Modelación de los retornos logarítmicos de la acción corporativa de APPLE INC

El propósito de esta investigación es modelar la serie temporal de los retornos de la acción de Apple Inc, abarcando el período desde junio de 2012 hasta mayo de 2022. La importancia de este estudio radica en comprender y prever el comportamiento de los precios de las acciones de una empresa líder e...

Full description

Autores:
Cano Jaramillo, Liner
López Ramos, Jennifer
Tipo de recurso:
Trabajo de grado de pregrado
Fecha de publicación:
2024
Institución:
Universidad del Valle
Repositorio:
Repositorio Digital Univalle
Idioma:
spa
OAI Identifier:
oai:bibliotecadigital.univalle.edu.co:10893/32371
Acceso en línea:
https://hdl.handle.net/10893/32371
Palabra clave:
Análisis de regresión (Estadística)
Análisis de datos
Modelos lineales (Estadística)
Análisis de series de tiempo
Autocorrelacion (Estadistica)
Volatilidad
Retorno de Inversión (ROI)
Mercado bursátil
Rights
openAccess
License
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
Description
Summary:El propósito de esta investigación es modelar la serie temporal de los retornos de la acción de Apple Inc, abarcando el período desde junio de 2012 hasta mayo de 2022. La importancia de este estudio radica en comprender y prever el comportamiento de los precios de las acciones de una empresa líder en el mercado como Apple. Esto es crucial para los inversores que buscan tomar decisiones informadas en el mercado de valores. El problema que se aborda se centra en la necesidad de desarrollar un modelo efectivo para estimar la esperanza condicional y la varianza condicional de los retornos continuos de la acción de Apple, lo que permitiría a los inversores evaluar y gestionar el riesgo asociado a sus inversiones. Inicialmente, se detecta que la serie es estacionaria y se ajusta un modelo ARIMA(0,0,1) para estimar la media condicional. Sin embargo, los residuos de este modelo no cumplen con los supuestos de normalidad y muestran heterocedasticidad, lo que motiva la búsqueda de un modelo más adecuado. Se implementa un modelo ARCH(1) para explicar la volatilidad de la serie, pero los resultados sugieren que no es capaz de capturar completamente esta volatilidad. Posteriormente, se exploran varios modelos GARCH, y se selecciona el GARCH(1,1) como el más apropiado. El análisis de los supuestos de los residuos revela que, aunque persisten desafíos en cuanto a la normalidad y la heterocedasticidad, el modelo GARCH(1,1) logra una mejor adaptación para explicar la volatilidad en comparación con el modelo ARIMA(0,0,1) y el ARCH(1). Sin embargo, se concluye que ninguno de los modelos estimados parece ser adecuado para prever de manera efectiva la media condicional y la varianza condicional de los retornos de Apple, posiblemente debido a la naturaleza compleja y no lineal de este tipo de series temporales.