APLICACIÓN DE UN MODELO DE MACHINE LEARNING PARA

ESTIMAR LOS PRECIOS DE CIERRE DE LAS ACCIONES DE LA EMPRESA

APPLE
IVES DOMERO
CI: 10.532.595
Email: rmetricsestadística@gmail.com

Resumen

El indice S&P500 que concentra las 500 empresas con mayor capitalización de mercado es un marcador de
referencia en la principal Bolsa de Valores del mundo como es Wall Street y para muchos analistas financieros
el termómetro de la economía norteamericana. Apple que es una de las empresas de tecnología más importantes
del mundo forma parte de este conjunto de empresas que hacen vida en este indice mediante el comportamiento
de sus acciones, se pretende mediante el siguiente estudio analizar que factores son determinantes en el
comportamiento de los precios de cierre para Apple, para ello se dispone de los datos históricos descargados de
la página web Yahoo Finanace para el periodo 1990 - 2022. Los resultados de la aplicación de un Modelo de
Machine Learning (específicamente un modelo de regresión múltiple) permitió observar factores determinantes
como los precios de apertura, máximos, mínimos y volumen de acciones tranzadas en este mercado son factores
que inciden en el comportamiento de los precios de cierre para esta empresa.

Abstract

The S&P500 index, which concentrates the 500 companies with the largest market capitalization, is a reference
marker in the main Stock Market in the world, such as Wall Street, and for many financial analysts, the
thermometer of the North American economy. Apple, which is one of the most important technology companies
in the world, is part of this group of companies that make a living in this index through the behavior of its
shares, it is intended through the following study to analyze which factors are determinant in the behavior of
prices closing date for Apple, for which historical data is available downloaded from the Yahoo Finance website
for the period 1990 - 2022. The results of the application of a Machine Learning Model (specifically a multiple
regression model) allowed us to observe determinant factors such as the opening prices, maximums, minimums
and volume of shares traded in this market are factors that affect the behavior of the closing prices for this
company.

I. Introducción
Muchos países del mundo giran su entorno
económico en torno a mercados financieros, entre
ellos el mercado de valores donde el mismo tiene una
alta incidencia en el crecimiento económico de
muchos de ellos. Entre estos mercados destaca Wall
Street que dicta prácticamente la dinámica de la
economía norteamericana y las distorsiones que
puedan ocurrir en el mismo tiene una incidencia en el
resto de los mercados internacionales.
Muchas empresas cotizan en la Bolsa de Valores de
Wall Street en busca de obtener los mejores
dividendos de sus acciones, las mismas son
agrupadas en índices que permiten ver el
comportamiento esta acciones en las operaciones
diarias, el índice S&P500 es precisamente uno de
tantos índices bursátiles pero el mismo tiene un gran
particularidad, en el cotizan las 500 empresas con
mayor capitalización de mercado en EEUU, la
empresa de tecnología Apple fundada por el fallecido
Steve Jobs es una de ellas y es parte integrante dentro
de este indicador, se pretende entonces estudiar
mediante un algoritmo de Machine Learning el
comportamiento de los precios de cierre de esta
empresa a través de posibles factores determinantes
como son los precios de apertura, máximos, mínimos
y volumen de acciones negociadas en el mercado
tomando como horizonte de investigación el periodo
1990 – 2022.
II. Problema o caso de estudio
Muchos inversionistas en las principales bolsas de
valores constantemente buscan posicionarse en el
mercado con el único objetivo de sacar ventaja en los
mercados de valores, sin embargo esto no es tarea
fácil ya que estos mercados son especulativos lo que
se traduce en volatilidades de los precios de las
acciones, se hace necesario entonces un conocimiento
del entorno en periodos determinados a través de
noticias, páginas web especializadas en inversiones
(Yahoo Finance, Google Finance, Blomberg) por
nombrar algunas, esto ayuda a tener una panorámica
del mercado, pero esto de por si no es suficiente, en
muchos casos lecturas de indicadores financieros así
como estudios técnicos del comportamiento del
precio de estos activos son parte complementaria en
estos análisis, ahora bien, muchos indicadores
técnicos tradicionales se sustentan en el
comportamiento univariante del precio a través de
estudios de promedios móviles, MACD, bandas de
Bollinger entre tantos otros, se requiere entonces la
creación de herramientas técnicas que evalúen
mediante modelos estadísticos el entorno del
comportamiento del precio, se pretende mediante la
investigación brindar mediante una técnica de tipo
multivariante a los inversionistas de las acciones de
Apple soluciones factibles para fijar mejores posturas
en Wall Street.
2
III. Metodología/ Marco aplicativo
Los mercados bursátiles son una fuente inagotable de
información con respecto al comportamiento de los
activos financieros que ahí se tranzan, en la
actualidad se dispone de plataformas muy robustas
que recogen esta gran cantidad de datos y la ponen a
disposición de usuarios habidos de analizarlos para
generar beneficios, ahora bien, el dato per se no
arroja ningún tipo de información relevante, se hace
necesario entonces contar con capacidad de cómputo
y algoritmos eficientes que permitan detectar estos
patrones del activo de interés. Los algoritmos de
Machine Learning han ganado gran popularidad en la
comunidad financiera ya que pueden aportar
soluciones factibles en este sentido, estos algoritmos
provenientes de la rama de la Inteligencia Artificial
se encargan de generar algoritmos que tienen la
capacidad de aprender y no tener que programarlos
de manera explícita. El inversionista no tendrá que
sentarse a programar por horas tomando en cuenta
todos los escenarios posibles ni todas las excepciones
posibles. Lo único que hay que hacer es alimentar el
algoritmo con un volumen gigantesco de datos para
que el algoritmo aprenda y sepa qué hacer en cada
uno de estos casos.
El abanico de algoritmos disponibles es bastante
extenso, muchos de estos provenientes de modelos
estadísticos y matemáticos, en el caso particular de
los modelos estadísticos los modelos paramétricos de
tipo multivariente son una solución viable para
estudiar factores determinantes que pudiesen afectar
el entorno de un activo de interés en el mercado, los
modelos de regresión múltiple son uno de ellos. En
este modelo se busca explicar el comportamiento de
una variable dependiente en términos de un conjunto
de variables que se definen como variables
explicativas, el peso que tiene c/u de estas variables
en la explicación de la variable objetivo viene
determinada por parámetros que deben estimarse
normalmente por Mínimos Cuadrados Ordinarios
MCO. La formulación matemática del modelo viene
expresada mediante la siguiente relación matricial.
Y = Xβ+ ε
Donde: Y es un vector de orden nx 1 que contiene
los valores de la variable dependiente, X es una
matriz de orden nxr +1 contentiva de los valores de
las variables explicativas (matriz de diseño), β de
orden rx 1 es el vector de parámetros del modelo y ε
de orden nx 1 es la perturbación aleatoria o término
del error del modelo.
Para que los resultados de la regresión sean
“confiables” (confiable es una forma coloquial de
referirse a: insesgados, es decir que sus resultados
sean parecidos a los reales; y óptimos, es decir que su
varianza sea mínima) es necesario que:
 a) La relación entre las variables sea lineal. Ser lineal
no significa que forzosamente tenga que ser una línea
recta sino también que pueda ser lineal con alguna
transformación.
b) Las perturbaciones (es decir los efectos
provocados aleatoriamente o por variables no
incluidas en el modelo) deben ser: de media cero,
homocedásticas y no autocorrelacionadas. Se suelen
resumir estos bajo la denominación de “esfericidad”
de los residuos.
La popularidad de estos algoritmos hoy día ha
crecido a pasos agigantados gracias a las múltiples
herramientas computacionales donde se pueden
manipular eficientemente estas grandes bases de
datos, en el caso particular de esta investigación se
hacen uso de 2 softwares de amplia demanda en el
estudio de Data Science como son el sistema
estadístico R Project y Python, se hace una breve
descripción de los mismos para conocer sus
características.
El Sistema Estadístico R
R es un lenguaje y entorno de programación, creado
en 1993 por Ross Ihaka y Robert Gentleman del
Departamento de Estadística de la Universidad de
Auckland, cuya característica principal es que forma
un entorno de análisis estadístico para la
manipulación de datos, su cálculo y la creación de
gráficos. En su aspecto R puede considerarse como
otra implementación del lenguaje de programación S,
con la particularidad de que es un software GNU,
General Public Licenc (conjunto de programas
desarrollados por la Free Software Foundation) es
decir, de uso libre.
El término entorno lo caracteriza como un sistema
completamente diseñado y coherente de análisis de
datos. Como tal es muy dinámico y las diferentes
versiones no siempre son totalmente compatibles con
las anteriores. En la introducción a R no se hace
mención explícitamente a la palabra estadística, sin
embargo, mayoritariamente se utiliza R como un
sistema estadístico, aunque la descripción más
precisa sería la de un entorno en el que se han
implementado muchas técnicas estadísticas. Algunas
están incluidas en el entorno base de R y otras se
acompañan en forma de bibliotecas (packages).
Python
Python es un lenguaje de programación ampliamente
utilizado en las aplicaciones web, el desarrollo de
software, la ciencia de datos y el machine learning
(ML). Los desarrolladores utilizan Python porque es
eficiente y fácil de aprender, además de que se puede
ejecutar en muchas plataformas diferentes. El
software Python se puede descargar gratis, se integra
bien a todos los tipos de sistemas y aumenta la
velocidad del desarrollo.
IV. Presentación de resultados
La aplicación del modelo de Machine Learning tanto
en Python como en R se describe a continuación.
Resultados en R
Previo a la aplicación del modelo de regresión
múltiple se hace necesario conocer mediante medidas
de tendencia central, posición y dispersión la
composición de los datos de las distintas variables a
ser consideradas en la estimación de los precios de
cierre de Apple, el siguiente reporte mediante la
función "describe" permite observar y analizar estas
medidas, los resultados se muestran a continuación.
Cuadro 1. Análisis descriptivo de los datos
Fuente: Cálculos propios sistema estadístico R
Los estadísticos muestran que los precios promedios
de esta empresa para las categorías apertura, cierre,
máximos y mínimos giran en torno a los 22 dólares,
sin embargo, la dispersión es bastante notoria debido
a que los precios distan con respecto a su promedio
en más o menos 38 dólares. La distancia entre el
valor mínimo y máximo es considerable
registrándose valores en torno a 0.11 y 182 dólares
respectivamente; los resultados de los coeficientes de
asimetría y kurtósis reflejan que se esta en presencia
en distribuciones con niveles de sesgo.
La variable volumen tranzado de estas acciones
muestran una gran volatilidad, esto queda reflejado
en el rango entre el mínimo y máximo del indicador
donde el mínimo registrado es de 2396800 acciones
negociadas y un máximo de 7421640800
respectivamente.
Otro aspecto a considerar en el análisis de los datos
es lo correspondiente a las posibles correlaciones
lineales existentes entre las variables, esto es un
requisito importante antes de formular cualquier
modelo de regresión lineal, se muestra a continuación
los resultados obtenidos al aplicar un test de
correlación de Pearson a las variables estudiadas.

Cuadro 2. Test de correlación de Pearson entre precios de cierre y apertura

Fuente: Cálculos propios sistema estadístico R

Se puede apreciar en el gráfico en la primera fila la

Fuente: Cálculos propios sistema estadístico R
Cuadro 3. Test de correlación de Pearson entre precios de cierre y mínimos
Fuente: Cálculos propios sistema estadístico R
Cuadro 4. Test de correlación de Pearson entre precios de cierre y volumen
fuerte linealidad entre los precios en sus distintas
modalidades y la correlación negativa entre precios
de cierre y volumen la cual en términos del gráfico no
es tan evidente entre estas variables. La diagonal
principal del gráfico que muestra los histogramas de
las variables estudiadas complemente los análisis del
cuadro 1 ya que se puede ver el grado de sesgo de
estas variables, es decir, distan mucho de poseer
características de una distribución normal.
Una vez evidenciado las correlaciones lineales entre
las variables, se hace necesario conocer el
comportamiento individual de las mismas a través de
su dinámica como series de tiempo para el periodo
1990 - 2022, los resultaos son los siguientes.

Fig 1. Series de tiempo de las variables consideradas

Fuente: Cálculos propios sistema estadístico R

Los resultados del test indican que todas las

correlaciones son estadísticamente significativas y
que todos los p - valores son menores del 5% del
nivel de significación, las correlaciones entre los
precios de cierre vs los precios mínimos y máximos
son positivas y superiorres al 90% lo que refleja el
alto grado de correlación que existe entre las mismas, Fuente: Cálculos propios sistema estadístico R
par el caso de la correlación entre precios de cierre y
Las series de tiempo de los precios de las acciones de
volumen es negativa y moderada con un 30.70%
Apple comparten una característica común en cuanto
explicando que a medida que aumenta el volumen de
a su evolución en el histórico, estas acciones
acciones tranzadas disminuye los precios de cierre de
registraron una tendencia creciente en el periodo
Apple. Otra manera de ver esto desde un punto de
1990 hasta mediados del año 2012 donde se registra
vista gráfico es a través de un gráfico de
una caída abrupta del indicador, una posible lectura
interacciones, los resultados se muestran a
de ese desplome se pudiese explicar por el
continuación.
fallecimiento de su CEO fundador Steve Jobs,
Fig 2. Interacciones entre las variables realmente el quiebre es tal que se puede hablar de 2
subperiodos dentro de la serie, el corresponde a 1990
- 2012 y 2012 - 2022 y este último caracterizado por
una profunda caída de los precios con periodos de
corrección a partir del año 2014 aproximadamente.

4
La serie de tiempo del volumen tranzado refleja una
alta frecuencia en su evolución, los picos del gráfico
corresponden a periodos donde las acciones de Apple
tuvieron gran demanda, un ejemplo de ello es el
periodo 1995 - 1999, se puede apreciar una zona de
corrección del mercado precisamente por ese
desplome del precio, esto claramente es visible para
mediados del año 2010.
Todo el análisis anterior es el preámbulo para la
definición y aplicación formal del modelo de
regresión múltiple, para ello previamente se divide la Fuente: Cálculos propios sistema estadístico R
base de datos en bases de datos entrenamiento y
prueba con 2 propósitos básicos, el primero permite
un marco de entrenamiento del modelo con una La exclusión de la variable volumen arroja p - valores
muestra aleatoria del 75% de los datos considerados, estadísticamente significativos para el resto de los
el segundo validar su capacidad predictiva con el indicadores correspondientes al precio de las acciones
restante 25% de estos datos. La estimación de los para esta empresa ya que todos los p - valores son
parámetros del modelo por MCO con la data menores del 5%, una mirada al parámetro asociado al
entrenamiento se muestra a continuación. precio máximo de este activo indica que a medida
que el mismo aumenta 1$ el precio de cierre se
incrementa a razón de 0.8776$, de hecho, es una de
Cuadro 5. Estimación del modelo saturado por MCO las variables que tiene un alto impacto sobre la
variable objetivo.
Chequeando la bondad de ajuste del modelo se puede
observar que la capacidad predictiva es de un
99.99%, esto significa que los precios de apertura,
máximos y mínimos explican en un 99.99% la
variabilidad esperada de los precios de cierre de
Apple, finalmente el error standar de los residuos
(0.3159) refleja que es un modelo con un error
bastante bajo.
La estimación anterior me permite corroborar la
Fuente: Cálculos propios sistema estadístico R precisión a nivel de los parámetros, para analizar si
las variables consideradas son efectivamente
La estimación por MCO arroja que las variables significativas se aplica un contraste lineal, los
consideradas correspondientes al precio en sus resultados son los siguientes.
distintas modalidades son estadísticamente
significativas ya que sus p - valores asociados son
menores del 5%, sin embargo, esto no ocurre con el
volumen tranzado, esto significa que dicha variable al
no ser estadísticamente significativa debe ser
excluida del modelo propuesto el cual es un modelo
saturado, la estimación del modelo depurado por
MCO se muestra a continuación.
Cuadro 7. Significancia estadística de las variables

Cuadro 6. Estimación del modelo depurado por MCO

Fuente: Cálculos propios sistema estadístico R

Los resultados del p - valor para el estadístico de
contraste F son menores del 5%, con esto se puede
concluir que las variables consideradas son
estadísticamente significativas y el modelo ajusta
hasta este nivel de análisis.
Con la formulación del modelo definitivo se hace una
proyección a 5 días dentro de la muestra aleatoria con
la base de datos de prueba y se hace un comparativo
con algunos datos de la base de datos original para
los periodos considerados, los resultados se pueden
apreciar en la siguiente salida.

Fuente: Cálculos propios sistema estadístico R

Cuadro 8. Estimación de los precios de cierre y comparativo con valores
reales.

La homocedasticidad puede ser analizada a través de

Fuente: Cálculos propios sistema estadístico R
El primer cuadro corresponde a las estimaciones del
modelo por MCO y el segundo cuadro son los valores
reales. Al hacer el comparativo de las estimaciones vs
valores reales (recuadros rojos) de los precios de
cierre de Apple, se observa un excelente ajuste del
modelo, de hecho los intervalos de confianza al 95%
considerados en la estimación contienen el valor real
de este activo. Finalmente las proyecciones a 5 días
fuera de la muestra de los precios de cierre de Apple
se muestran a continuación.
Cuadro 8. Estimación de los precios de cierre y comparativo con valores
reales.
la información arrojada en el primer gráfico donde se
contrasta valores estimados del modelo vs residuos,
se puede visualizar en el gráfico la presencia de
valores atípicos en la nube, esto es clara señal de que
los residuos son heterocedasticos.
El segundo gráfico muestra que tanto ajustan los
cuantiles teóricos de los residuos a los cuantiles de
una distribución normal estandarizada, como se
puede apreciar en la gráfica la nube de puntos no
logra un buen ajuste a la recta indicativo que los
residuos del modelo no ajustan a esta distribución.
Resultados en Python
De manera análoga al esquema de análisis realizado
en el sistema estadístico R se procede a realizar los
análisis correspondientes con la implementación del
modelo de regresión múltiple en Python. Una vista
preliminar a los datos descargados de la página web
Yahoo Finance se muestra a continuación.

Fuente: Cálculos propios sistema estadístico R Cuadro 1. Vista preliminar de la base de datos

Las estimaciones del precio de cierre a partir del

19/11/2022 indican que este indicador continuará en
un periodo de corrección ya que no se detectan
grandes distorsiones para los días considerados.

Fuente: Cálculos propios Python

Un aspecto a considerar en la robustez de un modelo
de regresión tiene que ver con los denominados
contrastes de normalidad tanto de la variable
dependiente así como los residuos, en aras de
profundizar un poco esto en el modelo propuesto se
aplica un análisis gráfico de este tipo de contraste
para su posterior análisis.

Fig 3. Contrastes de normalidad del modelo

6
La tabla anterior muestra los 5 primeros registros de
la base de datos a tomar en consideración en la
investigación, en la misma se puede visualizar los
datos correspondientes a los precios de apertura,
cierre, mínimos y máximos, precio ajustado así como
el volumen de acciones tranzadas para este activo. En
total se dispone de una base de datos con más de
8000 registros por columna para cada uno de estos
indicadores. Esta cantidad de datos se sistematiza a
través de medidas estadísticas para conocer
características de interés de las variables
consideradas, los resultados se muestran en el
siguiente reporte.
Cuadro 2. Análisis descriptivo de los datos
Fuente: Cálculos propios Python
El reporte arrojado por este sistema al igual que R
posee medidas de tendencia central y dispersión de
los datos, cabe destacar que en este cuadro se puede
apreciar medidas de concentración, en este sentido se
puede apreciar en el reporte por ejemplo que un 75%
de los precios de cierre de las acciones de Apple son
menores o iguales a 24.47 dólares, además se aprecia
que un 50% del volumen tranzado es menor o igual a
4.7942e+8 de acciones tranzadas mientras que el
restante 50% se encuentra por encima de este valor.
El análisis de correlación previo a la formulación del
modelo se hace posible en Python mediante la
generación de la matriz de correlación, los resultados
son los siguientes.
Cuadro 3. Matriz de correlación de las variables consideradas
Fuente: Cálculos propios Python
La matriz de correlación refleja asociaciones lineales
muy fuertes entre los precios de cierre así como los
precios de apertura, máximos y mínimos de este
activo, la correlación entre volumen es moderada y
negativa, el signo entre ambas es señal de que a
aumentos de volumen tranzados de estas acciones
disminuye el precio de cierre de estas acciones. Se
presenta a continuación el gráfico de interacciones
entre estas variables para analizar esa linealidad.
Fig 2. Interacciones entre las variables
Fuente: Cálculos propios Python
Las interacciones a pares entre el precio de cierre vs
los precios de apertura, son bastantes notorias y
positivas caso contrario al volumen donde esa
relación es negativa y poca linealidad se refleja en
esa relación.
La estimación de los precios de cierre de Apple por
MCO se hace posible mediante la librería ScikitLearn
de Python, para ellos se divide la base de datos en sub
bases de datos de entrenamiento y prueba para
evaluar las capacidades del modelo de regresión, los
resultados de la estimación de los parámetros usado
la data de entrenamiento (en este caso se usó el 60%
de los datos) se muestran a continuación.
Cuadro 4. Estimación del modelo depurado por MCO
Fuente: Cálculos propios Python
Se puede apreciar en el reporte el impacto que tienen
estas variables con respecto a la variable objetivo, de
acuerdo a estos resultados y complementando lo
anteriormente analizado en el gráfico de interacciones
se puede apreciar por ejemplo que a medida que
aumenta el volumen acciones tranzadas disminuye
ele precio de cierre a razón de 0.6714 dólares.
Una vez evaluado las capacidades que tiene tanto
Python como R puedo concluir sin lugar a dudas que
queda mucho por estudiar a nivel de código ya que
las librerías se salen de vista y dado el corto tiempo
utilizado en este diplomado quedan muchas cosas por
madurar.

Se procede a realizar algunas proyecciones con la

data de prueba, los resultados se muestran a
continuación.
Cuadro 5. Proyecciones con el modelo depurado
Fuente: Cálculos propios Python
Las proyecciones muestran ligeras variaciones del
precio para los primeros 3 registros luego la
volatilidad es significativa para periodos posteriores.
El cuadro 6 muestra el error cometido por el modelo
propuesto.
Cuadro 6. Error cometido con el modelo depurado
VII. Referencias
[1] Kuhn,M. and Johnston, K (2013). Applied
Predictive Modeling.Springer
[2] W. McKinney. Python for Data Analysis.Oreally
Media, Inc., second edition, 2017
[3] R.J.A Little and D.B.Rubin. Statistical Analysis
with Missing Data. John Wiley & Sons . Hoboken,
second edition, 2002
[4] G.A.F. Seber and A.J. Lee. Linear Regression
Analysis. John Wiley & Sons Hoboken, second
edition, 2003
[5] S.Shalev – Shwartz and S. Ben – David.
Understanding Macchine Learning: From the theory
to algorithms. Cambrige University Press, 2014

Fuente: Cálculos propios Python

Dado lo pequeño de este error se puede concluir que

existe un buen ajuste del modelo de regresión

Cuadro 7. Bondad del ajuste modelo depurado

Fuente: Cálculos propios Python

El valor del estadístico R2 = 99.99% indica que los

precios de apertura y el volumen en esta propuesta
explican en un 99.99% la variabilidad del precio de
cierre para Apple.

V. Conclusiones
La aplicación de modelos de Machine Learning es un
campo de investigación virgen para complementar
estudios de análisis técnico en los mercados de
valores, la propuesta abordada en esta investigación
es un pequeño acercamiento a estructuras
multivariantes que pueden aportar soluciones viables
a la hora de poder fijar posiciones en el mercado con
un mínimo de riesgo.

VI. Reflexiones finales