Caracterización de la curva de futuros de soja a través del análisis de componentes principales: una comparación entre Rosario y Chicago
Durante los últimos 20 años, la Argentina ganó protagonismo en el mercado internacional como productor de Soja, y en conjunto con Brasil, ha superado a Estados Unidos, el mayor productor mundial. Sin embargo, por la profundidad del mercado norteamericano, Chicago (Estados Unidos) se mantiene como e...
Guardado en:
| Autor principal: | |
|---|---|
| Otros Autores: | |
| Formato: | Tesis de maestría acceptedVersion |
| Lenguaje: | Español |
| Publicado: |
Universidad Torcuato Di Tella
2017
|
| Materias: | |
| Acceso en línea: | http://repositorio.utdt.edu/handle/utdt/6638 |
| Aporte de: |
| Sumario: | Durante los últimos 20 años, la Argentina ganó protagonismo en el mercado internacional como productor de Soja, y en conjunto con Brasil, ha superado a Estados Unidos, el mayor productor mundial. Sin embargo, por la profundidad del mercado norteamericano, Chicago (Estados Unidos) se mantiene como el mercado de referencia internacional para productores y compradores. Dado que en Argentina el principal destino de la Soja y sus derivados es la exportación, la curva de futuros de Soja local toma como referencia los precios de Chicago. Sin embargo, a pesar de tener una alta correlación, los factores estacionales y/o locales pueden ocasionar desacoplamientos entre los mercados de Chicago y Rosario (Argentina). Más aun, la entrega física dificulta la posibilidad de arbitrar entre mercados, por lo que, hasta cierto punto, los mercados pueden estar determinados por cambios en la oferta y demanda local. El presente trabajo propone comparar a través del Análisis de Componentes Principales, las fluctuaciones en las curvas de futuros de Soja de Chicago y Rosario a lo largo del período 2007-20171. Esta técnica estadística permite identificar patrones en bases de datos con variables correlacionadas, como es el caso de las curvas de futuros, y expresar esa información en una manera sencilla que permita resaltar similitudes y diferencias. De esta manera, el Análisis de Componentes Principales permite investigar la estructura de la matriz de Varianza y Covarianza, y reducir la dimensionalidad de la base de datos a un pequeño conjunto de variables compuestas no correlacionadas, al tiempo que conservar gran parte de la información que contiene. Estas variables deben ser estimadas sobre un rango de tiempo que incluya la exposición a una diversidad de cambios estructurales en el mercado, tanto sobre el conjunto de la economía como relacionados a eventos específicos del mercado. En este sentido, se analizó las fluctuaciones en las curvas de futuros de Soja de Chicago y Rosario bajo la exposición a distintos escenarios de estacionalidad y estrés de mercado. |
|---|