El presente ejercicio pretende mostrar uno de los potenciales anlisis de RIESGOMETRA: el pronstico de series de tiempo financieras. ara este caso! se anali"aron los retornos del IG#$ % ndice General de la #olsa de &alores' para proponer un modelo de pronstico de esta serie. Se encontr (ue la especificacin de un modelo ARMA %).)' era la *mejor+ para el propsito del tra,ajo. 2011 -efferson .ie/a Rojas! Analista -unior Ries0ometr1a: anlisis financiero 2 de ries0o de mercado 34536563)) Ries0ometr1a: anlisis financiero 2 de ries0o 2
Introduccin La preocupacin de muchos analistas y operadores del mercado de valores es el comportamiento de este y su evolucin. Sera deseable realizar buenos pronsticos de las series de tiempo de los diferentes activos ue se transan en la !"# $!olsa de "alores de #olombia% por obvias razones. &o obstante' si se tiene en cuenta la hiptesis de mercado de eficiente de (ar)o*itz no sera posible hacer un pronstico de nin+una serie de tiempo financiera. Sin embar+o al+unos traba,os hechos para #olombia' han demostrado ue e-iste eficiencia d.bil en este mercado accionario y por lo tanto' es posible ue los reza+os de una serie de tiempo puedan estar auto correlacionados con el presente 1 permitiendo pronosticarla. /or lo tanto' el ob,etivo del presente an0lisis es encontrar un modelo de series de tiempo ue permita replicar el retorno en el periodo si+uiente del 1ndice 2eneral de la !olsa de "alores de #olombia $12!#%. 3 continuacin se presentan los hechos estilizados del 12!#. Hechos estilizados del IGBC Los datos del an0lisis se obtuvieron de las estadsticas histricas del 2rupo 3val para el periodo 1140142011 5 0640742011. Los retornos fueron calculados como la diferencia lo+artmica del 12# y analizados con el soft*are econom.trico 8vie*s 6. 8n el +rafico 1 se presenta el test de normalidad 9arue5!era y las principales estadsticas descriptivas de la muestra. Grafico 1. Test de Normalidad para el IGBC
:uente; #0lculos propios en 8vie*s 6.
1 "er por e,emplo; <ribe 2 il' 9or+e (ario. #aracterizacin del mercado accionario colombia' 200152007; un an0lisis comparativo. 8n !orradores de 8conoma = >?7' !anco de la @epAblica de #olombia' 2006. Bambi.n en Sarmiento Lotero' @afael y Salazar Santana' (auricio. La estructura de financiamiento de las empresas; una evidencia terica y econom.trica para #olombia 1CC65200>. 8n documentos de economa = 17' /ontificia <niversidad 9averiana !o+ot0' abril' 200?. 0 4 8 12 16 20 -0.02 -0.01 0.00 0.01 0.02 0.03 Series: R Sample 1/11/2011 6/07/2011 Observations 101 Mean -0.000394 Median -0.000406 Maximum 0.037484 Minimum -0.024644 Std. Dev. 0.010179 Skewness 0.308036 Kurtosis 4.248602 Jarque-Bera 8.158063 Probability 0.016924 Ries0ometr1a: anlisis financiero 2 de ries0o D
#omo se esperaba la hiptesis nula de normalidad se pudo rechazar al ?E de confianza. 8l histo+rama muestra ue los retornos del 12! si+uen una distribucin de probabilidad ue es lepto curtica y con colas pesadasF resultado ue coincide con los hallaz+os de otras investi+aciones 2 . Beniendo en cuenta ue la serie no cumple con los supuestos de normalidad $media cero' varianza mnima% se procedi a averi+uar si la serie es estacionaria o no aplicando la metodolo+a !o- and 9en)ins. 3l observar el correlo+rama de los retornos del 12!#' tabla 1' es evidente ue al menos un coeficiente de correlacin parcial de media mvil es estadsticamente si+nificativo y tambi.n un t.rmino auto re+resivo de primer orden' en correlacin simple. 8s decir' esta variable est0 e-plicada por su pasado inmediato y' especficamente' por un reza+o de media mvil. Se+An esta tabla el modelo es estacionario pero solo un test formal de races unitarias permitir0 rechazar la hiptesis de no estacionariedad. 8l test realizado fue el de Gic)y :uller aumentado cuya hiptesis nula es ue hay una raz unitaria y la alterna de estacionariedad. 8l resultado en la tabla 2 indica ue se pudo rechazar la hiptesis nula y por lo tanto' el proceso es estacionario. Tabla 1. Correlograma de retorno del IGBC.
:uente; #0lculos propios en 8vie*s 6.
2 "er por e,emplo; 3lonso #.' 9ulio cesar y 3rcos' (auricio 3le,andro$2007%. > hechos estilizados de las series de rendimientos; <na ilustracin para #olombia. 8n @evista 8studios 2erenciales5 <niversidad 1#8S1 =100. Ries0ometr1a: anlisis financiero 2 de ries0o >
Tabla 2.Resultados del test de Dick y Fuller aumentado.
Null Hypothesis: R has a unit root Exogenous: Constant Lag Length: 0 (Automatic - based on SIC, maxlag=12)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -7.887060 0.0000 Test critical values: 1% level -3.497029 5% level -2.890623 10% level -2.582353
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation Dependent Variable: D(R) Method: Least Squares Date: 06/09/11 Time: 10:14 Sample (adjusted): 1/13/2011 6/07/2011 Included observations: 100 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
R(-1) -0.770189 0.097652 -7.887060 0.0000 C -0.000422 0.000995 -0.424042 0.6725
R-squared 0.388287 Mean dependent var -0.000130 Adjusted R-squared 0.382045 S.D. dependent var 0.012643 S.E. of regression 0.009939 Akaike info criterion -6.364938 Sum squared resid 0.009680 Schwarz criterion -6.312834 Log likelihood 320.2469 Hannan-Quinn criter. -6.343851 F-statistic 62.20572 Durbin-Watson stat 2.008413 Prob(F-statistic) 0.000000
:uente; #0lculos propios en 8vie*s 6. 3hora es necesario encontrar el modelo ue se a,uste me,or al comportamiento de la serie. /ara ello se debi; a. 8stimar el modelo de series de tiempo. b. #alcular el estadstico !o- /ierce para testear la hiptesis de auto correlacin serial de los errores. 8l estadstico !o-5 /ierce se calcula con la si+uiente frmula; N* r k 1 2 chi cuadrada con k-p -q grados de libertad para modelos ARMA. Hiptesis nula; no e-iste auto correlacin en los errores. Si #hi calculado I #hi critico' entonc.s' se rechaza la hiptesis nula.
Ries0ometr1a: anlisis financiero 2 de ries0o ?
Ge acuerdo al correlo+rama del modelo podra ser un (3 puro de orden 1. 8n consecuencia' se estim el si+uiente modelo; r = o + c t-1 + p t $1% Gonde r es el retorno del 12!#' o es el rumbo $drift%' c t-1 el par0metro de media mvil reza+ado un periodo y p t el t.rmino de perturbacin ue se espera no est. correlacionado con sus reza+os. 8n la tabla D se presentan los resultados del modelo estimado. 8l t.rmino de media mvil fue estadsticamente diferente de cero y la prueba de si+nificancia +lobal' :' tambi.n lo fue al C?E. 8l @2 fue muy ba,o; ?.1E. Tabla 3. Resultados del modelo 1.
Dependent Variable: R Method: Least Squares Date: 06/07/11 Time: 21:54 Sample (adjusted): 1/12/2011 6/07/2011 Included observations: 101 after adjustments Convergence achieved after 5 iterations MA Backcast: 1/11/2011
Variable Coefficient Std. Error t-Statistic Prob.
C -0.000381 0.001212 -0.313952 0.7542 MA(1) 0.224489 0.097857 2.294050 0.0239
R-squared 0.051124 Mean dependent var -0.000394 Adjusted R-squared 0.041539 S.D. dependent var 0.010179 S.E. of regression 0.009965 Akaike info criterion -6.359814 Sum squared resid 0.009831 Schwarz criterion -6.308029 Log likelihood 323.1706 Hannan-Quinn criter. -6.338850 F-statistic 5.333928 Durbin-Watson stat 1.977227 Prob(F-statistic) 0.022992
Inverted MA Roots -.22
:uente; #0lculos propios en 8vie*s 6. 8l si+uiente paso fue testear la hiptesis de auto correlacin serial de los errores de la re+resin. 8l !o- /ierce calculado fue DJ.6D con D7 reza+os y D? +rados de libertad. 8l valor #hi crtico fue ??.67. /or lo tanto se acept la hiptesis nula. <n e,ercicio adicional fue hecho incorporando un t.rmino auto re+resivo de primer orden en la ecuacin $1% para probar si se obtenan me,ores resultados dado ue haba un coeficiente 3@$1% si+nificativo en el coeficiente de auto correlacin simple en el correlo+rama. Los resultados se presentan en la tabla >. 8l @2 me,or un poco pasando a ser ?.DE y el test de si+nificancia +lobal permiti rechazar la hiptesis nula al C?E. 3dem0s se realiz el test !o- /ierce para descartar autocorrelacin y fue aceptada la hiptesis nula de no autocorrelacin serial. :inalmente se observ ue un !o- /ierce de D7.??' es decir' un valor menor al del modelo (3 $1%. /or lo tanto' la especificacin 3@(3 $1'1% es me,or ue el (3 puro. Ries0ometr1a: anlisis financiero 2 de ries0o 7
Gespu.s de haber encontrado el modelo de series de tiempo fue hecho el pronstico correspondiente' e-puesto en el +rafico 2. La variable @: es el retorno pronosticado y @ es el retorno del 12!#. 8l modelo no acert en las predicciones del ndice y solo en ?D ocasiones predi,o la trayectoria de esta serie de tiempo. Se concluye ue la hiptesis de eficiencia d.bil se acepta para la !olsa de "alores de #olombia al poder pronosticar el comportamiento del 12!# con un resultado aceptable.
Tabla 4. Resultados del modelo ARMA (1.1)
Dependent Variable: R Method: Least Squares Date: 06/07/11 Time: 21:52 Sample (adjusted): 1/13/2011 6/07/2011 Included observations: 100 after adjustments Convergence achieved after 9 iterations MA Backcast: 1/12/2011