You are on page 1of 15

UNIVERSIDAD NACIONAL DE COLOMBIA

SEDE BOGOTÁ
INGENIERÍA ECONÓMICA AVANZADA
TALLER 2

Natalia Moreno Moreno


Alejandro Ortíz Olarte
Nicolás Rodríguez Rubiano
Hans Joseph Schmeding Chaux

1. Defina los conceptos precio y valor. Mencione la relación existente entre estos dos
términos

El valor de un activo es el valor presente de todos los flujos (egresos e ingresos)


futuros esperados que genere el mismo descontados a la tasa de costo de
oportunidad. El precio de un activo es la manifestación monetaria del valor de un
activo, es un valor que resulta de miles de transacciones que por oferta y demanda
terminan por determinar la cuantificación monetaria del mismo. La relación entre los
dos conceptos es que en un mercado eficiente el precio refleja el valor de un activo
puesto que se conoce toda la información en tiempo real por lo cual no se paga más
o menos por unos retornos esperados que conoce la totalidad del mercado [1].

2. Defina claramente los siguientes conceptos

● Valor Presente - El valor presente corresponde a el resultado numérico de


descontar un valor futuro a una tasa determinada. Dependiendo del objetivo
del valor presente esta tasa puede ser la del costo de oportunidad, de inflación
o de un proyecto determinado.
● Índice del Mercado - Es un promedio ponderado de los precios de varias
acciones o vehículos de inversión de una sección del mercado de valores.
Permite observar tendencias de la sección del mercado del que provienen las
acciones de este [2].
● S&P500 - Es un índice de mercado que corresponde al precio promedio
ponderado de las acciones de las 500 compañías más grandes de estados
unidos (por valor de mercado) [3].
● EMH - “Efficient Market Hypothesis” establece que existen tres formas de
eficiencia del mercado de capitales. Primero la forma débil en la cual los
precios de las acciones reflejan únicamente a la información pasada pública
disponible. La segunda corresponde a la forma semi-fuerte donde el precio de
las acciones refleja toda la información pública pasada y presente disponible.
La tercera corresponde a la forma fuerte donde el precio de las acciones refleja
toda la información pasada y presente tanto pública como privada [4].
● Basis Point (b.p ó Punto básico) - Corresponde a un cienavo de 1% (0.01%),
es una unidad de medida universal para tasas de interés y tasa de retorno.
● Posición Larga - Corresponde a comprar una acción o un activo financiero con
la esperanza de que este aumente su precio para obtener un retorno a su
venta, pero no espera realizar dicha venta a un corto plazo [5].
● Posición Corta - Corresponde a vender un activo financiero o acción antes de
comprarlo, se realiza tomando un préstamo de las acciones, el trader recibe
las acciones como préstamo, luego las vende y al cabo de un periodo corto de
tiempo las recompra para devolverlas a quien se las ha prestado, si las
recompra a un valor menor al que las ha vendido entonces habrá generado
una ganancia [6].
● Tasa LIBORS: hace referencia a la tasa a la cual se prestan los bancos entre
sí a términos cortos, se determina en cinco monedas: dólar norteamericano,
euro, libra esterlina, yen y franco suizo. Se presentan a diferentes tiempos, a
un día, una semana, 1, 2, 3, 6 y 12 meses. Sirve como base para el cálculo de
préstamos a nivel mundial [7].

3. a) Mediante el uso del software Matlab® (Anexo 1) y a través de la aplicación modelo


de movimiento Browniano se realizaron 1000 simulaciones para 10 caminatas
diferentes obteniendo la predicción del precio de la acción Amazon para un lapso de
100 días a partir de agosto 17 de 2018. A continuación, se muestran los resultados
obtenidos en la simulación 468 del modelo, en donde se muestran cada una de las 10
pruebas realizadas.

Figura 1. Predicción del precio de la acción de Amazon para 10 caminatas.

b) Haciendo uso de Excel® se realizaron diferentes gráficas, inicialmente se proyectó


la línea de tendencia a una ventana de 100 días con los datos históricos desde Agosto
17 de 2013 hasta Enero 19 de 2018, igualmente se graficó el modelo de movimiento
Browniano tomando como referencia el precio de la acción el día Enero 19 de 018
además de la rentabilidad promedio y desviación estándar de la resta de logaritmos
de los precio diarios históricos hasta la fecha mencionada anteriormente, así como
con la obtención de los números aleatorios épsilon con media 0 y desviación estándar
1 para su uso en la ecuación de movimiento Browniano, finalmente se graficó los datos
reales del precio de la acción de Amazon para los 100 días siguientes a Enero 19 de
018 para realizar su comparación con las dos proyecciones.

Figura 2. Proyección lineal y mediante el modelo Browniano del precio de la acción


de Amazon para un periodo de 100 días.

Se puede deducir que el modelo de movimiento Browniano, aunque no tiene en cuenta


los datos históricos del precio de la acción tiene mayor precisión que una proyección
lineal basada en los datos históricos de la acción, por lo que se demuestra que la
información pasada de cualquier acción no afectará el precio futuro de la misma.

c) A continuación, se muestra una gráfica demostrativa de las 1000 simulaciones


realizadas para la prueba 1 en específico, igualmente para las 9 pruebas restantes se
realizaron dichas simulaciones.
Figura 3. Mil simulaciones del movimiento Browniano para la corrida 1.

Teniendo la simulación número 1000 para cada una de las corridas se obtienen los
precios proyectados para el día 100 de cada una de estas mismas, mediante el
software Matlab® (Anexo 1) es posible graficar la distribución normal correspondiente
a las proyecciones del precio para del último día (día 100), se encuentra que para un
95% de confiabilidad la media del precio de la acción será 2214,7 USD con una
desviación de 399,9 UDS y un intervalo comprendido entre 1430,9 USD y 2998,5
USD para el porcentaje de confianza mencionado anteriormente.

Figura 4. Distribución normal del precio proyectado de la acción para el dia 100
incluyendo los datos de las 10 pruebas.
4.
4.1 El principal objetivo de este artículo es inspeccionar la forma mediante el cual el
precio de las acciones corrientes se ajusta a nueva información implícita (en caso de
que exista) en un split de acciones. Para esto los autores proponen un estudio de
eventos que incluye una medición de los efectos de las acciones y eventos en los
precios de los valores; buscando evidencia en comportamientos inusuales en las tasas
de retorno en un split de un valor durante los meses cercanos al split, y, verificar si los
splits u otras variables están asociados con comportamientos inusuales de los
retornos de valores.

Se estudiaron 940 splits entre 1927 y 1959, los datos evaluados se tomaron de
acciones comunes de empresas que cotizan en la Bolsa de valores de Nueva York y
era necesario obtener datos de los precios de los dividendos al menos durante
veinticuatro meses sucesivos en torno a la fecha del split. Posteriormente, se hizo el
ajuste del retorno de los valores a las condiciones del mercado, para lo cual se usa
una ecuación matemática que si bien sigue un modelo de regresión lineal, es muy
simplificada ya que indica que las condiciones del mercado por sí solas determinan
los retornos de un valor individual, lo cual no es cierto en la vida real.

Respecto al análisis de los efectos de los splits en los retornos se concluye que las
empresas tienden a dividir sus acciones durante períodos en que los precios de sus
acciones han aumentado mucho más de lo que implican las relaciones normales entre
los precios de sus acciones y el comportamiento general del precio de mercado.
Además, según los datos obtenidos se observó que cuando los efectos de la
información de los cambios en los dividendos se consideran adecuadamente por las
empresas, un split per se no tuvo ningún efecto neto en los retornos de acciones
comunes. Lo anterior también es evidencia de la velocidad de ajuste de los precios de
mercado a nueva información disponible. Además, el mercado generalmente realiza
previsiones imparciales de dividendos para los valores divididos y estas previsiones
se reflejan por completo en el precio del valor al final del mes del split.

Finalmente, el artículo hace mención a los splits y a los beneficios comerciales,


ratificando que el comprar valores divididos después de que un split haya entrado en
vigencia no aumenta los retornos esperados, aunque las divisiones puedan dar
información a los inversionistas en la toma de futuras decisiones. Para que los
retornos esperados aumenten sería necesario predecir adecuadamente cuales
dividendos presentarán mayores alzas después del split, o tener información
privilegiada.

4.2 Expresión o fórmula más relevante.

La ecuación 1 es una forma de expresar la relación entre las tasas de rendimiento


mensuales proporcionadas por un valor individual y las condiciones generales del
mercado. Los autores indican que esta expresa la tasa mensual de retorno de un valor
individual como una función lineal de la rentabilidad correspondiente para el mercado.

𝑙𝑜𝑔𝑒 𝑅𝑗𝑡 = 𝛼𝑗 + 𝛽𝑗 𝑙𝑜𝑔𝑒 𝐿𝑡 + 𝑢𝑗𝑡 (1)


Donde
𝛼𝑗 y 𝛽𝑗 son parámetros que pueden variar de valor a valor y 𝑢𝑗𝑡 es un término de
perturbación aleatoria.

𝑃𝑗𝑡 : precio de la acción j-ésima al final del mes t.


𝑃′𝑗𝑡 : 𝑃𝑗𝑡 ajustado por cambios de capital en el mes t+1.
𝐷𝑗𝑡 : dividendos en efectivo en la seguridad j-ésima durante el mes t (donde el
dividendo se toma a partir de los datos ex-dividendo en lugar de la fecha de pago)
𝑅𝑗𝑡 : (𝑃𝑗𝑡 + 𝐷𝑗𝑡 )/ 𝑃′𝑗𝑡−1 : precio relativo del valor j-ésimo para el mes t.
𝐿𝑡 : Es un promedio complejo del Rjt para todos los valores que estaban en la bolsa de
valores de Nueva York al final de los meses t y t-1. Es la medida de las "condiciones
del mercado general" utilizadas en este estudio.

Se supone que 𝑢𝑗𝑡 satisface las suposiciones habituales del modelo de regresión
lineal.

4.3 Como conclusiones del artículo de Fama et al, se destacan las siguientes
afirmaciones:

Un split de acciones por lo general se da cuando una empresa experimenta retornos


del mercado superiores a los esperados y que posterior a un split a menudo se dan
más dividendos.

El mercado de valores es eficiente en relación a que los precios de las acciones se


adaptan a nueva información de manera muy rápida.

5. Considere una canasta de acciones de las empresas Netflix (NFLX), The Walt Disney
Company (DIS) y el Índice Bursátil (S&P500)

a. Grafique los registros diarios de los precios de las acciones y el índice bursátil para
los últimos cinco años (Enero 20 de 2013 – Enero 20 de 2018). Utilice los precios de
cierres registrados en Yahoo! Finance.
b. Grafique un histograma con clases del 1% de ancho de los retornos logarítmicos de
cada una de las acciones del índice. A simple vista, ¿qué se puede intuir sobre la
forma que arroja el histograma? ¿Existe algún tipo de asimetría en los histogramas?

- Netflix
- The Walt Disney Company

- S&P 500

En general los histogramas de los retornos logarítmicos de las acciones y del


indicador, son simétricos con respecto a la media, es decir que su distribución se
asemeja a una distribución normal, lo que confirma la teoría del Random Walk, ya
que existe la misma probabilidad de que el precio suba o baje, y consecuentemente
el retorno sea mayor o menor.

c. Determine cuál es la distribución que siguen los retornos logarítmicos de las acciones
y el índice, mediante una prueba Chi-Cuadrado. muestre gráficamente los resultados.
- Netflix

- The Walt Disney Company

- S&P500
d. Realice un diagrama de dispersión de la rentabilidad en el día t-1 versus la rentabilidad
del día t de cada uno de los siguientes activos. Calcule el coeficiente de correlación
entre las series mencionadas y concluya acerca de los resultados obtenidos con
respecto a la eficiencia del mercado.
El hecho de que los coeficientes de correlación sean cercanos a cero, nos indica que
la rentabilidad de la acción del día t-1 no tiene relación fuerte con la rentabilidad de
la acción en el día t, lo que afirma que el precio de la acción y consecuentemente su
rentabilidad, sólo reacciona a la información nueva.

e. Comente y concluya acerca de la eficiencia del mercado de capitales.


El mercado, inclusive el mercado de Estados Unidos, no es eficiente del todo, es decir
que presenta una eficiencia débil, ya que la información pasada como precios y
volúmenes, no tienen ninguna capacidad de predicción de los precios futuros, sin
embargo, si el mercado fuese totalmente eficiente o se comportara de manera
eficiente fuerte, no existirían inversionistas ni compañías que busquen información
con el objetivo de obtener retornos anormales, ni existiría ninguna confiabilidad en los
modelos de predicción de valores futuros de las acciones.

ANEXO 1
Aplicación del modelo de movimiento Browniano en código realizado en Matlab®.

clc
clear
close all
rng(123)
s0=1882.219971;
u=0.00149779;
sigma=0.01824902;

for i=1:1000
St1(i,1)=s0;
St2(i,1)=s0;
St3(i,1)=s0;
St4(i,1)=s0;
St5(i,1)=s0;
St6(i,1)=s0;
St7(i,1)=s0;
St8(i,1)=s0;
St9(i,1)=s0;
St10(i,1)=s0;
for j=2:101
St1(i,j)=St1(i,j-1)*exp(u*1+sigma*normrnd(0,1));
St2(i,j)=St2(i,j-1)*exp(u*1+sigma*normrnd(0,1));
St3(i,j)=St3(i,j-1)*exp(u*1+sigma*normrnd(0,1));
St4(i,j)=St4(i,j-1)*exp(u*1+sigma*normrnd(0,1));
St5(i,j)=St5(i,j-1)*exp(u*1+sigma*normrnd(0,1));
St6(i,j)=St6(i,j-1)*exp(u*1+sigma*normrnd(0,1));
St7(i,j)=St7(i,j-1)*exp(u*1+sigma*normrnd(0,1));
St8(i,j)=St8(i,j-1)*exp(u*1+sigma*normrnd(0,1));
St9(i,j)=St9(i,j-1)*exp(u*1+sigma*normrnd(0,1));
St10(i,j)=St10(i,j-1)*exp(u*1+sigma*normrnd(0,1));
end
end

figure()
hold on
for i=1:1000
plot(0:100,St1(i,:))
end
xlabel("Días")
ylabel("Precio(USD)")

St100=[St1(:,100);St2(:,100);St3(:,100);St4(:,100);St5(:,100);St6(:,100);St7(:,100);St8
(:,100);St9(:,100);St10(:,100)];

promedio=mean(St100)
desv=std(St100)
z=norminv(0.025)
IC95_Down=promedio+z*desv
IC95_Up=promedio-z*desv

figure()
plot(0:100,St1(468,:))
hold on
plot(0:100,St2(468,:))
plot(0:100,St3(468,:))
plot(0:100,St4(468,:))
plot(0:100,St5(468,:))
plot(0:100,St6(468,:))
plot(0:100,St7(468,:))
plot(0:100,St8(468,:))
plot(0:100,St9(468,:))
plot(0:100,St10(468,:))
legend("Prueba 1","Prueba 2","Prueba 3","Prueba 4","Prueba 5","Prueba 6","Prueba
7","Prueba 8","Prueba 9","Prueba 10")
xlabel("Días")
ylabel("Precio(USD)")

figure()
histfit(St100,100)
ylabel("Frecuencia")
xlabel("Precio(USD)")
hold on
plot([IC95_Down,IC95_Down],[0,45],'r','LineWidth',2);
plot([IC95_Up,IC95_Up],[0,45],'r','LineWidth',2);
plot([promedio,promedio],[0,310],'r','LineWidth',2);

figure()
qqplot(St100)

figure()
probplot(St100)

Referencias

[1] Villarreal, Julio. “Conceptos Claves - Fundamentos teóricos financieros”. Universidad de


los andes. Bogotá, Colombia.

[2]Investopedia, “What is a ‘Market Index’?”. Disponible en linea:


https://www.investopedia.com/terms/m/marketindex.asp

[3] Investopedia, “What is ‘Standard & Poor’s 500 Index - S&P 500’? ”. Disponible en linea:
https://www.investopedia.com/terms/s/sp500.asp

[4] Villarreal, Julio. “Eficiencia del Mercado de Capitales”. Universidad de los Andes. Bogotá,
Colombia.

[5] Investopedia, “What is a 'Long (or Long Position)' ”. Disponible en línea:


https://www.investopedia.com/terms/l/long.asp

[6] Investopedia, “What is a 'Short (or Short Position)' “. Disponible en linea:


https://www.investopedia.com/terms/s/short.asp

[7] Investopedia, “What is 'LIBOR' ”. Disponible en línea:


https://www.investopedia.com/terms/l/libor.asp

[8] Yang Zhijun. “Geometric Brownian Motion Model in Financial Market “

[9] Howard M.Taylor & Samuel Karlin “ An introduction to Stochastic Modeling“.Academic


Press.
[10] Fama, E., Fisher, L., Jensen, M. and Roll, R., “The Adjustment of Stock Prices to New
Information”. International Economic Review 10, 1–21, (February 1969)