DBS
Group Holdings Ltd presta servicios bancarios y financieros comerciales en
Singapur, Hong Kong, el resto de la Gran China, el sur y el sudeste de Asia y a
escala internacional. El segmento de banca de consumo/gestión del patrimonio de
la empresa ofrece servicios bancarios y financieros relacionados, como cuentas
corrientes y de ahorro, depósitos a plazo fijo, préstamos y financiación de
viviendas, tarjetas, pagos, inversiones y productos de seguros para clientes
particulares.
El
gráfico principal muestra la evolución del precio de la acción de DBSM desde el
4 de enero de 2010 hasta el 25 de julio de 2025. Se observa una trayectoria
ascendente general, aunque con fluctuaciones. El precio inicial fue de 13.48 y
finaliza en 49.06, lo que refleja un incremento significativo a largo plazo.
La
polinómica de orden 6 (verde), con una correlación del 96.28%, se ajusta muy
bien a los datos y muestra los ciclos del mercado de manera más detallada. Es
importante destacar la observación de que esta polinómica empieza a descender
el ciclo, lo cual sugiere que en el corto plazo el precio podría experimentar
un ajuste, disminución o descenso.
La
polinómica de orden 3 (morada), con una correlación del 95.45%, también ofrece
una buena representación de los ciclos, aunque quizás menos sensible a los
puntos de inflexión recientes que la de orden 6. Ambas polinómicas, al ser de
órdenes diferentes, resaltan la naturaleza cíclica del precio y la dificultad
de mantener un crecimiento lineal constante.
La
media o promedio de 21.10. Indica el
valor central alrededor del cual se agrupan los precios. a mediana de 18.37, la
mediana es menor que la media, esto podría sugerir una distribución ligeramente
asimétrica con una cola hacia valores más altos (es decir, algunos precios
elevados que "tiran" la media hacia arriba). La moda de 12.49,
corresponde al precio que se repite con mayor frecuencia.
La
desviación estándar de 8.5, mide la
dispersión de los precios alrededor de la media. Una desviación estándar
relativamente alta indica una volatilidad considerable en el precio de la
acción. La varianza de la muestra de 73.93 Es el cuadrado de la desviación
estándar y ofrece otra medida de la dispersión.
El
rango de 39.54, muestra la diferencia entre el precio más alto y el más bajo
observado, (máximo 49.21 - mínimo 9.57)..
La
curtosis de 0.37, es un valor positivo que indica que la distribución tiene
colas más pesadas y picos más pronunciados que una distribución normal
(leptocúrtica). Un valor cercano a 0 (como en este caso) sugiere una
distribución más mesocúrtica, similar a la normal.
El
coeficiente de asimetría de 0.8699, indica que la distribución es asimétrica
hacia la derecha (cola más larga hacia valores altos), lo que es consistente
con la relación entre la media y la mediana.
La
rentabilidad (263.95%) es un dato clave, indicando un retorno significativo
sobre la inversión inicial durante el período analizado.
El
nivel de confianza de 95.0% de 0.2697. Este valor representa el margen de error
o la semi-amplitud del intervalo de confianza.
El
pronóstico a 90 días de 35.80, y el .pronóstico
a 180 días de 38.00, basados en la
ecuación de la recta de mínimos cuadrados y el comportamiento histórico con un
nivel de confianza del 95%, sugieren que el precio de la acción continuará su
tendencia alcista en el corto y mediano plazo. Es importante recordar que estos
son pronósticos y están sujetos a incertidumbre, especialmente con la
observación de que la polinómica de orden 6 indica un posible descenso.
La
correlación lineal de 90.39%, confirma la fuerte relación lineal positiva. La correlación
polinómica orden 6 de 96.28%, muestra un
ajuste superior de la curva polinómica a los datos, capturando mejor la no
linealidad. La correlación polinómica orden 3, de 95.45%, es también un
excelente ajuste, aunque ligeramente menor que la de orden 6.
Estas
altas correlaciones indican que los modelos de regresión lineal y polinómica
explican una gran parte de la variabilidad del precio de la acción.
El
histograma muestra la distribución de frecuencias del precio de la acción en
diferentes intervalos de clase. Se observa una concentración de precios en los
intervalos más bajos (9.57-19.57 y 19.57-29.57), lo que es coherente con la
asimetría positiva y la mediana inferior a la media. A medida que los precios
aumentan, la frecuencia disminuye. La curva naranja superpuesta parece ser una
función de densidad de probabilidad, que sugiere una distribución sesgada a la
derecha.
La
recta de mínimos cuadrados captura la tendencia de largo plazo del precio, que
es claramente alcista. Esto se debe a factores fundamentales de crecimiento de
la empresa, expansión del mercado, etc. Sin embargo, los mercados rara vez se
mueven en línea recta. Las polinómicas, especialmente la de orden 6, revelan
los ciclos de corto y mediano plazo (auge y caída) que son inherentes a
cualquier activo financiero. Estos ciclos pueden ser impulsados por factores
macroeconómicos, eventos específicos de la industria, sentimiento de los
inversores o incluso factores estacionales.
La
divergencia actual donde la recta lineal pronostica un aumento continuo,
mientras que la polinómica de orden 6 indica un descenso inminente, es una
señal de advertencia econométrica. Sugiere que el mercado puede estar en un
punto de inflexión. Si bien el crecimiento a largo plazo es positivo, el modelo
más sofisticado (polinómico de orden 6) sugiere que el momentum alcista podría
estar agotándose en el corto plazo. Esto es un ejemplo claro de cómo modelos
con diferente complejidad (y capacidad de capturar no-linealidades) pueden
ofrecer perspectivas distintas, y a menudo complementarias, sobre el futuro del
precio.
Esta
situación subraya la importancia de no solo observar la tendencia general, sino
también los ciclos incrustados dentro de esa tendencia. Para los inversores de
largo plazo, la tendencia alcista es positiva. Sin embargo, para los operadores
de corto y mediano plazo, la indicación de un posible descenso por parte de la
polinómica es vital para tomar decisiones estratégicas (por ejemplo, reducir
posiciones o esperar un punto de entrada más bajo).
La
observación de la polinómica de orden 6 sugiere que el precio podría estar
sobrevalorado en el corto plazo, lo que llevaría a una corrección del mercado.
Esto no necesariamente niega la tendencia alcista de largo plazo, sino que es
una fase normal del ciclo de mercado.
La
información consultada es muy rica para
un análisis de series de tiempo, y el modelo ARIMA (AutoRegressive Integrated
Moving Average) sería una herramienta muy pertinente, junto con otros modelos
de series de tiempo:
El primer paso fundamental para aplicar un
modelo ARIMA es determinar si la serie de tiempo es estacionaria. A simple
vista, con una tendencia alcista clara, la serie de precios no parece ser
estacionaria en media.
Los componentes autorregresivos (AR - p),
indican la presencia de tendencias y ciclos que sugieren que los precios actuales
probablemente están correlacionados con precios pasados. El análisis de la
función de autocorrelación (ACF) y la función de autocorrelación parcial (PACF)
de la serie diferenciada identifican el orden 'p' del componente
autorregresivo.
Los choques o innovaciones pasadas (errores de
pronóstico) también pueden influir en el precio actual. Las ACF y PACF también
ayudarían a determinar el orden 'q' del componente de media móvil. Como se mencionó,
'd' sería el número de diferenciaciones necesarias para lograr la
estacionariedad. Dada la tendencia, 'd' sería al menos 1.
Además
de modelar la media de la serie (con ARIMA), la alta volatilidad observada en
la desviación estándar sugiere que el modelado de la volatilidad condicional es
crucial. Los modelos ARCH (Autoregressive Conditional Heteroskedasticity) y
GARCH (Generalized Autoregressive Conditional Heteroskedasticity) serían muy
apropiados. Estos modelos capturan el agrupamiento de volatilidad, es decir,
períodos de alta volatilidad tienden a ser seguidos por otros períodos de alta
volatilidad, y viceversa. Esto es fundamental en mercados financieros para la
gestión de riesgos y la valoración de opciones.
Si
bien el período de 2010 a 2025 es largo, sería importante observar si existen
patrones estacionales (por ejemplo, mensuales, trimestrales, anuales) que se
repitan. Un ARIMA estacional (SARIMA) podría ser necesario si se detecta
estacionalidad en las ACF/PACF a rezagos estacionales.
Si
se dispusiera de otras variables económicas o financieras que puedan influir en
el precio de DBSM (ej., tasas de interés, índices bursátiles, precios de
materias primas, noticias corporativas), se podría considerar un modelo ARIMAX,
que es un ARIMA con variables exógenas.
Un
punto importante es que, si bien ARIMA es excelente para capturar la
dependencia lineal temporal, puede no capturar completamente la complejidad de
los patrones de no linealidad que las polinómicas sugieren. Para eso, modelos
más avanzados como redes neuronales o máquinas de vectores de soporte podrían
ser considerados, especialmente para capturar los puntos de inflexión que las
polinómicas de orden superior resaltan.
La
observación de la divergencia entre la tendencia lineal y las polinómicas es un
insight muy valioso desde el punto de vista econométrico.
No hay comentarios:
Publicar un comentario