Trabajos de Licenciatura en Finanzas
Permanent URI for this collection
Browse
Browsing Trabajos de Licenciatura en Finanzas by Issue Date
Results Per Page
Sort Options
- Item¿Too central to fail? : evaluación de riesgo sistémico en el sistema financiero privado argentino mediante un enfoque de teoría de redes basado en DebtRank(2025-11) Soto Bacigalupe, María De Los Milagros; Dolabjian, Tomás
- ItemRedes neuronales convolucionales: clasificación de procesos estocásticos y su aplicación a la gestión de riesgos financieros(2025-10) Muratore, Evelyn GiselleEl presente trabajo propone estudiar la capacidad de las redes neuronales convolucionales, o Convolutional Neural Networks (CNN) en inglés, de clasificar características de los procesos estocásticos. En particular, nos interesa su capacidad para reconocer tendencia, estacionalidad y clusters de volatilidad. En primera instancia, nos avocamos a clasificar series de paseos aleatorios puros, con deriva y estacionales y movimiento browniano geométrico, con el fin de identificar patrones de tendencia y estacionalidad. En segunda instancia, el análisis se orientará al ámbito de la gestión de riesgos mediante la clasificación de clusters de volatilidad, explorando si las CNNs pueden determinar la cantidad de estados de volatilidad ´optima — de acuerdo con la métrica silhouette score — para su aplicación en el método K-means clustering.
- ItemValuación de Dollar Tree, Inc. al 26 de marzo de 2025(2025-09) Stupnik, Mika; Miguez Ferrante, Francisco
- Item¿Tienen un impacto los conflictos bélicos en la cotización de las acciones de las empresas del sector armamentístico? : un estudio de eventos a lo largo de la historia(2025-09) Gianfrancisco, Bautista; Meta, Martina
- ItemEstrategia de arbitraje estadístico algorítmico: modelo long-only de Pairs Trading en Argentina(2025-09) Grosz, Fernando Alfonso
- ItemValuación de Eli Lilly and Company(2024?) Fernandez Gutnisky, MarcosEli Lilly & Co es una de las compañías farmacéuticas líderes a nivel mundial y cuenta con más de 140 años de historia. Fundada en 1876 con su sede central ubicada en Indiana, Estados Unidos, fue reforzando su presencia en la industria de la biomedicina; especializándose en el descubrimiento, desarrollo, manufacturación y marketing de innovadores productos farmacológicos. Eli Lilly & Co cotiza desde 1925 en el New York Stock Exchange (NYSE: $LLY)y en la actualidad, ha llegado a ser un jugador clave. Al momento de la redacción de este trabajo es la empresa del rubro con mayor capitalización de mercado del mundo, alcanzando una valoración de 723 mil millones de dólares y un precio por acción de USD 760.55. El objetivo propuesto dentro de este trabajo consiste en realizar el proceso de valuación intrínseca de la compañía para poder contrastar el resultado obtenido con el valor de mercado y así poder analizar si Eli Lilly & Co se encuentra sobrevaluada, subvaluada o valuada justamente. Para esto se utilizaron los métodos de flujos de fondos descontados (DCF, Discounted Cash Flow en Ingles) que mediante los supuestos de tres escenarios (base, optimista y pesimista) nos permitirá modelar las proyecciones futuras de flujos de fondos y encontrar su valor presente. Adicionalmente se realizó un proceso de valuación utilizando el promedio del ratio EV/EBITDA de empresas comparables. Mediante el método de DCF, ubicándose en finales del período fiscal 2023, el valor encontrado es de USD 574,04 en un escenario base, de USD 348,75 en un escenario pesimista y de USD 904,06 en un escenario optimista. Para ese momento el valor de la acción LLY era de USD 592,2 y se concluye que la empresa se encontraba ligeramente sobrevaluada por parte del mercado tomando como referencia el escenario base. Los resultados de la valuación por múltiplos acompañaron dichas conclusiones, obteniendo un valor de USD 531,27 por acción.
- ItemValuación de Shopify Inc.(2024-12) Ghirardotti, Franco Nicolás; Toselli, Lautaro
- ItemEstimación del value at risk de renta fija a través de cópulas(2024-10) Lores Mendes, Santiago Andrés
- ItemSobre la capacidad de emulación de procesos temporales estocásticos por parte de Redes Generativas Adversarias (GANs)(2024-10) Sanguedolce Angelini, Juan Ignacio; Ricci, MateoEste estudio investiga la capacidad de las QuantGANs (Redes Generativas Antagónicas para Finanzas Cuantitativas) para replicar las propiedades distribucionales de series temporales financieras generadas por modelos estocásticos, específicamente el Movimiento Browniano Geométrico (GBM). Utilizando un enfoque experimental controlado, se generaron datos sintéticos de series temporales a partir del modelo GBM, y se entrenaron QuantGANs para intentar reproducir estas series. La evaluación se realizó mediante pruebas de Kolmogorov- Smirnov (KS) y un análisis de permutación, comparando las funciones de distribución acumulada empíricas (ECDF) de los datos generados con los originales. Los resultados indican que las QuantGANs parecen no ser capaces de capturar de forma certera y total las propiedades estadísticas subyacentes a los procesos generadores de precios. Consecuentemente, estas limitaciones en la replicación distribucional cuestionan la aplicabilidad de las QuantGANs en la modelización financiera sin un ajuste considerable en su arquitectura.
- ItemMétodos generativos para el cómputo de métricas de riesgo(2024-09) Belingueres, Angie; Rodríguez, Camila
- Item¿Es rentable el trading de momentum a corto plazo? un estudio de eventos en Argentina(2024-09) Ehrman, Agustín Amador; Harari, Matías RafaelLa presente tesis explora cómo una estrategia de trading basada en el momentum puede presentar rendimientos superiores a los del índice MERVAL. Se realiza un estudio detallado del mercado de acciones argentino durante el período 2019-2023, centrado en evaluar la rentabilidad de una estrategia que consiste en comprar el activo con mejor rendimiento del día anterior. Utilizando la metodología de estudio de eventos, se examina la presencia de retornos anormales y se analizan los resultados obtenidos. Los hallazgos de la tesis son contundentes. Se encuentra evidencia significativa que valida la hipótesis de que la estrategia basada en momentum genera retornos anormales. Las pruebas estadísticas paramétricas y no paramétricas muestran valores altos, indicando rendimientos considerables. El backtesting de la estrategia revela que ésta no solo supera al índice MERVAL en términos de retornos acumulados, sino que también ofrece un mayor retorno promedio anual, un ratio de Sharpe superior y un menor máximo drawdown. La investigación proporciona una nueva perspectiva sobre la eficiencia del mercado y la capacidad de las estrategias de trading para explotar ineficiencias. Entender el efecto y la dirección de los retornos anormales es fundamental para desarrollar estrategias financieras sólidas y para comprender mejor el comportamiento del mercado de acciones en contextos específicos. Los resultados de esta tesis ofrecen una herramienta valiosa para los inversores que buscan maximizar sus rendimientos mediante la identificación y aprovechamiento de patrones de momentum en el índice MERVAL. Este estudio no solo confirma la viabilidad de la estrategia propuesta, sino que también aporta un conocimiento profundo sobre cómo aplicar técnicas de trading en mercados emergentes como el argentino.
- ItemKolmogorov-Arnold Networks in Finance: A Comparative Analysis for Derivative Pricing Models(2024-09) Kricun, FernandoKolmogorov-Arnold Networks (KANs) have recently been introduced as an alternative to traditional Multilayer Perceptrons (MLPs) for neural network representation. In this study, we investigate the application of KANs in constructing physics-informed machine learning models to solve the Black-Scholes equation for pricing derivatives. We conduct a comparative analysis between KAN-based models and those using standard MLP architectures. Our findings reveal that KANs, despite having significantly fewer parameters, achieve comparable or superior accuracy to larger MLPs, with faster convergence across fewer training epochs. These results highlight the potential of KANs as a more efficient alternative to MLPs in the context of derivative pricing models.
- ItemAprendizaje de refuerzo aplicado a cobertura de derivados(2024-06) Kestler, Santiago MartínEn el presente trabajo se estudia el uso de un algoritmo de aprendizaje de refuerzo o reinforcement learning en inglés, para realizar cobertura de riesgo en derivados. En especial, se analiza la factibilidad de este algoritmo para su aplicación en casos de cobertura de opciones de compra y venta europeas. Para ello, se comparan las posiciones de cobertura del algoritmo con aquellos de la resolución por el modelo tradicional de cobertura utilizando la fórmula de Black Scholes Merton (BSM). Se concluye tras el análisis de las posiciones y del error de estimación del modelo que es posible la aplicación de este algoritmo para cubrir el riesgo de derivados proveniente del subyacente. Además, se estima que para el modelo aplicado es necesario repetir el entrenamiento para un nuevo derivado. Por último, es necesario contar con una elevada cantidad de datos para ejercer un entrenamiento efectivo del programa.
- ItemValuación de Target Corporation(2024-05) Corzo Chirinos, Diego; Susnisky, TadeoTarget Corporation es una cadena de grandes tiendas departamentales y almacenes estadounidense de venta minorista que ofrece productos a precios de descuento de diversas categorías. Su sede principal está ubicada en Minneapolis, Minnesota. La compañía cuenta con una red de 1,948 tiendas. En este informe se detallan los resultados de la valuación del precio de las acciones de Target Corporation al 2 de marzo de 2023 utilizando dos enfoques de valuación. En la primera sección, se ofrece una visión general del negocio de Target, incluyendo su historia, principales categorías de productos, evolución de ventas y resultados, y su interacción con la sociedad. Luego, se realiza un análisis de la industria y de la competencia, en el que, además, se presentan proyecciones para la valuación. Posteriormente, se lleva a cabo un análisis financiero considerando indicadores operativos, de rentabilidad, estructura de capital y otros factores para comprender la salud financiera de la empresa, junto con una comparación con sus principales competidores. Seguidamente, se presentan los métodos de valuación utilizados para determinar el valor del capital accionario de la empresa. El primer método empleado es el de flujo de fondos descontados, que utiliza los flujos de fondos disponibles descontados a una tasa ponderada según sus fuentes de financiamiento (WACC). Según este enfoque, con las proyecciones realizadas, el valor del capital accionario de la empresa se estima en 117 dólares por acción. Se hacen, adicionalmente, dos escenarios extra, uno pesimista y uno optimista, de los que resultan, respectivamente, valores de 97 y 150 dólares por acción. El segundo método que se emplea es el de valuación con múltiplos, o valuación relativa, en el que se compara a Target Corporation con empresas similares que cotizan en bolsa. El múltiplo utilizado en este análisis es el de EV/EBITDAR, que permite considerar diferentes estructuras de capital y proporciones de tiendas propias y alquiladas. El rango de valuación con este método resultó de entre 99 y 131 dólares por acción. En la sección final se da una conclusión sobre lo analizado a lo largo del trabajo en las diferentes materias y secciones, y un rango de valuación final que resulta de la intersección entre ambos métodos, es decir, de entre 99 y 131 dólares por acción.
- ItemValuación de Best Buy Co., Inc.(2024-03) Dovzak, Gonzalo Bautista; El Bacha, Francisco MalekBest Buy Co., Inc. es una empresa minorista que facilita el acceso a la electrónica de consumo a millones de individuos. Con 965 locales en Estados Unidos y 160 en Canadá, la empresa no solo ofrece productos, sino también servicios de soporte a nivel internacional, tanto físicamente a través de sus tiendas como en línea a través de sus páginas web. En el presente informe se realiza una valuación de Best Buy al 3 de febrero de 2024, correspondiente al cierre del año fiscal 2024 (año 2023), y se compara con su precio de mercado para la misma fecha. Para ello, en la primera sección se hace un estudio de la historia de la empresa, su negocio, los productos y servicios que ofrece, y sus planes de crecimiento. Luego, contemplamos la industria donde se desarrolla y los factores que influyen en su crecimiento. Esto deriva en un análisis del posicionamiento de la empresa respecto a sus principales competidores y un análisis de FODA de la empresa. Cerramos esta primera etapa con un análisis financiero de la entidad. Se efectuaron dos instancias de valuación; la primera por el método de flujos de fondos descontados y la segunda por el método de valuación relativa. Para ambos casos se lleva a cabo la valuación considerando a los arrendamientos operativos como expensa y como deuda. En el primer método, se suponen tres escenarios (un escenario base, uno optimista y uno pesimista) y se proyectan los flujos de fondos disponibles a la firma a 5 años y se descuentan al costo del capital. El resultado fue un precio por acción de $99 según el caso base, considerando los arrendamientos como expensa. El precio por acción desciende a $93 si los arrendamientos se consideran como deuda. Al 3 de febrero de 2024, la acción de Best Buy cotizaba a $75,6. El segundo método de valuación selecciona un grupo de empresas denominadas comparables y se analizan a valores corrientes por crecimiento en ventas, rentabilidad, estructura de capital, ratios financieros, y por último se computa el múltiplo EV/EBITDA, para determinar en última instancia un rango adecuado para el múltiplo al que Best Buy debería cotizar. En el caso de tomar los arrendamientos como expensa, el precio por acción asciende a $126. Por otro lado, al considerarse como deuda, asciende a $133.
- ItemEstrategia de pares y kirchnerismo: Banco Macro y Galicia en el contexto político argentino(2024) Fugante, Adriano; Paez, Angel Gabriel
- ItemValuación The Home Depot(2023?) Fachini, Ariel Ruben
- ItemValuación y análisis de Beyond Meat(2023-12) Manoukian, EzequielEl siguiente trabajo se enfoca en realizar una valuación de Beyond Meat, una empresa joven en el sector de alimentos a base de plantas. El objetivo principal es determinar el valor intrínseco de la empresa y, en consecuencia, establecer un precio objetivo para sus acciones. Este análisis se llevará a cabo mediante dos metodologías fundamentales: el método de descuento de flujos futuros (DCF) y el análisis por múltiplos. El DCF permitirá proyectar y descontar los flujos de efectivo futuros, considerando factores como el crecimiento esperado y los riesgos asociados. Por otro lado, el análisis por múltiplos se basará en comparaciones con empresas similares del sector para obtener una perspectiva relativa del valor de Beyond Meat. La combinación de estos enfoques busca brindar una visión completa y equilibrada del valor de la empresa Beyond Meat, ofreciendo así una contribución a una comprensión más profunda de la valuación en el contexto de su industria y del panorama económico actual.
- ItemFiltro de observaciones anómalas para la calibración de estructuras temporales de tasas : el caso del mercado bursátil argentino(2023-09) Pinto, Carlos IgnacioLas investigaciones sobre filtros para información de mercado como paso previo a la construcción de un modelo de tasas de interés son escasas y no se realizó ninguna utilizando K-means. El estudio se realizó para dieciocho activos dólar link argentinos teniendo en cuenta la importancia de construir su respectiva estructura de tasas de mercado previo a las elecciones PASO durante abril del 2023, con el objetivo de realizar un filtro utilizando clustering que su aplicación genere un mejor ajuste. Para la elaboración del filtro, se establecieron dos condiciones que permiten distinguir entre valores atípicos y datos normales, con el fin de minimizar la probabilidad de filtrar información relevante. La eficacia del filtro se evaluó mediante la comparación de métricas de error entre el modelo y el mercado, así como es desvío estándar de los parámetros del modelo de Nelson y Siegel (1987), se empleó el test de Levene para comparar la volatilidad entre los parámetros de la curva sin filtro y los generados a través del modelo de filtrado y no se encontró diferencias estadísticamente significativas entre ellas. Los resultados indican que la aplicación del filtro propuesto no reduce significativamente el error entre modelo-mercado cuando se calculan las métricas con todos los datos de precios y, de hecho, una volatilidad ligeramente mayor en las curvas. Sin embargo, al calcular las métricas con precios no filtrados, se observa una disminución del error modelo-mercado, aunque sin diferencias estadísticamente significativas en ningún caso. Además, se identificó que la condición 2 del filtro, cuando se aplica sola, ofrece un mejor desempeño, mientras que la condición 1, cuando se aplica por sí sola, empeora los resultados al eliminar el 44% de los datos en promedio.
- ItemValuación de Nike Inc.(2023-09) Ponce, Thiago DionelLa valuación de una empresa es un proceso que requiere una comprensión profunda y rigurosa de diversos elementos. Antes de adentrarnos en la aplicación de los métodos de valuación, es imperativo realizar análisis exhaustivos que abarquen desde la identidad y operaciones de la empresa hasta el contexto en el que opera y la evaluación de su rendimiento financiero en relación con sus competidores clave. Esta fase preliminar, con su sólida base de análisis, sienta las bases para una valuación robusta y fundamentada, respaldada por supuestos rigurosos y con validez intrínseca. En este contexto, el presente trabajo tiene como objetivo principal presentar una valuación detallada y fundamentada de Nike Inc., abordando las metodologías esenciales de valuación y presentando resultados respaldados por supuestos cuidadosamente considerados. A lo largo del trabajo, se expondrán análisis profundos de los ratios financieros más significativos, un análisis contextual de la industria y un examen riguroso de las tendencias en las ventas de la empresa. La fecha de valuación seleccionada para Nike Inc. es el 31 de mayo de 2022. En ese momento, el valor de la acción determinado mediante el Método de Flujo de Efectivo Descontado se estimó en USD 99.45, mientras que a través del Método de Valuación por Múltiplos se obtuvo un valor de USD 97.81 y USD 92.24 por EV/EBITDA y EV/Ventas respectivamente (EV por sus siglas en inglés “Enterprise Value” y EBITDA por sus siglas en inglés “Earnings Before Interest, Taxes, Depreciation and Amortization”). Es importante señalar que el precio de mercado de la acción en la misma fecha fue de USD 118.85, aunque descendió a la franja de los USD 80-90 en los meses posteriores. Basándonos en los supuestos iniciales, las proyecciones efectuadas y la valuación realizada, se plantea la premisa de que, en la fecha de la valuación, Nike Inc. podría haber estado experimentando una sobrevaloración. En el transcurso de las secciones subsiguientes, cada componente de esta valuación será analizado en detalle, y se ajustarán los supuestos para reflejar las condiciones y perspectivas actuales con mayor precisión. Esta exploración integral y metodológica nos permitirá obtener una evaluación concluyente y precisa de la posición financiera y el valor intrínseco de Nike Inc.
- «
- 1 (current)
- 2
- 3
- »
