Mostrar el registro sencillo del ítem

dc.rights.license
dc.contributor.advisorMerener, Nicolás
dc.contributor.authorGorostiaga, Juan Pablo
dc.coverage.spatialArgentinaes_AR
dc.coverage.spatialEstados Unidoses_AR
dc.coverage.spatialRosario (Argentina)es_AR
dc.coverage.spatialChicagoes_AR
dc.coverage.temporal2007-2017es_AR
dc.date.accessioned2017-12-17T06:12:45Z
dc.date.available2017-12-17T06:12:45Z
dc.date.issued2017
dc.identifier.urihttps://repositorio.utdt.edu/handle/20.500.13098/6638
dc.description.abstractDurante 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.es_AR
dc.description.sponsorshipPor motivos relacionados con los derechos de autor este documento solo puede ser consultado en la Biblioteca Di Tella. Para reservar una cita podés ponerte en contacto con serviciosbiblio@utdt.edu. Si sos el autor de esta tesis y querés autorizar su publicación en este repositorio, podés ponerte en contacto con repositorio@utdt.edu.
dc.format.extent102 p.es_AR
dc.format.mediumapplication/pdfes_AR
dc.languagespaes_AR
dc.publisherUniversidad Torcuato Di Tellaes_AR
dc.rightsinfo:eu-repo/semantics/restrictedAccesses_AR
dc.subjectAnálisis financieroes_AR
dc.subjectEstudios de casoes_AR
dc.subjectAnálisis comparativoes_AR
dc.subjectTesis
dc.titleCaracterización de la curva de futuros de soja a través del análisis de componentes principales: una comparación entre Rosario y Chicagoes_AR
dc.typeinfo:eu-repo/semantics/masterThesises_AR
dcterms.description.tableOfContentsI. ASBTRACT -- II. INTRODUCCIÓN. El mercado de la soja: la relación entre Chicago y Rosario. Determinantes del precio de commodities agrícolas: fundamentals y cambios en la economí. La curva teórica de futuros de commodities. Aplicación de Análisis de Componentes Principales en Commodities -- III. ANÁLISIS DE LOS COMPONENTES PRINCIPALES -- IV. DATOS. Transformación de los Datos. Horizonte temporal e Interpolación. Índice -- V. IMPLEMENTACIÓN. Las matrices de precios originales Otros Escenarios y variaciones. Implementación del Análisis de Componentes Principales -- VI. RESULTADOS. Rosario y Chicago. Factores Estacionales – Verano e Invierno septentrionales. Factores de Mercado – Escenarios de Volatilidad en función del Índice VIX -- VII. CONCLUSIONES -- VIII. BIBLIOGRAFÍA -- IX. ANEXO 1 -- X. ANEXO 2 -- XI. ANEXO 3es_AR
thesis.degree.nameMaestría en Finanzases_AR
thesis.degree.level1es_AR
thesis.degree.grantorUniversidad Torcuato Di Tella. Escuela de Negocioses_AR
dc.subject.keywordSojaes_AR
dc.type.versioninfo:eu-repo/semantics/acceptedVersiones_AR


Ficheros en el ítem

Thumbnail

Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem