardara en dos das toda la serie tanto en la fecha de inicio como en la de vencimiento.
7 AJUSTE POR MQO CON B-SPLINES 7.1 FACTORES DE CAPITALIZACIN UNITARIOS (FCU) CON TIPOS A 6 MESES
www.iefweb.org/odf
www.iefweb.org/odf
bre de 1998 (inversin inicial) y sus sucesivas reinversiones hasta el 30 de diciembre de 2010, venciendo sta el 30 de junio de 2011, y, por tanto, ser el ltimo valor nal, mientras que el primer valor nal observado corresponde al primer vencimiento, el 30 de junio de 1999 (tercera columna en la tabla 3). La representacin grca del conjunto discreto de valores nales obtenidos en cada vencimiento se puede observar en la gura 5 (lnea punteada); las fechas de vencimiento estn expresadas en aos y fraccin de ao. A continuacin realizamos un ajuste utilizando el mtodo que hemos explicado en el epgrafe A9 del apndice; las funciones bases utilizadas en la estimacin son de orden 6 (grado 5) y como el nmero de nodos interiores es de 23, el nmero de splines ser igual a 29. Los valores obtenidos en el ajuste se pueden ver en la cuarta columna de la tabla 3 y su representacin grca en la lnea continua de la gura 5. Tal como podemos observar los valores ajustados cumplen la condicin de ser crecientes en cualquier momento pero no siempre ser as como podemos ver en el ajuste siguiente.
La solucin se obtiene integrando los dos miembros:
x(t ) =
Donde
+ exp[] W (u[] ) du
t0
(31)
es la constante de integracin, que deber ser
estimada a partir de los datos. La ecuacin (28) que expresa el valor nal del capital es en este caso:
t
x(t ) =
1 t0
exp
u t0
w (t ) dt du
(32)
Donde hemos substituido: C (t ) por x (t ); C (0) por 0 ; y (0) por 1 que evidentemente nunca puede ser nula y, nalmente, 0 por t 0 con la nalidad de generalizar la solucin dada por (28). Esta es la misma ecuacin que hemos obtenido en (31), substituyendo, queda:
W (u ) = w(t ) dt + log
t0
(33)
Qu papel juega la funcin w? Supongamos que w (t ) = 0 tenemos la solucin:
t; entonces, segn (32)

0
7.2 VALORES FINALES CON TIPOS A 1 MES

Si con el mismo criterio calculamos los valores nales con los tipos EURIBOR a 1 MES, podemos ver en la gura 7 que los valores ajustados durante los tres ltimos meses de la muestra son decrecientes; en la gura 8 hemos repre-
x(t ) =
Si w(t ) es una constante distinta a cero, la solucin (32) es: x(t ) =

0
e wt. Aqu el exponente es lineal respecto al
tiempo y el propio parmetro de aceleracin. Si w(t ) es una funcin, el comportamiento de x (t ) depender de los valores que tome t; por ejemplo, si est cerca de cero, su comportamiento ser lineal; si
1
sentado los 26 ltimos valores reales y ajustados y podemos comprobar, como a partir del duodcimo, los valores ajustados empiezan a comportarse de manera extraa, de forma que se logra un mximo de tres meses antes de nalizar la serie de valores observados.
es po-
sitivo, entonces los valores positivos de w(t ) implicarn, localmente, un crecimiento exponencial y si es negativo, el comportamiento de crecimiento ser asinttico.
8 AJUSTE CON FUNCIONES ESTRICTAMENTE MONTONAS

Cuando se encuentran con este obstculo, Ramsay y Silverman (2005) proponen como funcin de ajuste, una funcin estrictamente montona (creciente); para hacerlo parten de la hiptesis que si estimamos la velocidad del crecimiento, la funcin obtenida debe ser positiva, de forma que si de acuerdo con (29) designamos para x (t ) la funcin suavizadora, la derivada de dicha funcin la hacemos igual a una exponencial natural con un exponente de la forma
9 IMPLICACIONES DEL AJUSTE CON B-splines

El ajuste con B-splines plantea ms dudas adems del crecimiento estricto, que conviene resolverlas antes de adentrarnos en la estimacin prctica: De acuerdo con la regla dada en el epgrafe A.2 del apndice, sobre el nmero de grados de libertad que determina el nmero de funciones bases que usaremos en el ajuste, se plantea el problema que ste ser siempre mayor que el nmero de observaciones. La pregunta que nos formulamos es: Ello invalida o cuestiona de alguna forma la estimacin por B-splines? La estimacin por MQO con funciones B-spline es correcta? O, en otras palabras, Qu criterio se utiliza para
(30)
W (t ), es decir:
dx = exp [W (t )] dt

determinar la bondad del ajuste? Hasta ahora hemos escogido como nmero de nodos el de las observaciones y los hemos jado en la misma
ubicacin, pero la eleccin del nmero de nodos y su ubicacin inuye en la bondad del ajuste? La variabilidad de la funcin estimada representa un obstculo para considerar como bueno un ajuste?
10.000 muestras aleatorias y el principal resultado ha sido: ...la varianza de la muestra se incrementa rpidamente cuando utilizamos un nmero muy (excesivamente) grande de funciones bases, pero al mismo tiempo el cuadrado del sesgo tiende a disminuir hacia cero. Y en el ejemplo prctico que consideran: Vemos que los mejores resultados del error cuadrtico medio (se reeren al mnimo del EQM) se obtiene cuando utilizamos entre 10 y 12 funciones bases.
9.1 EL SESGO DE LA ESTIMACIN

El mtodo de estimacin con B-splines consiste en encontrar los parmetros que minimicen la suma de errores al cuadrado, de forma que de la ecuacin (29) de datos funcionales yi = x(t i ) + i, resulta que la funcin a minimizar es: 2 y i x(t i[] ) . [] Para valores grandes de la muestra, el sesgo de la estimacin viene dado por:

9.5 CUANTIFICACIN DE LA RUGOSIDAD (ROUGHNESS )8

Consideramos los datos representados con en la gura 8 y dos ajustes: uno que sigue bastante la rugosidad de las observaciones y otra estimacin que es una lnea recta
(t[] (t[] x ) = x(t ) E [] x ) Sesgo []
(34)
y que slo tiene en cuenta la tendencia y, que por tanto, ignora la variabilidad de los datos originales.
Figura 8
Y, cuando el tamao de la muestra tiende a innito, el sesgo tiende a cero.
9.2 LA VARIANZA DE LA ESTIMACIN

Una de las razones de la suavizacin es la de reducir la inuencia del ruido sobre la variacin de la funcin estimada ; por tanto, estamos interesados en que la varianza de la x estimacin
10

(t[] (t ) E [ x (t )] Var [] x ) = E [] x []
{}
{}
2
(35)
sea lo ms pequea posible o, como mnimo, que no sea innecesariamente grande.
En general, la rugosidad de una curva se mide por el cua-
9.3 EL ERROR CUADRTICO MEDIO (EQM)

Se dene por la siguiente frmula:
2 (t [] (t ) x (t[] EQM [] x ) = E [] x )
drado de la derivada segunda y si queremos incorporarlo al ajuste de una funcin, es necesario que expresemos la dades de derivada, por ello hemos de calcular la integral,
(36)
{}
{}
con lo que la medida natural de la rugosidad es:
Mediante esta frmula esperamos lograr, entre otros, los mismos objetivos que con la varianza de la estimacin.
PEN2 ( x) =
2 [] x (t[] ) dt
(38)
9.4 RELACIN ENTRE SESGO, VARIANZA Y ERROR CUADRTICO MEDIO

Existe una sencilla relacin entre estas tres herramientas, es:
Donde PEN2 ( x) indica la penalizacin por curvatura y x (t ) la derivada segunda de la funcin.
9.6 APLICACIN EN LA ESTIMACIN MQ

En el modelo y = x(t) + , los estimadores MQO se obtienen minimizando la suma de errores al cuadrado: e e = | y x(t ) | | y x(t ) |. Esta funcin se penaliza de acuerdo con el valor de (38) multiplicado por un parmetro de penalizacin. Entonces la suma penalizada de errores al cuadrado es:
(t[] (t ) (t[] EQM [] x ) = Sesgo [] x ) [] + Var []x

2
(37)
Esta relacin nos muestra que si queremos reducir el sesgo, debe ser a costa de incrementar la varianza y recprocamente. Ramsay y Silverman7 han hecho una simulacin con
7 8
Obra citada, pg 68. En los pocos manuales y artculos que he encontrado, sobre todo en espaol, se ha traducido por curva angulosa. Aqu hemos preferido utilizar la traduccin directa de la terminologa inglesa porque nos parece que recoge ms elmente lo que los autores de Boor, Ramsay y Silverman, entre muchos otros, quieren expresar. 9 La explicacin sobre la funcionalidad del parmetro lambda est disponible en: http://127.0.0.1:15065/library/fda/html/smooth.basis.html
rugosidad en unidades de funcin en lugar de en uni-
www.iefweb.org/odf
www.iefweb.org/odf
PENMQ = | y x(t) | | y x(t) | +

El parmetro Si
PEN 2 ( x)
(39)
de forma que nos permiten resolver bien problemas a gran escala. o El orden de las B-splines y el nivel de penalizacin se puede escoger de forma independiente. Estas recomendaciones y propiedades las utilizaremos a continuacin en la aplicacin prctica que estamos llevando a cabo.
es conocido con el nombre de parmetro
de penalizacin9: es muy grande, la curva ajustada puede llegar a ser disminuye, aumenta la una lnea recta, como el ejemplo de la gura 8. A medida que el parmetro rugosidad de la curva estimada y se ajusta mejor a los datos originales, pero se incrementa la variabilidad de la suavizacin. El valor atribuido al parmetro depende del valor de
PEN2 ( x); tenemos que escoger, pues, entre curvatura de

la funcin suavizadora y error de la estimacin. Finalmente conviene tener en cuenta que la curva interpoladora no vara arbitrariamente ya que es la curva ms suave, diferenciable dos veces, que mejor10 se ajusta a los datos.
11 FACTORES DE CAPITALIZACIN UNITARIOS A UN MES 11.1 AJUSTE CON RESTRICCIN DE CRECIMIENTO Y PENALIZACIN
En la tabla 4 resumimos toda la informacin necesaria para empezar a realizar la suavizacin con restriccin de crecimiento. Vemos que el nmero de nodos es igual al de observaciones, 133 en total; que el orden de las splines es 6, con lo cual el grado ser igual a 5. As nos aseguramos que la funcin tiene derivada contnua. Teniendo en cuenta la frmula que hemos explicado en el apartado A.2 del apndice, hallamos que el nmero de funciones bases ser 137; as estamos en condiciones de aplicar lo que hemos expuesto en el epgrafe 10 para obtener una suavizacin de los datos que representamos conjuntamente en la gura 10: podemos ver que la curva estimada es montona creciente sin ningn tipo de rugosidad pero que, al nal, en los ltimos nodos se dispara, con lo cual no quedamos satisfechos con este resultado. Adems, tambin sucede lo mismo en los intervalos [1,2,3], [28 a 69] y [106 a 126]. Es decir, en un total de 66 nodos, los valores estimados de la suavizacin montona estn por encima de las observaciones, mientras que en un total de 67 nodos, las observaciones son mayores que las estimaciones. En resumen, hemos logrado una suavizacin creciente pero a costa de un error en la estimacin excesivamente grande. Hemos realizado otra suavizacin imponiendo la condicin de que la funcin estimada sea montona creciente con una penalizacin sobre la integral de la derivada segunda al cuadrado igual a 2 y un parmetro de suavizacin de
11
10 RESPUESTA A LAS IMPLICACIONES DEL AJUSTE CON B-SPLINES

En el trabajo Splines, knots, and penalties, Paul H.C. Eilers i Brian D. Marx11 realizan un estudio comparativo entre algunos mtodos de suavizacin exibles, entre los que incluyen el de las bases de las B-splines. A continuacin resumimos las conclusiones y lo hacemos intentado seguir el orden en que hemos planteado las implicaciones del ajuste con B-splines en el epgrafe 11: El nmero de B-splines no tiene por qu ser inferior al nmero de observaciones siempre que los nodos estn igualmente espaciados. Este resultado ya fue demostrado tericamente por Boor12, pero no lo veric de for-
ma emprica. Los autores de referencia, entre otros13, han demostrado a travs de la simulacin esta aseveracin. En la aplicacin prctica lo tendremos en cuenta y pondremos los nodos interiores igualmente espaciados. A esta distribucin de los nodos, Ramsay y Silverman la denominan ne. Respecto a la estimacin por MQO ya hemos comentado en el epgrafe anterior la necesidad de penalizarlos y, segn demuestran los autores de referencia, las B-splines permiten una eleccin exible del parmetro de penalizacin. Finalmente, queremos destacar las siguientes propiedades absolutas del mtodo de suavizacin con B-splines: o Tienen propiedades numricas excelentes. o Permiten informacin que se puede visualizar fcilmente. o Las funciones bases de las B-splines estn espaciadas
Ramsay y Silverman arman exactamente obra citada, pg. 85. Publicado en 2010 con de John Wiley & Sons, Inc. WIREs Comp Stat. 12 De Boor (2001) 13 Eilers & Marx (2010)
10 11
= 10
0,5
. La representacin grca que se puede ver
en la gura 11 ha mejorado un poco el resultado porque el ltimo valor estimado es 1,415774, mientras que el correspondiente en la estimacin anterior era 1,434065. Sin embargo estamos lejos del valor real que es de 1,4075981.
11.2 SUAVIZACIN CON PENALIZACIN EN LA CURVATURA

Hemos realizado una estimacin por mnimos cuadrados con una penalizacin en la derivada segunda y un parmetro de suavizacin de
13 EXTENSIONES DE LA INTERPOLACIN
Adems, si las suavizaciones se realizan siempre con la funcin smooth monotone y con una sucesin de nodos ne para todos los plazos posibles superiores al da y con los mismos nodos exteriores, se pueden realizar interpolaciones de forma que para los plazos ms cortos seran extrapolaciones, y ello nos permitira hacer previsiones de los factores de capitalizacin unitarios a una semana, a un mes, etc., a partir de suavizaciones realizadas con plazos de tres meses, de seis meses e incluso de un ao si se dispone de series lo sucientemente largas.
= 10
0 , 01
. Los resultados de esta
estimacin que se pueden ver en la gura 12, los podemos considerar satisfactorios dado que los errores son relativamente pequeos (gura 13) y slo empiezan a ser mayores alrededor de los nodos exteriores, pero esto es un problema genrico de la estimacin con polinomios, y las B-splines no dejan de serlo aunque con un cierto grado de sosticacin.
12 LA SUAVIZACIN CON NODOS EQUIDISTANTES

Una vez logrado el objetivo de suavizar una serie de datos discretos, llega el momento de interpolar. Se puede llevar a cabo deniendo una sucesin de nodos interiores equidistantes, manteniendo, de todos modos, los dos nodos exteriores y los correspondientes valores de la variable que hemos estimado. Podemos escoger cualquier cifra y en este caso hemos elegido 200 como el nmero total de nodos, recordemos que la denominacin que utilizan Ramsay y Silverman para de12
nir esta sucesin de nodos equidistantes es: ne. As se verica que se cumple el objetivo principal de este trabajo: conocer cules son los factores de capitalizacin intermedios cuando los periodos de capitalizacin son superiores al da.
Utilizando la misma funcin de suavizacin que hemos aplicado en 13.2, hemos calculado la interpolacin eligiendo un tempsne igual a 200 y manteniendo los dos nodos y los valores estimados por stos. La representacin grca se puede ver en la gura 14. En la gura 15 se observa la representacin grca de la velocidad del crecimiento de los factores unitarios de capitalizacin para la misma sucesin de nodos. Cabe destacar que a pesar de que los valores son pequeos, son siempre positivos; la velocidad de crecimiento se reduce drsticamente en los dos extremos, sobre todo al nal del periodo considerado. Y, para terminar, en la gura 16 est representada la aceleracin del crecimiento de los factores de capitalizacin unitarios. Aqu s que se ve claramente la reduccin de la velocidad cuando los tipos de inters de la reinversin se han reducido de forma drstica.
12.1 INTERPOLACIN DE LOS FACTORES DE CAPITALIZACIN UNITARIOS
www.iefweb.org/odf
www.iefweb.org/odf
TABLAS Y FIGURAS
Tabla 1
Puntos de inexin aproximados de los factores de capitalizacin unitarios a 1 da durante el primer ao. Fechas 31-12-98 01-01-99 02-01-99 03-01-99 04-01-99 05-01-99 06-01-99 07-01-99 08-01-99 09-01-99 10-01-99 11-01-99 12-01-99 13-01-99 14-01-99 15-01-99 16-01-99 17-01-99 18-01-99 19-01-99 20-01-99 21-01-99 22-01-99 23-01-99 24-01-99 25-01-99 26-01-99 27-01-99 28-01-99 29-01-99 30-01-99 31-01-99 Tiempo 0 0,0027397 0,0054795 0,0082192 0,0109589 0,0136986 0,0164384 0,0191781 0,0219178 0,0246575 0,0273973 0,0301370 0,0328767 0,0356164 0,0383562 0,0410959 0,0438356 0,0465753 0,0493151 0,0520548 0,0547945 0,0575342 0,0602740 0,0630137 0,0657534 0,0684932 0,0712329 0,0739726 0,0767123 0,0794521 0,0821918 0,0849315 VF a 1DA 1 1,0000901 1,0001803 1,0002704 1,0003606 1,0004495 1,0005385 1,0006277 1,0007169 1,0008061 1,0008954 1,0009846 1,0010739 1,0011628 1,0012513 1,0013392 1,0014254 1,0015116 1,0015979 1,0016819 1,0017648 1,0018486 1,0019329 1,0020183 1,0021038 1,0021892 1,0022767 1,0023663 1,0024535 1,0025403 1,0026283 1,0027163 0,0005412 0,0005413 0,0005413 -0,0827543 0,0005265 0,0190400 0,0005299 0,0005299 0,0005300 0,0005300 0,0005301 -0,0179932 -0,0365231 -0,0365329 -0,1106556 0,0004946 0,0004946 -0,1477696 -0,0736688 0,0560656 0,0375419 0,0746297 0,0004854 0,0004854 0,1302933 0,1488727 -0,1663912 -0,0180441 0,0747035 0,0005145 0,0005146 CONVEXA CONVEXA CONVEXA CNCAVA CONVEXA CONVEXA CONVEXA CONVEXA CONVEXA CONVEXA CONVEXA CNCAVA CNCAVA CNCAVA CNCAVA CONVEXA CONVEXA CNCAVA CNCAVA CONVEXA CONVEXA CONVEXA CONVEXA CONVEXA CONVEXA CONVEXA CNCAVA CNCAVA CONVEXA CONVEXA CONVEXA Derivada segunda Forma de la curva
Tabla 2
Distribucin de los puntos de inexin durante todo el periodo de observacin. Fecha inicial 01/01/99 08/09/99 15/05/00 20/01/01 27/09/01 04/06/02 09/02/03 17/10/03 23/06/04 28/02/05 05/11/05 13/07/06 20/03/07 25/11/07 01/08/08 08/04/09 14/12/09 07/09/99 14/05/00 19/01/01 26/09/01 03/06/02 08/02/03 16/10/03 22/06/04 27/02/05 04/11/05 12/07/06 19/03/07 24/11/07 31/07/08 07/04/09 13/12/09 01/01/10 TOTALES Fecha nal Observaciones 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 250 19 4019 Puntos de inexin 72 80 82 95 74 71 73 65 52 54 48 60 82 87 104 120 7 1226 PI / Observaciones 29% 32% 33% 38% 30% 28% 29% 26% 21% 22% 19% 24% 33% 35% 42% 48% 37% 31%
Figura 1
Divisin del intervalo de integracin en subintervalos parciales.
13
t0=0
t1
t2
t3
tn-2
tn-1
tn = T
t1
t2
t3
t n-1
tn
Figura 2
Evolucin de los tipos EURIBOR a 1 da.
Evolucin del tipo EURIBOR a 1DIA
7,0 6,0 5,0 4,0 3,0 2,0 1,0 0,0 31/12/98
Evoluci dels tipus Euribor a 1DIA
31/12/99
31/12/00
31/12/01
31/12/02
31/12/03
31/12/04
31/12/05
31/12/06
31/12/07
31/12/08
31/12/09
Figura 3
Evolucin de los factores de capitalizacin unitarios desde enero de 2001 hasta diciembre de 2009. El tiempo est expresado en expresado en aos y fraccin de ao.
1,40
Tabla 3
Factores de capitalizacin unitarios a 6 meses y su ajuste. Observaciones 1 2 3 4 5 6 7 0,498630 1,002740 1,501370 2,005479 2,501370 3,005479 3,501370 4,005479 4,501370 5,005479 5,504110 6,008219 6,504110 7,008219 7,504110 8,008219 8,504110 9,008219 9,506849 10,010959 10,506849 11,010959 11,506849 12,010959 12,506849 1,016240 1,030840 1,049180 1,074844 1,100962 1,125570 1,143996 1,164706 1,181103 1,193786 1,206907 1,220471 1,234082 1,247315 1,263852 1,284865 1,309756 1,338642 1,370510 1,406431 1,427645 1,437291 1,444467 1,452138 1,461096 1,016215 1,030063 1,05053 1,075052 1,100152 1,124376 1,145652 1,164369 1,180269 1,194578 1,207649 1,220408 1,233118 1,247163 1,263546 1,284470 1,310212 1,340920 1,372912 1,402397 1,424616 1,438902 1,446614 1,452168 1,460349 Tiempo VF6M VF6M t
1,35
1,30
1,25
1,20
1,15
1,10
1,05
1,00 0,0830
,917
1,7502
,583
3,4174
,250
5,0835
,917
6,7507
,583
8,4179
,250
10,083
10,917
8 9 10 11 12 13 14 15 16 17 18 19 20
Figura 4
Tipos EURIBOR a 6 meses.
6,0 5,6 5,2 4,8 4,4 4,0 3,6 3,2 2,8 2,4 2,0 1,6 1,2 0,8 31/12/98 31/12/99 31/12/00 31/12/01 31/12/02 31/12/03 31/12/04 31/12/05 31/12/06 31/12/07 31/12/08 31/12/09 31/12/10
14
21 22 23 24 25
Hay 25 observaciones (nodos); la primera y la ltima corresponden a los nodos exteriores; por tanto hay 23 nodos interiores. El tiempo est expresado en aos y fraccin de ao. VF6M indica los valores logrados por una unidad monetaria invertida el 31 de diciembre de 1998 y la ltima cifra el valor que se lograr el 30 de junio de 2011. En la ltima columna estn los valores nales estimados en las mismas fechas.
www.iefweb.org/odf
www.iefweb.org/odf
Figura 5
Representacin de las cifras indicadas en la tabla 3. Los valores ajustados forman una curva continua porque as est especicado en las bases de las B-splines.
Valors finals a 6M Valores nales a 6M
1,50 1,45 1,40 1,35 1,30 1,25 1,20 1,15 1,10 1,05 1,00 0,50 2,50 4,50 6,50 8,50 10,511 2,51
Figura 8
ltimas 26 observaciones y los valores ajustados. Valores nales logrados observados mensualmente con tipos EURIBOR a 1MES a partir del noveno ao y la estimacin con funciones spline sin restricciones; se puede observar cmo a medida que nos acercamos al nodo exterior (extremo por la derecha), los valores estimados se disparan y se alejan de los datos.
1,42
VF6M VF6M fit
1,41 1,40 1,39 1,38 1,37 1,36 1,35 1,34
VF 1 mes real vfunmesfit
Figura 6
Tipos EURIBOR a 1 mes.
Tipo EURIBOR a 1 mes
Tipus EURIBOR a 1 mes
6,0 5,0
1,33 9,01
9,42
9,84
10,251
0,67
11,09
Figura 9
Observaciones discretas, ajuste con variabilidad alta y ajuste sin rugosidad. Los puntos representados por indican las observaciones, la curva en azul un ajuste con poca penalizacin por rugosidad y la lnea morada un ajuste con una penalizacin muy alta.
4,0
3,0
2,0
1,0
0,0 1 13 25 37 49 61 73 85 97 109 121 133
Figura 7
Valores nales reales calculados con el EURIBOR a 1MES y valores nales a 1MES estimados sin restricciones. Se puede observar cmo al nal del periodo la curva empieza a tener pendiente negativa, hecho que se contradice con la teora porque los tipos, aunque sean bajos, son siempre positivos. En la gura 8 slo hemos representado los ltimos valores y se puede observar con mayor claridad el mximo as como el error cometido en la estimacin.
1,45
15
1,40
1,35
1,30
1,25
VF 1 mes Real vfunmesfit
1,20
1,15
1,10
1,05
1,00 0,08
1,08
2,09
3,09
4,09
5,09
6,09
7,09
8,09
9,09
10,091
1,09
Tabla4
Nodos, orden de las splines, nmero de funciones bases, creacin de las B-splines, nodos interiores
> knots <- dadesvfunmes$temps > knots [1] 0.08493 0.16164 0.24658 0.32877 0.41370 0.49589 0.58082 0.66575 [9] 0.74795 0.83288 0.91507 1.00000 1.08493 1.16438 1.24932 1.33151 [17] 1.41644 1.49863 1.58356 1.66849 1.75068 1.83562 1.91781 2.00274 [25] 2.08767 2.16438 2.24932 2.33151 2.41644 2.49863 2.58356 2.66849 [33] 2.75068 2.83562 2.91781 3.00274 3.08767 3.16438 3.24932 3.33151 [41] 3.41644 3.49863 3.58356 3.66849 3.75068 3.83562 3.91781 4.00274 [49] 4.08767 4.16438 4.24932 4.33151 4.41644 4.49863 4.58356 4.66849 [57] 4.75068 4.83562 4.91781 5.00274 5.08767 5.16712 5.25205 5.33425 [65] 5.41918 5.50137 5.58630 5.67123 5.75342 5.83836 5.92055 6.00548 [73] 6.09041 6.16712 6.25205 6.33425 6.41918 6.50137 6.58630 6.67123 [81] 6.75342 6.83836 6.92055 7.00548 7.09041 7.16712 7.25205 7.33425 [89] 7.41918 7.50137 7.58630 7.67123 7.75342 7.83836 7.92055 8.00548 [97] 8.09041 8.16712 8.25205 8.33425 8.41918 8.50137 8.58630 8.67123 [105] 8.75342 8.83836 8.92055 9.00548 9.09041 9.16986 9.25479 9.33699 [113] 9.42192 9.50411 9.58904 9.67397 9.75616 9.84110 9.92329 10.00822 [121] 10.09315 10.16986 10.25479 10.33699 10.42192 10.50411 10.58904 10.67397 [129] 10.75616 10.84110 10.92329 11.00822 11.09315
Tabla4
continuacin
> vfbasis <- create.bspline.basis(range(knots), nbasis, norder, knots) > vfbasis Basis object: Type: bspline Range: 0.08493 to 11.09315 Number of basis functions: 137 Order of spline: 6 [1] Interior knots [1] 0.16164 0.24658 0.32877 0.41370 0.49589 0.58082 0.66575 0.74795 [9] 0.83288 0.91507 1.00000 1.08493 1.16438 1.24932 1.33151 1.41644 [17] 1.49863 1.58356 1.66849 1.75068 1.83562 1.91781 2.00274 2.08767 [25] 2.16438 2.24932 2.33151 2.41644 2.49863 2.58356 2.66849 2.75068 [33] 2.83562 2.91781 3.00274 3.08767 3.16438 3.24932 3.33151 3.41644 [41] 3.49863 3.58356 3.66849 3.75068 3.83562 3.91781 4.00274 4.08767 [49] 4.16438 4.24932 4.33151 4.41644 4.49863 4.58356 4.66849 4.75068 [57] 4.83562 4.91781 5.00274 5.08767 5.16712 5.25205 5.33425 5.41918 [65] 5.50137 5.58630 5.67123 5.75342 5.83836 5.92055 6.00548 6.09041 [73] 6.16712 6.25205 6.33425 6.41918 6.50137 6.58630 6.67123 6.75342 [81] 6.83836 6.92055 7.00548 7.09041 7.16712 7.25205 7.33425 7.41918 [89] 7.50137 7.58630 7.67123 7.75342 7.83836 7.92055 8.00548 8.09041 [97] 8.16712 8.25205 8.33425 8.41918 8.50137 8.58630 8.67123 8.75342 [105] 8.83836 8.92055 9.00548 9.09041 9.16986 9.25479 9.33699 9.42192 [113] 9.50411 9.58904 9.67397 9.75616 9.84110 9.92329 10.00822 10.09315 [121] 10.16986 10.25479 10.33699 10.42192 10.50411 10.58904 10.67397 10.75616 [129] 10.84110 10.92329 11.00822
> norder <- 6 > norder [1] 6 > nbasis <- length(knots) + norder - 2 > nbasis [1] 137 16
www.iefweb.org/odf
www.iefweb.org/odf
Figura 10
Suavizacin de los factores de capitalizacin unitarios a 1MES con la restriccin de crecimiento absoluto y sin penalizacin por variabilidad.
Ajuste con restricciones (Smooth monotone)
1,44 1,39 1,34 1,29 1,24 1,19 1,14 1,09 1,04 0,99 0,08
Figura 13
Errores de la estimacin; aunque en el tramo nal se disparan no llega a ser ms del 1,5 por mil.
0,0010 0
Ajust amb restriccions (Smooth monotone )
0,0005 0
VF 1 mes Real valfin1mesfit
0,0000 0 0,0851
,085
2,0883
,088
4,0885
,088
6,0907
,090
8,0909
,090
10,093
11,093
-0,00050
1,08
2,09
3,09
4,09
5,09
6,09
7,09
8,09
9,09
10,091
1,09
-0,00100
Figura 11
Suavizacin de los factores de capitalizacin unitarios a 1MES con la restriccin de crecimiento absoluto, con un factor de penalizacin igual a dos y un parmetro de suavizacin = 10 0,5.
1,42 1,40 1,38 1,36 1,34 1,32 1,30 1,28 1,26 1,24 1,22 1,20 1,18 1,16 1,14 1,12 1,10 1,08 1,06 1,04 1,02 1,00 0,0851 ,085 2,0883 ,088 4,0885 ,088 6,0907 ,090 8,0909 ,090 10,093 11,093
-0,00150
Figura 14
Suavizacin ne con 200 nodos manteniendo los dos nodos exteriores y sus correspondientes valores estimados.
1,40
1,35
1,30
1,25
1,20
1,15
17
1,10
1,05
1,00 0,08
1,30
2,52
3,74
4,95
6,17
7,39
8,60
9,82
11,04
Figura 12
Figura 15
Velocidad de crecimiento de los factores unitarios de capitalizacin a 1 mes calculados con la primera derivada de la funcin suavizadora que hemos representado en la gura 14.
VelVF1Mesfine
0,070
Valores reales observados y valores estimados de los factores de capitalizacin unitarios. La suavizacin se ha hecho sin restricciones de crecimiento pero con penalizacin en la derivada segunda con un parmetro de penalizacin = 10 0,01.
1.45
1.40
0,060
1.35 1.30
0,050
0,040
1.25
0,030
1.20
0,020
1.15 1.10
0,010
0,000 0,0851
,302
2,5193
,736
4,9536
,170
7,3878
,604
9,8211
1,038
1.05
1.00 0.0851
.000
1.9182
.836
3.7514
.668
5.5866
.501
7.4198
.334
9.2551
0.1701
1.093
Figura 16
Aceleracin del crecimiento de los factores de capitalizacin unitarios, calculados como la segunda derivada de las B-splines que dan lugar a la funcin suavizadora de la gura 14..
AccVF1Mesfine
0,04
( 2, 1] ( 1, 0] (0, 1] (1, 2) .
Empezamos la aproximacin con segmentos de recta, es decir, con polinomios de orden16 2 y, por tanto, de grado 1; conviene recordar que el orden de un polinomio es el nmero de parmetros que se han de hallar para denir el polinomio, mientras que el grado se reere a la mxima potencia de la variable del polinomio.
0,02
0,00 0,08
1,30
2,52
3,74
4,95
6,17
7,39
8,60
9,82
11,04
-0,02
En la primera grca de la gura A1 podemos ver la aproximacin mediante segmentos de recta que vienen dados por las ecuaciones siguientes:
-0,04
-0,06
-0,08
-0,10
APNDICE
INTRODUCCIN
Uno de los objetivos que nos hemos planteado es hacer una interpolacin cuando los periodos de capitalizacin son superiores a 1DA, de forma que nos permite comparar de manera able valores capitalizados en distintos perio18

1 1 x (t ) = t + 6 3 1 2 x (t ) = t + 2 3 1 2 x (t ) = t+ 2 3 1 1 x (t ) = t+ 6 3 x(t ) = 0
para para
2<t 1< t 0
para 0 < t 1 para 1 < t < 2 para cualquierotro valor

(A1)
Si ahora ajustamos un polinomio de orden 3, obtendramos con las siguientes ecuaciones:
dos y con distintos tipos. Explicamos los mtodos de interpolacin en un apndice14 para no interrumpir el hilo conductor que nos ha llevado hasta el estudio del crecimiento del valor nal de un capital mediante el anlisis de datos funcionales (FDA) Terminamos este apndice con el mtodo de estimacin, utilizando una funcin B-spline y dejamos el resto de detalles de la estimacin para el texto principal. La palabra spline no tiene traduccin, aqu hemos optado por utilizar la denicin que se encuentra en Optimot15: funcin polinmica a trozos que interpola una serie de nodos, de manera que cada trozo es un polinomio de grado n y en cada nodo los dos polinomios concurrentes tienen todas sus derivadas iguales hasta el orden n 1.
(A2)
La grca representada en la gura A2 se ajusta un poco ms a la campana de Gauss, si bien an no hemos logrado una representacin lo bastante anada. Ahora ajustamos un polinomio de orden 4 o de grado 3 denido por las siguientes ecuaciones::
A.1. EJEMPLO DE APROXIMACIN MEDIANTE SPLINES

Nos proponemos aproximar la curva de Gauss desde -2 hasta +2 mediante polinomios. Lo primero que tenemos que hacer es dividir el intervalo en subintervalos de igual dimensin, en este caso consideraremos cuatro subintervalos denidos de la siguiente manera:
14 15
1 6 1 x (t ) = 6 1 x (t ) = 6 1 x (t ) = 6 x(t ) = 0 x (t ) =

(2 + t )3 (4 6t 2 3t 3 ) (4 6t 2 + 3t 3 ) (2 t )3
para para para para
2<t 1< t 0
0<t 1 1< t < 2
para cualquier otro valor

(A3)
Se puede prescindir de la lectura de este apndice si el lector es conocedor del tema que tratamos aqu. Optimot es un servicio de diccionario, traduccin, etc. de la Generalitat de Catalua. 16 Es conveniente trabajar con el orden del polinomio en lugar del grado porque el conjunto de todos los polinomios de grado n-1 no es un espacio lineal, mientras que s lo es el conjunto de todos los polinomios de orden n. Tambin es necesario recordar que un polinomio de orden n tiene n grados de libertad. (De Boor, 2001, pg. 1).
1 (2 + t ) 2 6 2 1 2 x (t ) = t 3 2 2 1 2 x (t ) = t 3 2 1 (2 t ) 2 x (t ) = 6 x(t ) = 0 x (t ) =
para para para para
2<t 1< t 0
0<t 1 1< t < 2
para cualquier otro valor
www.iefweb.org/odf
www.iefweb.org/odf
Ahora s que hemos logrado una representacin grca aproximada de la campana de Gauss (gura A3).
uno de los 3 vrtices, perdemos 3 grados por continuidad y 3 por diferenciabilidad, en total 6, que restados de los 12 que tenamos, da un neto de 6 grados de libertad.
A.2 NODOS Y GRADOS DE LIBERTAD

En general, el primer paso de un ajuste por splines consiste en dividir el intervalo (t 0 , t n ) en L subintervalos mediante los puntos equidistantes o no ( l ; l = 1, 2, , L 1); con ello los intervalos son: (t 0 =
0
Con el mismo clculo, en la spline de orden 4, tenemos 4 grados de libertad por cuatro polinomios que da un total de 16, perdiendo 3 con la condicin de continuidad, 3 en la derivada primera y 3 en la derivada segunda, eso da un total de 9, que restados de los 16 iniciales, resulta un neto de 7 grados de libertad. La tabla A1 resume los clculos:
, 1 ] ( 1 , 2 ] (
1 ,
= t n ).
En ejemplos construidos para ilustrar lo que se demuestra, se toman los intervalos iguales y no tenemos ningn problema, pero cuando se trata de observaciones que se han obtenido en intervalos desiguales, es cuando se demuestra la abilidad del anlisis funcional de datos que nos permite hacer particiones uniformes o como dice de Boor (2001) good meshes.17 Los dos extremos del intervalo total y todos los puntos utilizados para denir los intervalos se designan con el nombre de nodos18 ; t 0 y t n son los nodos exteriores y los que hemos utilizado para denir los intervalos son nodos interiores. En el ejemplo de la campana de Gauss, el nmero total de nodos es L = 5 de los cuales dos son exteriores: -2 y 2, y el resto son nodos interiores: -1, 0 y 1. La grca A1 corresponde a polinomios ajustados de orden 2 y grado 1: son segmentos de lneas rectas; la grca A2 es una representacin grca de polinomios ajustados de orden 3 y de grado 2. En realidad son segmentos de parbolas de segundo grado. Finalmente, la gura A3 corres-
19
ponde a la representacin grca de polinomios ajustados de orden 4 y grado igual a 3, son segmentos de parbolas cbicas. Es evidente, pues, que a medida que incrementamos el orden (y consecuentemente el grado) de los polinomios, se aumenta la bondad del ajuste. Para denir un segmento de lnea recta, tenemos dos grados de libertad, tantos como el orden del polinomio y, por tanto, con los cuatro segmentos de lnea recta disponemos de 8 grados de libertad (4 rectas para 2 coecientes), pero debido a que queremos que la funcin spline resultante sea continua perdemos tres de ellos, uno por cada vrtice, lo que nos da un total neto de 5 grados de libertad. En el caso de la spline de orden 3, disponemos de 3 grados de libertad para cada uno de los cuatro polinomios, eso es un total de 12 (3 para 4 polinomios), pero en este caso al ser la funcin spline es continua y diferenciable en cada
17 18
En las aplicaciones prcticas, la primera estimacin, la haremos con las observaciones tal como vienen; para la interpolacin utilizaremos intervalos iguales. Estrictamente hablando deberamos hablar de puntos de ruptura o puntos de control; de todas formas si los nodos no son coincidentes como ocurre en todas las aplicaciones prcticas que hacemos aqu es correcto utilizar esta terminologa (Ramsay & Silverman (pg. 48 y 49).
Tabla A1 Orden 2 3 4 Nmero de polinomios 4 4 4 Clase 0 3 3 3 Clase 1 3 3 Clase 2 3 Grados de libertad netos (24) 3 = 5 (34) 3 - 3 = 6 (44) 3 3 3 = 7
Otra forma de contar grados de libertad remanentes consiste en sumar al orden el nmero de nodos interiores, resultando:
Tabla A2
Orden del polinomio Nodos interiores 2 3 4 3 3 3
Grados de libertad 2+3=5 3+3=6 4+3=7
Vemos que cuando incrementamos el orden, obtenemos una mejor aproximacin, de forma que para el orden 4 la aproximacin es tan buena que incluso las derivadas de segundo orden son continuas, tal y como se puede comprobar en la tercera de las grcas y tambin a partir de los valores que toman las derivadas segundas en los nodos interiores:
20
Tabla A3
Derivadas segundas
Nodos interiores -1 -1 0 0 1 1
Lmites por la izquierda --
Lmites por la derecha
x (t ) = 2 + t x (t ) = 2 3t x (t ) = 2 3t x (t ) = 2 + 3t x (t ) = 2 + 3t x (t ) = 2 t
x ( 1) = 1
--
x ( 1) = 1
--
x (0) = 2 x (1) = 1
--
--
x (1) = 1
Es evidente que para lograr splines ms exibles no tenemos otra opcin que: I. incrementar el orden de los segmentos de los polinomios y/o II. incrementar el nmero de nodos no coincidentes. Respecto a la primera de las dos posibilidades ya sabemos la complejidad de clculo cuando utilizamos polinomios de orden quinto y superior. Respecto a la segunda, slo cabe decir que si disponemos de N datos, que pueden ser centenares o miles de observaciones, y a cada cual le asignamos un nodo interior, tendramos N-2 nodos interiores. Tenemos que buscar, pues, un mtodo que simplique el nmero de operaciones y que a la vez sea exible.
x (0) = 2
--
www.iefweb.org/odf
www.iefweb.org/odf
EJEMPLO A.2
Nos proporcionan los datos siguientes de valoracin de una inversin en momentos equidistantes de tiempo: C (t 0 ) = 100; C (t1 ) = 103; C (t 2 ) = 107; C (t 3 ) = 108. Queremos hacer una interpolacin polinmica utilizando la frmula de Newton: Designando para f 0 = f ( x0 ), f1 = f ( x1 ),, f k = f ( xk ),, los puntos de la funcin f ( x) por los que tiene que pasar el polinomio pn ( x), los coecientes a1 , a 2 ,, a k , se pueden encontrar fcilmente, tal como podemos ver a continuacin. Si disponemos de una nica observacin f 0, el polinomio es de orden 1 (grado 0), queda reducido a una constante En el caso del ejemplo, el polinomio ser de orden 4 porque disponemos de cuatro datos. As, el sistema de ecuaciones que formaremos para resolverlo respecto a las incgnitas ser compatible y determinado. El polinomio es:

pn ( x) = a1 + a2 ( x
x0 ) + a3 ( x
x0 )( x
x1 ) + + an ( x
x0 )( x
x1 ) ( x
xn 2 )
mio que corresponder a la potencia mayor ser n 1.
(A5)
Dado que el polinomio es de orden n, el grado del polino-
pn (t ) = a1 + a2 (t t 0 ) + a3 (t t 0 )(t t1 ) + + an (t t 0 )(t t1 )(t t n 1 )

(A4)
El orden de este polinomio es n y, por tanto, su grado es:
n 1.
que podemos encontrar substituyendo x por f 0 en la expresin (A2), Y resulta:
p1 ( x0 ) = a1 = f 0
(A6)
p4 (t ) = a1 + a2 [t t 0 ] + a3 [t t 0 ][t t1 ] + a4 [t t 0 ][t t1 )][t t 2 ]

Dado que los intervalos de tiempo son iguales, los podramos tomar como unidad de medida: t1
Si disponemos de dos puntos f 0 i f1, el polinomio es de orden 2 (o grado 1):
p2 ( x) = a1 + a2 ( x x0 )
p2 ( x1 ) a1 p2 ( x1 ) p1 ( x0 ) f1 = = x1 x0 x1 x0 x1 f0 x0
(A7)
t 0 = t 2 t1 = t 3 t 2 = 1, y, por tanto, tendramos t 0 = 0, t1 = 1, t 2 = 2, t 3 = 3.
Teniendo en cuenta que conocemos p1 ( x0 ) = a1 = f 0, queda:

p2 ( x1 ) = a1 + a2 ( x1 x0 ) a2 =
Substituyendo sucesivamente la ecuacin (A4), obtenemos los siguientes valores para los parmetros a1 , a2 , a3 y a4:
p 4 (0) p 4 (1) p 4 (2) p 4 (3) C (0) a1 = 100 a2 = 3 a3 = 1 2 a4 = C (1) 103 = 100 + a 2 (1 0)
21
Podemos establecer la ley de recurrencia para un polinomio de orden 2:
p2 ( x) = p1 ( x) + a2 ( x x0 )
2 3
C (2) 107 = 100 + 3 (2 0) + a3 (2 0) (2 1) C (3) 108 = 100 + 3 3 +
1 3 (3 1) + a 4 3 (3 1) (3 2) 2
Tambin para un polinomio de orden 3:
p3 ( x) = p 2 ( x) + a3 ( x x0 )( x x1 ) = p 2 ( x) + a3
Y para cualquier polinomio de orden k:
1 j =0
(x x j )
El polinomio que buscamos es: p 4 (t ) O, bien:
1 C (t ) = 100 + 3t + t (t 1) 2
2 t (t 1) (t 2) 3
p k ( x) = p k 1 ( x) + a k ( x x0 ) ( x x k 2 ) = p k 1 ( x) + a k

k 2 j =0
(x x j )
(A8)
7 5 C (t ) = 100 + t + t 2 6 2
2 3 t 3
Para encontrar el valor del coeciente a k del ltimo polinomio (A8) hemos de substituir x por xk 1, y resulta:
k 2 j =0
A.3 GENERALIZACIN: LA FRMULA DE INTERPOLACIN DE NEWTON19

El polinomio interpolador de Newton se puede generalizar fcilmente para cualquier conjunto de puntos y orden del polinomio. De esta manera si queremos aproximar la funcin f ( x) mediante un polinomio de orden n, escribiremos la expresin:
pk ( xk 1 ) = pk 1 ( xk 1 ) + ak

( xk
xj)
(A9)
Despejando a k y teniendo en cuenta que p k ( xk 1 ) = f k 1:
ak =

fk
1 k 2 j =0
pk 1 ( xk 1 ) ( xk
1
xj)
(A10)
Se puede consultar: Conde, C., Hidalgo, A. y Lpez, A. 2007 Interpolacin polinmica, Universidad Politcnica de Madrid. De Boor (2001) lo llama sites; Ramsay y Silverman (2005), breakpoints; Conde, Hidalgo y Lpez (2007) y Paluszny, Prautzsch y Boehm (2002), puntos de control. 21 La demostracin se puede ver en de Boor pg. 4. 22 Cuando escribimos p 2 ( x1 ) = f ( x 0 , x1 ) queremos indicar que el polinomio de orden 2 es una funcin discreta, evaluada exclusivamente en los puntos x0 i x1. Vale tambin para el resto de polinomios.
19 20
A.3.1 PROPIEDADES
En los clculos sucesivos de los coeficientes del polinomio hemos visto que a k depende de todos los puntos:
p1 ( x0 ) = a1 = f ( x0 )
a2 =

x : x0 , x1 ,, xk 1, por ello se puede armar que a k es una funcin de los puntos20 anteriores al x k que toma la variable independiente x. Los valores de los parmetros a1 ,, ak dependen de los argumentos x : x0 , x1 ,, xk 1 pero no dependen del orden en que se hayan tomado, porque el polinomio interpolador depende slo de los datos y no del orden21. Si aadimos una observacin x k, todos los clculos precedentes nos sirven y tenemos que el coeciente de la potencia aadida al polinomio es:
a k +1 =
k k 1 j =0
p2 ( x1 ) p1 ( x0 ) x1 x0
(A11)
Pero, dado que p2 ( x1 ) es una funcin de x0 y de x1, podemos substituirlo por p2 ( x1 ) = f ( x0 , x1 )22; entonces tenemos:
a2 =

p 2 ( x1 ) p1 ( x0 ) f ( x0 , x1 ) f ( x0 ) = x1 x0 x1 x0
(A12)
Para a3:
a3 =

p3 ( x2 ) p2 ( x1 ) f ( x0 , x1 , x2 ) f ( x0 , x1 ) = ( x2 x0 )( x2 x1 ) ( x2 x0 )( x2 x1 )
(A13)
pk ( xk ) ( xk xj)
(A8)
Y, en general, segn (A7):
ak =
fk
1 k 2 j =0
pk 1 ( xk 2 ) ( xk

1
f ( x0 , x1 ,, x k 1 )
k 2 j =0
f ( x0 , x1 ,, x k 2 )
1
A.3.2 CONTINUACIN EJEMPLO A3

En los datos del ejemplo (A.2), nos proporcionan una nueva observacin: C (4) = 112; para poder aplicar la frmula (A8), hemos de calcular el valor del polinomio pk ( xk ), con k = 4 y x4 = 4, se obtiene:
22

xj)
( xk
xj)
(A14)
Respecto a lo que acabamos de realizar, tenemos que sealar lo siguiente: En las frmulas de (A12) a (A14) hemos substituido el valor del polinomio de orden k: p k ( xk 1 ) por la expresin escrita ms explcita f ( x0 , x1 ,, xk 2 , xk 1 ) y el del polinomio de orden k 1: p k 1 ( xk 1 ) per: f ( x0 , x1 ,, xk 2 ), con el n de poner de maniesto los parmetros que intervienen en el clculo de los coecientes del polinomio interpolador.
1 p 4 (4) = 100 + 3 4 + 4 (4 1) 2
2 4 (4 1) (4 2)=102 3
Substituyendo a (B10) y teniendo en cuenta que f 4 = C(4) = 112, resulta:
f p 4 ( x 4 ) 112 102 5 a5 = 4 = = 3 4 3 2 1 12 (4 x j )
j =0
Y, el polinomio de orden 5 que aproxima la funcin C(t), es:

p5 (t ) 1 C (t ) = 100 + 3t + t (t 1) 2 2 5 t (t 1) (t 2) + t (t 1) (t 2) (t 3) 3 12
A.5 DEFINICIN DE DIFERENCIA DIVIDIDA
A.4 DIFERENCIAS DIVIDIDAS Y EL POLINOMIO DE NEWTON

Dada una funcin f ( x) evaluada exclusivamente en los puntos discretos: x0 , x1 , x2 ,, xi ,, xn 2 , xn 1 , En los cuales toma los valores:
f 0 = f ( x0 ), f1 = f ( x1 ), f 2 = f ( x2 ),, f i = f ( xi ),, f n
2
f ( x0 , x1 , xk 1 ) =
f ( x1 ,, xk 1 ) f ( x0 , x1 ,, xk 2 ) ( x k 1 x0 )
(A15)
Las diferencias divididas (d .d .) de primer orden son:
f ( x0 , x1 ) =
= f ( xn 2 ), f n 1 = f ( xn 1 )

f ( x1 ) f ( x0 ) f ( xi ) f ( xi 1 ) , , f ( xi , xi 1 ) = , ( x1 x0 ) ( xi xi 1 ) f ( xi +1 , xi ) = f ( xi +1 ) f ( xi ) , ( xi +1 xi )
(A16)
Nos piden que calculemos el polinomio interpolador de Newton:

pn ( x) = a1 + a2 ( x x0 ) + a3 ( x x0 )( x x1 ) + + an ( x x0 )( x x1 )( x xn 2 )
Mientras que las d .d . de segundo orden se obtienen de la expresin:
Los coecientes se calculan aplicando las frmulas que ya hemos deducido antes y que son:
f ( xi 1 , xi , xi +1 ) =
f ( xi +1 , xi ) ( xi +1
f ( xi , xi 1 ) desde i igual a 1 hasta (k 1) xi 1 )
(A17)
En la tabla A5 hemos desarrollado las d .d . de una funcin de orden n. Como podemos observar slo se obtiene una
Llamamos diferencia dividida (d .d .) de orden k de la funcin f ( x) evaluada exclusivamente en los k punts discretos x0 , x1 , x2 ,, xi ,, xk 2 , xk 1, a la expresin:
www.iefweb.org/odf
www.iefweb.org/odf
diferencia dividida de orden n 1, por tanto, todas las d .d . de orden posterior son iguales a cero.
k A.7 DIFERENCIAS DIVIDIDAS DEL MONOMIO (t x)
A.5.1 CONSECUENCIAS DE LA DEFINICIN:

Vemos que en la primera la de la tabla se encuentran calculados los coecientes del polinomio interpolador de Newton, que ahora quedara escrito de la siguiente forma:
p n ( x) = f ( x0 ) + f ( x0 , x1 )( x x0 ) + + f ( x0 , x1 , x n 1 )( x x0 ) ( x x n 2 ) : siendo: f ( x0 , x1 , x k 1 ) =

x) k 1, calculamos las diferencias divididas hasta el orden k para la sucesin montona creciente de nodos de t: (t j , t j +1 , t j + 2 ,, t j + k 1 , t j + k), las diferencias primeras son:
Tomando como funcin el monomio (t
(t j +1
x) k
(t j tj (t j +1 t j +1
1
x) k
t j +1 (t j + 2 x) k
1
= f (t j , t j +1 )
x) k
t j+2
f ( x1 ,, x k 1 ) f ( x0 ,, x k 2 ) = a k para x k 1 x0 k = 0, 1, n
(A18)
= f (t j +1 , t j + 2 )
(t j + k
x) k t j+k
(t j + k t j+k (t j + k t j+k
1 2
x) k
= f (t j + k 2 , t j + k 1 )
EJEMPLO A.4
Si aplicamos el concepto d .d . en el ejemplo de la interpolacin de un polinomio al valor nal de un capital, vemos que en la primera la de la tabla A4 aparecen todos los coecientes del polinomio que hemos podido calcular de forma muy sencilla.
(t j + k

x) k
x) k
t j +k
= f (t j + k 1 , t j + k )
(A21)
Las diferencias divididas de segundo orden son:
f (t j +1 , t j + 2 )
f (t j , t j +1 ) tj f (t j + k 2 , t j + k 1 ) t j +k
2
A.6 LA FORMA DE LA CURVA Y LAS DIFERENCIAS DIVIDIDAS DE UNA FUNCIN

Cuando hemos querido saber la forma de la curva de crecimiento del valor nal de un capital, hemos utilizado una expresin aproximada que nos proporciona la concavidad o convexidad de una funcin en un intervalo de tiempo: la frmula es:
t j+2 f (t j + k 1 , t j + k ) t j +k
23
(A22)
Finalmente, la nica diferencia de orden k es:
C (t i )
C (t i +1 ) C (t i ) C (t i ) C (t i 1 ) t i +1 t i ti ti 1 t i +1 t i 1
(A19)
f (t j +1 , t j + 2 , , t j + k ) t j+k
f (t j , t j +1 , , t j + k 1 ) tj
(A23)
Teniendo en cuenta que C (t i ) C (t i 1 ) y C (t i +1 ) C (t i ) ti ti 1 t i +1 t i
A.8 DEFINICIN DE B-SPLINE

Se define la j-sima B-spline de orden k para la sucesin montona creciente de nodos de t: (t j , t j +1 , t j + 2 ,, t j + k 1 , t j + k) mediante la frmula:
d .d . primeras de la funcin son las C (t i ), (i = 1, 2, , i 1, i , i + 1,, n 2), las podemos substituir por las expresiones (A16), resultando:
B j ,k ,t ( x) = (t j + k

t j ) f (t j +1 , t j + 2 ,, t j + k )
[]
f (t j , t j +1 ,, t j + k 1 )
[]
C (t i )

C (t i +1 , t i ) C (t i , t i 1 ) t i +1 t i 1
(A19)
(A20)
Donde f (t j +1 , t j + 2 ,, t j + k ) k de la funcin.
[]
f (t j , t j +1 ,, t j + k 1 )
[]
es el nu-
Frmula que corresponde a la expresin general de las diferencias divididas de segundo orden de la funcin C (t ). A medida que incrementamos el orden de las d .d . aumenta el grado del polinomio interpolador y, en consecuencia, mejora la calidad del ajuste a la funcin. Como se puede disponer de un algoritmo de clculo sencillo y de fcil implementacin informtica, esta tarea queda parcialmente resuelta; slo nos falta poder escoger las funciones splines de una forma directa y segura.
merador de (A18), que es la diferencia dividida de orden Para valores que no pertenecen a la sucesin que define t, el valor de la B-spline es cero. Esta es la denicin de una base de splines o una B-spline, de acuerdo con la terminologa utilizada por de Boor pg. 87, aunque l cita a Curry-Schoenberg (1947) como los primeros autores que la denen.
A.8.1 PROPIEDADES DE LAS B-SPLINE

1) Aqu hemos preferido denir las B-spline a partir del concepto de diferencias divididas de una funcin, para poner de maniesto la facilidad de clculo de los coecientes de los polinomios interpoladores. Entonces no tiene importancia la cantidad de observaciones que dispongamos (centenares, miles, etc.), porque los clculos del polinomio interpolador se simplican extraordinariamente. 2) Tambin se pone de maniesto la transicin suave de una spline al siguiente y que dependiendo del grado de la base de splines que tomemos, dicha transicin suave se puede extender a las derivadas primeras, segundas, etc. 3) Se puede denir la base de splines a partir de la frmula de recurrencia, teniendo en cuenta que una B-spline de orden 1 est formada por segmentos de rectas paralelas al eje de abscisas para todos los valores de t y cero en el resto; las B-spline de orden 2 son segmentos de rectas, etc. Pero es ms cmodo hacerlo con diferencias divididas para facilitar los clculos y quizs tambin la comprensin. 4) Teniendo en cuenta que la suma algebraica de splines es tambin una spline y que la combinacin lineal de splines es una spline, una combinacin lineal de B-splines es
24
La funcin que tomamos como estimador de x(t) es una funcin spline, de acuerdo con la propiedad 4) del epgrafe B.8.1, que se puede escribir:
x(t ) =
k
ck Bk (t )
c1 c2 ck
(A22)
x(t1 ) x(t 2 )
B1 (t1 ) B2 (t1 ) BK (t1 ) B1 (t 2 ) B2 (t 2 ) BK (t 2 )
x(t n ) B1 (t n ) B2 (t n ) BK (t n )

O bien, abreviadamente:
x(t ) = B (t ) c
(A23)
Donde B es la matriz de orden n K formada por B-splines, siendo K el nmero de B-splines contenidas en la funcin suavizadora. Substituyendo (A23) en (A21), resulta:
y = Bc +
(A24)
Es preciso recordar que los errores deben ser independientes de y, adems tienen que estar idnticamente distribuidos; si no estuviesen idnticamente distribuidos, deberamos conocer la matriz de varianzas de los errores y aplicarle mnimos cuadrados ponderados. Para obtener los estimadores MQO de (A24) hemos de encontrar el vector de parmetros c que minimiza la suma de errores al cuadrado: resultando: ; si calculamos, pues, la derivada de la igualamos a cero y resolvemos la ecuacin (matricial),
tambin una spline que se denomina funcin spline. (de Boor pg. 93). 5) Si bien hay muchos mtodos para construir estas bases de B-splines, el sistema desarrollado por de Boor (2001) es el ms popular. El cdigo para trabajar con B-splines est disponible en un amplio rango de lenguajes de programacin, incluyendo R23 S-PLUS i MATLAB. Tal como veremos ms adelante, hemos utilizado los programas en R, porque es un programa de uso libre, donde estn disponibles todos los paquetes necesarios para llevar a cabo los clculos pertinentes. (Ramsay y Silverman (2005) pg. 49.
= (B B) 1 B y = Bc y

(A25)
A.9 ESTIMACIN POR MNIMOS CUADRADOS ORDINARIOS (MQO) CON UNA FUNCIN B-SPLINE
A pesar de que sea muy conocida la frmula de aplicacin de los MQO es conveniente hacer una pequea introduccin, sobre todo para introducir algunos conceptos como: La determinacin del grado de las B-splines. La funcin B-spline que ser el estimador. El nmero de funciones bases que forma parte de la funcin de estimacin. Si disponemos de n observaciones, la ecuacin (29) se puede escribir en forma matricial:
n
Es la conocida frmula de los estimadores MQO, pero recordando una vez ms que B una matriz formada por Bsplines. El grado de las B-splines depende de las condiciones que impongamos a las splines; como aqu estamos interesados en el comportamiento, es decir, el crecimiento y decrecimiento as como la concavidad, la convexidad y los puntos de inexin, de la funcin de aceleracin w(t ), necesitamos hasta la derivada tercera de sta. Y teniendo en cuenta que la aceleracin es la derivada segunda del valor nal del capital C(t) resulta que el grado de las Bsplines es de 5, con lo que el orden ser de 6. El suavizador es una funcin B-spline que se construye
y = x(t) + donde y, x(t), son vectores columna de orden n

(A21)
Los clculos necesarios para encontrar las B-splines y otros instrumentos estadsticos y computacionales utilizados en este trabajo se han realizado con el programa de libre acceso: R Foundation for Statistical Computing, Viena, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org/.
23
www.iefweb.org/odf
www.iefweb.org/odf
a partir de la combinacin lineal de B-splines de orden 6 en nuestro caso. El nmero de B-splines o bases de splines necesarias para denir el suavizador viene dado, segn hemos demostrado en el epgrafe A.2 de este apndice, por el nmero de nodos interiores ms el orden; si hay 23 nodos interiores y el orden es 6, el nmero de B-splines es 29.
25
TABLAS Y FIGURAS DEL APNDICE

Tabla A4 Funcin 0 f(0) = 100 Diferencias divididas de primer orden Diferencias divididas de segundo orden Diferencias divididas de tercer orden
103 100 f (0,1) = =3 1 0 f (1,2) = f (2,3) = 107 103 =4 2 1 108 107 =1 3 2
f (0,1,2) =
4 3 1 = 2 0 2 1 4 = 3 1 3 2
3 1 f (0,1,2,3) = 2 2 = 3 0
2 3
f(1) = 103
f (1,2,3) =
2 3
f(2) = 107 f(3) = 108

Tabla A5
Diferencias divididas de una funcin de orden n

Puntos Valores de la Diferencias divididas de primer funcin orden Diferencias divididas de segundo orden ... f ( x1 , x2 ) f ( x0 , x1 ) = a3 x 2 x0 Diferencias divididas de orden n-1
x0
f ( x0 ) = a1
f ( x0 , x1 ) = f ( x1 , x2 ) = f ( x 2 , x3 ) =
...
f ( x1 ) f ( x0 ) = a2 x1 x0 f ( x2 ) f ( x1 ) x2 x1 f ( x3 ) f ( x 2 ) x3 x 2 f ( xn 1 ) f ( xn 2 ) xn 1 xn 2
f ( x0 , x1 , x2 ) =
f ( x1 , x2 , x3 ) =
f ( x0 , x1 , xn 1 ) =
f ( x1 ,, xn 1 ) f ( x0 ,, xn 2 ) = an x n 1 x0
x1
26
f ( x1 ) f ( x2 )
...
2
f ( x2 , x3 ) f ( x1 , x2 ) x3 x1
...
x2
...
...
xn
f ( xn 2 )
f ( xn 2 , xn 1 ) =
...
xn
f ( xn 1 )
www.iefweb.org/odf
www.iefweb.org/odf
Figura A1
Orden 2
0,6667
Figuras A4, A5 y A6
Ordre 2
Derivades dels polinomis de l'spline d'ordre 2 Derivadas de los polinomios del spline de orden 2 1 0,5 0 -0,5 -1
0,5000
0,3333
0,1667
-2 a -1-
1 a 00
a1
1a2
0,0000
-2
-1
01
Derivades dels polinomis de l'spline d'ordre 3 Derivadas de los polinomios de la spline de orden 3
Figura A2
Orden 3
0,6667
Ordre 3
0,5 0
0,5000
-2 -0,5
-1
01
0,3333
-1 -1,5
0,1667
0,0000 -2 -1 01 2
Derivadas de los polinomios de la spline de orden 4

0,8
Derivades primeres dels polinomis de l'spline d'ordre 4
Figura A3
Orden 4
0,6667
27
Ordre 4
0,6 0,4 0,2 0 -0,2 -2 -1 01 2
0,5000
0,3333
-0,4 -0,6
0,1667
-0,8
0,0000 -2 -1 01 2
CONCLUSIONES Y PROLONGACIN DEL TRABAJO

En las pginas que preceden a estas conclusiones hemos puesto de maniesto que la aplicacin del anlisis de datos funcionales (fda) en el crecimiento del valor nal de un capital es posible y que, adems, se fortalecen los principios bsicos de la matemtica nanciera en el sentido que no slo tenemos en cuenta el crecimiento estricto, sino que vemos como ste se produce a lo largo del tiempo mediante la introduccin de la velocidad y la aceleracin del crecimiento. Es decir, nos hemos librado del requerimiento de crecimiento uniforme y/o constante del valor nal de un capital. Este primer trabajo tiene como limitacin el plazo temporal de los tipos de inters elegidos, dado que no hemos considerado tipos de periodicidad superior al ao y tambin que todos los tipos considerados son al contado. Como tarea futura inmediata nos proponemos ampliar el estudio en una doble vertiente: por un lado, considerar tipos a plazo y ver la relacin que existe (si es que realmente existe) entre los tipos al contado y los tipos forward, y del otro, incluir en el anlisis el comportamiento de los tipos cupn cero.
28
En esta ltima aplicacin pensamos que el anlisis de datos funcionales juega un papel muy importante, en el sentido que puede proporcionar interpolaciones precisas sobre todo si tenemos en cuenta que los plazos que cotizan en el mercado al contado son largos y muy espaciados en el tiempo.
www.iefweb.org/odf
www.iefweb.org/odf
Bibliografa consultada
Conde, C., Hidalgo, A. & Lpez, A. Interpolacin polinmica. Publicacin lectiva de la asignatura Programacin y mtodos numricos. Ed: Universidad Politcnica de Madrid, 2007. Craven, P. & Wahba, G. Smoothing Noisy Data with Spline Functions. Numerische Mathematik by Springer Verlag 1979, vol. 31, pg. 377-403, 1979. De Boor, K. A Practical Guide to Splines. 2000, Springer-Verlag, Nueva York, 1978. De La Grandville, O. Bond pricing and portfolio analysis: protecting investors in the long run. MIT Press, Cambridge, 2000. Eilers, P.H.C. & Marx, B.D. Octubre 2010-ltima actualizacin. Splines, Knots, and penalties [Homepage of John Wiley & Sons, Inc.], [Online]. Disponible en: www.wiley.com/wires/compstats [2010, 12/11/2010]. Febrero-Bande, M. A Present Overview on Functional Data Analysis. Boletn de la Sociedad de Estadstica e Investigacin Operativa, vol. 24, no. 1, pg. 7-14, 2008. Insolera, F. Curso de Matemtica Financiera y Actuarial. Aguilar, S.A. de Ediciones, Madrid, 1916. Jevons, W.S. The Theory of Political Economy. 5a ed. Kelley & Millman, Nueva York, 1957. Lbez Urqua, J. Matemtica nanciera con nociones de clculo actuarial. Grcas Instar, Barcelona, 1968. Navarro, V. Anlisis de datos funcionales. Implementacin y aplicaciones. Proyecto nal de carrera: Factultad de Matemticas y Estadstica (UPC) edn, Barcelona, 2004. Paluszny, M., Prautzsch, H. & Boehm, W. Mtodos de Bzier y B-Splines. edicin en castellano, Springer Verlag Berln, Universittsverlag Karlsruhe, 2002. Ramsay, J.O. & Silverman, B.W. Functional data analysis. 2nd edn, Springer, Nueva York, 2005.
AGRADECIMIENTOS
Queremos agradecer al Dr. Antonio Terceo y al evaluador annimo por sus comentarios y sugerencias.
Sobre LOS autorEs

Lina Sanou Vilarrodona Doctor en Ciencias Econmicas Catedrtica EU jubilada de Estadstica Profesora de la UAB Csar Villazn Hervs Doctor en Ciencies Polticas, Econmicas y Comerciales Catedrtico EU jubilado de Matemtica Financiera Profesor de la UAB
La responsabilidad de las opiniones emitidas en este documento corresponden exclusivamente a sus autores. ODF no se identica necesariamente con estas opiniones.
Fundacin
Privada Institut dEstudis Financers. Reservados todos los derechos.
29
Svensson, L. , Estimating Forward Interest Rates with the Extended Nelson and Siegel Method. Sveriges Risbank Quarterly Reivew, vol. 3, no. 1995, pg. 13, 1995. Villazn, C. & Sanou, L. Matemtica nanciera. 1a ed, Foro Cientco, Barcelona, 1993.
PROGRAMARIO UTILIZADO
Los clculos necesarios para encontrar las B-splines y otros instrumentos estadsticos y computacionales utilizados en este trabajo se han realizado con el programa de libre acceso: R Foundation for Statistical Computing, Viena, Austria. ISBN 3-900051-07-0, URL http://www.R-project.org/. Hemos utilizado los siguientes paquetes: pkgfda, pkgsplines, pkgzoo, pkgtdtk

La Ecuación General de Capitalización y Los Factores de Capitalización Unitarios: Una Aplicación Del Análisis de Datos Funcionales

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

La Ecuación General de Capitalización y Los Factores de Capitalización Unitarios: Una Aplicación Del Análisis de Datos Funcionales

Transféré par

Droits d'auteur :

Formats disponibles

Monogrco

Nmero 1 Marzo 2012

Csar Villazn Lina Sanou

Observatorio de Divulgacin Financiera

1 2 2.1 2.2 2.3 2.4

6 7 7.1 7.2 8 9 9.1 9.2 9.3 9.4 9.5

9.6 10 11 11.1 11.2 12

Observatorio de Divulgacin Financiera

GENERALIZACIN: LA FRMULA DE INTERPOLACIN DE NEWTON

A.3.1 PROPIEDADES A.3.2 CONTINUACIN EJEMPLO A3 A.4 A.5

A.5.1 CONSECUENCIAS DE LA DEFINICIN

LA FORMA DE LA CURVA Y LAS DIFERENCIAS DIVIDIDAS DE UNA FUNCIN

DIFERENCIAS DIVIDIDAS DEL MONOMIO DEFINICIN DE B-SPLINE

Observatorio de Divulgacin Financiera

A.8.1 PROPIEDADES DE LAS B-SPLINE

2 CAPITALITZACIN CONTINUA A TIPO DE INTERS CONSTANTE

1 FRMULA GENERAL DE CAPITALIZACIN

2.1 DEDUCCIN TRIVIAL DEL TIPO

T ; a posteriori ello signica que el valor de la funcin (T ) tambin es igual a T . As:

Y de esta forma hemos obtenido como valor nal:

Es evidente que la aproximacin de zacin y la substitucin de

(t ) por una constante

ser mejor cuando ms pequeo sea el periodo de capitali-

2.2 DESCOMPOSICIN EN PERIODOS SUCESIVOS DE CAPITALIZACIN

Esto es dividiendo el intervalo total de integracin

en subintervalos parciales consecutivos de forma que el ori-

Observatorio de Divulgacin Financiera

2.3 FACTORES DE CAPITALIZACIN UNITARIOS

Por ejemplo, si el tipo anual de capitalizacin continua es del

6%, el factor de capitalizacin unitario es: e de un ao es: 1.000.000

Si se ha invertido un milln de euros, el valor nal al cabo

2.4 INTERPRETACIN Y LIMITACIONES DE

Siempre que los intervalos de tiempo sean sucientement3 t2

Con ello, la integral

utilizado en los mercados nancieros es un da (TN) y que

se puede escribir de forma equivalente mediante la expresin:

Observatorio de Divulgacin Financiera

, i1 , i2 ,, i4018, de forma que considerados con-

Con todo ello dispondramos de la serie temporal de tipos en capitalizacin continua:

4 VELOCIDAD Y ACELERACIN DEL CRECIMIENTO DEL VALOR ACUMULADO

3 FORMA DE LA CURVA DE CRECIMIENTO: PUNTOS DE INFLEXIN

C (t i ); en este momento el valor acumulado

V (ti+1 ) V (ti ) V (ti ) = ti+1 ti ti

La explicacin de la frmula se puede encontrar en el epgrafe A.6 del Apndice.

Observatorio de Divulgacin Financiera

sentido ms grco y quizs ms cercano a lo que quere-

b) Tambin depender de la velocidad lograda en el mo-

substituyendo en la ecuacin (18), resulta:

5 RESOLUCIN DE LA ECUACIN DIFERENCIAL

Substituyendo estos resultados en (21):

Podemos expresar la ecuacin de aceleracin (15) como:

Observatorio de Divulgacin Financiera

Y separando las variables, queda:

Esto nos permitir obtener w (t i ).

Realizando las operaciones e integrando para despejar

Deshaciendo el cambio de variable (22), queda:

Teniendo en cuenta que dV (t ) representa la aceleracin dt A(t ), resulta que:

Separando las variables:

que algunas de las caractersticas de crecimiento del valor

6 DE LOS DATOS DISCRETOS A LOS DATOS FUNCIONALES

Observatorio de Divulgacin Financiera

La solucin se obtiene integrando los dos miembros:

es la constante de integracin, que deber ser