UNIVERSIDAD DE CHILE

FACULTAD DE ECONOMIA Y NEGOCIOS

DESARROLLO DE UN MODELO ARIMA

DE PREDICCIN DE SIGNO PARA LAS
ACCIONES PHILIPPINE LONG
DISTANCE TELEPHONE CO. Y POSCO
Elaborada por:
EDUARDO ALONSO FERRER
ESTEBAN OLIVARES ARELLANO

Tesis para optar al Grado de Magster en Finanzas

Profesor Gua:
ANTONINO PARISI, PhD.

Santiago de Chile, Noviembre de 2006

INDICE
1

INTRODUCCION ___________________________________________________ 3

OBJETIVOS ________________________________________________________ 6

2.1

Objetivo general _______________________________________________________ 6

2.2

Objetivos especficos ____________________________________________________ 6

MARCO TEORICO __________________________________________________ 7

3.1

Procesos ARIMA_______________________________________________________ 7

3.2

Resea sobre las empresas ______________________________________________ 12

3.2.1
3.2.2
3.2.3
3.2.4

DATOS Y METODOLOGIA _________________________________________ 17

4.1

Variables de ingreso al modelo __________________________________________ 17

4.2

Seleccin del Modelo___________________________________________________ 17

4.3

Bsqueda de tamao ptimo de rolling ___________________________________ 18

4.4

Aplicacin de bootstrapping _____________________________________________ 20

4.5

Evaluacin econmica _________________________________________________ 20

RESULTADOS _____________________________________________________ 22
5.1
5.1.1
5.1.2
5.1.3
5.1.4

5.2
5.2.1
5.2.2
5.2.3
5.2.4

Philippine Long Distance Telephone Co. (PHI) _________________________________ 12

Posco (PKX) ______________________________________________________________ 13
Dow Jones Industrial Average (^DJI) _________________________________________ 15
Standard and Poors 500 (^GSPC) ___________________________________________ 16

Philippine Long Distance Telephone Co. (PHI) _____________________________ 22

Seleccin del modelo _______________________________________________________ 22
Bsqueda de tamao ptimo de rolling ________________________________________ 25
Aplicacin de bootstrapping _________________________________________________ 27
Evaluacin Econmica _____________________________________________________ 30

Posco (PKX) _________________________________________________________ 31

Seleccin del modelo _______________________________________________________ 31
Determinacin del tamao de rolling ptimo ___________________________________ 34
Aplicacin de bootstrapping _________________________________________________ 36
Evaluacin Econmica _____________________________________________________ 39

CONCLUSIONES __________________________________________________ 40

REFERENCIAS BIBLIOGRAFICAS ______________________________________ 42

1 INTRODUCCION

El inters en entender y poder predecir el comportamiento de los mercados financieros ha

sido motivo de estudio por muchos aos. La idea de ganarle a un mercado definido
tericamente como eficiente es de por s una contradiccin. Sin embargo, los avances
computacionales,

el

desarrollo

de

modelos

economtricos

complejos

el

perfeccionamiento del anlisis tcnico, parecieran indicar que si bien el movimiento de

precio de los activos sigue dinmicas complejas, responde a distribuciones estables y
pueden ser anticipados.

Se dice que un mercado es eficiente cuando los precios de los activos reflejan la correcta
evaluacin de toda la informacin disponible. Las condiciones que aseguran este
comportamiento son: la inexistencia de costos transaccionales, el libre acceso y la gratuidad
de la informacin y la existencia de un nmero lo suficientemente grande de participantes
que procesan la informacin. Aunque estas condiciones no estn presentes en la prctica,
las mismas son condiciones suficientes, mas no necesarias, para que un mercado sea
considerado eficiente. Debido a que la nueva informacin surge de forma aleatoria, no sera
posible predecir los cambios de los precios de los activos.

La aceptacin de esta perspectiva sobre la eficiencia de mercado ha llevado al desarrollo de

modelos asociados a este comportamiento de mercado y destinados al anlisis de la
conformacin de portafolios, bajo la premisa de que slo la aceptacin de mayores riesgos
permitira obtener mayores tasas de retorno.

Eugene Fama [1970] plantea tres niveles para medir la eficiencia del mercado:

Contraste Dbil: los precios actuales reflejan slo informacin histrica.

Contraste Semi-Fuerte: asume que los precios de los activos reflejan toda la
informacin pblicamente disponible y que stos deberan verse afectados
nicamente con la llegada de nueva informacin pblica al mercado

Contraste Fuerte: considera que los precios de los activos reflejan toda la
informacin en forma instantnea, disponible o no para el pblico.

Las investigaciones realizadas por Fama [1970], Jensen [1968], Roll [1977, 1978],
coinciden al determinar que el mercado de capitales es eficiente en su contraste semi-fuerte,
pues hace predicciones imparciales de las implicaciones de los movimientos de los precios
de los valores, que son completamente reflejadas en el precio del valor al final del perodo.
Merton [1987] indica que los contrastes dbiles de eficiencia del mercado asumen que los
inversores tienen total acceso a la informacin en el momento de tomar sus decisiones, lo
cual no es necesariamente cierto. Sin embargo, considera que la abstraccin del modelo es
til en los anlisis del sistema financiero en el largo plazo.

Por su parte, DeBondt y Thaler [1985, 1987] encontraron que el mercado de capitales tiene
una inmensa facilidad en incorporar nueva informacin y que los acontecimientos
econmicos ms recientes tienen un mayor peso relativo que aquellos ms alejados en el
tiempo. As, al generarse un incremento sistemtico de los precios, su cada podra
predecirse a partir del anlisis de precios pasados recientes, sin necesidad de procesar
mayor informacin, lo cual contradice los resultados empricos de eficiencia de mercado
en su contraste dbil de Fama.

En este mismo orden de ideas Conrad y Kaul [1989] encontraron evidencia respecto a la
capacidad de prediccin de los retornos en el corto plazo; Lo y MacKinlay [1988]
encontraron una correlacin serial positiva en los retornos semanales de acciones de pases
desarrollados; Fama y French [1988] y Chopra, Lakonishok y Ritter [1992] hallaron
correlaciones seriales negativas en los retornos de los activos individuales y de varias
carteras en el largo plazo (entre tres y diez aos).

Sin embargo, an cuando estos estudios han demostrado que los retornos de los precios de
las acciones no se comportan de manera aleatoria y por lo tanto permiten ser anticipados, su
grado de predictibilidad puede ser en algunos casos no significativo en trminos

econmicos (Jensen [1968], French y Roll [1986], Lo y MacKinley [1988], Brock,

Lakonishok y LeBaron [1992]).

Este trabajo busca determinar, mediante el desarrollo de un proceso Autorregresivo

Integrado de Medias Mviles1, un modelo economtrico que maximice el porcentaje de
prediccin de signo de las variaciones semanales de los retornos de las acciones de las
compaas Philippine Long Distance Telephone Company y Posco2, con el fin de
desarrollar estrategias de compra y venta que permitan obtener retornos superiores a los que
podran ser obtenidos siguiendo una estrategia de inversin pasiva (comprar y mantener).

El documento se divide en seis secciones: en la seccin dos se plantea el objetivo general y

los objetivos especficos; en la seccin tres se desarrolla el marco terico; la seccin cuatro
describe los datos y la metodologa utilizados; la seccin cinco sintetiza los resultados
obtenidos por el modelo. Por ltimo, la seccin seis presenta el anlisis de los resultados
obtenidos y las conclusiones del estudio.

1
2

Autoregressive Integrated Moving Average (ARIMA)

Ambas acciones son transadas en el New York Stock Exchange (NYSE)

2 OBJETIVOS

2.1 Objetivo general

Determinar, mediante el desarrollo de un proceso Autorregresivo Integrado de Medias

Mviles (ARIMA), un modelo economtrico de prediccin de signo que permita tomar
decisiones oportunas de compra y venta de acciones de las compaas Philippine Long
Distance Telephone Company (PHI) y Posco (PKX), maximizando la rentabilidad del
inversionista.

2.2 Objetivos especficos

Como objetivos especficos de esta investigacin podemos destacar:

Encontrar un modelo ptimo de prediccin de signo para las acciones Philippine

Long Distance Telephone Company (PHI) y Posco (PKX), usando como
variables explicativas el Dow Jones Industrial Average (^DJI), el Standard and
Poors 500 (^GSPC) y los rezagos de los rendimientos semanales de cada una
de las acciones en cuestin
Identificar, para cada una de estas acciones, el ptimo de rolling del modelo
hallado y verificar su consistencia aplicando el mtodo de bootstrapping.
Determinar si siguiendo la estrategia de compra y venta de estas acciones de
acuerdo al modelo de prediccin de signo se obtendran rentabilidades
superiores a la obtenidas al implementar una estrategia de inversin pasiva
(comprar y mantener).

3 MARCO TEORICO

3.1 Procesos ARIMA

En la primera parte de este trabajo se explic como la eficiencia de mercado en su contraste

dbil puede relacionarse con la posibilidad para predecir la evolucin del precio de una
accin a partir de sus datos histricos. Esto es lo que en estadstica se conoce como anlisis
univariable de series temporales y consiste en examinar los resultados pasados de la
variable tratando de buscar un modelo que explique un comportamiento sistemtico de la
misma, para as extrapolar los resultados y poder anticipar su comportamiento futuro.

Los procesos ARIMA son modelos matemticos utilizados para realizar pronsticos.
ARIMA significa AutoRegressive, Integrated, Moving Average (Modelos Autorregresivos
Integrados de Medias Mviles). Los procesos ARIMA han sido estudiados extensamente y
son una parte sustancial del anlisis de series de tiempo. Fueron popularizados en la dcada
de los setenta por George Box y Gwilym Jenkins, quienes se dieron la tarea de agrupar de
una manera comprensible la informacin requerida para entender y utilizar los procesos
ARIMA. Como consecuencia de esto, los procesos ARIMA son conocidos tambin como
modelos Box-Jenkins.

Los procesos ARIMA se fundamentan en dos grandes lineamientos: 1) los pronsticos

estn basados en funciones lineales de las observaciones muestrales; 2) el objetivo es
encontrar el modelo ms simple que proporcione una descripcin adecuada de los datos
observados.

El modelamiento de Box-Jenkins incluye identificar el proceso ARIMA apropiado y

adecuarlo a los datos para luego utilizar el modelo ajustado para pronosticar. Uno de los
atractivos del modelo de Box y Jenkins es que los procesos ARIMA proporcionan una
amplia variedad de posibles modelos y es generalmente posible encontrar un proceso que
proporcione una adecuada descripcin de los datos.

A pesar de que fue originalmente diseado para modelar series de tiempo, la estrategia
subyacente de Box y Jenkins es aplicable a una amplia variedad de modelaciones
estadsticas. Proporciona un marco muy conveniente que permite a los analistas pensar
acerca de los datos y a encontrar un modelo estadstico apropiado que pueda ser utilizado
para ayudar a responder incgnitas relevantes acerca de los datos.
Cada proceso ARIMA consta de tres partes: Autorregresivo (AR), Integrado (I) y
Promedios Mviles (MA) y son algunas veces escritos abreviadamente como

ARIMA p, d , q en donde p describe a AR, d describe a I y q describe a MA.

AR: esta parte del modelo describe como cada observacin es una funcin de las
p observaciones previas. Por ejemplo, si p 1 entonces cada observacin es una funcin de

una sola observacin. Esto es:

Yt

yt

En donde Yt representa el valor observado en el momento t , Yt

observado previamente en el momento t ,

representa el valor

representa un error aleatorio y c y

son

constantes. Otros valores observados de las series pueden ser incluidos hacia la derecha de
la ecuacin si p 1 :

Yt

yt

yt

...

yt

I: esta parte del modelo determina si los valores observados son modelados directamente o
si, en cambio, son modeladas las diferencias entre observaciones consecutivas. Si d

0,

las observaciones son modeladas directamente. Si d 1 , son modeladas las diferencias

entre observaciones consecutivas. Si d

2 , las diferencias de las diferencias son

modeladas. En la prctica, d es raramente mayor que 2.

MA: esta parte del modelo describe como cada observacin es una funcin de un trmino
independiente y de una sucesin de q errores previos, ponderados adecuadamente. Por

ejemplo, si q 1 , entonces cada observacin es una funcin de nicamente un error previo.

Esto es:

Yt

Aqu,

1 t 1

representa el error aleatorio en el momento t y

t 1

representa el error aleatorio

anterior en el momento t 1 . Otros errores pueden ser incluidos hacia la derecha de la

ecuacin en caso de q 1 .

La combinacin de estas tres partes proporciona una amplia variedad de modelos ARIMA.

El proceso de modelamiento consiste en un proceso iterativo que comprende cuatro etapas:

seleccin del modelo, estimacin de parmetros, revisin del modelo y una ltima etapa de
realizacin de pronsticos (o aplicacin del modelo). Cada una de estas etapas son
explicadas a continuacin:

Seleccin del modelo: La metodologa Box-Jenkins requiere que la serie temporal sea
estacionaria, lo que significa que su media y su varianza sean constantes. Es de vital
importancia que la serie de tiempo observada cumpla con estas condiciones y, en caso de
no ser as, lograr su transformacin en otra que si lo haga.

La transformacin de los datos puede ayudar a estabilizar la varianza en series donde la

variacin cambia junto con el nivel. Una vez transformados, los datos son diferenciados
hasta que no existan patrones obvios tales como tendencias o efectos estacionales. La
diferenciacin consiste en tomar la diferencia entre observaciones consecutivas o entre
observaciones de un perodo respecto al otro.

Para determinar si la estacionariedad ha sido lograda debe examinarse la secuencia de

autocorrelacin de la serie residual. La secuencia correspondiente a una serie estacionaria
debe converger rpidamente a cero a medida que el valor de los rezagos aumenta. Una

funcin de autocorrelacin emprica que exhibe un patrn suave con valores significativos
en rezagos altos indica que la serie es no estacionaria.

En esta etapa, tambin se requiere determinar los valores de p , d y q del modelo

ARIMA p, d , q . El nmero de grados de diferenciacin de d determina con que frecuencia

la serie de tiempo original es diferenciada de forma tal de obtener una serie estacionaria.
Para la mayora de las series econmicas, la experiencia muestra que la estacionariedad se
logra luego de una diferencia ( xt
( LNxt

xt 1 ) o luego de una diferencia de logaritmos

LNxt 1 ). La funcin de autocorrelacin y la funcin de autocorrelacin parcial

pueden ser utilizadas para determinar p y q .

En este sentido, la metodologa Box y Jenkins proveen un marco terico y reglas prcticas
para determinar los valores apropiados de p , q y d .

Estimacin de parmetros: Una vez que han sido obtenidos los valores de p , d y q , los
parmetros c y

pueden ser estimados. Para estimar estos coeficientes se utiliza

generalmente un algoritmo que evala de manera iterativa si otro vector de parmetros

mejora el valor de la funcin de manera tal que se minimice la suma de los cuadrados de los
errores, hasta lograr valores ptimos. En otras palabras, el mejor predictor posible ser
aquel que minimice el error cuadrtico respecto a otro potencial predictor alternativo.

Revisin del modelo: para revisar el modelo es importante utilizar pruebas independientes
tomando en cuenta series de tiempo que no hayan sido incluidas en el proceso de
modelamiento. El error de esas pruebas independientes es comparado con el obtenido por el
modelo. Usualmente, el error es un valor obtenido mediante la aplicacin de una funcin
sobre la diferencia entre el valor observado y el valor pronosticado. Box y Jenkins sugieren
revisar las funciones de autocorrelacin de las series de tiempo y de los errores. Si estos
ltimos contienen algn salto sospechoso, el modelo no estara aprovechando toda la
informacin disponible. Ms an, es razonable evaluar el desempeo de modelos ARIMA
de rdenes superiores: ARIMA p 1, d , q y ARIMA p, d , q 1 . Esto servir para demostrar

10

si los modelos de orden superior mejoran los pronsticos. Si un modelo no provee un

pronstico mejor, el modelo de orden inferior es preferido, debido a que posee menos
parmetros. Con el objeto de evitar la sub o sobre diferenciacin, los modelos con mayores
y menores valores de d , ARIMA p, d 1, q y ARIMA p, d 1, q , tambin deben ser
probados. Finalmente, modelos ms complejos tambin pueden ser examinados.

Realizacin de pronsticos: Una vez que el modelo ha sido seleccionado, estimado y

revisado, el paso final es anticipar los valores futuros de la variable con el mnimo error de
prediccin posible. Sin embargo, es importante sealar que cualquier prediccin que se
realice con un modelo economtrico se basa en el hecho de que no se producen cambios
estructurales. Esto garantiza que el modelo que en el pasado ha explicado el
comportamiento de la variable sigue siendo vlido en la actualidad. Si por alguna razn
cambiasen de manera significativa las condiciones de mercado o del entorno, el modelo
podra verse alterado y ya no servira para predecir el comportamiento de la variable.

La condicin de que no existan cambios estructurales en la serie analizada tiene estrecha

relacin con las hiptesis de estacionariedad que plantean los modelos Box-Jenkins. Esto
asegura que el modelo ARIMA que explica el comportamiento de la serie es nico dentro
del horizonte de tiempo considerado.

El problema de los cambios estructurales es que resulta difcil saber cuando se producirn y
en consecuencia, determinar cuando el modelo deja de ser vlido. Por otro lado, la
existencia de frecuentes cambios estructurales hara imposible la prediccin. Para contrastar
estadsticamente la existencia de cambios estructurales se puede realizar una comprobacin
posterior dividiendo la serie histrica en dos etapas que sern analizadas por separado,
obteniendo un modelo para cada etapa. Si ambos modelos coinciden, no hay razones para
afirmar la existencia de un cambio estructural; sin embargo, si los modelos difieren entre s,
se estara corroborando la existencia de un cambio estructural.

11

Tambin existen procesos ARIMA diseados para manejar series de tiempo estacionales, y
procesos vectoriales ARIMA diseados para modelar series de tiempo multivariables. Otras
modalidades permiten la inclusin de otras variables explicativas.

3.2 Resea sobre las empresas

A continuacin se explicarn brevemente las principales caractersticas de las empresas

cuyas acciones vamos a evaluar en este trabajo, Philippine Long Distance Telephone
Company y Posco, describiendo los mercados donde compiten y cuales son sus principales
productos. Adems se mostrarn algunos datos interesantes como sus capitalizaciones
burstiles, el volumen de acciones transado en los ltimos 3 meses, el precio actual de la
accin y su comportamiento durante las ltimas 52 semanas, as como su beta ( ). Por
ltimo, se har un breve descripcin de los conocidos ndices accionarios Dow Jones
Industrial Average y S&P 500: su importancia, como se componen y su forma de clculo.

3.2.1 Philippine Long Distance Telephone Co. (PHI)

Fundada en 1928, Philippine Long Distance Telephone Company provee servicios de

telecomunicaciones en Filipinas, operando en 3 segmentos de negocios: Servicios
Inalmbricos, Telefona Fija y Tecnologa de Informacin y Comunicacin.

El segmento de Servicios Inalmbricos ofrece principalmente telefona mvil, incluyendo

comunicaciones inalmbricas de voz y datos; terminales satelitales; banda ancha y otros
servicios. A diciembre de 2005 este segmento tena cerca de 20 millones de suscriptores.

El segmento de telefona fija provee servicios de larga distancia nacional e internacional,

as como servicios de red y datos tales como redes privadas, internet de banda ancha y
paquetes de servicios de comunicacin. Este segmento tena mas de 2 millones de lneas
fijas a diciembre de 2005.

12

Por ltimo, el segmento de Tecnologa de Informacin y Comunicacin opera call centers,

internet data centers y negocios de juegos.

Philippine Long Distance Telephone Co. se es una empresa del sector tecnolgico y forma
parte de la industria Servicios Extranjeros de Telecomunicaciones, ubicndose con un valor
de USD 7.960 MM como la sexta mayor compaa de esta industria, medida en trminos de
capitalizacin burstil:

Posicin
1
2
3
4
5
6

Compaa
Telefonica SA
Siemens AG
Deutsche Telekom AG
France Telecom
BT Group plc
Philippine Long Distance Telephone Co.

Market Cap.
(MM US$)
80.790
77.610
69.190
60.690
42.200
7.960

http://finance.yahoo.com/q/in?s=PHI

Con respecto a su cotizacin en Bolsa, la accin de Philippine Long Distance Telephone

Co. es transada en el New York Stock Exchange (NYSE) y entre sus principales
caractersticas podemos destacar:

Beta
Cambio % ltimas 52 semanas PHI
Cambio % ltimas 52 semanas S&P
Precio actual (29/09/06)
Precio mximo 52 semanas
Precio mnimo 52 semanas
Volumen Promedio ltimos 3 meses
Acciones en circulacin

1,08
43,05%
9,99%
43,56
45,00
28,88
469.433
182.820

3.2.2 Posco (PKX)

Posco se dedica a la manufactura y venta de productos de acero. Entre sus principales

productos destacan los rollos calientes utilizados para fabricar acero estructurado empleado

13

en la construccin de edificios y puentes, tuberas industriales, tanques, chasis para

automviles; estructuras de acero utilizadas en la generacin de energa, en minera y en la
produccin de petrleo y gas; bobinas y rollos galvanizados utilizados en la industria
automovilstica para producir paneles de partes de automviles, as como tambin bienes
domsticos, electrodomsticos, lminas de acero, etc.

Opera principalmente en Asia, Norteamrica y Europa. Fue fundada en 1968 y est ubicada
en Sel, Corea del Sur. Se enmarca en el sector de materiales bsicos, en la industria de
Hierro y Acero y, con US$ 20.800 MM, es la cuarta mayor compaa de esta industria
medida en trminos de capitalizacin burstil:

Posicin
1
2
3
4
5
6

Market Cap.
(MM US$)
52.390
24.490
20.860
20.800
15.260
13.480

Compaa
Companhia Vale do Rio Doce
Mittal Steel Company NV
Tenaris SA
Posco
Nucor Corp.
Gerdau S.A.

http://finance.yahoo.com/q/in?s=PKX

Con respecto a su cotizacin en Bolsa, la accin de Posco es transada en el New York Stock
Exchange (NYSE) y entre sus caractersticas principales podemos destacar:

Beta
Cambio % ltimas 52 semanas PKX
Cambio % ltimas 52 semanas S&P
Precio actual (29/09/06)
Precio mximo 52 semanas
Precio mnimo 52 semanas
Volumen Promedio ltimos 3 meses
Acciones en circulacin

1,93
14,80%
9,99%
64,93
76,20
47,28
766.368
320.360

14

3.2.3 Dow Jones Industrial Average (^DJI)

El Dow Jones Industrial Average (Promedio Industrial Dow Jones) fue introducido por
primer vez en 1884, junto con el Dow Jones Transport Average (Promedio Transporte Dow
Jones). Sus creadores, Charles Dow y Edward Jones, pretendan establecer un indicador de
la actividad econmica, ponderando dicha actividad a travs de la evolucin de
determinados sectores en el mercado burstil.

Charles Dow sostena que cuando la actividad econmica atraviesa un perodo de auge las
empresas industriales experimentan una expansin productiva y se incrementan sus niveles
de beneficio, adquiriendo un mayor atractivo para los inversores, aumentando la demanda
de ttulos de estas sociedades y por ende, su precio. A medida que el sector industrial
avanza en su expansin, la demanda de servicios de transporte aumenta y con ello los
beneficios de las empresas transportistas. Como en el caso de las sociedades industriales,
esta evolucin positiva atraer nuevos inversores que con su actividad compradora
incidiran en el aumento del precio de las acciones del sector transporte.

En la actualidad, estos promedios son revisados por editores del diario Wall Street Journal
y sus componentes varan cuando hay una adquisicin de por medio o cuando hay cambios
drsticos en el desempeo corporativo de una empresa. Aunque no hay regulaciones
explcitas para la seleccin de los componentes de cada promedio, los ttulos son aadidos
nicamente si tienen una excelente reputacin, demuestran crecimiento sustancial, son parte
del inters de varios inversores y representan de forma adecuada el sector al cual
pertenecen.

El Promedio Industrial Dow Jones est formado por un portafolio diversificado de 30

compaas pertenecientes a todo tipo de industrias: servicios financieros, tecnologa,
minoristas, entretenimiento y bienes del consumidor; razn por la cual se le considera como
un buen proxy del desempeo del mercado.

15

A diferencia de la mayora de los ndices existentes, el Promedio Industrial Dow Jones es

un ndice ponderado por precio, no por capitalizacin burstil. Las compaas cuyas
acciones tienen el precio mas alto, aportan un mayor peso al ndice. Esta es la mayor crtica
que recibe, ya que un movimiento de un dlar en una compaa con mayor precio de su
accin, har que el ndice se mueva en mayor medida, independientemente de la
capitalizacin de la misma.

Para su clculo se utiliza una frmula en la que se suma el precio de la accin de cada una
de las 30 compaas que lo componen y se divide por un coeficiente de ajuste que evita que
se altere el valor del ndice ante ciertos hechos corporativos que se produzcan en sus
componentes, como stock splits o anuncio de dividendos.

El primer clculo del ndice fue 40,94 puntos y su mnimo histrico, unos meses despus,
fue 28,48 puntos. Al cierre de septiembre de 2006 su valor se sita en 11.679,07 puntos.
3.2.4 Standard and Poors 500 (^GSPC)
El S&P 500 es una lista de 500 corporaciones y un ndice de mercado el cual es propiedad
de la compaa Standard and Poors y forma parte adems del S&P 1500 y del S&P Global
1200.
Todas las compaas del ndice son transadas en las principales bolsas de valores de
Estados Unidos, como el New York Stock Exchange y el Nasdaq. El valor de mercado
ponderado de las acciones de estas compaas es conocido como el ndice S&P 500.
Despus del Dow Jones Industrial Average, es el ndice de acciones de grandes compaas
ms mirado en el mundo y es considerado como un barmetro de la economa
estadounidense. Es frecuentemente citado con el smbolo GSPC o SPX, y podra tener
antepuesto el smbolo ^.
Muchos fondos de ndices y fondos de tipo de cambio rastrean el desempeo del S&P 500
manteniendo sus mismas acciones e intentando imitar su desempeo.

16

4 DATOS Y METODOLOGIA

4.1 Variables de ingreso al modelo

A travs de la pgina finance.yahoo.com se obtuvieron los precios de cierre de los das

lunes correspondientes a las 538 semanas comprendidas entre el 07/02/1996 y el
31/05/2006, tanto de las acciones Philippine Long Distance Telephone Company y Posco
como de los ndices Dow Jones Industrial Average y S&P 500. Para aquellas semanas en la
cuales no hubo transacciones el da lunes, se utiliz el precio disponible del da
inmediatamente anterior en el que hubiesen habido transacciones de la accin.

Tanto para las acciones como para el ndice, se calcularon los retornos porcentuales
semanales, calculados como la variacin semanal del precio dividido por el precio de la
semana anterior ( P / Pt 1 ), determinndose a su vez 4 rezagos para las acciones y hasta 3
rezagos para los ndices. Estos rezagos de rentabilidad son utilizados en el modelo dado su
alto grado de correlacin con la variable a estimar: dado que el precio de la accin incluye
toda la informacin disponible, sus variaciones recientes sirven para pronosticar su
comportamiento futuro.

4.2 Seleccin del Modelo

Para la seleccin del modelo se parte de una matriz de modelo recursivo propuesto por el
profesor gua, representada con la siguiente expresin:

Yt

Y Y

1 t 5 t 4

2 t 2

Y Y

Y Y

3 t 3 t 3

4 t 2 t 3

S & Pt

DOW t

DOW t 2 DOW t

En donde Yt representa la variable explicada (proyeccin del retorno para la semana t ), los
i

representan coeficientes, los Yt

S & Pt

que representan el rezago i del retorno de la accin,

que representan el rezago i del retorno del ndice S&P 500 y DOW t

que

representan el rezago i del retorno del ndice Dow Jones.

17

Posteriormente se separa la muestra en dos selecciones, una intramuestral y otra

extramuestral, de acuerdo a la metodologa de modelos multivariables. Para ello, del total
de la muestra (07 de febrero de 1996 y el 31 de mayo de 2006), se consideran dentro del
conjunto intramuestral las primeras 251 semanas (transcurridas entre el 07 de febrero de
1996 y el 29 de noviembre de 2000) y dentro del conjunto extramuestral las restantes 287
semanas (transcurridas entre el 06 de diciembre de 2000 y el 31 de mayo de 2006).

En base a la matriz anterior se construyen tantos modelos como sea posible a partir de las
combinaciones de los

i.

Dado que contamos con 7 trminos es posible construir 127

combinaciones o posibles modelos (127 = 27-1).

Posteriormente, se calculan los

que minimizan el error cuadrtico de la proyeccin de

los retornos a cada uno de estos modelos. Con ellos se determina el porcentaje de
prediccin de signo de la muestra (PPS). Es decir, se construye una nueva matriz donde se
indican las especificaciones del modelo (variables) y su respectivo porcentaje de prediccin
de signo, de acuerdo a los

determinados.

Una vez que se cuenta con la totalidad de los resultados obtenidos se selecciona aquel
modelo que entrega un mejor porcentaje de prediccin de signo (PPS)

4.3 Bsqueda de tamao ptimo de rolling

La bsqueda del tamao de rolling ptimo consiste en un proceso iterativo que buscar
maximizar los porcentajes de prediccin de signo de los conjuntos intra y extra muestral, en
el cual se deben probar cada una de los posibles tamaos de rolling. En este trabajo se iter
desde un tamao de rolling de 15 hasta llegar a un rolling de 125. El resultado de cada una
de las pruebas se respalda para posteriormente confeccionar una clasificacin de rolling que
permita determinar aquel que entrega el mejor rendimiento.

El proceso de determinacin del tamao ptimo comienza con el modelo encontrado en el

paso anterior. Como lo que pretendemos para nuestro modelo es encontrar el porcentaje de
18

prediccin de signo para el tamao de rolling (conjunto de aprendizaje) que se est

probando, debemos determinar, en cada semana extramuestral, si la prediccin del modelo
es exitosa o no.

En funcin de lo anterior debemos calcular los estimadores, que minimicen la suma de los
errores cuadrticos del conjunto de aprendizaje, de esta manera el modelo entregar una
prediccin sobre el retorno esperado para la primera semana extramuestral, de este modo
compararemos la prediccin de direccin con la variacin real observada, es decir, para
dicha semana de prediccin verificamos si el movimiento del retorno estimado, acert
respecto al movimiento del retorno observado. Luego este resultado se registra, y se
procede a continuar con la siguiente iteracin agregando una semana adicional. Para cada
iteracin de prediccin, se debe agregar la informacin ms reciente y desechar la ms
antigua, de esta manera mantendremos el tamao del rolling constante, as estimaremos,
para cada una de las semanas, los

que minimicen la suma de los errores cuadrticos del

conjunto de aprendizaje, y compararemos el xito o fracaso de la prediccin direccional.

Una vez efectuado el procedimiento para todas las semanas, dispondremos para cada una de
ellas los resultados particulares de xitos o fracasos, con los que es posible hacer el clculo
del porcentaje de aciertos del modelo con el tamao de rolling de prueba. Con esto, estamos
en condiciones de calcular el porcentaje de prediccin de signo intra y extra muestral.

El procedimiento antes descrito debe ser repetido para cada uno de los tamaos de rolling
que se requiere probar. En nuestro estudio se probaron tamaos de rolling, partiendo de un
conjunto de aprendizaje de 15 hasta llegar a 125, incrementando, en cada iteracin, el
tamao en una semana, obteniendo para cada una de las iteraciones los porcentajes de
prediccin de signo para cada uno de los rolling probados, es decir, se conform una matriz
de resultados para los 111 tamaos de rolling, de esta manera podemos conformamos un
ranking de resultados, para seleccionar como ptimo, aquel rolling que entrega un mejor
rendimiento de prediccin de signo intra y extra muestral.

19

4.4 Aplicacin de bootstrapping

Para probar la consistencia del tamao de rolling seleccionado, efectuamos una prueba
creando distintas series bootstrap, la cual consiste en crear, a partir de los datos originales,
series ficticias que se obtienen con combinaciones con repeticin de bloques de 8 semanas,
para lo cual se toman de la muestra original en forma aleatoria un bloque de 8 semanas y se
comienza as a conformar la nueva serie, lo cual se repite 65 veces hasta construir una serie
con la misma cantidad de datos a la original.

Con el mtodo mencionado se obtiene una nueva muestra ficticia, con los mismos datos
originales, pero ordenados de distinta forma, manteniendo el orden original en el bloque.
Con esta nueva muestra se realiza el procedimiento para determinar el porcentaje de
prediccin de signo del modelo con el tamao del conjunto de aprendizaje de acuerdo al
rolling ptimo seleccionado en el paso anterior, este proceso de desorden y clculo del
porcentaje de prediccin de signo extramuestral para las series bootstrap se repite reiteradas
veces de manera de contar con una cantidad suficiente de predicciones, que nos permitan
sacar conclusiones, es decir, para cada serie bootstrap se determina el porcentaje de
prediccin de signo obteniendo una matriz de resultados que nos permita concluir la
consistencia del rolling ptimo, para lo cual reiteramos el procedimiento 100 veces y con
los resultados se calcul la media, desviacin estndar, mxima y mnima prediccin, al
igual que se construye la distribucin de probabilidades. Una seal de que el modelo es
consistente, es que la media de los porcentajes de prediccin de signo para cada una de las
series bootstrap sea cercana al porcentaje de prediccin de la serie original, adems de que
la desviacin estndar sea baja y la distribucin de probabilidades muestre consistencia en
los posibles resultados.

4.5 Evaluacin econmica

Para efectuar un anlisis econmico que permita evaluar el uso de la prediccin de signo en
la variacin del precio de las acciones en estudio, se utiliz como benchmark la rentabilidad
de un inversionista pasivo o que sigue una estrategia de comprar y mantener. Dicha

20

rentabilidad se calcul como la variacin de la riqueza del inversionista en el periodo de

estudio considerando una inversin inicial de US$ 100.000. Los inversionistas toman sus
decisiones dependiendo de su estrategia: para el caso del inversionista pasivo la estrategia
es comprar y mantener hasta el final del periodo, mientras que el inversionista activo toma
decisiones de compra y venta de acuerdo a la proyeccin entregada por el modelo, es decir,
si proyecta una variacin de signo positiva (seal de que el precio de la accin subir)
comprar acciones si est fuera de mercado o mantener su posicin si ya posee. Por el
contrario si proyecta una variacin de signo negativa (seal de que el precio de la accin
bajar) vender las acciones si posee o mantenerse fuera si no las tuviese (no se
consideraron operaciones de venta corta).

Finalmente, se estiman las rentabilidades de cada inversionista calculando la variacin de la

riqueza desde el inicio hasta el final del periodo en estudio sin tomar en consideracin
costos de transaccin.

La rentabilidad del periodo se determin por la diferencia entre el valor de la inversin al

final del periodo y la inicial, en trminos porcentuales respecto a la inversin inicial, la cual
se expresa en trminos anuales dividiendo la rentabilidad total del periodo por el nmero
total de semanas de la muestra (287) y multiplicada por el total de semanas en un ao (52).

21

5 RESULTADOS

5.1 Philippine Long Distance Telephone Co. (PHI)

5.1.1 Seleccin del modelo

Para la accin Philippine Long Distance Telephone Co. (PHI) el mejor modelo entre los
127
Yt

evaluados
Y Y

1 t 5 t 4

2 t 2

fue
6

DOWt

el
2

modelo

99,

esto

es

DOWt 2 DOWt 3 . Este modelo obtuvo un porcentaje

de prediccin de signo intramuestral de 54,58%, tal como se muestra en la siguiente tabla:

Tabla 5.1.1 Seleccin del modelo para la accin PHI

99
77
76
31
18
127
123
119
115
103
73
59
46
38
34
30
126
124
120
114
107
72
63
55
42
39
27
26

Muestral
54,58%
54,18%
54,18%
54,18%
54,18%
53,78%
53,78%
53,78%
53,78%
53,78%
53,78%
53,78%
53,78%
53,78%
53,78%
53,78%
53,39%
53,39%
53,39%
53,39%
53,39%
53,39%
53,39%
53,39%
53,39%
53,39%
53,39%
53,39%

ZONA DE RESULTADOS
Extram.
V1 V2 V3

V4

V5

V6

V7

22

23
22
19
122
118
111
110
98
89
62
54
51
35
106
102
93
58
50
47
43
109
87
69
117
100
95
91
90
86
83
82
65
41
96
116
113
104
97
94
92
85
81
75
74
68
67
66
45

Muestral
53,39%
53,39%
53,39%
52,99%
52,99%
52,99%
52,99%
52,99%
52,99%
52,99%
52,99%
52,99%
52,99%
52,59%
52,59%
52,59%
52,59%
52,59%
52,59%
52,59%
52,19%
52,19%
52,19%
51,79%
51,79%
51,79%
51,79%
51,79%
51,79%
51,79%
51,79%
51,79%
51,79%
51,60%
51,39%
51,39%
51,39%
51,39%
51,39%
51,39%
51,39%
51,39%
51,39%
51,39%
51,39%
51,39%
51,39%
51,39%

Extram.

V1

V2

V3

V4

V5

V6

V7

23

108
105
101
88
80
71
64
112
84
79
70
78
125
121
40
7
12
10
2
49
48
44
15
11
6
3
8
60
56
53
52
37
33
14
61
57
36
29
21
32
20
17
13
9
25
16
28
24

Muestral
51,00%
51,00%
51,00%
51,00%
51,00%
51,00%
50,60%
50,60%
50,60%
50,60%
50,60%
50,20%
49,80%
49,80%
49,80%
49,80%
49,79%
49,79%
49,79%
49,40%
49,40%
49,40%
49,40%
49,40%
49,40%
49,40%
49,35%
49,00%
49,00%
49,00%
49,00%
49,00%
49,00%
49,00%
48,61%
48,61%
48,61%
48,21%
48,21%
48,00%
47,81%
47,81%
47,81%
47,81%
47,41%
47,41%
46,61%
46,61%

Extram.

V1

V2

V3

V4

V5

V6

V7

24

4
5
1

Muestral
46,47%
43,43%
42,86%

Extram.

V1

V2

V3

V4

V5

V6

V7

5.1.2 Bsqueda de tamao ptimo de rolling

En cuanto al tamao de rolling, el ptimo para el modelo de la accin Philippine Long

Distance Telephone Co. (PHI) fue de 15 observaciones semanales, obteniendo un
porcentaje de prediccin de signo intramuestral de 51,21% y un porcentaje de prediccin de
signo extramuestral de 64,37%, como puede observarse en la siguiente tabla:

Tabla 5.1.2 Tamaos de rolling para la accin PHI

16
15
17
18
53
54
51
19
55
52
57
50
45
33
21
56
46
34
26
63
44
36
62
60
25
22
20
64

Muestral
49,19%
51,21%
49,60%
50,00%
47,58%
47,58%
48,79%
50,00%
47,58%
48,79%
48,79%
50,00%
49,19%
52,82%
48,79%
47,58%
49,19%
52,02%
50,40%
46,37%
48,79%
51,21%
46,77%
46,37%
49,60%
48,79%
50,00%
46,77%

Extram.
64,75%
64,37%
62,45%
60,54%
59,77%
59,00%
59,00%
59,00%
58,62%
58,62%
58,24%
57,85%
57,85%
57,85%
57,85%
57,47%
57,47%
57,47%
57,47%
57,09%
57,09%
57,09%
56,70%
56,32%
56,32%
56,32%
56,32%
55,94%

V1
8,67603
6,96452
9,47140
9,17107
5,57692
5,69403
5,63324
8,07975
5,69669
5,59520
5,78651
5,48979
4,46852
8,61044
12,12909
6,16324
4,46693
8,10027
11,53824
4,63947
4,64456
4,06091
4,60056
4,44261
11,34620
12,94832
8,12047
4,78286

ZONA DE RESULTADOS
V2
V3
V4
V5
-0,22963 0,00000 0,00000 0,00000
-0,02670 0,00000 0,00000 0,00000
-0,22539 0,00000 0,00000 0,00000
-0,21568 0,00000 0,00000 0,00000
-0,14605 0,00000 0,00000 0,00000
-0,15878 0,00000 0,00000 0,00000
-0,14675 0,00000 0,00000 0,00000
-0,10106 0,00000 0,00000 0,00000
-0,15868 0,00000 0,00000 0,00000
-0,14774 0,00000 0,00000 0,00000
-0,14250 0,00000 0,00000 0,00000
-0,14158 0,00000 0,00000 0,00000
-0,12826 0,00000 0,00000 0,00000
-0,08611 0,00000 0,00000 0,00000
-0,14259 0,00000 0,00000 0,00000
-0,16290 0,00000 0,00000 0,00000
-0,12850 0,00000 0,00000 0,00000
-0,08101 0,00000 0,00000 0,00000
-0,14276 0,00000 0,00000 0,00000
-0,14008 0,00000 0,00000 0,00000
-0,10172 0,00000 0,00000 0,00000
-0,07096 0,00000 0,00000 0,00000
-0,14529 0,00000 0,00000 0,00000
-0,13114 0,00000 0,00000 0,00000
-0,15455 0,00000 0,00000 0,00000
-0,16233 0,00000 0,00000 0,00000
-0,09394 0,00000 0,00000 0,00000
-0,14050 0,00000 0,00000 0,00000

V6
V7
Rentab. Tiempo
0,63680 3,21223 540.811
223
0,14710 -1,01846 670.967
199
0,63390 3,03184 376.224
180
0,56154 2,01579 271.744
186
0,09506 0,30496 108.678
231
0,09695 0,30935 112.828
227
0,12409 0,37418 166.807
226
0,43951 0,41632 247.300
188
0,09722 0,30903 106.322
228
0,12525 0,34059 74.136
228
0,07707 0,26526 114.954
231
0,15356 0,66423 108.608
226
0,35077 4,64861 109.659
226
0,19779 4,21700 52.478
187
0,62390 4,31668 139.853
188
0,10011 0,17999 97.497
234
0,35109 4,64503 108.198
225
0,21159 4,52663 74.894
188
0,53548 3,60540 169.584
196
0,02394 -0,01155 131.356
236
0,32984 4,23233 110.621
223
0,21066 6,26557 135.092
192
0,04784 0,64310 131.656
208
0,06352 0,76689 74.791
214
0,54290 3,69985 178.155
193
0,71040 6,28834 115.701
189
0,44639 0,65363 145.552
187
0,03237 -0,01458 105.410
220

25

49
47
35
32
81
59
40
61
37
31
30
80
78
65
42
86
85
84
58
39
38
23
74
73
48
41
28
24
77
76
75
70
43
29
27
83
72
105
104
96
82
67
66
108
88
87
79
93

Muestral
50,00%
48,39%
52,42%
52,82%
49,19%
46,37%
49,19%
46,37%
51,21%
51,61%
50,40%
47,98%
47,98%
46,37%
49,60%
48,79%
49,60%
50,40%
46,77%
50,81%
50,81%
49,19%
44,76%
45,56%
48,39%
48,79%
51,61%
49,19%
45,97%
44,76%
45,56%
44,35%
48,79%
51,61%
52,42%
50,00%
45,56%
43,95%
43,95%
50,40%
50,00%
47,98%
46,77%
39,92%
47,58%
48,79%
47,58%
50,81%

Extram.
55,94%
55,94%
55,94%
55,94%
55,56%
55,56%
55,56%
55,17%
55,17%
55,17%
55,17%
54,79%
54,79%
54,79%
54,79%
54,41%
54,41%
54,41%
54,41%
54,41%
54,41%
54,41%
54,02%
54,02%
54,02%
54,02%
54,02%
54,02%
53,64%
53,64%
53,64%
53,64%
53,64%
53,64%
53,64%
53,26%
53,26%
52,87%
52,87%
52,87%
52,87%
52,87%
52,87%
52,49%
52,49%
52,49%
52,49%
52,11%

V1
5,48704
5,55774
5,02339
8,57062
2,49983
4,59375
4,63916
4,58373
3,97147
10,17931
10,62010
1,97558
1,98853
4,37130
3,91358
3,49223
3,35836
3,28548
5,37948
4,46801
4,11997
12,11063
1,34283
1,51506
5,41947
4,55127
10,04149
12,09865
1,82315
1,50255
1,25052
2,22303
4,48332
10,34769
10,33189
3,26200
1,54998
0,74452
0,73002
2,92955
3,23412
3,50262
5,92864
-0,93379
4,10233
4,32804
2,02424
3,67259

V2
-0,14167
-0,21553
-0,06788
-0,08111
-0,08708
-0,14236
-0,10533
-0,14300
-0,06407
-0,21171
-0,19483
-0,08731
-0,09298
-0,13242
-0,09941
-0,11061
-0,10041
-0,08770
-0,16208
-0,10224
-0,08742
-0,12818
-0,09289
-0,09720
-0,19148
-0,09876
-0,12237
-0,12927
-0,09562
-0,09060
-0,08933
-0,17172
-0,10119
-0,14297
-0,12510
-0,08862
-0,09587
-0,11485
-0,11611
-0,05620
-0,08808
-0,08406
-0,11903
-0,08755
-0,12338
-0,12410
-0,09518
-0,06703

V3
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V4
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V5
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V6
V7
Rentab. Tiempo
0,15612 0,71355 67.378
225
0,28275 3,46235 72.518
225
0,19953 5,80648 104.340
189
0,20169 4,29395 46.441
187
0,16008 2,42285 18.986
230
0,06523 0,74296 96.323
229
0,32038 3,56876 114.588
221
0,05567 0,54665 52.462
212
0,20649 6,28590 110.485
189
0,29145 3,49739 34.815
188
0,20503 2,26969 31.269
187
0,12666 2,20459 10.131
229
0,10455 1,87983 8.678
247
0,03396 0,15099 61.689
211
0,33102 4,57158 94.580
221
0,14233 2,44610 -14.747
251
0,14026 2,40943 -5.101
230
0,14221 2,36458 -10.735
228
0,08071 0,49359 41.570
232
0,22596 6,31112 89.428
191
0,21977 6,34533 98.325
191
0,63121 5,30739 121.819
190
0,08431 1,60941 -6.571
219
0,06133 1,26378 -9.365
217
0,25142 2,67766 32.246
227
0,34637 3,95410 70.287
220
0,16240 5,21451 61.766
186
0,63166 5,30753 114.838
191
0,09418 1,56332 -5.267
246
0,08829 1,53236 -11.591
231
0,08855 1,63880 -14.640
220
0,06210 1,04297 11.848
221
0,33381 4,24359 70.834
222
0,13560 4,07566 24.458
186
0,41991 -0,75587 55.247
188
0,13829 2,33258 -9.907
227
0,06691 1,36390 -12.384
215
0,03833 1,04609 -9.478
249
0,04368 1,01536 -23.896
241
0,03737 1,56819 -26.039
251
0,13863 2,33039 -11.936
230
0,05912 0,30569 61.158
217
0,04765 -0,31385 36.532
212
0,04013 2,66717 -15.768
244
0,10603 3,29651 -39.939
227
0,12658 2,44673 -33.705
226
0,10312 1,81218 -11.768
228
0,07930 1,91707 -24.883
229

26

71
69
125
107
106
95
92
91
94
90
68
109
101
100
124
103
99
98
89
110
102
97
123
122
111
121
112
117
119
116
115
113
118
114
120

Muestral
43,55%
46,37%
43,95%
42,34%
42,74%
50,00%
50,81%
50,40%
50,81%
48,39%
47,18%
41,13%
45,97%
45,56%
44,76%
43,55%
45,97%
45,56%
47,98%
40,73%
45,16%
50,00%
43,55%
43,95%
41,94%
43,95%
45,97%
43,15%
45,56%
43,95%
43,15%
42,74%
44,76%
42,34%
44,76%

Extram.
52,11%
52,11%
51,72%
51,72%
51,72%
51,72%
51,72%
51,72%
51,34%
51,34%
51,34%
50,96%
50,96%
50,96%
50,57%
50,57%
50,57%
50,57%
50,57%
50,19%
49,81%
49,81%
49,43%
49,43%
49,43%
49,04%
49,04%
48,66%
47,89%
47,89%
47,89%
47,89%
47,51%
47,51%
47,13%

V1
2,02271
2,68184
-1,30509
-0,44340
-0,38986
2,92563
3,69935
3,68530
3,68691
3,72724
2,84390
-0,89128
1,78623
1,79911
-1,26499
0,71685
1,00975
0,83819
4,05620
-0,99099
1,49355
2,93488
-1,17368
-1,29484
-1,04941
-1,20651
-1,41077
-1,82505
-1,33774
-1,98422
-1,85038
-1,37083
-1,72647
-1,63802
-1,29178

V2
-0,16184
-0,11191
-0,02943
-0,06854
-0,06917
-0,05657
-0,07046
-0,07193
-0,06731
-0,08456
-0,10443
-0,08732
-0,16106
-0,16311
-0,03248
-0,11811
-0,10190
-0,10057
-0,11345
-0,04701
-0,13563
-0,05661
-0,03249
-0,02904
-0,04404
-0,03342
-0,01107
-0,02028
-0,02311
-0,01210
-0,01152
-0,01410
-0,02646
-0,01371
-0,02597

V3
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V4
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V5
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V6
0,03821
0,05080
0,11013
0,04270
0,04292
0,03857
0,07018
0,05828
0,07968
0,09541
0,04586
0,03732
0,09737
0,09458
0,11799
0,04419
0,03130
0,03863
0,11859
0,04388
0,07704
0,03826
0,09986
0,10616
0,04856
0,10781
0,06912
-0,01670
0,08847
-0,00828
0,01256
0,04323
0,02082
0,02321
0,10104

V7
0,78547
0,73387
-2,27837
1,45773
1,43251
1,58654
1,91783
2,36351
1,92327
2,87724
0,61313
2,60010
0,88184
0,92095
-2,28734
1,03319
2,33166
2,28645
3,12353
2,98358
0,63384
1,55048
-2,75135
-2,37730
3,15389
-2,36993
1,46403
1,47819
-2,36972
2,73007
1,59606
2,64595
-0,27299
2,03154
-2,42573

Rentab. Tiempo
-14.423
219
14.462
222
-35.629
240
-33.596
259
-27.944
243
-28.001
218
-27.457
233
-33.236
229
-34.463
227
-41.616
231
25.782
220
-27.864
237
-36.975
254
-34.196
239
-42.314
228
-42.786
250
-39.606
239
-37.659
253
-45.671
235
-32.426
222
-45.234
253
-46.054
251
-49.182
241
-45.150
237
-45.874
235
-49.685
234
-39.015
224
-40.681
237
-53.950
228
-44.094
223
-48.229
225
-43.786
224
-49.788
224
-48.930
238
-56.142
236

5.1.3 Aplicacin de bootstrapping

Los resultados obtenidos al someter el modelo de Philippine Long Distance Telephone Co.
(PHI) al proceso de bootstrapping muestran que los tamaos de rolling seleccionados
pueden ser considerados ptimos ya que el porcentaje de prediccin de signo en las
muestras construidas se mueve entre 41,38% y 58,62%, con una media de 50,58% y una
desviacin estndar de 2,82%.

27

Tabla 5.1.3 Resultados bootstrapping para la accin PHI

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

Resultados
Acierto Rendimientos
49,04%
-1.599,03
48,28%
-29.504,12
52,87%
-25.831,39
53,64%
197.417,77
49,43%
-41.440,41
48,66%
75.568,17
46,74%
-27.818,37
49,43%
-46.964,03
54,41%
259.604,27
56,70%
175.643,86
53,64%
-12.875,94
47,51%
-41.656,62
52,87%
-28.821,40
58,62%
335.005,12
46,74%
38.257,94
53,26%
28.365,49
51,34%
130.625,77
48,28%
6.135,61
49,81%
-12.960,47
55,17%
57.392,53
51,72%
-30.693,63
50,19%
8.974,60
49,81%
-2.708,65
50,19%
33.514,04
50,96%
136.821,85
47,89%
35.737,54
48,66%
256.430,96
46,36%
26.985,91
54,02%
-12.526,86
51,72%
123.134,27
50,57%
13.170,35
49,81%
14.112,60
52,11%
47.782,30
50,96%
-26.921,57
47,51%
-19.281,73
52,11%
-35.101,87
47,13%
10.219,75
51,72%
280.542,45
55,17%
256.775,48
47,89%
-24.067,37
52,49%
-35.737,17
50,96%
16.552,03
49,43%
51.993,30
49,43%
28.240,69
54,02%
32.464,95

28

46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93

Acierto Rendimientos
47,13%
25.625,63
52,11%
27.230,22
48,28%
21.088,59
54,79%
131.057,09
50,96%
69.587,67
49,04%
30.930,51
49,81%
-3.554,36
51,34%
-6.330,59
47,89%
-49.453,96
49,04%
-6.493,08
54,79%
92.272,89
52,87%
38.827,56
53,64%
47.527,62
51,34%
744.536,27
51,72%
-33.515,32
52,87%
101.445,64
48,28%
-22.872,62
51,72%
-11.416,64
48,66%
-39.830,19
54,02%
-14.574,94
50,19%
321.774,38
50,96%
-45.853,37
52,87%
218.735,03
53,64%
114.018,96
52,11%
10.630,71
46,74%
-29.594,14
51,72%
-49.235,10
48,28%
133.127,43
50,96%
3.000,87
48,66%
65.510,86
45,59%
-47.727,84
54,02%
-34.281,06
50,19%
113.077,60
50,96%
65.378,33
46,74%
-34.655,29
47,13%
76.305,70
52,87%
19.528,75
53,64%
21.744,29
50,19%
43.200,89
46,74%
-15.664,03
47,89%
44.469,08
54,79%
123.454,44
48,66%
-16.390,01
50,57%
10.717,73
51,72%
60.896,22
49,81%
124.760,35
50,57%
224.629,57
56,70%
5.587,01

29

94
95
96
97
98
99
100
Med.
DS
Max
Min

Acierto Rendimientos
50,57%
217.036,58
48,66%
-49.824,59
49,81%
43.529,52
50,57%
-20.745,80
45,21%
-52.066,08
47,51%
-2.042,69
41,38%
-66.491,26
50,58%
49.595,90
2,82%
113.049,97
58,62%
744.536,27
41,38%
-66.491,26

5.1.4 Evaluacin Econmica

El inversionista que sigue la estrategia pasiva compra acciones al comienzo de la semana

del 6 de diciembre de 2000, al precio de cierre de la semana anterior. Los datos iniciales
son:
Se compran 6.789 acciones a un precio de US$ 14,73 cada una.
La inversin es mantenida hasta el final del periodo, esto es, la semana del 30 de mayo de
2006, fecha en la cual se venden las acciones. Los resultados son:
Utilidad de US$ 143.824.-, es decir una rentabilidad del periodo de
146,71%, lo que corresponde a una rentabilidad anual de 26,58%.
El inversionista activo (que utiliza la tcnica) entrar al mercado cuando tenga una seal de
que el precio de la accin subir, y se mantendr afuera mientras tenga seales de que el
mercado est a la baja.
Dado que la prediccin del signo para las dos semanas previas era negativo y
que no estaba contemplado hacer ventas cortas, el inversionista activo
ingresa al mercado la semana del 20 de diciembre de 2000 comprando 6.035
acciones al precio de cierre de la semana anterior (US$ 16,57).
Los resultados logrados son:
La utilidad es de US$ 570.967, lo que equivale a una rentabilidad del
periodo de 571% y una rentabilidad anual de 103,45%.

30

5.2 Posco (PKX)

5.2.1 Seleccin del modelo

Para la accin Posco (PKX) el mejor modelo entre los 127 evaluados fue el modelo 17, esto
es Yt

Y Y

1 t 5 t 4

S & Pt 3 . Este modelo obtuvo un porcentaje de prediccin de signo

intramuestral de 57,77%, tal como se muestra en la siguiente tabla:

Tabla 5.2.1 Seleccin del modelo para la accin PKX

17
81
83
19
49
117
115
113
85
69
51
5
65
53
21
1
25
121
119
89
27
91
87
71
57
55
7
67
59
3
123
103
39

Muestral
57,77%
57,37%
56,57%
56,57%
55,78%
55,38%
55,38%
55,38%
54,98%
54,98%
54,98%
54,98%
54,58%
54,58%
54,58%
54,47%
54,18%
53,78%
53,78%
53,78%
53,78%
53,39%
53,39%
53,39%
53,39%
53,39%
53,39%
52,99%
52,99%
52,99%
52,59%
52,59%
52,59%

ZONA DE RESULTADOS
Extram.
V1
V2
V3

V4

V5

V6

V7

31

23
15
9
99
73
95
63
101
79
37
35
31
11
127
29
13
125
111
109
93
77
75
47
64
112
80
50
48
33
61
114
107
97
45
2
58
56
52
66
14
116
105
82
43
41
122
70
34

Muestral
52,59%
52,59%
52,59%
52,19%
52,19%
51,79%
51,79%
51,39%
51,39%
51,39%
51,39%
51,39%
51,39%
51,00%
51,00%
51,00%
50,60%
50,60%
50,60%
50,60%
50,60%
50,60%
50,60%
50,20%
50,20%
50,20%
50,20%
50,20%
50,20%
49,80%
49,40%
49,40%
49,40%
49,40%
49,38%
49,00%
49,00%
49,00%
48,61%
48,61%
48,21%
48,21%
48,21%
48,21%
48,21%
47,81%
47,81%
47,81%

Extram.

V1

V2

V3

V4

V5

V6

V7

32

16
6
12
84
26
24
18
120
100
98
72
20
42
40
118
54
110
78
76
46
36
108
102
94
74
38
30
32
90
62
10
4
96
104
92
86
68
28
22
126
106
88
60
8
124
44

Muestral
47,81%
47,81%
47,74%
47,41%
47,41%
47,41%
47,41%
47,01%
47,01%
47,01%
47,01%
47,01%
46,61%
46,61%
46,22%
46,22%
45,82%
45,82%
45,82%
45,82%
45,82%
45,42%
45,42%
45,42%
45,42%
45,42%
45,42%
45,20%
45,02%
45,02%
44,86%
44,86%
44,80%
44,62%
44,62%
44,62%
44,62%
44,62%
44,62%
44,22%
44,22%
44,22%
44,22%
43,83%
43,82%
43,82%

Extram.

V1

V2

V3

V4

V5

V6

V7

33

5.2.2 Determinacin del tamao de rolling ptimo

Para el modelo de la accin Posco (PKX) el tamao de rolling ptimo fue de 15

observaciones, obteniendo un porcentaje de prediccin de signo intramuestral de 51,21% y
un porcentaje de prediccin de signo extramuestral de 59,39%, como se muestra en la
siguiente tabla:

Tabla 5.2.2 Tamaos de rolling para la accin PKX

Muestral Extram.
16 50,81% 60,92%
15 51,21% 59,39%
17 53,23% 59,00%
18 53,23% 58,24%
39 52,02% 57,85%
92 48,39% 57,47%
36 48,39% 57,47%
45 50,00% 57,09%
27 45,16% 56,70%
91 49,60% 56,32%
81 48,39% 56,32%
77 45,56% 56,32%
40 47,98% 56,32%
33 43,95% 56,32%
26 45,56% 56,32%
19 45,97% 56,32%
101 49,60% 55,94%
90 49,60% 55,94%
82 48,39% 55,94%
79 48,79% 55,94%
67 45,16% 55,94%
56 47,18% 55,94%
44 50,40% 55,94%
38 50,00% 55,94%
32 44,35% 55,94%
28 46,37% 55,94%
100 49,60% 55,56%
94 48,39% 55,56%
93 48,79% 55,56%
83 48,79% 55,56%
62 47,18% 55,56%
55 45,97% 55,56%
41 47,98% 55,56%
25 46,77% 55,56%

V1
6,29803
6,40286
3,39592
3,41280
1,12478
-0,80033
0,10146
0,15544
-5,85058
-0,85100
-0,80163
-1,54737
-0,01060
-5,11582
-6,85590
-6,18807
-0,83880
-0,91450
-0,79670
-0,83303
-1,06503
-1,08543
0,19528
0,15524
-5,03858
-6,20739
-0,77333
-0,81494
-0,81564
-0,85020
-0,98907
-1,05401
-0,04166
-9,83522

ZONA DE RESULTADOS
V2
V3
V4
V5
0,00000 0,00000 0,00000 1,16518
0,00000 0,00000 0,00000 1,12371
0,00000 0,00000 0,00000 0,20593
0,00000 0,00000 0,00000 0,22413
0,00000 0,00000 0,00000 -0,15855
0,00000 0,00000 0,00000 -0,20840
0,00000 0,00000 0,00000 0,05540
0,00000 0,00000 0,00000 -0,23686
0,00000 0,00000 0,00000 -0,36428
0,00000 0,00000 0,00000 -0,20015
0,00000 0,00000 0,00000 -0,21340
0,00000 0,00000 0,00000 -0,23516
0,00000 0,00000 0,00000 -0,31313
0,00000 0,00000 0,00000 -0,24168
0,00000 0,00000 0,00000 -0,49687
0,00000 0,00000 0,00000 -0,01165
0,00000 0,00000 0,00000 -0,19311
0,00000 0,00000 0,00000 -0,22745
0,00000 0,00000 0,00000 -0,21507
0,00000 0,00000 0,00000 -0,24783
0,00000 0,00000 0,00000 -0,06339
0,00000 0,00000 0,00000 -0,01579
0,00000 0,00000 0,00000 -0,24139
0,00000 0,00000 0,00000 0,03263
0,00000 0,00000 0,00000 -0,22732
0,00000 0,00000 0,00000 -0,47894
0,00000 0,00000 0,00000 -0,18710
0,00000 0,00000 0,00000 -0,21336
0,00000 0,00000 0,00000 -0,20981
0,00000 0,00000 0,00000 -0,21792
0,00000 0,00000 0,00000 -0,01090
0,00000 0,00000 0,00000 -0,02231
0,00000 0,00000 0,00000 -0,28297
0,00000 0,00000 0,00000 -0,83493

V6
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V7
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

Rentab. Tiempo
661.697
150
742.837
150
519.624
150
486.789
152
320.655
150
132.070
159
335.799
150
206.488
128
249.011
150
66.600
159
131.643
156
81.455
138
246.257
151
230.454
150
279.892
140
357.579
152
64.452
139
83.627
159
162.261
132
123.218
156
93.246
131
156.052
128
214.553
127
227.968
150
210.746
149
264.019
150
50.653
163
49.404
160
67.301
159
127.356
132
113.215
131
149.530
129
235.066
151
176.264
153

34

22
80
78
46
107
102
84
66
64
61
59
54
52
43
37
35
21
20
106
95
88
87
76
53
31
23
109
104
89
63
57
48
47
34
24
108
103
97
96
60
51
42
29
110
98
75
71
70

Muestral Extram.
V1
V2
V3
V4
V5
V6
V7
Rentab. Tiempo
43,95% 55,56% -8,76022 0,00000 0,00000 0,00000 -0,43957 0,00000 0,00000 234.447
153
48,39% 55,17% -0,81377 0,00000 0,00000 0,00000 -0,23138 0,00000 0,00000 60.400
157
48,79% 55,17% -0,79979 0,00000 0,00000 0,00000 -0,24884 0,00000 0,00000 73.780
157
49,60% 55,17%
0,09258 0,00000 0,00000 0,00000 -0,26793 0,00000 0,00000 155.075
128
46,77% 54,79% -0,69923 0,00000 0,00000 0,00000 -0,11353 0,00000 0,00000 52.400
162
48,39% 54,79% -0,84019 0,00000 0,00000 0,00000 -0,18043 0,00000 0,00000 29.451
135
49,60% 54,79% -0,87818 0,00000 0,00000 0,00000 -0,22047 0,00000 0,00000 74.335
157
45,16% 54,79% -1,05641 0,00000 0,00000 0,00000 -0,03977 0,00000 0,00000 119.732
130
47,58% 54,79% -0,98675 0,00000 0,00000 0,00000 -0,00918 0,00000 0,00000 133.552
129
42,74% 54,79% -1,04366 0,00000 0,00000 0,00000 0,00056 0,00000 0,00000 101.428
129
46,77% 54,79% -1,10400 0,00000 0,00000 0,00000 -0,01518 0,00000 0,00000 74.782
128
47,58% 54,79% -1,11763 0,00000 0,00000 0,00000 -0,00954 0,00000 0,00000 153.246
127
49,60% 54,79%
0,06106 0,00000 0,00000 0,00000 -0,18237 0,00000 0,00000 157.239
128
48,79% 54,79% -0,13649 0,00000 0,00000 0,00000 -0,30332 0,00000 0,00000 187.628
128
50,40% 54,79%
0,07790 0,00000 0,00000 0,00000 0,03610 0,00000 0,00000 194.897
150
48,39% 54,79%
0,12139 0,00000 0,00000 0,00000 0,07172 0,00000 0,00000 218.413
150
43,95% 54,79% -8,80761 0,00000 0,00000 0,00000 -0,43897 0,00000 0,00000 261.917
152
43,95% 54,79% -6,30450 0,00000 0,00000 0,00000 0,03147 0,00000 0,00000 320.294
153
46,77% 54,41% -0,63213 0,00000 0,00000 0,00000 -0,10625 0,00000 0,00000 30.054
163
48,39% 54,41% -0,81135 0,00000 0,00000 0,00000 -0,21945 0,00000 0,00000 34.565
160
49,60% 54,41% -0,93800 0,00000 0,00000 0,00000 -0,23253 0,00000 0,00000 64.107
159
49,60% 54,41% -0,90869 0,00000 0,00000 0,00000 -0,22013 0,00000 0,00000 51.447
158
45,56% 54,41% -1,49457 0,00000 0,00000 0,00000 -0,21916 0,00000 0,00000 63.151
130
50,40% 54,41%
0,14662 0,00000 0,00000 0,00000 -0,18243 0,00000 0,00000 131.084
127
43,95% 54,41% -5,12524 0,00000 0,00000 0,00000 -0,24106 0,00000 0,00000 212.288
149
45,16% 54,41% -10,18061 0,00000 0,00000 0,00000 -0,58022 0,00000 0,00000 202.329
153
48,39% 54,02% -0,73684 0,00000 0,00000 0,00000 -0,19866 0,00000 0,00000 16.423
162
49,60% 54,02% -0,16371 0,00000 0,00000 0,00000 -0,16128 0,00000 0,00000 27.439
135
49,60% 54,02% -0,90968 0,00000 0,00000 0,00000 -0,21751 0,00000 0,00000 50.077
157
47,18% 54,02% -0,99777 0,00000 0,00000 0,00000 -0,00702 0,00000 0,00000 83.345
129
45,97% 54,02% -1,13302 0,00000 0,00000 0,00000 -0,02667 0,00000 0,00000 99.051
128
49,60% 54,02%
0,09734 0,00000 0,00000 0,00000 -0,26550 0,00000 0,00000 143.967
128
49,60% 54,02%
0,13397 0,00000 0,00000 0,00000 -0,28296 0,00000 0,00000 124.897
126
45,16% 54,02% -4,93185 0,00000 0,00000 0,00000 -0,27030 0,00000 0,00000 184.200
150
46,77% 54,02% -9,77221 0,00000 0,00000 0,00000 -0,76864 0,00000 0,00000 166.218
153
48,39% 53,64% -0,70966 0,00000 0,00000 0,00000 -0,19955 0,00000 0,00000 24.478
162
48,79% 53,64% -0,14177 0,00000 0,00000 0,00000 -0,16684 0,00000 0,00000 7.967
139
49,60% 53,64% -0,76171 0,00000 0,00000 0,00000 -0,19185 0,00000 0,00000 9.569
160
48,39% 53,64% -0,83627 0,00000 0,00000 0,00000 -0,23040 0,00000 0,00000 28.601
159
46,37% 53,64% -1,11818 0,00000 0,00000 0,00000 -0,03056 0,00000 0,00000 71.447
129
47,98% 53,64% -0,01425 0,00000 0,00000 0,00000 -0,18248 0,00000 0,00000 121.006
128
47,98% 53,64% -0,06617 0,00000 0,00000 0,00000 -0,27175 0,00000 0,00000 155.555
145
45,16% 53,64% -5,70211 0,00000 0,00000 0,00000 -0,31210 0,00000 0,00000 188.454
149
48,79% 53,26% -0,77782 0,00000 0,00000 0,00000 -0,22645 0,00000 0,00000 14.182
164
49,60% 53,26% -0,74878 0,00000 0,00000 0,00000 -0,18789 0,00000 0,00000 -13.318
161
45,97% 53,26% -1,46382 0,00000 0,00000 0,00000 -0,22699 0,00000 0,00000 46.596
131
45,97% 53,26% -0,91915 0,00000 0,00000 0,00000 -0,06897 0,00000 0,00000 76.359
130
46,37% 53,26% -0,95649 0,00000 0,00000 0,00000 -0,07476 0,00000 0,00000 79.884
131

35

69
68
65
50
49
114
105
86
58
30
113
99
74
117
116
112
85
124
115
73
118
72
123
121
111
125
120
122
119

Muestral Extram.
45,56% 53,26%
43,95% 53,26%
46,37% 53,26%
48,79% 53,26%
52,42% 53,26%
48,79% 52,87%
48,79% 52,87%
48,39% 52,87%
47,18% 52,87%
45,16% 52,87%
48,79% 52,49%
49,60% 52,49%
45,56% 52,49%
48,39% 52,11%
48,39% 52,11%
48,79% 52,11%
49,60% 52,11%
48,39% 51,72%
48,79% 51,72%
46,77% 51,72%
49,60% 51,34%
45,16% 51,34%
48,39% 50,96%
48,79% 50,96%
48,79% 50,96%
46,77% 50,57%
50,00% 50,57%
48,79% 50,19%
49,60% 49,81%

V1
-0,91533
-0,99326
-1,02737
-0,08351
0,48344
-0,69976
-0,11366
-0,99464
-1,09768
-5,48913
-0,67470
-0,76339
-1,36038
-0,44603
-0,83607
-0,78021
-0,90232
-0,76692
-0,71045
-1,14854
-0,37894
-0,98125
-0,68760
-0,58474
-0,76901
-0,81746
-0,27978
-0,60715
-0,23426

V2
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V3
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V4
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V5
-0,06800
-0,04650
-0,01590
-0,14059
-0,21227
-0,20375
-0,14068
-0,21133
-0,01208
-0,36359
-0,20419
-0,18834
-0,17293
-0,21252
-0,23624
-0,22290
-0,21964
-0,16515
-0,20521
-0,10388
-0,20033
-0,06765
-0,18632
-0,19441
-0,22048
-0,13701
-0,17085
-0,19348
-0,16905

V6
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000
0,00000

V7
Rentab. Tiempo
0,00000 73.398
131
0,00000 50.468
130
0,00000 97.668
129
0,00000 99.267
127
0,00000 127.405
129
0,00000 7.888
164
0,00000 8.223
148
0,00000 -7.670
157
0,00000 74.479
128
0,00000 139.389
150
0,00000
899
162
0,00000 -5.353
161
0,00000 18.585
132
0,00000 -15.374
162
0,00000 -15.468
141
0,00000 -17.258
164
0,00000 12.648
157
0,00000 -6.977
164
0,00000 -13.406
137
0,00000 45.464
132
0,00000 -23.532
164
0,00000 71.649
131
0,00000 -6.968
164
0,00000 -9.539
163
0,00000 -22.587
164
0,00000 -10.626
167
0,00000 -21.197
163
0,00000 -12.608
165
0,00000 -27.602
165

5.2.3 Aplicacin de bootstrapping

Los resultados obtenidos al someter el modelo de Posco (PKX) al proceso de bootstrapping

muestran que los tamaos de rolling seleccionados pueden ser considerados ptimos ya que
el porcentaje de prediccin de signo en las muestras construidas se mueve entre 50,19% y
63,60%, con una media de 55,41% y una desviacin estndar de 2,76%.

36

Tabla 5.2.3 Resultados bootstrapping para la accin PKX

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45

Resultados
Acierto
Rendimientos
61,69%
763.211
55,17%
254.577
58,62%
189.600
56,32%
176.759
56,32%
120.430
51,72%
17.330
61,69%
341.572
53,64%
176.162
52,49%
252.319
58,62%
431.674
51,34%
81.436
52,87%
25.046
54,41%
37.088
51,72%
45.155
54,02%
159.970
55,56%
381.808
55,56%
22.294
54,79%
517.521
57,09%
201.477
52,49%
126.293
54,41%
217.355
57,85%
299.329
50,96%
-25.793
50,57%
18.830
54,79%
171.237
58,24%
278.445
57,85%
222.441
58,62%
122.808
56,32%
394.575
53,64%
30.737
55,17%
318.022
54,79%
143.347
52,11%
16.467
52,49%
239.913
54,79%
151.190
55,94%
309.562
55,56%
230.399
57,85%
879.708
55,17%
99.728
51,72%
52.768
55,94%
149.860
59,39%
102.714
54,79%
35.026
54,41%
354.706
55,94%
519.571

37

46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92

Acierto
52,87%
55,94%
53,64%
61,30%
60,15%
54,41%
53,64%
55,94%
55,94%
60,54%
56,32%
51,34%
54,41%
55,94%
54,41%
55,17%
54,02%
55,56%
55,17%
56,32%
59,77%
50,57%
55,94%
54,41%
57,09%
56,70%
56,70%
55,94%
59,00%
52,87%
53,64%
51,34%
53,26%
55,17%
60,54%
57,47%
54,41%
57,47%
57,47%
55,94%
55,94%
52,11%
52,87%
53,64%
56,32%
51,72%
50,19%

Rendimientos
95.139
230.755
150.691
1.200.379
1.227.271
727.964
192.881
258.582
648.254
455.193
207.207
132.517
216.194
798.670
108.805
23.212
451.585
324.499
188.082
5.338
188.030
86.189
144.545
121.215
269.078
244.862
7.151
131.211
192.441
33.387
295.266
275.196
-32.236
103.009
87.439
132.251
34.540
744.717
65.780
123.136
84.809
82.933
97.672
-36.823
508.036
-14.776
79.258

38

93
94
95
96
97
98
99
100
Med.
DS
Max
Min

Acierto
55,17%
58,24%
58,24%
50,96%
59,77%
63,60%
54,79%
52,87%
55,41%
2,76%
63,60%
50,19%

Rendimientos
328.429
198.257
573.770
27.871
278.910
887.090
46.162
93.765
237.805
246.816
1.227.271
(36.823)

5.2.4 Evaluacin Econmica

El inversionista que sigue la estrategia pasiva compra acciones al comienzo de la semana

del 6 de diciembre de 2000, al precio de cierre de la semana anterior. Los datos iniciales
son:
Se compran 7.174 acciones a un precio de US$ 13,94 cada una.
La inversin es mantenida hasta el final del periodo, esto es, la semana del 30 de mayo de
2006, fecha en la cual se venden las acciones. Los resultados son:
Utilidad de US$ 326.958.-, es decir, una rentabilidad del periodo de 327%,
lo que corresponde a una rentabilidad anual de 59%.
El inversionista activo entrar al mercado cuando tenga una seal de que el precio de la
accin subir, y se mantendr afuera mientras tenga seales de que el mercado esta a la
baja.
Ingresa al mercado a la semana del 3 de enero de 2001, al precio de cierre de
la semana anterior US$ 26,44 y se compran 3.782 acciones (para las cuatro
semanas previas la proyeccin de signo era negativa).
Los resultados logrados son:
La utilidad es de US$ 642.837, es decir, una rentabilidad del periodo de
642,84% equivalente a una rentabilidad anual de 116,47%.

39

6 CONCLUSIONES

En el desarrollo de nuestro trabajo probamos 127 combinaciones factibles, a partir del

modelo: Yt

Y Y

1 t 5 t 4

Y Y

2 t 2

3 t 3 t 3

Y Y

4 t 2 t 3

S & Pt

DOW t

DOW t 2 DOW t

con el objeto de determinar el modelo ms adecuado para la prediccin de signos de las

acciones Philippine Long Distance Telephone Co. (PHI) y Posco (PKX).

En el caso de la accin PHI el mejor modelo entre los 127 evaluados fue el modelo 99, esto
es

Yt

Y Y

1 t 5 t 4

2 t 2

DOWt

DOWt 2 DOWt 3 .

Este

modelo

obtuvo

un

porcentaje de prediccin de signo intramuestral de 54,58%.

Para el caso de la accin PKX, el mejor modelo de los 127 evaluados fue el modelo 17, esto
es Yt

Y Y

1 t 5 t 4

S & Pt 3 . Este modelo obtuvo un porcentaje de prediccin de signo

intramuestral de 57,77%.

Cabe mencionar que los modelos de ambas acciones coinciden en el uso del trmino
Y Y .

1 t 5 t 4

Tanto Philippine Long Distance Telephone Co. (PHI) como para Posco (PKX) el tamao
ptimo de rolling fue de 15 observaciones, obteniendo para la primera (PHI) un porcentaje
de prediccin de signo intramuestral de 51,21% y extramuestral de 64,37%, mientras que
para la segunda (PKX) el porcentaje de prediccin de signo intra y extra muestral fue de
51,21% y de 59,39%, respectivamente.

Los resultados obtenidos al someter ambos modelos al proceso de bootstrapping muestran

que los tamaos de rolling seleccionados pueden ser considerados ptimos: para el caso de
Philippine Long Distance Telephone Co. (PHI) se encontr que el porcentaje de prediccin
de signo en las muestras construidas se mueve entre 41,38% y 58,62%, con una media de
50,58% y una desviacin estndar de 2,82% mientras que para Posco (PKX) se obtuvo
como resultado que el porcentaje de prediccin de signo en las muestras construidas se

40

mueve entre 50,19% y 63,6%, con una media de 55,41% y una desviacin estndar de
2,76%.

En cuanto a la evaluacin econmica de Philippine Long Distance Telephone Co. (PHI) el

inversionista que hubiera seguido la estrategia pasiva hubiese logrado una rentabilidad
anual de 26% mientras que el inversionista activo (que utiliza el modelo) hubiese logrado
una rentabilidad anual es de 103,45%. En el caso de Posco (PKX), el inversionista que
sigue la estrategia pasiva lograra una rentabilidad anual de 59% versus el inversionista
activo que hubiese logrado una rentabilidad anual de 116,47%.

Considerando estos resultados, se puede concluir que es posible obtener retornos superiores
al mercado empleando tcnicas economtricas basadas en el uso de la informacin
disponible en los precios de los activos financieros, otorgndole mayor ponderacin a los
datos ms recientes y menos a los ms antiguos, lo cual se evidencia en el tamao de
rolling ptimo obtenido para ambas acciones (15 semanas).

As, hoy en da y en el futuro, con el apoyo de tecnologa cada vez ms innovadora y a ms

bajo costo, es posible procesar una mayor cantidad de datos en menor tiempo y acceder a
extensas series histricas de precios de activos financieros hasta hace poco inexistentes o
inalcanzables, pudiendo obtenerse, como qued demostrado en este trabajo, rentabilidades
superiores a las del mercado.

41

REFERENCIAS BIBLIOGRAFICAS

Ball, R. & Kothari, S.P. (1989). Nonstationary expected returns: Implications

for test of market efficiency and serial correlation in returns. Journal of
Financial Economics 25, 51-74.

Blume, L., Easley D. & OHara M. (1994). Market statistics and technical
analysis: The role of volume. Journal of Finance 49, 153-82.

Brock, W., Lakonishok J. & LeBaron B. (1992). Simple technical trading

rules and the stochastic properties of stocks returns. The Journal of Finance,
Vol. XLVII, N5, 1731-1763 (December).

Brown, D. & Jennings R. (1989). On technical analysis. Review of Financial

Studies 2, 527-551.

Chan, K.C. (1988). On the contrarian investment strategy. Journal of Business

61, 147-163.

Chopra, N., Lakonishok J. & Ritter J. R. (1992). Measuring abnormal

returns: Do stocks overreact? Journal of Financial Economics 31, 235-268.

Conrad J. & Kaul G. (1988). Time-variation in expected returns. Journal of

Business 61, 409-425.

Conrad J. & Kaul G. (1989). Mean reversion in short-horizon expected

returns. Review of Financial Studies 2, 225-240.

Conrad J. & Kaul G. (1993). Long-term market overreaction or biases in

computed return? Journal of Finance 48, 39-63.

42

DeBondt, W. F. M. & Thaler R. (1985). Does the stock market overreact?

Journal of Finance 40, 793-805.

DeBondt, W. F. M. & Thaler R. (1987). Further evidence on investor

overreaction and stock market seasonability. Journal of Finance 42, 557-581.

Fama, Eugene (1970). Efficient capital markets: A review of theory and

empirical work. Journal of Finance 25, 383-417.

Fama, E. & French K. R. (1988). Permanent and temporary components of

stock prices. Journal of Political Economy 98, 247-273.

Fama, Eugene F. (1991). Efficient Capital Markets: II. Journal of Finance 46,
1575-1617.

Ferson, W. & Harvey, C. (1991). The variation of economic risk premiums.

Journal of Political Economy 99, 385-415.

French, K. R. & Roll R. (1986). Stock return variances: The arrival of

information and reaction of traders. Journal of Financial Economics 17, 5-26.

Gregoire, J. (1985). El ajuste de los precios accionarios a la informacin.

Paradigmas en Administracin 7, 121-131.

Grundy, B. & McNichols M. (1989). Trade and the revelation of information

through prices and direct disclosure. Review of Financial Studies 2, 495-526.

Gonzales I. & Jimnez J.(2003) Redes neuronales aplicadas a la prediccin del

precio del tipo de cambio, Rolling vs. Recursivo. Tesis Facultad de Ciencias
Econmicas y Administrativas, Universidad de Chile

43

Jegadeesh, Narasimhan (1990). Evidence of predictable behavior of security

returns. The Journal of Finance, Vol. 45(3), 881-898 (July).

Jensen, Michael C. & Benington, George A (May 1970). Random Walks and
Technical Theories: Some Additional Evidence. Journal of Finance. Reprinted
in Security Evaluation and Portfolio Analysis, E. Elton and M. Gruber, Editors
(Prentice-Hall, 1972), and Investment Management: Some Readings, J. Lorie
and R. Brealey, Editors (Praeger Publishers, 1972).

Lehmann, B. (1990). Fads, martingales, and market efficiency. Quarterly

Journal of Economics 105, 1-28.

Lo, A. & MacKinley A. C. (1988). Stock market price do not follow random
walk: Evidence from a simple specification test. Review of Financial Studies 1,
41-66.

Malkiel, B. (1981). A random walk down Wall Street, 2 ed. (Norton, New
York).

Parisi, F. & Vasquez, A. (2000). Simple technical trading rules of stock

returns: evidence from 1987 to 1998 in Chile. Emerging Markets Review, Vol.
1, N2, 152-164.
Parisi, A. (2002) Evaluacin de modelos de redes neuronales de prediccin
del signo de la variacin del IPSA, Estudios de Administracin, vol. 9, N 1,
Universidad de Chile, 2002, p. 76.

Parisi, Parisi (2003) Modelos de redes neuronales Rolling versus Recursivo:

Precio del Oro, Facultad de Ciencias Econmicas y Administrativas,
Universidad de Chile.

44

Poterba, J. M. & Summers L. H. (1988). Mean reversion in stock prices:

Evidence and implications. Journal of Financial Economics 22, 27-59.

Shefrin, H. M. & Statman M. (1985). The disposition to ride winners too long
and sell losers too soon: Theory and evidence. Journal of Finance 41, 774-790.

Urrutia, J. (1994). Time series properties of four Latin American equity

markets: Argentina, Brazil, Chile and Mexico. Estudios de Administracin 2, 18.

Zarowin, P. (1990). Size, seasonality, and stock market overreaction. Journal of

Financial and Quantitative Analysis 25, 113-125.

45