ANÀLISIS DEL COMPORTAMIENTO Y PRONÒSTICO CON MODELOS ARIMA DE LA ACCIÒN AMAZON

[pic 1]

FACULTAD DE CIENCAS ECONÒMICAS Y ADMINISTRATIVAS[pic 2]

UNIDAD DE POSGRADOS

MAESTRÌA EN FINANZAS

MATERIA

ECONOMETRÍA

CATEDRÀTICO

GIRÓN CRUZ LUIS EDUARDO

AUTORES

NARANJO BARRERA KATHERINE CAROLINA

SORNOZA JARAMILLO KARLA GISSELLA

TEMA:

ANÀLISIS DEL COMPORTAMIENTO Y PRONÒSTICO CON MODELOS ARIMA DE LA ACCIÒN AMAZON.

AÑO

ABRIL 2020

1. Resumen

El presente trabajo desarrolla un ejercicio de predicción del precio de la acción de Amazon que cotizó en la bolsa de Valores de Nueva York (NYSE) durante el período de tiempo del 21 noviembre del 2019 al 21 de abril del 2020, utilizando un modelo de series de tiempo, para el cual usamos el programa Eviews. Los resultados encontrados XXXXXXX.

1. Introducción

Amazon es una compañía de comercio electrónico estadounidense fundada por Jeffrey Bezos en 1995 en Seattle, Washington, ciudad en la que reside su sede social en la actualidad. Es la mayor empresa de comercio electrónico del mundo la cual logró tener la visión de lo que se convertiría internet en pocos años. Desde el garaje de su casa, y con tan solo tres procesadores, instauró su primer sitio web en julio de 1995. Cadabra.com comenzó a ofrecer un catálogo de libros online de distintas editoriales, una página web muy intuitiva donde el consumidor buscaba dentro de su stock. Más tarde vendría el cambio de nombre a Amazon, asociado a una época en la que se difundían los listados de las páginas ordenados alfabéticamente, motivo por el cual Amazon comenzó a aparecer en los primeros lugares de los buscadores.

El dominio de Amazon se ha creado debido a la gran competencia de la compañía, y su manera de trabajar está transformando completamente la actividad comercial. Hasta hoy, el innovador servicio que presta la compañía en Internet ha supuesto la desaparición de miles de empresas tradicionales que no han sido capaces de adaptarse a los nuevos avances tecnológicos.

En 2017, aparte de un portal de comercio electrónico, Amazon fue la cuarta empresa más valiosa del mundo. (Petroff, 2017)  Su cotización alcanzó los $2,400 el 20 de abril de 2020. Desde los $374,28 que valía una acción el dos de febrero de 2015, en 5 años las acciones de la compañía se han multiplicado por seis, como muestra la gráfica 1. La compañía ha sido una de las estrellas del mercado y podemos asegurar que es el líder indiscutible del comercio electrónico.              

Gráfica 1: Cotizaciones de la acción Amazon[pic 3]

Fuente: Yahoo Finance

Y no podemos esperar que este fenómeno decrezca en el futuro. Como muestra la gráfica 2, la popularidad del comercio electrónico no para de crecer, se prevé que en 2021 las ventas ya superen los 4.000 miles de millones de dólares estadounidenses a nivel mundial.

Gráfica 2: Ventas del comercio online en miles de millones de dólares (2014-2021)

[pic 4]

Fuente: Statista

Los modelos ARIMA exhiben buen desempeño predictivo en el corto plazo, aunque pierden capacidad de pronóstico en horizontes alejados. Además, presentan inconvenientes si las series involucradas han experimentado cambios estructurales en su trayectoria. Por último, la mejor especificación surgida para una especie, periodo muestral y localización no puede ser extrapolada a otras circunstancias. (Brooks, 2008.) (Enders, 2009)

El objetivo del trabajo es evaluar la capacidad predictiva de los modelos ARIMA, aplicados a los rendimientos de los precios de la acción Amazon, siguiendo la metodología de Box Jenkins. Como objetivos específicos se pretende difundir una herramienta para la toma de decisiones e ilustrar que la metodología genera resultados satisfactorios en el corto plazo sin necesidad de recurrir a modelos estructurales.

El pronóstico de variables económicas en los sectores empresariales o gubernamentales se ha convertido en una herramienta fundamental en los procesos de toma de decisiones, planificación financiera, planificación de estrategias de ventas.

1. Estado del arte

La presente investigación documental expondrá la utilización de una herramienta estadística del análisis univariante, específicamente los modelos ARIMA, para la predicción del precio de las acciones de una compañía, en nuestro caso Amazon.

La decisión de usar este tipo de herramienta nace al observar los análisis técnicos, chartistas como de osciladores, quienes según explica De Arce (Rafael, 1998): “En definitiva, la clave de estos modelos está en considerar la información pasada de la variable y su volatilidad observada como factor altamente explicativo de su comportamiento presente y, por extensión lógica, de su futuro predecible”. Por otro lado, la teoría de los mercados eficientes afirma que los mercados financieros son eficientes con relación a la información que manejan, esto quiere decir que los precios de los activos (acciones) ya tienen interiorizada toda información (Fama, 1965). Dicho de otra forma, desde esta perspectiva se asume que los precios de las acciones actúan asiduamente como variables de un proceso estocástico (Parody, 2016). Siendo esta última, la metodología que usaremos para nuestro análisis

A partir de este concepto, las series temporales se estudian de un punto de vista estocástico o moderno. Si bien, en la literatura se han propuesto diversos modelos orientados a la representación de dichas series, su utilidad depende del grado de similitud entre la dinámica del proceso generador de la serie y la formulación matemática del modelo con que se represente (Sánchez, 2008).

Es por eso, que se aplica la metodología propuesta por Box y Jekins quienes han desarrollado modelos estadísticos para series temporales que tienen en cuenta la dependencia existente entre los datos, esto es, cada observación en un momento dado es modelada en función de los valores anteriores. Los modelos se conocen con el nombre genérico de ARIMA (Autoregressive Integrated Moving Average), que deriva de sus tres componentes AR (Autorregresivo), I (integrado), y MA(Medias Móviles) (Fernandez).

Se debe aclarar, no obstante, que las series involucradas deben ser estacionarias; es decir, no presentar ningún tipo de tendencia en la media o su varianza. Si las series objeto de pronóstico cumplen esta condición, se dice que son integradas de orden 0, I(0). Sin embargo, la mayor parte de las series económicas expresan algún tipo de tendencia que las vuelve no estacionarias. Con todo, aunque una serie pueda seguir un proceso no estacionario, es frecuente que sus diferencias sean estacionarias. (Diego R. Broz, 2014)

Por ello, la identificación de modelos ARIMA requiere conocer el grado de integración de las series a predecir y, por ende, la cantidad de veces que debe ser diferenciada una serie hasta conseguir una progresión estacionaria. (Diego R. Broz, 2014)

Metodología BOX-JENKINS

[pic 5]

Autor: Santiago de la Fuente Fernández

Fuente: Facultad de Ciencias Económicas-Universidad de Madrid

1. Marco teórico

Datos de series de tiempo

Según (Wooldridge, 2008). Una serie de tiempo es un conjunto de observaciones sobre los valores de una variable en diferentes momentos. Tal información debe recopilarse en intervalos regulares, es decir en forma diaria, semanal, mensual, trimestral y  anual.

En términos generales, hay cinco enfoques de los pronósticos económicos basados en series de tiempo: 1) métodos de suavizamiento exponencial, 2) modelos de regresión uniecuacionales, 3) modelos de regresión de ecuaciones simultáneas, 4) modelos autorregresivos integrados de promedios móviles (ARIMA) y 5) modelos de vectores autorregresivos (VAR).

Modelos ARIMA

(Jenkins, 1978), marcó el comienzo de una nueva generación de herramientas de pronóstico. Popularmente conocida como metodología de Box-Jenkins (BJ), pero técnicamente conocida como metodología ARIMA, el interés de estos métodos de pronósticos no está en la construcción de modelos uniecuacionales o de ecuaciones simultáneas, sino en el análisis de las propiedades probabilísticas, o estocásticas, de las series de tiempo económicas por sí mismas según la filosofía de que los datos hablen por sí mismos. A diferencia de los modelos de regresión, en los cuales Yt se explica por las k regresoras X1, X2, X3. , Xk, en los modelos de series de tiempo del tipo BJ, Yt se explica por valores pasados o rezagados de sí misma y por los términos de error estocásticos.

Metodología de Box-Jenkins (BJ)

Según (Damodar N. Gujarati, 2009). El diseño de modelos ARIMA de Box-Jenkins es un arte más que una ciencia; se requiere gran habilidad para seleccionar el modelo ARIMA correcto. Por tanto, la metodología BJ es un proceso iterativo.

El método considera 4 pasos:

1. Identificación. Es decir, encontrar los valores apropiados de p, d y q.

2. Estimación. Estimar los parámetros de los términos autorregresivos y de promedios móviles incluidos en el modelo.

3. Diagnóstico. . Una simple prueba del modelo seleccionado es ver si los residuales estimados a partir de este modelo son de ruido blanco; si lo son, aceptamos el ajuste particular; si no lo son, debemos empezar de nuevo.

...