UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO

REGIONAL SANTA CRUZ

INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

MODELO DE TASA
CORTA DE
VASISECK

TEORIA Y
APLICAICON
PRACTICA

SANTA CRUZ - BOLIVIA

Prof. Jose Arnez Gutierrez –
[Link].

1
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

-TEMA: MODELO DE TASA CORTA DE VASISECK

Un modelo de tasa corta, en el contexto de los derivados de tasas de

interés, es un modelo matemático que describe la evolución futura de
la tasa corta.

El Modelo de Vasicek se basa en argumentos matemáticos para

obtener la descripción de la tendencia evolutiva de las tasas de interés,
considerando un modelo de tasa de corto de un factor, lo que facilita
detallar y analizar cualquier movimiento que surja en la tasa de interés,
resultante del empuje de una fuente única de riesgo en el mercado.
Debido a que la fórmula del Modelo de Vasicek arroja resultados
precisos, además de ser utilizada para valorar derivados de tasas de
interés, ha sido adaptado para obtener resultados en los mercados
crediticios.

2
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

La premisa del modelo de tasa de corto, dentro del universo

de los derivados de tipo de interés, es un modelo
matemático con el que es posible describir el
desenvolvimiento a futuro de los tipos de interés a través de
la propia evolución futura de la tasa de corto, construyendo un
elemento esencial para lograr describir al Modelo de Vasicek.

Desde el punto de vista netamente matemático, el modelo utiliza en sus

artificios de cálculo, el proceso Ornstein-Uhlenbeck (OU) por

3
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

considerarse Gaussiano y Markoviano, que permite describir con

certeza el verdadero comportamiento de las tasas de interés.

El modelo de Vasicek fue el primero en capturar la reversión a la media,

una característica esencial de la tasa de interés que la distingue de
otros precios financieros. Así, a diferencia de los precios de las
acciones, por ejemplo, las tasas de interés no pueden aumentar
indefinidamente. Esto se debe a que en niveles muy altos
obstaculizarían la actividad económica, provocando una disminución de
las tasas de interés. De manera similar, las tasas de interés no suelen
disminuir por debajo de 0. Como resultado, las tasas de interés se
mueven en un rango limitado, mostrando una tendencia a volver a un
valor de largo plazo.

El factor de deriva a(b-rt) representa el cambio instantáneo previsto en

el tipo de interés a la vez t. El parámetro b representa el valor de
equilibrio de largo plazo hacia el cual la tasa de interés revierte. De
hecho, en ausencia de choques (dWt=0), la tasa de interés sigue siendo
constante cuando rt = b. El parámetro a, gobernar la velocidad del
ajuste, debe ser positivo para garantizar la estabilidad alrededor del
valor a largo plazo. Por ejemplo, cuando rt a continuación b, el término
deriva a(b-rt) se vuelve positivo para positivo a, generando una
tendencia para que la tasa de interés se mueva hacia arriba (hacia el
equilibrio).

La principal desventaja es que, según el modelo de Vasicek, es

teóricamente posible que la tasa de interés se vuelva negativa, una
característica indeseable según los supuestos previos a la crisis. Esta
deficiencia se solucionó en el modelo Cox-Ingersoll-Ross, el modelo
exponencial de Vasicek, el modelo Black-Derman-Toy y el modelo Black-
Karasinski, entre muchos otros. El modelo Vasicek se amplió aún más
en el modelo Hull-White. El modelo de Vasicek es también un ejemplo
canónico del modelo de estructura de términos afines, junto con el
modelo de Cox-Ingersoll-Ross. En investigaciones recientes, ambos
modelos se utilizaron para la partición y predicción de datos.

4
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

Modelos de tasa corta de un factor

A continuación, se presentan los modelos de un solo factor, donde un

solo factor estocástico, la tasa corta, determina la evolución futura de
todas las tasas de interés. Aparte de Rendleman-Bartter y Ho-Lee, que
no capturan la reversión media de las tasas de interés, estos modelos
pueden considerarse como casos específicos de los procesos de
Ornstein-Uhlenbeck.

El proceso Ornstein/Uhlenbeck es un modelo estocástico que describe

la reversión a la media en sistemas aleatorios, utilizado en diversas di
sciplinas como finanzas y
biología.

El proceso de Ornstein-
Uhlenbeck (OU) es un
proceso estocástico utilizado en
diversas áreas, como las
matemáticas financieras y las
ciencias físicas. Originalmente
aplicado para modelar la velocidad
de una partícula bajo fricción, es un
proceso de Gauss-Markov que
presenta reversión a la media, lo
que significa que tiende a volver a
un valor promedio a lo largo del
tiempo.
El proceso de Ornstein-Uhlenbeck
es un proceso de Gauss-Markov, lo
que significa que es un proceso de
Gauss, uno de Markov y es
temporalmente homogéneo. De
hecho, es el único proceso no trivial
que satisface estas tres condiciones,
permitiendo transformaciones

5
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

lineales de las variables espacio y

tiempo. Con el tiempo, el proceso
tiende a desviarse hacia su media:
dicho proceso se denomina
reversión a la media

6
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

La regresión es un método estadístico y de aprendizaje automático que se La correlación es una medida estadística que indica la fuerza y dirección de
utiliza para modelar y analizar la relación entre una variable dependiente la relación lineal entre dos variables. Nos dice qué tan fuertemente están
(también llamada variable respuesta o target) y una o más variables relacionadas las variables, pero no implica causalidad.
independientes (también llamadas predictoras o características). Coeficiente de correlación de Pearson (r):
Regresión lineal simple: Modela la relación entre dos variables usando una  Rango: -1 a +1
línea recta. Por ejemplo, predecir el precio de una casa basándose solo en su  r = +1: Correlación positiva perfecta
tamaño.  r = -1: Correlación negativa perfecta
Regresión lineal múltiple: Incluye múltiples variables predictoras. Por  r = 0: No hay correlación lineal
ejemplo, predecir el precio de una casa considerando tamaño, ubicación, Interpretación de valores:
número de habitaciones, etc.
 0.8 a 1.0: Correlación muy fuerte
Regresión no lineal: Cuando la relación entre variables no es lineal, como la
regresión polinomial, exponencial, o logarítmica.
 0.6 a 0.8: Correlación fuerte
Conceptos clave:  0.4 a 0.6: Correlación moderada
 Coeficientes: Indican qué tanto influye cada variable independiente  0.2 a 0.4: Correlación débil
 Intercepto: Valor de la variable dependiente cuando todas las  0.0 a 0.2: Correlación muy débil o nula
independientes son cero Correlación de Spearman: Para variables ordinales o cuando la relación no
 Error o residuo: Diferencia entre valores predichos y reales es lineal, pero es monótona
Correlación de Kendall: Alternativa robusta, especialmente útil con muestras
 R²: Medida de qué tan bien el modelo explica la variabilidad de los
pequeñas
datos

La autorregresión es un tipo especial de modelo de regresión donde una La autocorrelación es la correlación de una serie temporal consigo misma en
variable se predice usando sus propios valores pasados. Es decir, el valor diferentes períodos de tiempo. Mide qué tan similar es el valor actual de una
actual de una serie temporal se explica en función de sus valores anteriores. variable con sus valores pasados (rezagos).
Concepto básico: En lugar de predecir Y usando otras variables X, Concepto básico: En lugar de correlacionar dos variables diferentes (X con
predecimos Y(t) usando Y(t-1), Y(t-2), Y(t-3), etc. Y), correlacionamos una variable consigo misma en diferentes momentos:
Modelo AR(p) - Autorregresivo de orden p: Y(t) con Y(t-1), Y(t-2), etc.
Y(t) = c + φ₁Y(t-1) + φ₂Y(t-2) + ... + φₚY(t-p) + ε(t) Rangos de valores:
Donde:  +1: Autocorrelación positiva perfecta
 Y(t) = valor actual  0: No hay autocorrelación
 Y(t-1), Y(t-2), etc. = valores pasados (rezagos)  -1: Autocorrelación negativa perfecta
 φ₁, φ₂, etc. = coeficientes autorregresivos Patrones típicos:
 c = constante Tendencia: ACF decrece lentamente
 ε(t) = término de error  Los valores están correlacionados por largos períodos
 p = orden del modelo (cuántos rezagos se incluyen) Estacionalidad: ACF muestra picos en múltiplos del período estacional
 Ejemplo: datos mensuales con picos cada 12 rezagos
Ruido blanco: ACF ≈ 0 para todos los rezagos k > 0
 No hay patrones predecibles
Proceso autorregresivo: ACF decrece exponencialmente o con oscilaciones
amortiguadas
Correlogramas: Gráfico que muestra la ACF para diferentes rezagos, con
bandas de confianza para dete

7
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

8
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

Ruido blanco:

Los modelos de Vasicek, Rendleman-Bartter y CIR son modelos

endógenos y tienen solo un número finito de parámetros libres, por lo
que no es posible especificar estos valores de parámetros de tal manera
que el modelo coincida con unos pocos precios de mercado observados
("calibración") de bonos de cupón cero o productos lineales como
acuerdos de tasas a plazo o swaps.

Por lo general, se realiza un mejor ajuste a estos productos lineales

para encontrar los parámetros endógenos de los modelos de tasa corta
que están más cerca de los precios de mercado. Esto no permite
opciones de ajuste como tapas, pisos e intercambios, ya que los
parámetros se han utilizado para ajustar instrumentos lineales. Este
problema se supera permitiendo que los parámetros varíen
determinísticamente con el tiempo o agregando un cambio determinista
al modelo endógeno. De esta manera, los modelos exógenos, como Ho-
Lee y los modelos posteriores, se pueden calibrar con datos de
mercado, lo que significa que estos pueden devolver exactamente el
precio de los bonos que comprenden la curva de rendimiento, y los
parámetros restantes se pueden utilizar para la calibración de opciones.

La implementación suele ser a través de un árbol de velocidad corta

(binomial) o simulación; véase Modelo de celosía (finanzas) § Derivados
de tipos de interés y métodos de Monte Carlo para la fijación de precios

9
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

de opciones, aunque algunos modelos de tipos cortos tienen soluciones

de forma cerrada para bonos de cupón cero, e incluso topes o suelos, lo
que facilita considerablemente la tarea de calibración.

Enumeramos primero los siguientes modelos endógenos.

1. El modelo de Merton (1973), El modelo Vasicek (1977) ,
El modelo Rendleman-Bartter (1980)[ o el modelo Dothan (1978),
El modelo de Cox-Ingersoll-Ross (1985)

Ahora enumeramos una serie de modelos exógenos de tasa corta.

1. El modelo Ho-Lee (1986), modelo Hull-White (1990), El modelo
Black-Derman-Toy (1990), El modelo Black-Karasinski (1991),
modelo Kalotay-Williams-Fabozzi (1993), El modelo CIR++,
introducido y estudiado en detalle por Brigo y Mercurio en 2001,
y formulado también anteriormente por Scott (1995)

Modelos multifactoriales de tasa corta

Además de los modelos de un factor anteriores, también existen
modelos multifactoriales de la tasa corta, entre ellos los más conocidos
son el modelo de dos factores de Longstaff y Schwartz y el modelo de
tres factores de Chen (también llamado "modelo de volatilidad
estocástica y media"). Tenga en cuenta que, a los efectos de la gestión
de riesgos, "para crear simulaciones realistas de tasas de interés", estos
modelos de tasas cortas multifactoriales a veces se prefieren a los
modelos de un factor, ya que producen escenarios que, en general, son
más "consistentes con los movimientos reales de la curva de
rendimiento".

VASICEK MODEL

El modelo de Vasicek es un modelo de

tipos de interés ampliamente utilizado
en finanzas desarrollado por Oldrich
Vasicek en 1977. Proporciona un marco
para comprender y predecir cambios en
los tipos de interés a lo largo del
tiempo. En esta sección,
profundizaremos en las complejidades
del modelo Vasicek, explorando sus
supuestos, formulación matemática y
aplicaciones prácticas.

10
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

1. Supuestos del Modelo Vasicek:

El modelo Vasicek se basa en varios supuestos clave que simplifican la

modelización de tasas de interés. Estos supuestos incluyen:

Reversión a la media: una de las propiedades clave del proceso Vasicek

es la reversión a la media. Esto significa que los tipos de interés tienen
tendencia a volver a su nivel medio de largo plazo.

11
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

Piense en ello como un péndulo que oscila de un lado a otro alrededor

de su posición de equilibrio. La velocidad a la que las tasas de interés
vuelven a la media está determinada por el parámetro de reversión a la
media, que es un componente crucial del modelo Vasicek.

Debido a que la fórmula del Modelo de Vasicek arroja resultados

precisos, además de ser utilizada para valorar derivados de tasas de
interés, ha sido adaptado para obtener resultados en los mercados
crediticios.
Desde el punto de vista netamente matemático, el modelo utiliza en
sus artificios de cálculo, el proceso Ornstein-Uhlenbeck (OU) por
considerarse Gaussiano y Markoviano, que permite describir con
certeza el verdadero comportamiento de las tasas de interés.
El propósito y origen del Modelo de Vasicek, de manera global, es
pronosticar tasas de interés y se originó a partir del modelo Black –
Scholes. Asimismo, las premisas económicas que contempla el modelo
de Vasicek son las siguientes:
 El precio del bono cero cupón depende únicamente del valor de
la tasa ‘corta y la vigencia de su tiempo.
 La tasa instantánea de interés, se mantiene en un proceso de
difusión.
 Los costos de cualquier transacción no existen.
 La información que manejan los agentes económicos, es
completamente simétrica.

En estadística, la regresión hacia la

media es el fenómeno en el que, si una
variable es extrema en su primera
medición, tenderá a estar más cerca de
la media en su segunda medición y,
paradójicamente, si es extrema en su
segunda medición, tenderá a haber
estado más cerca de la media en su
primera
Una definición concuerda estrechamente
con el uso común del término "regresión
hacia la media". No todas esas
distribuciones bivariadas muestran la
regresión hacia la media en esta
definición. Sin embargo, todas estas
distribuciones de dos variables muestran
regresión hacia la media bajo la otra
definición.

12
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

EJEMPLO:
Consideremos un ejemplo simple: un grupo de
estudiantes realiza un examen de 100 preguntas
verdadera/falsa sobre un tema. Supongamos que
todos los estudiantes eligen al azar todas sus
respuestas. Entonces, la puntuación de cada
alumno sería una realización de un conjunto
de variables aleatorias independientes e
idénticamente distribuidas, con una media de 50.
Naturalmente, algunos estudiantes calificarán
sustancialmente por encima de 50 y algunos
sustancialmente por debajo de 50 por casualidad.
Si se toma solo a los estudiantes que han obtenido
una puntuación en el 10% superior y se les da una
segunda prueba en la que volvieran a elegir al azar
en todas las preguntas, de nuevo se espera que la
puntuación media esté cerca de 50. Así, la media
de estos estudiantes sería "una regresión" a la
media de todos los estudiantes que tomaron la
prueba original. No importa lo que un estudiante
obtiene en la prueba original, la mejor predicción
de su puntuación en la segunda prueba es de 50.

Técnicas estadísticas relacionadas con la regresión a la media

Varias técnicas estadísticas están estrechamente relacionadas con la

regresión a la media, incluida la regresión lineal y el análisis de
varianza (ANOVA).

Por el contrario, ANOVA ayuda a determinar si existen diferencias

estadísticamente significativas entre las medias de los grupos. Ambas
técnicas pueden proporcionar información sobre cómo se comportan los
puntos de datos y cómo pueden retroceder hacia la media, mejorando la
comprensión de los patrones subyacentes en los conjuntos de datos

13
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

ANOVA

TASA

Suma de Media
cuadrados Gl cuadrática F Sig.

Entre grupos 1,657 28 ,059 . .

Dentro de grupos ,000 0 .

Total 1,657 28

Sobre la tabulación de tasas pasivas del sistema bancario en Bolivia

agosto a septiembre 2025

A. Volatilidad constante: el modelo supone que la volatilidad de las

tasas de interés permanece constante en el tiempo. Este supuesto
implica que las tasas de interés siguen un proceso de reversión a la
media.

14
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

B. Distribución normal: asume que los cambios en las tasas de interés

se distribuyen normalmente, lo que permite un fácil cálculo de
probabilidades y análisis estadístico.

C. Estacionariedad: el modelo supone que las tasas de interés exhiben

estacionariedad, lo que significa que sus propiedades estadísticas
permanecen constantes a lo largo del tiempo.

Limitaciones: Como cualquier modelo, el Proceso Vasicek tiene sus

limitaciones. Se supone que las tasas de interés siguen un proceso
continuo en el tiempo y que los parámetros del modelo permanecen
constantes a lo largo del tiempo. Sin embargo, en realidad, las tasas de
interés están sujetas a diversos factores externos y pueden exhibir un
comportamiento no lineal. Es fundamental ser consciente de estas
limitaciones y considerar modelos alternativos o extensiones del Modelo
Vasicek cuando sea necesario.

Aplicaciones prácticas:

El modelo Vasicek encuentra amplias aplicaciones en diversas áreas de

las finanzas, incluida la fijación de precios de valores de renta fija, la
valoración de derivados de tipos de interés y la gestión de riesgos. Al
15
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

modelar las tasas de interés, permite a las instituciones

financieras evaluar el impacto de los cambios en las tasas de interés en
sus carteras y tomar decisiones de inversión informadas.

Por ejemplo, consideremos una empresa que quiere fijar el precio de un

bono con una tasa de cupón fija. El modelo Vasicek se puede utilizar
para estimar la probabilidad de incumplimiento calculando las tasas de
interés futuras esperadas y sus riesgos asociados. Esta información
ayuda al banco a determinar un diferencial de rendimiento adecuado
para compensar el riesgo crediticio.

Además, el modelo Vasicek puede ayudar a gestionar el riesgo de tipos

de interés. Al simular las trayectorias de las tasas de interés basadas en
el modelo, las instituciones financieras pueden evaluar el impacto
potencial de diferentes escenarios de tasas de interés en sus balances y
ajustar su exposición al riesgo en consecuencia.

El modelo Vasicek proporciona un marco valioso para comprender y

modelar las tasas de interés. Sus supuestos, formulación matemática y
aplicaciones prácticas lo convierten en una poderosa herramienta para
analizar la dinámica de las tasas de interés y gestionar los riesgos
asociados. Al incorporar este modelo en los procesos de toma de
decisiones financieras, las instituciones pueden obtener información
sobre el comportamiento de las tasas de interés y tomar decisiones de
inversión y gestión de riesgos más informadas.

ESTIMACION DE LOS PARAMETROS

El modelo de Vasicek es un modelo popular para la dinámica de las

tasas de interés que supone que la tasa de interés a corto plazo sigue
un proceso estocástico de reversión a la media. El modelo tiene cuatro
parámetros: la media de largo plazo, la velocidad de reversión de la
media, la volatilidad y el valor inicial de la tasa de interés. Estos
parámetros son cruciales para fijar el precio de los derivados de tipos
de interés y gestionar el riesgo de tipos de interés. En esta sección,
discutiremos cómo estimar los parámetros del modelo Vasicek a partir
de datos históricos utilizando diferentes métodos y compararemos sus

16
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

ventajas y desventajas. También proporcionaremos algunos ejemplos

para ilustrar el proceso de estimación y los resultados.

Algunos de los métodos que se pueden utilizar para estimar los

parámetros del modelo Vasicek son:

1. Estimación de máxima verosimilitud (MLE): este método implica

encontrar los valores de los parámetros que maximizan la función
de verosimilitud, que mide la probabilidad de observar los datos
dado el modelo. La función de verosimilitud del modelo de
Vasicek puede derivarse de la función de densidad de transición,
que se conoce en forma cerrada. La ventaja de este método es
que es consistente y eficiente, lo que significa que produce
estimaciones insesgadas y de varianza mínima.
2. La desventaja es que requiere optimización numérica, que puede
ser computacionalmente intensiva y sensible a la elección de los
valores iniciales y al algoritmo de optimización.
3. Método generalizado de momentos (GMM): este método implica
encontrar los valores de los parámetros que minimizan la
distancia entre los momentos de la muestra y los momentos
implícitos en el modelo. Los momentos son funciones de los datos
y de los parámetros que capturan algunas características de la
distribución, como la media, la varianza, la autocorrelación, etc.
La ventaja de este método es que es robusto y flexible, lo que
significa que no requiere la especificación. De la función de
probabilidad total y puede adaptarse a diferentes condiciones de
momento. La desventaja es que puede ser menos eficiente que
MLE y puede sufrir problemas de identificación si las condiciones
del momento no son lo suficientemente informativas.
4. Filtro de Kalman (KF): este método implica utilizar una
representación en el espacio de estados del modelo de Vasicek y
aplicar un algoritmo recursivo para actualizar las estimaciones de
la variable de estado (la tasa de interés) y los parámetros
basados. Sobre los datos observados. La ventaja de este método
es que puede manejar datos faltantes o irregulares y puede
incorporar información adicional de otras fuentes, como
encuestas o precios de mercado. La desventaja es que requiere la
especificación de la ecuación de medición, que relaciona los datos

17
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

observados con la variable de estado, y los valores y varianzas

iniciales de la variable de estado y los parámetros.

Fórmula utilizada

El Modelo Vasicek representa la evolución de los tipos de interés

mediante una ecuación diferencial estocástica (SDE). El SDE se define
de la siguiente manera:

Derivado de tasa corta = Velocidad de inversión media*(Media a largo

plazo-Tarifa corta) *Derivados*Periodo de tiempo+Volatilidad en el
momento*Derivados*Riesgo de mercado aleatorio

dr a b  r  dt   dz
Variables utilizadas

Derivado de tasa corta - La Derivada de Tasa Corta es la tasa que se

aplica a un período de tiempo infinitamente corto.

Velocidad de inversión media - La velocidad de reversión media se

refiere a la velocidad a la que la tasa de interés regresa a su nivel
medio a largo plazo.

Media a largo plazo - El nivel medio de largo plazo de la tasa de interés,

calculado con base en datos históricos, se refiere a lo que ocurre
durante o involucra un período de tiempo relativamente largo.

Tarifa corta - Tasa Corta se define como la tasa de interés

proporcionalmente superior a la tasa anual, realizada para seguros
emitidos o continuados en vigor por el asegurado por menos de un año.

Derivados - Las derivadas se definen como la tasa de cambio variable de

una función con respecto a una variable independiente.

Periodo de tiempo - El período de tiempo para que ocurra una

oscilación completa se llama período de tiempo.

Volatilidad en el momento - La volatilidad en el tiempo se refiere a la

desviación estándar de la tasa de interés.

18
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

Riesgo de mercado aleatorio - El riesgo de mercado aleatorio es el

riesgo de pérdidas en posiciones que surgen de movimientos en
variables del mercado como precios y
volatilidad.

19
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

20
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

21
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

22
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

23
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

24
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

RESULTADOS FINALES

Parámetros del Modelo de Vasicek:

 α = 1.603831 (velocidad de reversión a la media)

 θ = 1.209502 (nivel de largo plazo)

 σ = 0.282702 (volatilidad instantánea)

Ecuación del modelo:

dr(t) = 1.6038(1.2095 - r(t))dt + 0.2827dW(t)

Estadísticas del ajuste:

 R² = 0.6042 (60.42% de la varianza explicada)

 Vida media = ln(2)/α = 0.6931/1.6038 = 0.432 períodos

El R-cuadrado, denotado como R², es una medida estadística de la

bondad del ajuste en los modelos de regresión. Nos dice qué parte de
la variación de la variable dependiente puede explicar el modelo.
El valor de R-cuadrado se sitúa entre 0 y 1:
 R² = 0 significa que el modelo no explica nada de la variabilidad;
 R² = 1 significa que el modelo lo explica todo.
Aunque el concepto es sencillo, su interpretación requiere un enfoque
matizado, sobre todo cuando se pasa de la teoría a la práctica.

Cuándo utilizar R-cuadrado

La R-cuadrado puede ser muy útil si se utiliza en las situaciones
adecuadas. Es apropiado para:
 Comparar modelos con el mismo número de predictores.
 Explicar cuánta varianza de un conjunto de datos explica el
modelo.
Por otra parte, la R-cuadrado puede ser engañosa en los siguientes
supuestos:
 Añadir predictores irrelevantes, lo que provoca un sobreajuste.
En este caso, la R-cuadrado siempre aumenta, aunque no
mejore el rendimiento predictivo del modelo.
 Comparar modelos con distintos números de predictores, es
decir, con distintas complejidades. En este caso, la R-cuadrado
ajustada es una mejor opción. Hablaré más adelante de la R-
cuadrado ajustada.

25
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

Interpretación:

1. α > 0: Hay reversión a la media - las tasas tienden a regresar al

nivel de equilibrio

2. θ = 1.2095: Las tasas convergen hacia 1.2095% en el largo plazo

3. Vida media = 0.43 períodos: Las desviaciones se reducen a la

mitad en menos de medio período

ECUACIÓN FINAL DEL MODELO:

dr(t) = 1.6038(1.2095 - r(t))dt + 0.2827dW(t)

aabb rrdt
dr 
dr dtdz
dz

🎯 PARÁMETROS ESTIMADOS:

 α = 1.6038 → Velocidad de reversión a la media

 θ = 1.2095 → Tasa de interés de largo plazo (nivel de equilibrio)

 σ = 0.2827 → Volatilidad instantánea

📈 INTERPRETACIÓN ECONÓMICA:

1. Reversión a la Media Fuerte: α = 1.6038 es un valor alto, indica

que las tasas de interés regresan rápidamente hacia el nivel de
equilibrio cuando se alejan de él.

2. Nivel de Equilibrio: θ = 1.2095 significa que, en el largo plazo, las

tasas convergen hacia 1.21%.

3. Volatilidad Moderada: σ = 0.2827 indica fluctuaciones moderadas

alrededor de la tendencia.

26
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

4. Vida Media: 0.432 períodos - las desviaciones respecto al

equilibrio se reducen a la mitad en menos de medio período.

🔮 IMPLICACIONES PARA PREDICCIÓN:

Este modelo sugiere que:

 Las tasas actuales tenderán hacia 1.21% en el largo plazo

Las desviaciones se corrigen rápidamente (vida media de 0.43

períodos)


Existe volatilidad moderada (σ = 0.28) que genera fluctuaciones

aleatorias


En resumen: Tu serie de tasas muestra un comportamiento de reversión

fuerte hacia una media de 1.21%, con correcciones rápidas de las
desviaciones y volatilidad moderada.

AL 24 DE SEPTIEMBRE LA TASA PRESENTADA PROMEDIO ES 1.34,

ENTONCES HAY UN 90% DE APROXIMACION
También se puede aproximar de forma algebraica los resultados:
− B (t , T ) r (t )
P ( t , T )=A ( t , T ) e
−a ( T −t )
1−e
B (t , T )=
a
A(t , T )=exp ¿ ¿

Dato: (Venegas, 2008)

B(t,T) Factor de sensibilidad

A(t,T) Factor de ajuste-determinístico
P(t,T) Precio en el tiempo
r(t,T) Tasa de interés instantánea

27
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

1.5000 1)
1.2095 2)
1.6038 3)
0.2827 4)
2 5)
1

1) Tasa Corta se define como la tasa de interés proporcionalmente

superior a la tasa anual, emitidos o continuados en vigor por menos de
un año.

2) El nivel medio de largo plazo de la tasa de interés, calculado con base

en datos históricos, se refiere a lo que ocurre durante o involucra un
período de tiempo relativamente largo.

3) La velocidad de reversión media se refiere a la velocidad a la que la

tasa de interés regresa a su nivel medio a largo plazo.

4) La volatilidad en el tiempo se refiere a la desviación estándar de la

tasa de interés.
5) El período de tiempo para que ocurra una oscilación completa se llama
período de tiempo.

Reemplazando los datos, pero previamente obtener la volatilidad y otros

parámetros mediante la regresión lineal, tenemos
B(t,T) 0.498110
A(t,T) 0.547535

P(t,T) 0.259371
r(t,T) 1.3495%

Al 29.09.2025 la tasa de caja de ahorro del BCB reportados por los

bancos de plataforma es 1.35%

28
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

Dato: (Venegas, 2008)

MODELO ALGEBRAICO SEGÚN ARNEZ

r(t,T)¿−ln ¿

Base de la nomenclatura para el modelo de Vasiseck de tasa corta para

Bonos cupón cero, (Venegas, 2008), con adaptación propia para tasas
de interés en short.

CONCLUSIONES

La pertinencia del uso de modelos financieros-económicos en el

contexto boliviano refuerza la base teórica que es probada en la
realidad, y justamente la ingeniería financiera se dedica a justificar el
uso y adaptación de estos para beneficio de la ciencia y la sociedad.

29
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

Utilizando IA CHATGPT

30
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

31
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

32
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

33
UNIVERSIDAD CATOLICA BOLIVIANA SAN PABLO
REGIONAL SANTA CRUZ
INGENIERIA FINANCIERA II
Prof. Jose Arnez Gutiérrez – [Link].D.

34