Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
PREDICCION DEL PRECIO DE ACCIONES MEDIANTE TECNICAS DE MINERIA DE DATOS Trabajo Fin de Máster Máster en Ingeniería Industrial Escuela Superior de Ingenieros Industriales de Madrid Universidad Politécnica de Madrid Nicolás Heredia García Madrid, 2016 “I have long considered it one of God’s greatest mercies that the future is hidden from us. If it were not, life would surely be unbearable.” Eugene Forsey Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 5 AGRADECIMIENTOS A lo largo de los 6 años que ha durado el complejo camino para convertirse en ingeniero industrial, he conocido a grandes profesionales de la enseñanza que me han permitido adquirir los conocimientos y el carácter que en un futuro me ayudarán a alcanzar mis objetivos a nivel profesional y personal. De ellos mantendré ya para siempre un gran recuerdo, aunque el contacto no vuelva a ser el mismo, puesto que su contribución a esta historia es importante y por ello merecen mi reconocimiento. Por otro lado, recordar a todos los grandes amigos y compañeros que me llevo de mi vida académica universitaria y que de un modo u otro me han ayudado a llegar hasta aquí con sus aportaciones y consejos. No es posible nombrarlos a todos pero ellos saben quiénes son y como dice el refrán “A buenos entendedores, pocas palabras bastan”. Sí me gustaría destacar especialmente a Adrián, Xaime, Saray, Samuel, Fátima, Mª del Mar, Natalia, Javier A., Javier H, Marta, Fernando, Alberto y Víctor, ya que su compañía ha conseguido alegrarme más de un momento de tedio o dificultad, a lo largo de las incontables horas de estudio, de clase, de trabajos y exámenes. También agradecerles a los tutores de este proyecto, Gustavo y Pepe, su comprensión y colaboración en la realización del mismo y su buena disposición a la hora de realizar reuniones o aconsejarme de la mejor forma posible. Por supuesto también por confiar en mí y permitirme aprender en mayor medida acerca del campo de la minería de datos. Y como no a mi familia, tanto a los que ya se fueron como a los que siguen aquí, por su apoyo continuo en esta aventura y por permitirme cumplir la meta que me marqué ya hace muchos años. Sin ellos no hubiera sido posible. Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 7 RESUMEN La predicción del precio de acciones mediante técnicas de minería de datos es un campo de estudio relativamente reciente y que presenta por tanto, a día de hoy, numerosas incógnitas. Aun así, las posibilidades de utilización de estas técnicas en el contexto de la inversión son muy prometedoras debido a su capacidad para analizar grandes volúmenes de datos y buscar relaciones ocultas entre los mismos. En este proyecto se desarrolla una herramienta de análisis del precio de acciones, basada en las técnicas mencionadas y programada a partir del software estadístico R, gratuito y con multitud de librerías disponibles para facilitar la labor de análisis. Mediante esta herramienta se realiza la construcción de diversos modelos estadísticos y la valoración de su capacidad de predicción para diversas acciones a través de una serie de indicadores como la precisión y sensibilidad del modelo, la rentabilidad del mismo en un periodo de tiempo determinado o la comparación con respecto a una estrategia de comprar una acción y mantenerla en cartera durante el mismo periodo de tiempo. Para el desarrollo de dichos modelos se utilizan como variables principales los precios intradía históricos de las compañías que conforman el IBEX 35, así como una serie de indicadores técnicos relativos al precio de la propia acción a analizar. Con ellos se intenta reflejar el comportamiento de un indicador de la propia acción, basado en los retornos económicos, que es el que finalmente va a producir las señales de compraventa sobre esa acción. Todos los datos necesarios para el análisis se pueden conseguir de forma relativamente sencilla a través de internet aunque posteriormente es imprescindible realizar un filtrado y adaptación de los mismos para adecuarlos al formato en el que trabaja R. Concretamente, los modelos de predicción se construyen por medio de técnicas de minería de datos como CART, random forest, redes neuronales, máquinas de soporte vectorial y regresión multivariante adaptativa por tramos. Debido a que este campo tiene una componente de ensayo y error muy importante, se realizan diversos experimentos para evaluar aspectos fundamentales de los modelos propuestos. Para ello se escoge la acción de la compañía Repsol y se lleva a cabo una simulación determinista en la que se van variando diversos parámetros asociados a los modelos y se guardan los resultados para ver cuáles son los modelos que se comportan de mejor forma. Hay que señalar que los resultados obtenidos en este proyecto son esperanzadores. Es por ello que se abre la puerta a nuevas investigaciones al respecto, ya que las combinaciones a realizar hasta encontrar el mejor modelo son infinitas y existe también la posibilidad de incluir nueva información para el análisis, como por ejemplo datos del balance contable de la propia empresa. Además es posible escalar la herramienta para que analice todas las compañías deseadas de forma simultánea. Palabras clave: Minería de datos, rentabilidad, precisión, sensibilidad, modelo de predicción, CART, random forest, redes neuronales, máquinas de soporte vectorial, regresión multivariante adaptativa. Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 9 TABLA DE CONTENIDOS Tabla de contenidos ................................................................................................................................ 9 Lista de figuras ....................................................................................................................................... 11 Lista de tablas ........................................................................................................................................ 13 1. Introducción ...................................................................................................................................... 15 1.1. Definición.................................................................................................................................... 15 1.2. Justificación ................................................................................................................................ 15 1.3. Alcance ....................................................................................................................................... 16 1.4. Estructura del documento .......................................................................................................... 17 2. Objetivos............................................................................................................................................ 19 2.1. Generales .................................................................................................................................... 19 2.2. Específicos .................................................................................................................................. 19 3. Antecedentes .................................................................................................................................... 21 3.1. Introducción a los mercados financieros ................................................................................... 21 3.2. Tipos de análisis existentesen el mercado de valores ............................................................... 28 3.2.1. Análisis fundamental ........................................................................................................... 29 3.2.2. Análisis técnico .................................................................................................................... 31 3.2.3. Controversias en torno al análisis clásico bursátil............................................................... 32 3.3. Estado del arte en técnicas de predicción .................................................................................. 33 3.3.1. Teoría de juegos .................................................................................................................. 34 3.3.2. Simulación ........................................................................................................................... 34 3.3.3. Series temporales ................................................................................................................ 35 3.3.4. Inteligencia artificial ............................................................................................................ 35 4. Metodología ...................................................................................................................................... 37 4.1. Tipo de datos disponibles ........................................................................................................... 37 4.2. Definición del sistema de predicción ......................................................................................... 38 4.3. Variables del sistema .................................................................................................................. 40 4.4. Tarea de predicción .................................................................................................................... 41 4.5. Técnicas de minería de datos disponibles .................................................................................. 45 4.5.1. Árboles de clasificación y regresión (CART) ........................................................................ 45 4.5.2. Random Forest (RF) ............................................................................................................. 46 4.5.3. Redes neuronales (NNET) .................................................................................................... 47 4.5.4. Máquinas de soporte vectorial (SVM) ................................................................................. 49 4.5.5. Regresión adaptativa multivariada por tramos (MARS) ...................................................... 50 10 Escuela Técnica Superior de Ingenieros Industriales (UPM) 4.6. Resultados: Trading del sistema ................................................................................................. 51 4.7. Simulación de computación determinista .................................................................................. 53 5. Aplicación .......................................................................................................................................... 55 5.1. Variables utilizadas en el análisis ............................................................................................... 55 5.2. Programación del sistema de análisis ........................................................................................ 58 5.3. Experimento computacional de simulación determinista ......................................................... 62 6. Resultados y discusión ....................................................................................................................... 65 6.1. Modelos estadísticos obtenidos ................................................................................................. 65 6.1.1. Modelo estádistico Max(5) .................................................................................................. 67 6.1.2. Modelo estadístico Max(10) ................................................................................................ 68 6.1.3. Modelo estadístico 5%MSE ................................................................................................. 69 6.2. Sistema de trading ...................................................................................................................... 70 6.3. Resultados generales .................................................................................................................. 76 6.4. Resultados particularizados ....................................................................................................... 83 6.4.1. Retorno, precisión y sensibilidad en función de la técnica de minería de datos ................ 83 6.4.2. Retorno, precisión y sensibilidad en función de la ventana temporal ................................ 90 6.4.3. Retorno, precisión y sensibilidad en función del modelo ................................................... 94 6.4.4. Retorno, precisión y sensibilidad en función del reentrenamiento .................................... 98 6.4.5. Retorno, precisión y sensibilidad en función del training ................................................. 103 6.4.6. Retorno, precisión y sensibilidad en función del trigger ................................................... 107 6.5. Mejores y peores resultados .................................................................................................... 111 6.5.1. Resultados respecto al retorno económico ...................................................................... 111 6.5.2. Resultados respecto a la precisión .................................................................................... 121 6.5.3. Resultados respecto a la sensibilidad ................................................................................ 126 7. Conclusiones .................................................................................................................................... 133 8. Futuras líneas de investigación ....................................................................................................... 135 9. Bibliografía ....................................................................................................................................... 137 Anexo I. Presupuesto del proyecto ..................................................................................................... 139 Anexo II. Gestión temporal del proyecto ............................................................................................ 141 Anexo III. Creación de la base de datos ............................................................................................... 143 Anexo IV. Scripts R ............................................................................................................................... 153 Anexo V. Variables predictoras ........................................................................................................... 187 Anexo VI. Resultados del análisis ........................................................................................................ 199 Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 11 LISTA DE FIGURAS Figura 1: Pintura de la Bolsa de Valores de Ámsterdam (1653), por Emanuel de Witte ....................................... 21 Figura 2: Bolsa de Nueva York, NYE, actualmente el mercado bursátil más grande del mundo .......................... 22 Figura 3: Listado de sociedades y agencias de valores adscritas a la regulación y control de la CNMV ............... 25 Figura 4: Leonardo Di Caprio representando el papel de broker en la película "El lobo de Wall Street" .............. 26 Figura 5: Plataforma de tradingpara inversores perteneciente a la compañía SaxoBank ................................... 26 Figura 6: Evolución del índice FTSE 100 de mayo a junio de 2016 ........................................................................ 27 Figura 7: El análisis fundamental se basa en los estados financieros de la empresa cotizada ............................. 28 Figura 8: El análisis técnico se basa en las cotizaciones pasadas de la acción ..................................................... 29 Figura 9: En la película “Regreso al futuro” se muestra la ventaja de conocer el futuro ...................................... 33 Figura 10: Ejemplo de serie temporal con tendencia creciente ............................................................................ 35 Figura 11: Representación de una serie temporal ................................................................................................ 37 Figura 12: Cotización histórica de Repsol de los últimos 3 meses con su correspondiente indicador ................... 39 Figura 13: Cotización histórica de Abengoa b entre el 07/11/2012 y el 15/06/2016 ........................................... 43 Figura 14: Tres formas de obtener predicciones para un periodo de test ............................................................. 44 Figura 15: Estructura jerárquica de un árbol. a)Una división, b) Dos divisiones, c) 26 divisiones ......................... 45 Figura 16: Red neuronal feedforward de 4 capas, dos de ellas ocultas ................................................................ 47 Figura 17: Estructura de la red neuronal feedforward escogida para el proyecto ................................................ 48 Figura 18: Maximización de márgenes en SVMs ................................................................................................... 49 Figura 19: Ejemplo de predicción por medio de MARS ......................................................................................... 50 Figura 20: Diagrama de bloques del funcionamiento de la 1º parte del sistema de análisis ................................ 58 Figura 21: Diagrama de bloques del funcionamiento de la 2º parte del sistema de análisis ................................ 59 Figura 22: Diagrama de bloques del funcionamiento de las funciones de cálculo ................................................ 60 Figura 23: Diagrama de árbol del conjunto de combinaciones de parámetros posibles ...................................... 63 Figura 24: Análisis general de importancia de variables explicativas mediante random forest ........................... 65 Figura 25: Análisis particular del modelo Max(5) mediante random forest ......................................................... 67 Figura 26: Análisis particular del modelo Max(10) mediante random forest ....................................................... 68 Figura 27: Análisis particular del modelo 5%MSE mediante random forest ......................................................... 69 Figura 28: Simulación trading (Training 70%) con resultado ligeramente positivo .............................................. 70 Figura 29: Simulación trading (Training 70%) con resultado ligeramente negativo ............................................. 70 Figura 30: Simulación trading (Training 70%) con resultado netamente positivo ................................................ 71 Figura 31: Simulación trading (Training 70%) con resultado netamente negativo ............................................... 71 Figura 32: Simulación trading (Training 80%) con resultado ligeramente positivo .............................................. 72 Figura 33: Simulación trading (Training 80%) con resultado ligeramente negativo ............................................. 72 Figura 34: Simulación trading (Training 80%) con resultado netamente positivo ................................................ 73 Figura 35:Simulación trading (Training 80%) con resultado netamente negativo ................................................ 73 Figura 36: Simulación trading (Training 90%) con resultado ligeramente positivo .............................................. 74 Figura 37: Simulación trading (Training 90%) con resultado ligeramente negativo ............................................. 74 Figura 38: Simulación trading (Training 90%) con resultado netamente positivo ................................................ 75 Figura 39: Simulación trading (Training 90%) con resultado netamente negativo ............................................... 75 Figura 40: Gráfico de rentabilidades para los modelos construidos durante el análisis ....................................... 76 Figura 41: Histograma de retornos económicos del análisis realizado ................................................................. 77 Figura 42: Retorno económico de las técnicas de minería de datos sobre el método B&H .................................. 78 Figura 43: Retorno económico obtenido en función de la precisión de las predicciones del modelo utilizado ..... 79 Figura 44: Retorno económico obtenido en función de la sensibilidad del modelo utilizado ............................... 80 Figura 45: Representación de la sensibilidad frente a la precisión de los modelos con las 50 mayores rentabilidades ....................................................................................................................................................... 81 Figura 46: Representación de la sensibilidad frente a la precisión de los modelos con las 200 mayores rentabilidades ....................................................................................................................................................... 81 Predicción del precio de acciones mediante técnicas de minería de datos 12 Escuela Técnica Superior de Ingenieros Industriales (UPM) Figura 47: Representación de la sensibilidad frente a la precisión de los modelos con las 1000 mayores rentabilidades ....................................................................................................................................................... 81 Figura 48: Gráficos correspondientes con la tabla 33 ......................................................................................... 115 Figura 49: Gráficos correspondientes con la tabla 35 ......................................................................................... 120 Figura 50: Gráficos correspondientes con la tabla 37 ......................................................................................... 123 Figura 51: Gráficos correspondientes con la tabla 39 ......................................................................................... 126 Figura 52: Gráficos correspondientes con la tabla 41 ......................................................................................... 128 Figura 53: Gráficos correspondientes con la tabla 43 ......................................................................................... 131 Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 13 LISTA DE TABLAS Tabla 1: Codificación de una matriz de confusión ................................................................................................. 42 Tabla 2: Comparativa entre los modelos de pronóstico que utilizan árboles ....................................................... 46 Tabla 3: Tabla de variables explicativas iniciales a considerar en el análisis ........................................................ 57 Tabla 4: Combinaciones posibles de parámetros para la simulación determinista .............................................. 64 Tabla 5: Datos principales del análisis random forest para el modelo general .................................................... 65 Tabla 6: Datos principales del análisis random forest para el modelo Max(5)..................................................... 67 Tabla 7: Datos principales del análisis random forest para el modelo Max(10) ................................................... 68 Tabla 8: Datos principales del análisis random forest para el modelo 5%MSE ..................................................... 69 Tabla 9: Principales datos del análisis en relación al retorno económico ............................................................. 76 Tabla 10: Datos principales del retorno económico de las técnicas de minería de datos sobre el método B&H .. 78 Tabla 11: Resultados particulares para CART ....................................................................................................... 84 Tabla 12: Resultados particulares para RF ............................................................................................................ 85 Tabla 13: Resultados particulares para NNET5 ..................................................................................................... 86 Tabla 14: Resultados particulares para NNET10 ................................................................................................... 87 Tabla 15: Resultados particulares para SVM ........................................................................................................ 88 Tabla 16: Resultados particulares para MARS ...................................................................................................... 89 Tabla 17: Resultados particulares para VTF .......................................................................................................... 91 Tabla 18: Resultados particulares para VTC ......................................................................................................... 92 Tabla 19: Resultados particulares para VTD ......................................................................................................... 93 Tabla 20: Resultados particulares para Max(5) .................................................................................................... 95 Tabla 21: Resultados particulares para Max(10) .................................................................................................. 96 Tabla 22: Resultados particulares para 5%MSE .................................................................................................... 97 Tabla 23: Resultados particulares para Reentr30 ................................................................................................. 99 Tabla 24: Resultados particulares para Reentr20 ............................................................................................... 100 Tabla 25: Resultados particulares para Reentr10 ............................................................................................... 101 Tabla 26: Resultados particulares para Reentr5 ................................................................................................. 102 Tabla 27: Resultados particulares para Training70 ............................................................................................ 104 Tabla 28: Resultados particulares para Training80 ............................................................................................ 105 Tabla 29: Resultados particulares para Training90 ............................................................................................ 106 Tabla 30: Resultados particulares para Trigger0.05 ........................................................................................... 108 Tabla 31: Resultados particulares para Trigger0.1 ............................................................................................. 109 Tabla 32: Resultados particulares para Trigger0.15 ........................................................................................... 110 Tabla 33: Frecuencia absoluta y relativa de parámetros para los 100 mejores y peores resultados en cuanto a rentabilidad (Fuente: Elaboración propia) .......................................................................................................... 112 Tabla 34: Intervalos, valores medios y desviaciones típicas del retorno, la precisión y la sensibilidad de los 100 mejores y peores resultados atendiendo a la rentabilidad ................................................................................. 112 Tabla 35: Frecuencia absoluta y relativa de parámetros para los 1000 mejores y peores resultados en cuanto a rentabilidad ......................................................................................................................................................... 117 Tabla 36: Intervalos, valores medios y desviaciones típicas del retorno, la precisión y la sensibilidad de los 1000 mejores y peores resultados atendiendo a la rentabilidad ................................................................................. 117 Tabla 37: Frecuencia absoluta y relativa de parámetros para los 100 mejores y peores resultados en cuanto a precisión .............................................................................................................................................................. 121 Tabla 38: Intervalos, valores medios y desviaciones típicas del retorno, la precisión y la sensibilidad de los 100 mejores y peores resultados atendiendo a la precisión ...................................................................................... 121 Tabla 39: Frecuencia absoluta y relativa de parámetros para los 1000 mejores y peores resultados en cuanto a precisión .............................................................................................................................................................. 124 Tabla 40: Intervalos, valores medios y desviaciones típicas del retorno, la precisión y la sensibilidad de los 1000 mejores y peores resultados atendiendo a la precisión ...................................................................................... 124 Tabla 41: Frecuencia absoluta y relativa de parámetros para los 100 mejores y peores resultados en cuanto a sensibilidad .......................................................................................................................................................... 127 Predicción del precio de acciones mediante técnicas de minería de datos 14 Escuela Técnica Superior de Ingenieros Industriales (UPM) Tabla 42: Intervalos, valores medios y desviaciones típicas del retorno, la precisión y la sensibilidad de los 100 mejores y peores resultados atendiendo a la sensibilidad .................................................................................. 127 Tabla 43: Frecuencia absoluta y relativa de parámetros para los 1000 mejores y peores resultados en cuanto a sensibilidad .......................................................................................................................................................... 129 Tabla 44: Intervalos, valores medios y desviaciones típicas del retorno, la precisión y la sensibilidad de los 1000 mejores y peores resultados atendiendo a la sensibilidad .................................................................................. 130 Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 15 1. INTRODUCCIÓN 1.1. Definición En este trabajo de fin de máster se pretende dar un nuevo impulso al trillado campo del análisis de los precios de una acción en el mercado bursátil aplicando una serie de técnicas novedosas, conocidas de forma genérica como minería de datos, que han ido surgiendo en los últimos tiempos y que cada vez están siendo probadas en más ámbitos profesionales. Es por ello que el propósito más importante del proyecto es quizás el comprobar si estas herramientas tienen realmente aplicación a este campo y si aportan nuevas facilidades y ventajascon respecto a las técnicas ya existentes, como el análisis técnico, basado en series temporales, y el análisis fundamental. El criterio de valoración de la utilidad de estas técnicas será a la par lo más simple y poderoso posible ya que se centrará en el retorno económico alcanzado con las mismas, concepto que a buen seguro es entendido por todos. 1.2. Justificación No es necesario señalar la dificultad extrema que radica en conseguir predecir el movimiento del precio de una acción en el mercado, debido a los numerosos factores que intervienen en el mismo. Al fin y al cabo, este tipo de mercados, son afectados de lleno, sin regulación alguna, por la ley de la oferta y la demanda, que los conduce a estar sometidos a grandes movimientos. Estos vaivenes son provocados en gran medida por comportamientos irracionales por parte de los agentes humanos que intervienen en ellos, cada uno con sus propias iniciativas, miedos, estrategias, creencias y condicionantes. A lo largo de la historia se han venido aplicando las técnicas más vanguardistas a este asunto debido a la enorme cantidad de capital que se mueve en estos mercados, y no obstante nunca se ha conseguido llegar a la herramienta perfecta de predicción, ni se estima que se logrará nunca. Por ello es necesario mantenerse actualizado e ir incorporando nuevas técnicas de estimación y predicción que la comunidad científica va desarrollando poco a poco. Hoy en día la afirmación anterior hace referencia sin duda a las técnicas de minería de datos y por tanto, no es osado afirmar que este trabajo presenta una componente de vanguardia muy clara y deseable. Para hacer énfasis en la dificultad del proyecto desarrollado se puede dar el datos de que incluso los grandes inversores internacionales, llegan a porcentajes de acierto en cuanto a inversiones que no superan el 65‐70%. Es por ello que los inversores deben echar mano de todas las herramientas a su disposición que les puedan reportar alguna ventaja competitiva, teniendo siempre en cuenta que el rentable no es el sistema de inversión, sino la persona que lo maneja. Es conveniente por todo ello realizar una investigación acerca de la aplicabilidad de estas técnicas en este contexto de crecimiento de su uso en distintos ámbitos. Además existe una componente fundamental que permite intuir el potencial de este tipo de técnicas, y es la existencia de gran cantidad de información histórica almacenada sobre las compañías emisoras de acciones y sobre la evolución de su cotización a lo largo del tiempo. Ese elevado volumen de datos es lo que a priori parece indicar que el uso de la minería de datos puede ofrecer ciertas ventajas competitivas en el análisis con respecto a la inspección humana o a partir de otras técnicas más manidas. Sobre este eje principal se centrará el trabajo en su conjunto. Por otro lado los beneficios obtenidos en el desarrollo de la investigación vendrían propiciados por los siguientes aspectos: 1. Introducción 16 Escuela Técnica Superior de Ingenieros Industriales (UPM) Se obtendría un beneficio económico derivado de su implementación y uso en los mercados bursátiles. Se pondrían de manifiesto las relaciones entre las diferentes variables involucradas en el predicción de forma que se pueda tener una visión más clara sobre qué es lo que provoca los movimientos de los precios y cuáles son los indicadores en los que hay que fijarse en cada caso particular a la hora de invertir en bolsa. Se sentaría un precedente sobre la aplicación de estas técnicas a otro ámbito más, que pueda servir luego para nuevas investigaciones y por tanto para la generación de conocimiento. En caso de utilidad de este tipo de técnicas para un sector de tal magnitud de capital y por tanto puntero en tecnología y conocimiento, es de suponer que la investigación y el desarrollo de las mismas se vería impulsado enormemente, favoreciendo también a otro tipo de aplicaciones que utilizan estas técnicas como por ejemplo la predicción del precio de la electricidad (ayudando a fijar su precio de forma más justa) o en medicina a la detección de condicionantes y variables que provocan la aparición de una determinada enfermedad. 1.3. Alcance El presente proyecto tiene por objeto otorgar al autor del mismo el título de Máster en Ingeniería Industrial, una vez sometido a la defensa pública ante el tribunal correspondiente en la Escuela Técnica Superior de Ingenieros Industriales de Madrid (ETSII). Por su pertenencia al título citado anteriormente, el alcance del proyecto viene delimitado en cuanto a esfuerzo temporal por los 12 ECTS que tiene asignado como parte del plan de estudios desarrollado por la Universidad Politécnica de Madrid. Si se tiene en cuenta que el factor de conversión que se aplica en la presente institución es de 30h/ECTS, puede concluirse que el proyecto debe llevarse a cabo en aproximadamente 360h, lo que supone un condicionante a tener en cuenta a la hora del desarrollo del mismo. En cuanto a los productos a entregar como resultado del trabajo, se distinguen fundamentalmente dos: Una herramienta de software, programada a través de R Studio y mediante el lenguaje estadístico R, que permita la realización de análisis y estimación del precio de la acción elegida a través de técnicas de minería de datos. La herramienta debe entregarse totalmente operativa y con la máxima robustez posible, de forma que los errores no controlados que puedan surgir en su uso sean mínimo. Se debe hacer especial hincapié en el control de los errores surgidos como consecuencia de la inconsistencia de los datos de entrada, ya que debido a su volumen es bastante frecuente encontrar estos errores. Por otro lado debe también tratarse de estilizar al máximo el desarrollo del código de forma que resulte legible para otra persona con una base en el lenguaje R y lo más eficiente posible para garantizar una velocidad de cálculo aceptable. Además el programa debe permitir la carga sencilla de nuevos datos con el objetivo de actualizar los modelos, de forma que tengan una aplicación presente. Por último la herramienta debe proveer de los resultados estadísticos y económicos necesarios para poder establecer comparaciones entre las distintas técnicas empleadas y dar un veredicto sobre la superioridad de unas frente a otras en función de la acción analizada. Una memoria del trabajo, que será fiel reflejo del desarrollo del mismo y que se redactará con la mayor claridad de forma que pueda usarse como manual de referencia para entender los principios teóricos detrás de la herramienta desarrollada y también como guía de uso práctico de la misma. Esta memoria incluirá, aparte de toda la explicación de desarrollo del proyecto, un presupuesto aproximado del mismo, un diagrama de Gant donde se muestre la evolución Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 17 temporal del mismo y una serie de anexos donde se incluya el código desarrollado para la construcción de la herramienta. El último aspecto fundamental a cumplimentar por el trabajo, además de los productos entregables, es que debe percibirse en el desarrollo del mismo un nivel de conocimientos científicos y técnicos adecuados por parte del autor y una capacidad para llevarlos a la práctica, dentro de lo que podría definirse como “tecnología emergente”, que no se encuentre totalmente consolidada y plantee problemas nuevos y poco definidos. 1.4. Estructura del documento Este trabajo se divide en varias partes para facilitar su lectura y comprensión por parte del lector siguiendo la estructura lógica propia deeste tipo de trabajos: Primeramente se desarrolla una introducción donde se define el proyecto y la problemática que abordar, se justifica su elección y se enumeran los beneficios que puede aportar su realización. Así mismo se especifica aquellos desarrollos que por extensión se pueden abordar en el trabajo y cuáles no forman parte del mismo y por tanto se dejan como líneas futuras de investigación. En segundo lugar se plantean los objetivos generales y específicos del proyecto para que el lector tenga una idea clara del enfoque que se le quiere dar, así como los resultados y productos que sería necesario obtener para que pudiera darse por finalizado. En tercer lugar se desarrollan los antecedentes, en los que se introduce al lector en el tema de estudio y se presenta una visión del estado del arte en las técnicas empleadas en el proyecto. En cuarto lugar se presenta la metodología del proyecto en la que se introduce al lector en los fundamentos teóricos que sustentan el desarrollo del proyecto. En quinto lugar se explica el apartado de aplicación, que trata de reflejar los pasos seguidos por el autor en la consecución de los objetivos anteriormente planteados. En sexto lugar se presentan los resultados y discusión del proyecto, donde se puede valorar los avances y los desarrollos obtenidos en el proyecto. En séptimo lugar se explicitan las conclusiones a las que se ha llegado durante la realización del proyecto en vista de los resultados. En octavo lugar se plantean las futuras líneas de investigación que han ido surgiendo como consecuencia del desarrollo del proyecto. En noveno lugar se enumeran los recursos bibliográficos utilizados durante el trabajo. Por último se adjunta una serie de anexos en los que se plasma, entre otros, el presupuesto de ejecución del proyecto, la gestión temporal del mismo, y el código VBA y R desarrollado para llevar a cabo la investigación. Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 19 2. OBJETIVOS 2.1. Generales El objetivo fundamental de este proyecto consiste en la construcción y optimización de modelos de predicción del precio de acciones, a través de distintas técnicas de minería de datos Además, estos modelos serán ensamblados posteriormente en un sistema de trading, con la finalidad de conocer su desempeño como agentes decisores de operaciones de compraventa y comprobar la rentabilidad máxima que es capaz de obtener cada uno de ellos. Por otro lado, el sistema en su conjunto, debe poder actualizarse en el tiempo, a través de la introducción de los últimos datos disponibles de los precios de las acciones consideradas. Con ello debería ser capaz de ofrecer una rentabilidad sostenible, al tiempo que minimiza el esfuerzo del usuario en la gestión de su inversión y en el mantenimiento del sistema. Por último, se intentará poner en práctica todo lo anterior y construir el sistema a partir de herramientas gratuitas y accesibles para cualquier individuo con acceso a internet, basadas en código libre. Tal es el caso del software a utilizar, R, que se caracteriza por su fácil manejo con pocos días de práctica y por su incremental expansión entre diferentes grupos como los investigadores estadísticos o los científicos de datos. 2.2. Específicos En cuanto a los objetivos de carácter particular que debe abordar este proyecto, se destacan los siguientes puntos: Comparación, en términos de rentabilidad obtenida, de las técnicas de minería de datos aplicadas, para apreciar cuales de ellas se adaptan de mejor forma a este tipo de análisis y por tanto tienen mayor probabilidad de éxito. Establecimiento de un indicador numérico que permita identificar el potencial alcista o bajista de la compañía analizada. Comparación de las variables explicativas seleccionadas para establecer cuáles de ellas pueden resultar útiles al proceso de predicción y cuáles de ellas no aportan nada al mismo o bien resultan redundantes. En relación a lo anterior, identificación y comparación de gran cantidad de indicadores técnicos, herramientas bursátiles muy utilizadas en la actualidad, para ver cuáles de ellos son realmente útiles en función del tipo de acción analizada. Establecimiento de posibles relaciones entre compañías a través del análisis de sus respectivos precios. Mediante la inclusión entre las variables explicativas del precio de una compañía, los indicadores de otras compañías se pude provocar el descubrimiento de patrones similares que pueden llevar a relaciones entre compañías no observadas anteriormente. Otro ejemplo de esto sería por ejemplo identificar si las compañías de un mismo sector productivo se ven afectadas por las mismas variables. Obtención de un modelo de inversión que resulte rentable para el inversor particular que lo aplique y establecimiento de la estrategia de inversión adecuada a tal fin. Hay que señalar que el sistema obtenido, será superior idealmente, en términos de rentabilidad a un modelo basado en comprar y mantener, ya que este supone la estrategia más básica aplicable al mercado bursátil y de menor esfuerzo. 2. Objetivos 20 Escuela Técnica Superior de Ingenieros Industriales (UPM) Obtención de un sistema de usabilidad elevada, de modo que aquella persona que lo utilice no tenga que conocer en profundidad el funcionamiento del mismo sino más bien centrarse en la valoración de resultados. Generalización y robustez del sistema para diferentes empresas, únicamente mediante el cambio de los datos de entrada. En este proyecto se probará exclusivamente con compañías pertenecientes al mercado bursátil español pero el sistema debe ser fácilmente escalable y adaptable para el análisis de cualquier otra acción cotizada en cualquier otro mercado del mundo. Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 21 3. ANTECEDENTES 3.1. Introducción a los mercados financieros Para ser conscientes de las implicaciones de este proyecto y de los temas tratados en el mismo se hace necesario primeramente conocer en cierto grado los mercados financieros, particularmente los siguientes aspectos: En qué consisten los mercados financieros. Cuál es la razón de su existencia. Tipos de mercados financieros existentes. Formas de operar en los mismos. Por qué se comportan de la manera en que lo hacen. Todo esto se intentará plasmar a continuación para introducir al lector en el desarrollo posterior del proyecto. Establecidos por tanto los puntos principales, hay que comenzar describiendo los mercados financieros como aquellos lugares, físicos o virtuales, en los cuales se intercambian activos financieros tales como acciones, deuda pública, bonos corporativos, divisas, etc y se definen sus precios. De forma genérica cualquier mercado de materias primas podría ser considerado como un mercado financiero si el propósito del comprador no es el consumo inmediato del producto, sino el retraso del consumo en el tiempo. Este tipo de mercados, como tal, surgieron por primera vez con la construcción de la bolsa de Amberes, Bélgica, en 1460. Si bien no es hasta principios del siglo XVII cuando adquieren realmente protagonismo, con la construcción de la bolsa de Ámsterdam en 1602, al convertirse esta ciudad en el centro del comercio mundial. Su fundación se debe a la Compañía holandesa de las Indias Orientales que la utilizó durante mucho tiempo para hacer tratos con sus acciones y sus bonos. Formalmente se le atribuye el hito de ser la primera bolsa en negociar formalmentecon activos financieros. A pesar de la sofisticación tecnológica o el glamour que pueda rodear a este tipo de mercados hoy en día, muestra de ello la figura 2, la razón de su existencia sigue siendo la misma que la de la bolsa de Ámsterdam del siglo XV (figura 1), dar solución a la necesidad de intercambiar un determinado instrumento financiero para el cual existen tanto demandantes como oferentes. Los mercados se encargan de colocar a todos los vendedores en el mismo lugar, haciendo así más fácil encontrar posibles compradores. Figura 1: Pintura de la Bolsa de Valores de Ámsterdam (1653), por Emanuel de Witte (Fuente: http://laalacenadelasideas.blogspot.com.es/) 3. Antecedentes 22 Escuela Técnica Superior de Ingenieros Industriales (UPM) Figura 2: Bolsa de Nueva York, NYE, actualmente el mercado bursátil más grande del mundo (Fuente: http://www.connorgp.com) Este tipo de mercados financieros son propios de la denominada economía de mercado, que confía en el reparto de los recursos a través de la interacción de la oferta y la demanda. Mediante la misma se establece el precio de los activos y la cantidad disponible de los mismos. Es precisamente este mecanismo el que da lugar a las fluctuaciones que se producen continuamente en el precio de los activos, de forma que, cuando los inversores ven atractivo un determinado producto, su precio tiende a subir y viceversa. Hay que incidir a este respecto en el carácter irracional que se produce en los mercados en numerosas ocasiones al estar regido por los sentimientos y pensamientos del conjunto de personas que operan en él. A pesar de las enormes diferencias existentes entre los diferentes tipos de mercados financieros pueden observarse en ellos una serie de objetivos comunes y fundamentales que justifican su existencia. Se destacan los siguientes: 1. Poner en contacto a oferentes y demandantes de productos financieros de forma que la transacción se realice de forma sencilla y clara, bajo ciertas normas. 2. Reducir considerablemente el esfuerzo de los dos agentes implicados para conseguir su objetivo, comprar o vender el producto, de forma los costes de intermediación se vean grandemente minorados facilitando así la circulación de productos. 3. Establecer un precio justo para los productos ofertados en los mercados en cada momento. Esto se consigue gracias a la multitud de agentes que actúan en ellos, de forma que se evita la posibilidad de pactos entre vendedores para aumentar el precio o pactos entre compradores para disminuirlo. En ese sentido podría decirse que estos mercados actúan en competencia perfecta. 4. Administrar los flujos de liquidez de unos mercados a otros en función de las opiniones y deseos de los agentes implicados en las negociaciones. 5. Permitir a las personas y entidades conseguir financiación para llevar a cabo sus proyectos en aras de su propio beneficio y de forma indirecta también en el de la sociedad. Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 23 En cuanto a las características que definen los mercados financieros cabe señalar que son muy diversas en función del tipo de producto que se esté negociando, pero se pueden señalar unas cuantas de carácter general (Brealey & Myers, 2015): Los mercados difieren bastante en estas características entre sí, poco tiene que ver por ejemplo el mercado de commodities en España con el de acciones, el segundo de ellos tiene bastante más amplitud, profundidad y libertad. Resumiendo, cuanto mayor sea el grado de estas características en un mercado financiero, más se acercará este al ideal de mercado perfecto. En cuanto a los tipos de mercados financieros existentes, de forma genérica pueden considerarse los siguientes (J.L. Marín & A. Trujillo, 2015): •Hace referencia al número de títulos que se negocian en un mercado financiero. A más títulos en circulación, más amplio el mercado. Esto cobra gran importancia a la hora de garantizar a los inversores la posibilidad de intercambiar los productos en cualquier momento. La amplitud de mercado es sinónimo de liquidez del mismo. Amplitud •Es la existencia de títulos, es decir, de oferta y demanda, por encima y por debajo del precio de equilibrio que existe en un momento determinado que cubran diversas eventualidades del mercado. Esto impide una volatilidad excesiva de los precios que haga que los precios varíen en el mercado de forma muy importante en poco tiempo víctima de la euforia o el pánico. Profundidad •No existencias de barreras de entrada y salida en el mercado financiero. Así cada inversor puede retirarse del mismo en el momento que quiera. Es fundamental la libertad en los mercados ya que facilita la incorporación de más inversores, en caso contrario el paso adelante para entrar en un mercado sería mucho más lento y meditado en vista de que el capital invertido no se podría sacar con facilidad. También hace referencia a que no existe intervención por parte de las autoridades para influir en el proceso de creación del precio de los activos, de forma que estos responden exclusivamente a la libre concurrencia de oferta y demanda. Libertad •Hace referencia a la rapidez con la que los compradores y vendedores de títulos pueden reaccionar ante cambios en las condiciones del mercado. Flexibilidad •Facilidad de los inversores para acceder a información relevante sobre el activo financiero deseado que les permita una mejor toma de decisiones. Un mercado será tanto más transparente cuanto mejor y más barata resulta obtener la información para la toma de decisiones. Destaca en este sentido la transparencia de los mercados bursátiles (bolsas de valores) en los cuales, las informaciones más relevantes, así como los históricos de los precios y principales ratios de interés salen publicados en los medios de comunicación diariamente con carácter gratuito. Transparencia 3. Antecedentes 24 Escuela Técnica Superior de Ingenieros Industriales (UPM) Debido a la gran cantidad de bibliografía e información existente sobre estos mercados es necesario centrar el foco en aquel que se vaya a utilizar en el proyecto. Como el propio nombre indica, se va a tratar de predecir el precio de acciones por lo que a partir de ahora se hablará únicamente de mercados de capitales de renta variable. El haber escogido este mercado y no otro no es casual, ciertamente se trata de un mercado con gran atractivo para los inversores particulares debido a la baja necesidad de capital para operar en el mismo, la sencillez de acceso al mismo y la posibilidad de 1. Mercado monetario •Es el mercado del dinero. En él Se venden y se compran diariamente grandes cantidades de dinero. •Está enfocado al corto plazo, siendo posible obtener rentabilidad a plazos desde 1 día hasta 18 meses. El riesgo es bajo. •Este mercado está copado por grandes empresas. Mediante el mismo acceden a la liquidez que necesitan en el corto plazo. 2. Mercado de divisas •Se conoce como Forex. •Es un mercado mundial y descentralizado en el que se negocian las divisas de los distintos países. •Tiene un elevadísimo volumen diario de transacciones. •Muy popular entre los inversores privados. 3. Mercado de capitales ‐ Renta fija •Son los bonos. En este mercado se negocia la deuda del emisor. •Es un préstamo que se le ha al emisor del bono, desde 1 año hasta 30 años. •El emisor puede ser una entidad privada o pública. • En función de la situación financiera del emisor la inversión será más o menos segura. 4. Mercado de capitales ‐ Renta variable •Sonlas acciones. En este mercado se negocia con los títulos de compañías privadas. •Se suele denominar 'invertir en bolsa'. Los beneficios pueden venir a través de los dividendos o de las plusvalías. •Riesgo elevado de pérdidas debido a las grandes fluctuaciones del valor de estos activos. 5. Mercado de derivados financieros •Son los denominados futuros y opciones. •Su valor se basa en el precio de otro activo. •Cuando se invierte en un futuro de acciones, podemos obtener rentabilidad aun bajando el valor de las acciones. •Son los activos con mayor riesgo de pérdidas elevadas ya que permite el apalancamiento. Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 25 obtener rentabilidades mucho más elevadas que en el caso de la renta fija (esto implica como contrapartida riesgo de pérdidas más elevadas, no obstante). En la actualidad todos los mercados de renta variable del mundo se encuentran automatizados y la mayoría de las operaciones se realiza por medio de ECNs (Electronic Communication Networks), que son simplemente un conjunto de servidores que contienen el sistema o programa donde confluyen todos los compradores y todos los vendedores de manera virtual La forma que tiene un inversor particular (trader) de acceder a estas redes es a través de intermediarios financieros (broker), que cobran una comisión por cada operación que realizan para su cliente. Existen multitud de intermediarios financieros desde grandes bancos a entidades especializadas en este tipo de operaciones. Estas compañías le permiten acceder al cliente a mercados en todo el mundo, tanto de acciones, como de derivados financieros, renta fija, etc por lo que las posibilidades de inversión se multiplican hasta casi el infinito. Por ejemplo, en el caso del mercado español, los brokers registrados en la CNMV (Comisión Nacional del Mercado de Valores) se pueden comprobar en la página web de este organismo público: Figura 3: Listado de sociedades y agencias de valores adscritas a la regulación y control de la CNMV (Fuente: http://www.cnmv.es) Esto no significa que sean los únicos con posibilidad de acceso al mercado bursátil español. Simplemente hace referencia a que estas entidades se encuentran sometidas a la regulación de ese país y son vigiladas en su cumplimiento por la mencionada CNMV. En cuanto a las vías por las que el inversor particular puede poner una orden en el mercado, a través de su intermediario, son fundamentalmente 2: Vía telefónica contactando con su broker de confianza. 3. Antecedentes 26 Escuela Técnica Superior de Ingenieros Industriales (UPM) Figura 4: Leonardo Di Caprio representando el papel de broker en la película "El lobo de Wall Street" (Fuente: www.thisismoney.co.uk) Vía internet conectándose a la plataforma ofrecida por el broker y situando la orden por su cuenta. En la actualidad esta forma es de lejos la más utilizada. Figura 5: Plataforma de trading para inversores perteneciente a la compañía SaxoBank (Fuente: http://help.saxobank.com) A raíz de la figura 5, hay que señalar que, debido a todas las opciones disponibles, las plataformas de trading son un instrumento complejo de manejar, pero también muy valioso para realizar buenas inversiones. El último punto a destacar en esta introducción es el comportamiento de los mercados financieros. Para que pueda verse la magnitud de la tarea que se quiere afrontar en este proyecto, hay que incidir en que los mercados financieros, como ya se ha comentado antes, están afectados por la ley de la oferta y la demanda. Esto supone que se producen movimientos en los mismos de tipo irracional debido a los agentes humanos que intervienen en ellos, cada uno con sus propias iniciativas, miedos, estrategias y condicionantes. Esto implica una dificultad extrema para conseguir predecir el movimiento del mercado debido a los numerosos factores que intervienen en el mismo y que ni siquiera se saben a ciencia cierta cuales son. Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 27 Hay diferentes fases por las que pasa un mercado financiero. Algunas de ellas se caracterizan por la estabilidad y los movimientos suaves en los precios de los activos. En esta situación las oportunidades de rentabilidad son menores, pero también es más fácil predecir lo que va a pasar y por tanto el riesgo es menor. En otras situaciones, en las que un acontecimiento produce gran incertidumbre en el mercado, se producen movimientos irracionales del precio, de carácter muy agresivo, lo que se suele conocer como aumento de la volatilidad del mercado. En este segundo caso es mucho más complejo predecir el precio que va a tener el activo al día siguiente pero las oportunidades de obtener una rentabilidad elevada se multiplican, al igual que las posibilidades de sufrir pérdidas importantes. Como se puede comprobar la rentabilidad y el riesgo siempre van de la mano. Para que se entienda bien la filosofía y el comportamiento de los mercados financieros se va a utilizar un caso muy reciente como el del referéndum de salida de Gran Bretaña de la Unión Europea y como afectó el mismo al índice FTSE 100 (parte del mercado bursátil inglés). Secuencia de acontecimientos: Días antes, las encuestas arrojan una clara ventaja del voto por la permanencia en la UE, lo que produce fuertes alzas en el índice. Círculo rojo 1. Finalmente gana el voto por la salida de la UE y el índice se desploma inicialmente por las consecuencias a largo plazo que tiene para el país en su conjunto y para las compañías en particular. Círculo rojo 2. Se produce un movimiento alcista de reacción agresivo debido a que, a corto plazo, la devaluación de la libra permite a las compañías exportar más productos y con ello aumentar su margen de beneficios. Círculo rojo 3. Figura 6: Evolución del índice FTSE 100 de mayo a junio de 2016 (Fuente: http://www.eleconomista.es/) Toda esta interpretación, por lógica y simple que parezca, está basada en suposiciones y además es posterior al hecho en cuestión. La dificultad estriba en realizar esta clase de análisis con anterioridad y que luego se cumpla realmente lo que se ha dicho. 1 2 3 3. Antecedentes 28 Escuela Técnica Superior de Ingenieros Industriales (UPM) 3.2. Tipos de análisis existentes en el mercado de valores En el trading de los mercados financieros, la clave para el éxito consiste, ni más ni menos, que en saber predecir de la forma más precisa posible cuando un determinado valor va a subir o por el contrario cuando va a bajar. En función de ello el trader actuará en consecuencia: Poniéndose largo: Comprando la acción ya que espera una subida en el valor de la misma. Poniéndose corto: Vendiendo la acción a futuro porque espera una bajada del valor de la acción. Esto implica pactar un precio de venta en el momento presente y programar el intercambio de activos para una determinada fecha futura. En caso de que el precio pactado sea mayor que el que existe actualmente en el mercado, el vendedor habrá ganado la diferencia. Este tipo de operaciones se hace mediante derivados como futuros, opciones, CFDs, etc. Deshaciendo la posición: En caso de haber comprado la acción en el pasado y percibiendo su evolución futura como negativa, puede tomar la decisión de vender la acción en el mercado antes de que se produzca el movimiento. Sea como fuere, aquel que consigue tener un porcentaje de acierto más elevado, y a la vez gestiona el riesgo de forma adecuada, es capaz de obtener unas rentabilidadespara su dinero muy interesantes. Para intentar alcanzar el objetivo deseado, existen tradicionalmente dos mecanismos bien diferenciados, en muchos aspectos irreconciliables, que proveen al analista o trader de una serie de herramientas para tal fin. Estas dos corrientes se conocen como análisis técnico y análisis fundamental y constituyen el conjunto del análisis clásico bursátil. A parte de estos dos se pueden distinguir otros como el análisis de ratios bursátiles y el análisis gráfico, pero están muy relacionados con los dos anteriores e incluso pueden englobarse dentro de los mismos. Figura 7: El análisis fundamental se basa en los estados financieros de la empresa cotizada (Fuente: http://es.slideshare.net/) Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 29 Figura 8: El análisis técnico se basa en las cotizaciones pasadas de la acción (Fuente: http://opcionesyfuturos.net/) También existen otros métodos menos conocidos o más especializados, como son el análisis del riesgo, que consiste en la consecución del máximo rendimiento para un nivel de riesgo dado, o la obtención de un rendimiento determinado, haciendo mínimo el riesgo asumido, utilizando para ello modelos multifactoriales. Adicionalmente, en los últimos años, se ha despertado el interés por la aplicación de la Teoría del Caos a los mercados de valores, con el fin de profundizar en ciertos aspectos relacionados con la no‐ linealidad y complejidad de las series temporales aplicadas a los mercados financieros. Por otro lado, se encuentran las denominadas redes neuronales y los algoritmos genéticos los cuales pretenden que las técnicas informáticas “aprendan” a predecir a partir de los datos suministrados. En este proyecto se utilizará primordialmente el análisis técnico por su mayor adecuación y adaptación a las técnicas de minería de datos a utilizar en el análisis. No obstante, también es necesario tener claras las nociones principales del análisis fundamental porque su uso está tan extendido como el técnico y, a buen seguro, el trader tendrá que trabajar con ambos en el mundo laboral. A continuación, se explican los fundamentos de los dos tipos de análisis considerados clásicos. 3.2.1. Análisis fundamental Es el análisis realizado para determinar el valor intrínseco o precio teórico de las acciones de una empresa. Para calcular ese valor verdadero se realiza el estudio de toda la información disponible en el mercado sobre una determinada compañía, así como de su entorno sectorial y macroeconómico y en base a ello se formula una recomendación de inversión comparándolo con el precio de las acciones de la empresa en el mercado de valores. Las dos posibilidades que se pueden producir son: El precio de la acción es inferior al valor teórico u objetivo. Esto implica que la empresa se encuentra infravalorada en el mercado y por tanto se formula una recomendación de compra. El precio de la acción es superior al valor teórico u objetivo. Esto implica que la empresa se encuentra sobrevalorada en el mercado y por tanto se formula una recomendación de venta. Existen otras dos órdenes, conocidas como sobre ponderar e infra ponderar, que consisten en aumentar o disminuir el porcentaje de acciones de una determinada compañía en cartera. 3. Antecedentes 30 Escuela Técnica Superior de Ingenieros Industriales (UPM) Estas recomendaciones se basan en el principio de que a medio largo plazo el valor de la empresa tenderá a su valor real, aunque en la situación actual, por motivos coyunturales, no se pueda dar. Las ventajas principales del análisis fundamental son: Proporciona criterios de carácter económico‐financiero muy sólidos para justificar las decisiones tomadas. Utiliza métodos de análisis de validez universal, aceptados tanto por profesionales como por académicos e inversores. Como inconvenientes se destacan: Para realizarlo se requiere información muy precisa y concreta acerca del mercado, sector, empresa, etc, que no siempre se encuentra disponible de forma gratuita. Además, se requiere experiencia y tiempo para la realización del análisis para evitar incurrir en cierto grado de subjetividad a la hora de fijar la valoración económica de la empresa. En cuanto a los métodos más comunes para realizar un análisis fundamental destacan los siguientes: ‐ El método top‐down: Consiste en llegar a la toma de decisiones partiendo de los aspectos políticos y macroeconómicos que afectan a la empresa por pertenecer a un determinado país o zona económica para alcanzar finalmente el análisis microeconómico de la empresa particular, basado en los estados financieros de la misma. ‐ El método bottom‐up: Consiste en encontrar primeramente las empresas que sean oportunidades en el mercado, y posteriormente seleccionar las más adecuadas en base a la exposición de las mismas a la situación macroeconómica a la que se enfrente cada una. Fases del proceso de análisis fundamental (Copeland, Koller & Murrin, 2000): Fases del proceso de análisis fundamental Análisis político y macroeconómico •Variable geopolíticas •Evolución del PIB •Inflación •Tipo de cambio •Tipos de interés •Demanda interna y externa •Inversión público/privada •Déficit público •Balanza de pagos •Política fiscal •Mercado de trabajo •Política económica del gobierno •Tasa de paro Análisis sectorial •Importancia del sector a escala nacional •Comparación del sector en el ámbito internacional •Exposición a la competencia exterior •Grado de concentración y cooperación •Grado de madurez •Barreras de entrada y salida en el sector •Ciclo de vida del sector •Sensibilidad a los ciclos económicos •Tendencias a corto y medio plazo •Grado tecnológico del sector Análisis empresarial •Análisis de mercado •Política de inversiones •Productos •Precios •Calidad •Importación •Exportación •Estrategias •Política de diversificación •Análisis del balance y sus ratios •Análisis de la cuenta de resusltados y sus ratios •Descuento de dividendos •Descuento de flujos de caja •Medidas de creación de valor Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 31 3.2.2. Análisis técnico El análisis técnico es un método de análisis que se basa en observar la evolución a lo largo del tiempo de los movimientos que realizan las cotizaciones, mediante la utilización de gráficos o charts. También el análisis cuantitativo a través de determinados instrumentos basados en los precios como las medias móviles, se incluyen dentro del análisis técnico. Según el análisis técnico el precio o cotización se forma, exclusivamente, por la libre concurrencia de la oferta y la demanda, reflejándose, por tanto, en el precio las opiniones de todos los participantes en los mercados, desde los expertos y altamente informados a los profanos o todo tipo de inversores, que se ven, además, influidos por su psicología produciéndose comportamientos racionales o irracionales, optimistas y pesimistas, etc. El objetivo fundamental del análisis técnico consiste en intentar predecir el movimiento del precio de las acciones en un futuro a través de datos pasados de precios. Dentro del análisis técnico se engloba el análisis chartista que consiste en la interpretación de las gráficas en función, entre otras cosas, de la fisonomía de la figura. No obstante, en estos casos la subjetividad por parte del analista es bastante elevada por lo que se intenta, a través de procedimientos matemáticos, estadísticos y modelos econométricos, presentar instrumentos, que eliminen la subjetividad y sirvan de apoyo y mejora en el objetivo de predecir la evolución de lascotizaciones. Estos instrumentos son denominados indicadores técnicos los cuales son representados en gráficos separados o sobre el de cotizaciones o precios. Las ventajas principales del análisis técnico son (J. Murphy, 1999): Se trata de un análisis relativamente sencillo de realizar en el cuál no se requieren sólidos conocimientos financieros, sectoriales, macroeconómicos, etc. El acceso a la información es de dominio público y son proporcionados por periódicos económicos, portales financieros y programas informáticos. Se puede aplicar a cualquier valor, índice, divisa, materia prima, instrumentos derivados o cualquier activo financiero o no financiero susceptible de negociarse en un mercado ya que los gráficos son comunes para todos. El analista técnico realiza su análisis para un amplio abanico de empresas de todo tipo, tengan buenos fundamentales o no, al contrario que el analista fundamental. Este tipo de análisis permite la adaptación a cualquier horizonte temporal de inversión, y, por tanto, a todo tipo de operador, gestor o inversor. Es un análisis menos costoso en tiempo y esfuerzo con respecto al análisis fundamental. Además, es posible automatizar la operatoria. Los mercados descuentan el futuro y ello se observa inmediatamente en los precios, por tanto, este tipo de análisis se anticipa a la situación económica y a los fundamentos económicos y empresariales. Como inconveniente principal se destaca (J. Murphy, 1999): No existe ninguna evidencia científica acerca de su validez como elemento de predicción fiable del precio de una acción. Existencia de subjetividad elevada en el análisis. Los resultados pueden ser muy distintos en función del analista. Dificultad de cuantificar los patrones de comportamiento de los precios. Gran facilidad para caer en predisposiciones psicológicas. 3. Antecedentes 32 Escuela Técnica Superior de Ingenieros Industriales (UPM) 3.2.3. Controversias en torno al análisis clásico bursátil El análisis bursátil clásico, que comprende tanto el análisis fundamental como el técnico, ha sido ampliamente criticado por la teoría del paseo aleatorio, ya que según la misma los precios de los activos financieros son totalmente impredecibles y cualquier vaticinio está abocado al fracaso. Esto no quita que a nivel profesional se sigan utilizando ampliamente. Se explican a continuación otras teorías acerca de las posibilidades de rentabilidad por medio de una cartera de acciones. Teoría de la eficiencia de mercado Se basa en el principio de que los precios reflejan instantáneamente toda la información disponible; de modo que los inversores no deben preocuparse por la valoración de los títulos, puesto que éstos están perfectamente valorados. Estipula que el único modo de obtener beneficios extraordinarios es conseguir información que no tengan los demás inversores, o aprovechar las disparidades temporales que puedan surgir entre el precio de mercado de un título y su valor intrínseco. Precisamente es búsqueda de información privilegiada, junto con la labor realizada por los analistas, especuladores y arbitrajistas es, precisamente, la que lleva la eficiencia al mercado. Esa actuación de los agentes, que no creen en la eficiencia del mercado, es la que precisamente empuja los precios hacia su valor objetivo y elimina las ineficiencias. Obviamente esto no quita que en el corto plazo se consigan beneficios por motivos de suerte, pero a largo plazo se plantea como imposible. Esta teoría también tiene sus detractores, que defienden que en muchas ocasiones los individuos actúan siguiendo lo que se denomina un “comportamiento de rebaño”, de modo que cuando se producen movimientos en los precios en una dirección, ya sea al alza o a la baja, por una ineficiencia en el mercado, más y más agentes se unen a dicha tendencia para aprovecharla. Este comportamiento puede llegar a ser tan irracional que provoque la aparición de burbujas especulativas, viéndose los precios incrementados muy por encima de sus niveles racionales; o incluso cracs bursátiles si tras el estallido de la burbuja especulativa surge el pánico financiero. Teoría de la cartera La teoría moderna de selección de cartera estudia como maximizar el retorno y minimizar el riesgo mediante una adecuada elección de los componentes de una cartera de valores. Para ello se debe entender la cartera como un todo y estudiar las características de riesgo y retorno global en su conjunto, en lugar de escoger valores individuales en virtud del retorno esperado de cada valor en particular. La teoría de selección de cartera toma en consideración el retorno esperado a largo plazo y la volatilidad esperada en el corto plazo, que es el principal factor de riesgo, y la cartera se conforma en virtud de la tolerancia al riesgo de cada inversor particular. Uno de los principios fundamentales de esta teoría es que una cartera óptima consigue disminuir el riesgo sin que el rendimiento se vea afectado. Para integrar una inversión equilibrada lo más importante es la diversificación ya que de esta forma se reduce la variación de los precios. La idea de la cartera es, entonces, diversificar las inversiones en diferentes mercados y plazos para así disminuir las fluctuaciones en la rentabilidad total de la cartera y por lo tanto también del riesgo. Predicción del precio de acciones mediante técnicas de minería de datos Nicolás Heredia García 33 3.3. Estado del arte en técnicas de predicción Remontándose hacia atrás en el tiempo, se observa desde siempre un afán del ser humano de predecir el futuro con el objetivo de obtener una ventaja fundamental en la toma de decisiones. La razón fundamental estriba en el hecho de que cuando uno sabe lo que va a suceder es mucho más sencillo prepararse para ello. Este afán ha sido también reflejado en el cine por medio de la película “Regreso al futuro” en el que la posesión de un almanaque con todos los resultados deportivos del último medio siglo permitía al que lo utilizaba hacerse rico en las apuestas. Figura 9: En la película “Regreso al futuro” se muestra la ventaja de conocer el futuro (Fuente: http://magnet.xataka.com/) Hoy en día existentes numerosas actividades económicas que tratan de adelantarse a los acontecimientos mediante diferentes técnicas de predicción. Por poner ejemplos concretos todos los sistemas de producción tienen implementados métodos de previsión de la demanda para intentar adaptarse a la misma en la medida de lo posible y a un mínimo coste. Por supuesto el mercado bursátil tampoco ha sido ajeno en esta búsqueda de sistemas de predicción de precios que permitieran al individuo batir la rentabilidad del mercado. En este caso la dificultad es tremenda ya que los precios de las acciones se ven afectados por numerosas variables que en la mayoría de los casos ni siquiera son conocidas y solo pueden intuirse. Se han venido elaborando técnicas de predicción para esta aplicación desde hace muchos años y las grandes compañías inversoras han invertido grandes sumas de dinero en estos desarrollos. Se han utilizado desde las técnicas más simples, consistentes por ejemplo en un análisis de la tendencia principal de los precios hasta lo más sofisticado con técnicas de inteligencia artificial como las redes neuronales. No obstante, nunca se ha conseguido llegar a la herramienta perfecta, ni se estima que se logrará nunca, y por ello, es necesario estar al día en estos temas e ir incorporando las nuevas técnicas de estimación que la comunidad científica va desarrollando poco a poco,
Compartir