Proyecto de Aula Tercer Corte

Jorge Reinoso, Daniel Perdomo, Gissela Vergara.

3 de junio de 2019
{r setup, include=FALSE} knitr::opts_chunk$set(echo = TRUE)
{r cars} library(openxlsx) library(tidyverse) library(readxl) library(psych)
library(samplesize4surveys) ## Medición del riesgo en el mercado bursátil

Una medida del riesgo o volatilidad de una acción es la desviación estándar del
rendimiento durante un lapso de tiempo. Aunque la desviación estándar es fácil de calcular,
no toma en cuenta la variación del precio de una acción en función de un índice estándar
del mercado, como el S&P 500. Por esta razón, muchos analistas financieros prefieren
emplear otra medida, conocida como beta, para medir el riesgo. La beta de una acción se
determina mediante regresión lineal simple. La variable independiente es la rentabilidad
total de la acción de que se trate y la variable independiente es la rentabilidad total del
mercado de valores. (Diversas fuentes emplean diferentes métodos para calcular las betas.
Por ejemplo, algunas fuentes, antes de calcular la ecuación de regresión estimada, restan,
de la variable independiente, la rentabilidad que podría haberse obtenido con una
inversión libre de riesgos [por ejemplo, letras del tesoro (Estados Unidos) (T-bills)]. Otras,
para la rentabilidad total del mercado de valores emplean diversos índices; por ejemplo,
Value line calcula las betas usando el índice compuesto de la bolsa de Nueva York). En este
caso problema se usará el índice S&P 500 como medida de la rentabilidad total del mercado
de valores y se obtendrá una ecuación de regresión estimada usando datos mensuales. La
beta de una acción es la pendiente en la ecuación de regresión estimada (b1). En el archivo
Beta se proporciona la rentabilidad total de ocho acciones comunes muy conocidas y la del
S&P 500 a lo largo de 36 meses. El valor beta del mercado de valores siempre será 1; por lo
tanto, una acción que tienda a subir o a bajar con el mercado de valores tendrá también una
beta cercana a 1. Betas mayores a 1 corresponden a acciones que son más volátiles que el
mercado y betas menores a 1 corresponden a acciones menos volátiles que el mercado. Por
ejemplo, si la beta de una acción es 1.4, esta acción es 40% más volátil que el mercado, y si
la beta de una acción es 0.4, la acción es 60% menos volátil que el mercado.
db <- read_excel("BETA BASE DE DATOS DEL PROYECTO DE AULA CORTE 3.xls")
db

1. Calcular los estadísticos descriptivos de cada una de las acciones y

del S&P 500. Hacer comentarios sobre los resultados. ¿Qué acción es
la más volátil? ¿Cómo justifica su elección?
mod1 <- lm(`S&P500`~Microsoft +`Exxon Mobil` + Caterpillar +`Johnson &
Johnson`+ `McDonald's`+ Sandisk + Qualcomm + `Procter & Gamble`,db)
summary(mod1)
Respuesta 1:
Realizando una regresion lineal multiple de nuestras variables la accion mas volatil es la
“Procter & Gamble” ya el P valor para esta accion es de 0.6970 y es la mas cercana a 1.

2. Calcular la beta de cada acción. ¿Cuál de estas acciones se esperaría

que se comportara mejor en un mercado de alta calidad? ¿Cuál
conservaría mejor su valor en un mercado para el sector popular?
mod2 <- lm(`S&P500`~Microsoft,db)
summary(mod2)
coef(mod2)

hist(db$Microsoft)

mod2(S&P500= 0.009319586 + 0.154349366 * Microsoft)

mod3 <- lm(`S&P500`~`Exxon Mobil`,db)
summary(mod3)
coef(mod3)

hist(db$`Exxon Mobil`)

mod2(S&P500= 0.007342674 + 0.165448509 * Exxon Mobil)

mod4 <- lm(`S&P500`~Caterpillar,db)
summary(mod4)
coef(mod4)

hist(db$Caterpillar)

mod2(S&P500= 0.003467875 + 0.220199811 * Caterpillar)

mod5 <- lm(`S&P500`~`Johnson & Johnson`,db)
summary(mod5)
coef(mod5)

hist(db$`Johnson & Johnson`)

mod2(S&P500= 0.010068833 + 0.004993826 *Johnson & Johnson)

mod6 <- lm(`S&P500`~`McDonald's`,db)
summary(mod6)
coef(mod6)

hist(db$`McDonald's`)

mod2(S&P500= 0.004595344 + 0.224724053 * McDonald’s)

mod7 <- lm(`S&P500`~Sandisk,db)
summary(mod7)
coef(mod7)
hist(db$Sandisk)

mod2(S&P500= 0.006819475 + 0.047295856 * Sandisk)

mod8 <- lm(`S&P500`~Qualcomm,db)
summary(mod8)
coef(mod8)

hist(db$Qualcomm)

mod2(S&P500= 0.006353096 + 0.131951515 * Qualcomm )

mod9 <- lm(`S&P500`~`Procter & Gamble`,db)
summary(mod9)
coef(mod9)

hist(db$`Procter & Gamble`)

mod2(S&P500= 0.007389023 + 0.255575593 * Procter & Gamble)

Respueta 2:
-la variable que se comporta mejor en el mercado es la de “McDonald’s” ya que con un
0.31% es la que mejor sobresale de todas. -la variable que mejor consrva se valor seria
“Exxon Mobil” por su comportamiento en la grafica.

3. Haga un comentario sobre qué tanto de la rentabilidad de cada una

de las acciones es explicado por el mercado.
plot(db$`S&P500`,db$Microsoft)
abline(mod2)

Este modelo demuestra que es una variable proporcinal y debil.60%

menos volátil que el mercado.
plot(db$`S&P500`,db$`Exxon Mobil`)
abline(mod3)

Este modelo demuestra que es una variable en donde se ve una

proporcion minima y unha relacion estable.60% menos volátil que el
mercado.
plot(db$`S&P500`,db$Caterpillar)
abline(mod4)
En este modelo podemos ver que no hay relacion leneial.60% menos
volátil que el mercado.
plot(db$`S&P500`,db$`Johnson & Johnson`)
abline(mod5)

En este modelo podemos ver que es una relacion inversamente

proporcional y debil.60% menos volátil que el mercado.
plot(db$`S&P500`,db$`McDonald's`)
abline(mod6)

En este modelo podemos ver que es una relacion proporcional y

debil.60% menos volátil que el mercado.
plot(db$`S&P500`,db$Sandisk)
abline(mod7)

En este modelo podemos ver que no hay relacion.60% menos volátil

que el mercado.
plot(db$`S&P500`,db$Qualcomm)
abline(mod8)

En este modelo podemos ver que no hay relacion.60% menos volátil

que el mercado.
plot(db$`S&P500`,db$`Procter & Gamble`)
abline(mod9)

En este modelo podemos ver que es una relacion proporcional y

debil.60% menos volátil que el mercado.