TFM_NICOLAS_HEREDIA_GARCIA

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,