Esta investigación analizó la estimación del tipo de cambio USD/COP mediante el desarrollo y la comparación de los modelos ARIMA-GARCH y SARIMA-GARCH, con el fin de diseñar estrategias de cobertura cambiaria. Se emplearon datos de la Tasa Representativa del Mercado (2019-2024) y técnicas de optimización en Python. Los resultados indicaron que SARIMA-GARCH ofreció mayor precisión predictiva al capturar fluctuaciones estacionales y reducir errores frente a ARIMA-GARCH. Con base en estos pronósticos, se propusieron estrategias de cobertura con forwards para mitigar el riesgo cambiario. No obstante, la incertidumbre del mercado y eventos inesperados pueden afectar la precisión de los modelos, por lo que se recomendó su recalibración cada 60-90 días. La combinación de series de tiempo con heterocedasticidad condicional resultó clave en mercados volátiles, aunque su alta demanda computacional puede ser una limitación. Este estudio aporta herramientas aplicables a la gestión del riesgo cambiario, optimizando la toma de decisiones financieras en empresas importadoras.

This research analyzed the estimation of the USD/COP exchange rate through the development and comparison of ARIMA-GARCH and SARIMA-GARCH models to design hedging strategies. Historical data from the Representative Market Rate (2019-2024) and optimization techniques in Python were used. Results indicated that SARIMA-GARCH provided higher predictive accuracy by capturing seasonal fluctuations and reducing errors compared to ARIMA-GARCH. Based on these forecasts, forward contract hedging strategies were proposed to mitigate exchange rate risk. However, market uncertainty and unexpected events may affect model accuracy, making recalibration every 60-90 days advisable. The combination of time series models with conditional heteroskedasticity proved essential in volatile markets, although its high computational demand can be a limitation. This study provides applicable tools for exchange rate risk management, optimizing financial decision making for importing companies.

Magíster en Administración Financiera

Maestría