IGBC: Un modelo de

pronstico para sus

retornos


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

Variable Coefficient Std. Error t-Statistic Prob.

C -0.000560 0.001318 -0.425087 0.6717
AR(1) 0.284460 0.375623 0.757301 0.4507
MA(1) -0.058694 0.393929 -0.148997 0.8819

R-squared 0.053748 Mean dependent var -0.000509
Adjusted R-squared 0.034238 S.D. dependent var 0.010164
S.E. of regression 0.009989 Akaike info criterion -6.345210
Sum squared resid 0.009678 Schwarz criterion -6.267055
Log likelihood 320.2605 Hannan-Quinn criter. -6.313580
F-statistic 2.754852 Durbin-Watson stat 2.000047
Prob(F-statistic) 0.068601

Inverted AR Roots .28
Inverted MA Roots .06


:uente; #0lculos propios en 8vie*s 6.


Grafico 2. odelo de pronstico !"! #1.1$ para el IGBC% 11&'1&2'11( ')&'*& 2'11.

:uente; #0lculos propios en 8vie*s 6.
-.03
-.02
-.01
.00
.01
.02
.03
.04
17 24 31 7 14 21 28 7 14 22 28 4 11 18 2 9 16 23 30 7
2011m1 2011m2 2011m3 2011m4 2011m5
RF R