Pronóstico del Tipo de Cambio USD/COP mediante modelos econométricos y su aplicación en la fijación de precios para exportaciones con pagos diferidos

dc.contributor.advisorSanabria Ospino, Alfredo Enrique
dc.contributor.advisorPinto Suárez, Carlos Javier
dc.contributor.advisorRangel Quiñonez, Henry Sebastián
dc.contributor.authorSosa Sanabria, Kevin Eduardo
dc.contributor.corporatenameUniversidad Santo Tomás
dc.date.accessioned2026-07-07T18:44:54Z
dc.date.available2026-07-07T18:44:54Z
dc.date.issued2026-07-07
dc.descriptionProblema: El tipo de cambio USD/COP representa un riesgo financiero significativo para las empresas colombianas que operan en mercados internacionales con pagos diferidos, generando incertidumbre sobre los flujos de efectivo futuros y potenciales pérdidas en los márgenes de rentabilidad. Objetivo: Evaluar comparativamente diferentes modelos econométricos para el pronóstico del tipo de cambio USD/COP y su aplicabilidad en la fijación de precios de exportaciones negociadas en dólares con pagos diferidos superiores a 30 días. Método: Se analizó la serie temporal del tipo de cambio USD/COP durante el período 2020-2025, estimando cuatro especificaciones econométricas: ARIMA, SARIMA, EGARCH y el modelo híbrido SARIMA-EGARCH con distribución generalizada de errores (GED). La selección del modelo óptimo se basó en criterios de información AIC y BIC, métricas de error (RMSE, MAE, MAPE) y diagnóstico de residuos. Los resultados se complementaron con simulaciones de Monte Carlo y un caso práctico de fijación de precios de exportación. Resultados: El modelo híbrido SARIMAEGARCH demostró el mejor desempeño predictivo al integrar la estructura temporal del SARIMA con la modelación asimétrica de volatilidad del EGARCH, produciendo intervalos de confianza más realistas. Las proyecciones sitúan el tipo de cambio en un rango de $4.200 - $4.300 COP por dólar en el corto plazo. La validación empírica con el caso práctico de Aroma Andino S.A.S. confirmó la utilidad del modelo, con errores de pronóstico que disminuyen progresivamente desde 3,59% a 30 días hasta 2,10% a 90 días. Discusión: Aunque el modelo SARIMA-EGARCH constituye una herramienta robusta para la gestión del riesgo cambiario, su uso como referente único para la valoración de contratos de exportación debe complementarse con instrumentos de cobertura financiera, análisis macroeconómico fundamental y consideración de variables exógenas no capturadas por modelos univariados.
dc.description.abstractProblem: The USD/COP exchange rate represents a significant financial risk for Colombian companies operating in international markets with deferred payments, generating uncertainty about future cash flows and potential losses in profit margins. Objective: To comparativel evaluate different econometric models for forecasting the USD/COP exchange rate and their applicability in pricing exports negotiated in dollars with deferred payments exceeding 30 days. Method: The USD/COP exchange rate time series was analyzed over the period 2020-2025, estimating four econometric specifications: ARIMA, SARIMA, EGARCH, and the hybrid SARIMA-EGARCH model with generalized error distribution (GED). Model selection was based on AIC and BIC information criteria, error metrics (RMSE, MAE, MAPE), and residual diagnostics, complemented by Monte Carlo simulations and a practical export pricing case study. Results: The hybrid SARIMA-EGARCH model demonstrated the best predictive performance by integrating the temporal structure of SARIMA with asymmetric volatility modeling from EGARCH, producing more realistic confidence intervals. Projections place the exchange rate in the $4.200-$4.300 COP per dollar range in the short term. Empirical validation through the Aroma Andino S.A.S. case study confirmed the model's utility, with forecast errors decreasing progressively from 3.59% at 30 days to 2.10% at 90 days. Discussion: Although the SARIMAEGARCH model constitutes a robust tool for exchange rate risk management, its use as the sole reference for export contract valuation should be complemented with financial hedging instruments, fundamental macroeconomic analysis, and consideration of exogenous variables not captured by univariate models.
dc.description.degreelevelPregradospa
dc.description.degreenameEconomistaspa
dc.description.domainhttps://www.ustabuca.edu.co/
dc.format.mimetypeapplication/pdf
dc.identifier.citationSOSA SANABRIA, K. E. ( 2026). Pronóstico del Tipo de Cambio USD/COP mediante modelos econométricos y su aplicación en la fijación de precios para exportaciones con pagos diferidos [Trabajo de Grado]. Universidad Santo Tomás, Bucaramanga, Colombia
dc.identifier.instnameinstname:Universidad Santo Tomásspa
dc.identifier.reponamereponame:Repositorio Institucional Universidad Santo Tomásspa
dc.identifier.repourlrepourl:https://repository.usta.edu.cospa
dc.identifier.urihttp://hdl.handle.net/11634/72925
dc.language.isospa
dc.publisherUniversidad Santo Tomásspa
dc.publisher.branchCRAI-USTA Bucaramanga
dc.publisher.facultyFacultad de Economíaspa
dc.publisher.programPregrado Economíaspa
dc.relation.referencesAlberto, M., Orozco, M., Sirley, D., Aguilar, G., Fredy, ;, Pérez Ramírez, O., Nini, ;, & Marín Rodríguez, J. (2018). Modelo cuantitativo ARIMAX-EGARCH para la predicción de la tasa de cambio colombiana (COP/USD) ARIMAX-EGARCH quantitative model for prediction of the Colombian exchange rate (COP/USD) (Vol. 39).
dc.relation.referencesArif, A. (2010). Análisis de series temporales estacionarias. https://www.tigerdata.com/learn/stationary-time-series-analysis
dc.relation.referencesArmstrong, J. S., & Green, K. C. (2018). Forecasting methods and principles: Evidence-based checklists. Journal of Global Scholars of Marketing Science: Bridging Asia and the World, 28(2), 103–159. https://doi.org/10.1080/21639159.2018.1441735
dc.relation.referencesBalassa, B. (1964). The Purchasing-Power Parity Doctrine: A Reappraisal. Journal of Political Economy, 72(6), 584–596. https://doi.org/10.1086/258965
dc.relation.referencesBanco de la República. (2010). ¿Cuáles son los mecanismos de intervención del Banco de la República en el mercado cambiario? | Banco de la República. https://www.banrep.gov.co/es/cuales-son-mecanismos-intervencion-del-banco-republicael-mercado-cambiario
dc.relation.referencesBanco de la República. (2014). Concepto de la Secretaría de la Junta Directiva . https://www.banrep.gov.co/es/banco/junta-directiva/conceptos/jds-10625
dc.relation.referencesBanco de la República. (2024). Presentacion-reporte-estabilidad-financiera-segundo-semestre2024-establecimientos-credito. https://d1b4gd4m8561gs.cloudfront.net/sites/default/files/publicaciones/archivos/presenta cion-reporte-estabilidad-financiera-segundo-semestre-2024-establecimientos-credito.pdf
dc.relation.referencesBanco de la República de Colombia. (2024). Obtenido de Tasa de cambio representativa del mercado (TRM): Metodología y series históricas: https://www.banrep.gov.co/es/glosario/tasa-cambio-trm
dc.relation.referencesBanco de la República. (2025). Conceptos básicos - Regulación y operaciones cambiarias . https://www.banrep.gov.co/es/politica-monetaria-cambiaria/regulacion-operacionescambiarias/conceptos-basicos
dc.relation.referencesBeckmann, J.|. (2020). Exchange rate predictability and dynamic Bayesian learning. Journal of Applied Econometrics, 410–421.
dc.relation.referencesBerggrun, L., España, L., & Lopez, J. (2011). Gestión del riesgo cambiario en una compañía exportadora. Estudios Gerenciales, 27(121), 219–238. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0123- 59232011000400012&lng=en&nrm=iso&tlng=es
dc.relation.referencesBrenndoerfer, M. (2025). SARIMA: Complete guide to seasonal time series forecasting with implementation. Obtenido de https://mbrenndoerfer.com/writing/sarima-seasonal-timeseries-forecasting
dc.relation.referencesBox, G. E. (1970). Time series analysis: Forecasting and control. San Francisco: Holden-Day
dc.relation.referencesBollerslev, T. (1986). Generalized autoregressive conditional heteroskedasticity. Journal of Econometrics, 31(3), 307–327. https://doi.org/10.1016/0304-4076(86)90063-1
dc.relation.referencesCassel, G. (1918). Abnormal Deviations in International Exchanges. The Economic Journal, 28(112), 413. https://doi.org/10.2307/2223329
dc.relation.referencesCastrejón, R. F. A., & Pacheco, C. B. (2020). ARIMA model from 2016 to 2017 term implemented to the peso/dollar exchange rate through temporary sliding windows. Revista Mexicana de Economia y Finanzas Nueva Epoca, 15(3), 331–354. https://doi.org/10.21919/remef.v15i3.466
dc.relation.referencesCopeland, T. E., & Weston, J. Fred. (1988). Financial theory and corporate policy. AddisonWesley.
dc.relation.referencesDe Arce, R., & Mahía, R. (2002). Modelos ARIMA: introducción al análisis de series temporales. Departamento de Economía Aplicada, Universidad Autónoma de Madrid.
dc.relation.referencesDornbusch, R. (1976). Expectations and Exchange Rate Dynamics. The Journal of Political Economy, 1161–1176.
dc.relation.referencesEngle, R. (2001). GARCH 101: The Use of ARCH/GARCH Models in Applied Econometrics. Journal of Economic Perspectives, 15(4), 157–168. https://doi.org/10.1257/JEP.15.4.157
dc.relation.referencesGalanos, A. (2024). rugarch: Univariate GARCH models (versión 1.5-1) [Paquete de R]. CRAN. https://CRAN.R-project.org/package=rugarch
dc.relation.referencesGarcía, A., & Oliva, F. (2020). Procedimiento para un pronóstico de la tasa de cambio eurodólar. Cofin Habana, 14(1), 2. https://dialnet.unirioja.es/servlet/articulo?codigo=10048685&info=resumen&idioma=EN G
dc.relation.referencesHansen, P. R., & Lunde, A. (2005). A forecast comparison of volatility models: does anything beat a GARCH(1,1)? Journal of Applied Econometrics, 20(7), 873–889. https://doi.org/10.1002/JAE.800
dc.relation.referencesHyndman, R. (2014). Forecasting: Principles & Practice.
dc.relation.referencesHyndman, R. J., & Athanasopoulos, G. (2018). Forecasting: Principles and Practice (2nd ed.). OTexts. https://research.monash.edu/en/publications/forecasting-principles-and-practice2
dc.relation.referencesHyndman, R., Athanasopoulos, G., Bergmeir, C., Caceres, G., Chhay, L., O'Hara-Wild, M., Petropoulos, F., Razbash, S., Wang, E., & Yasmeen, F. (2024). forecast: Forecasting functions for time series and linear models (versión 8.22.0) [Paquete de R]. CRAN. https://CRAN.R-project.org/package=forecast
dc.relation.referencesIsenah, G. M. (2014). Forecasting Nigerian Naira–US Dollar exchange rates by a seasonal ARIMA model. CBN Journal of Applied Statistics, 37–60.
dc.relation.referencesKrugman, P., & Obstfeld, M. (2006). Economia Internacional (7th ed.). Pearson Education,.
dc.relation.referencesLanda, N. (2021). Métricas en regresión. https://medium.com/@nicolasarrioja/m%C3%A9tricasen-regresi%C3%B3n-5e5d4259430b
dc.relation.referencesLizarzaburu, E., & Berggrun, L. (2013). Gestión del riesgo cambiario: aplicación a una empresa exportadora peruana. Estudios Gerenciales, 29(128), 379–384. https://doi.org/10.1016/J.ESTGER.2013.09.012
dc.relation.referencesLund, B. (2020). ¿Qué es el arbitraje? Ejemplos en finanzas, bienes raíces y más | Britannica Money. https://www.britannica.com/money/what-is-arbitrage
dc.relation.referencesMalkiel, B. G., & Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The Journal of Finance, 25(2), 383–417. https://doi.org/10.1111/J.1540- 6261.1970.TB00518.X
dc.relation.referencesMandelbrot, B. B. (1997). The variation of certain speculative prices. Fractals and Scaling in Finance, 371–418. https://doi.org/10.1007/978-1-4757-2763-0_14
dc.relation.referencesMinitab. (2021). Interpretar la función de autocorrelación parcial (PACF) . https://support.minitab.com/es-mx/minitab/help-and-how-to/statistical-modeling/timeseries/how-to/partial-autocorrelation/interpret-the-results/partial-autocorrelation-functionpacf/
dc.relation.referencesMinitab. (2023). Función de autocorrelación (ACF) - Minitab. https://support.minitab.com/esmx/minitab/help-and-how-to/statistical-modeling/time-series/howto/autocorrelation/interpret-the-results/autocorrelation-function-acf/
dc.relation.referencesMishkin, F. S. (2019). The economics of money, banking, and financial markets. Pearson
dc.relation.referencesMohammed, H. K., Jari, A. K., & Khudair, W. S. (2024). Using The Box-Jenkins Method In Time Series To Predict The Monthly Electrical Loads In (Babylon Governorate - Shomali District). Journal of Advances in Mathematics, 23, 39–48. https://doi.org/10.24297/JAM.V23I.9576
dc.relation.referencesMontoya Urán, Y., & Carmona Sánchez, E. G. (2024). Gestión del riesgo cambiario en una empresa exportadora colombiana mediante el uso de derivados. https://hdl.handle.net/10784/34891
dc.relation.referencesNelson, D. B. (1991). Conditional Heteroskedasticity in Asset Returns: A New Approach. Econometrica, 59(2), 347. https://doi.org/10.2307/2938260
dc.relation.referencesObstfeld, M., & Rogoff, K. (1996). Foundations of International Macroeconomics Foundations of International Macroeconomics. In Search. https://books.google.com/books/about/Foundations_of_International_Macroeconom.html ?hl=es&id=zr34DwAAQBAJ
dc.relation.referencesOjeda, J., Granados, J., & Arteaga, C. (2013). El comportamiento del tipo de cambio real en Colombia : ¿Explicado por sus fundamentales? Ensayos Sobre Política Económica, (72), 1–17. https://doi.org/10.32468/ESPE.7201
dc.relation.referencesPapell, D. (2006). The Panel Purchasing Power Parity Puzzle. Journal of Money, Credit and Banking, 38(2), 447–467. https://doi.org/10.1353/MCB.2006.0035
dc.relation.referencesRodriguez, A. (2024). El riesgo cambiario y los mecanismos de cobertura | Bancoldex. https://www.bancoldex.com/es/blog/el-riesgo-cambiario-y-los-mecanismos-de-cobertura
dc.relation.referencesRyan, J. A., & Ulrich, J. M. (2024). quantmod: Quantitative financial modelling framework (versión 0.4.26) [Paquete de R]. CRAN. https://CRAN.R-project.org/package=quantmod
dc.relation.referencesRuiz, J., Hernández, G., & Díaz, M. (2011). Importancia del modelo ARIMA en el pronóstico del producto interno bruto trimestral de México.
dc.relation.referencesSalcedo, V. (2020). Teoría de la Paridad de Poder Adquisitivo (PPA): Aportes de Gustav Cassel sobre el tipo de cambio de equilibrio. Revista Venezolana de Gerencia, 25(92), 1837– 1849. https://www.redalyc.org/articulo.oa?
dc.relation.referencesSamuelson, P. A. (1971). An exact Hume-Ricardo-Marshall model of international trade. Journal of International Economics, 1(1), 1–18. https://doi.org/10.1016/0022-1996(71)90013-4
dc.relation.referencesSierra, G. M., & Rodríguez, N. J. M. (2018). Modelación y comovimientos de la tasa de cambio colombiana, 2011-2017. Revista de Métodos Cuantitativos Para La Economía y La Empresa, 28, 301–341. https://doi.org/10.46661/REVMETODOSCUANTECONEMPRESA.2966
dc.relation.referencesThe Economist. (2012). The Big Mac index. https://www.economist.com/graphicdetail/2012/01/12/the-big-macindex?utm_medium=cpc.adword.pd&utm_source=google&ppccampaignID=1949568613 0&ppcadID=&utm_campaign=a.22brand_pmax&utm_content=conversion.directresponse.anonymous&gclsrc=aw.ds&gad_source=1&gad_campaignid=19495464887&g braid=0AAAAADBuq3K4Piq0XYuqIE6jPkKNtYbU&gclid=CjwKCAjw6P3GBhBVEiwAJPjmLhB9pQTStcpLZLuK27JAMx_giB GT_RE06EviRwJ3gin0rsVfDQkR5BoCMeQQAvD_BwE
dc.relation.referencesTrapletti, A., & Hornik, K. (2024). tseries: Time series analysis and computational finance (versión 0.10-57) [Paquete de R]. CRAN. https://CRAN.R-project.org/package=tseries
dc.relation.referencesTsay, R. S. (2005). Analysis of Financial Time Series Second Edition. John Wiley & Sons, Inc., Hoboken, New Jersey.
dc.relation.referencesUSAGov. (2025). Moneda oficial de Estados Unidos . https://www.usa.gov/es/monedaestadounidense
dc.rightsAttribution-NonCommercial-NoDerivs 2.5 Colombiaen
dc.rights.accessrightsinfo:eu-repo/semantics/openAccess
dc.rights.coarhttp://purl.org/coar/access_right/c_14cb
dc.rights.localAbierto (Texto Completo)spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/2.5/co/
dc.subject.keywordARIMA
dc.subject.keywordExchange Rate Risk
dc.subject.keywordExchange Rate Forecasting
dc.subject.keywordPrice Setting
dc.subject.keywordExports
dc.subject.proposalARIMA
dc.subject.proposalRiesgo Cambiario
dc.subject.proposalPronóstico Cambiario
dc.subject.proposalFijació de Precios
dc.subject.proposalExportaciones
dc.titlePronóstico del Tipo de Cambio USD/COP mediante modelos econométricos y su aplicación en la fijación de precios para exportaciones con pagos diferidos
dc.typebachelor thesis
dc.type.categoryFormación de Recurso Humano para la Ctel: Trabajo de grado de Pregrado
dc.type.coarhttp://purl.org/coar/resource_type/c_7a1f
dc.type.coarversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.driveinfo:eu-repo/semantics/bachelorThesis
dc.type.localTrabajo de gradospa
dc.type.versioninfo:eu-repo/semantics/acceptedVersion

Archivos

Bloque original

Mostrando 1 - 3 de 3
Cargando...
Miniatura
Nombre:
2026SOSAKEVIN.pdf
Tamaño:
1.85 MB
Formato:
Adobe Portable Document Format
Descripción:
Trabajo de grado
Cargando...
Miniatura
Nombre:
2026SOSAKEVIN1.pdf
Tamaño:
506.67 KB
Formato:
Adobe Portable Document Format
Descripción:
Carta de facultad
Cargando...
Miniatura
Nombre:
2026SOSAKEVIN2.pdf
Tamaño:
403.14 KB
Formato:
Adobe Portable Document Format
Descripción:
Acuerdo de publicación

Bloque de licencias

Mostrando 1 - 1 de 1
Cargando...
Miniatura
Nombre:
license.txt
Tamaño:
807 B
Formato:
Item-specific license agreed upon to submission
Descripción: