Resumen:
|
[ES] La
situación
económica
actual,
con
unos
tipos
de
interés
bajos
y
las
políticas
que
aplican
el
Banco
Central
Europeo
y
la
Reserva
Federal,
ha
favorecido
el
crecimiento
de
las
principales
...[+]
[ES] La
situación
económica
actual,
con
unos
tipos
de
interés
bajos
y
las
políticas
que
aplican
el
Banco
Central
Europeo
y
la
Reserva
Federal,
ha
favorecido
el
crecimiento
de
las
principales
bolsas
mundiales.
Con
esta
coyuntura,
los
inversores
ven
como
los
tipos
de
interés
que
ofrece
la
renta
fija
son
insuficientes
para
sus
pretensiones.
En
cambio,
en
la
renta
variable
pueden
conseguir
las
rentabilidades
que
están
buscando.
Como
consecuencia,
muchos
inversores,
tradicionalmente
de
renta
fija,
ven
en
la
situación
actual,
la
renta
variable
como
una
buena
opción
para
la
inversión.
Este
incremento
de
la
inversión
en
renta
variable
hace
que
se
desarrollen
y
estudien
modelos
para
predecir
el
valor
de
activos
subyacentes
y
así
poder
ayudar
al
inversor
en la
elección
de
los
mejores
valores.
A
fecha
actual,
existe
una
amplia
y
diversa
variedad
de
esta
clase
de
modelos,
los
cuales
con
el
tiempo,
se
han
ido
perfeccionando
y
ampliando.
En
el
TFC
que
aquí
se
presenta,
se
estudia,
aplica
y
valida
el
modelo
estocástico
Log-‐
Normal
al
activo
subyacente
Inditex
(ITX.MC).
El
resultado
final
que
se
espera
de
la
modelización
validada
de
este
activo
subyacente,
será
la
obtención
de
sus
predicciones
a
corto
plazo.
Como
se
puntualizaba
en
párrafos
anteriores,
a
fecha
actual,
son
diversos
los
modelos
de
predicción
de
activos
subyacentes
conocidos
y
disponibles,
presentando
cada
uno
de
ellos
una
serie
de
particularidades.
El
Modelo
Log-‐Normal
atiende
a
modelos
estocásticos
de
un
factor,
quedando
estos
representados
por
una
ecuación
diferencial
estocástica
de
tipo
Itô
que
contiene
en
su
formulación
la
tendencia
y
la
volatilidad
del
subyacente.
La
aleatoriedad
se
introduce
en
dicha
ecuación
mediante
la
derivada
del
Movimiento
Browniano
(o
proceso
estocástico
de
Wiener),
llamado
proceso
de
ruido
blanco
(white
noise
process).
Para
poder
proceder
a
aplicar
este
modelo,
es
necesario
una
previa
estimación
de
sus
parámetros.
En
este
trabajo
se
aplicarán
dos
métodos,
por
un
lado,
el
método
de
Máxima
Verosimilitud
y,
por
otra
parte,
un
método
no
paramétrico.
Estimados
los
parámetros
del
modelo,
se
llevará
a
cabo
la
validación
del
mismo.
En
este
apartado
se
detallarán
y
calcularán,
las
estimaciones
puntuales
de
la
función
media
y
varianza,
los
Intervalos
de
Confianza
del
95%
y
las
medidas
de
bondad
de
ajuste.
En
este
proyecto,
como
medidas
de
bondad
de
ajuste
se
han
utilizado
el
error
cuadrático
medio
(RMSE)
y
el
error
porcentual
absoluto
medio
(MAPE).
Las
estimaciones
puntuales
(función
media)
y
por
intervalos
(Intervalos
de
Confianza
del
95%),
quedarán
representadas
gráficamente
junto
con
los
valores
observados
de
la
muestra.
De
esta
manera,
tanto
visualmente
a
través
de
las
gráficas,
como
numéricamente
a
través
de
los
resultados
obtenidos
en
las
medidas
de
bondad
de
ajuste,
la
modelización
realizada
podrá
quedar
validada.
Finalmente,
validado
el
modelo,
se
realizarán
las
correspondientes
predicciones
(puntuales
y
por
intervalos) del
activo
subyacente
en
cuestión
para
los
5
días
posteriores
al
último
de
los
datos
de
la
muestra
seleccionada.
Con
el
objetivo
de
ofrecer
un
mayor
valor
añadido
a
este
trabajo
final
de
carrera,
se
generarán
dos
programas
con
los
que
aplicar
el
Modelo
Log-‐Normal
sobre
cualquier
activo
subyacente,
uno
para
cada
método
de
estimación
de
parámetros
utilizado.
Estos
programas
conectan
con
la
web
https://es.finance.yahoo.com,
extraen
el
histórico
de
cotizaciones
del
subyacente
elegido,
aplican
el
Modelo
Log-‐Normal,
cada
programa
con
su
estimación
de
parámetros,
y
generan
ficheros
de
tablas
y
gráficos
con
los
resultados
obtenidos.
Además,
se
aplican
y
configuran
estos
programas
sobre
el
subyacente
Inditex
(ITX.MC)
representando
diariamente
los
resultados
obtenidos
en
una
web
realizada
para
este
TFC
(http://cotizaccion.imm.upv.es).
Con
esta
web
se
consigue
ofrecer
los
resultados
obtenidos
con
el
Modelo
Log-‐Normal
actualizados
diariamente
a
todo
el
público
interesado.
Todo
este
proceso
se
ha
realizado
con
el
lenguaje
de
programación
Python.
[-]
|