Bombardier
Inc es un fabricante de aviones y trenes con sede en Canadá. Opera a través de
cuatro segmentos: aviones de negocios, aviones comerciales, servicios de
ingeniería y aeronáutica y transporte. El segmento Aviones de Negocio se dedica
al diseño, la fabricación y el soporte posventa para tres familias de jets
ejecutivos (Learjet, Challenger y Global).
El
estudio histórico de Bombardier Inc. desde 2010 hasta 2025 nos proporciona una
visión a largo plazo del comportamiento del precio de sus acciones.
Las
tendencias polinómicas son cruciales para entender los ciclos del mercado:
La
polinómica de orden 6 (verde) con una correlación del 82.53%, es la que mejor
se ajusta a los datos, capturando de manera más precisa las fluctuaciones. Esta
polinómica indica un descenso en el ciclo, sugiriendo un posible ajuste a la
baja o disminución del precio en el corto plazo. Esto es una señal importante
para los inversores que buscan entradas o salidas tácticas.
La
polinómica de orden 3 (morada) con una correlación del 78.74%, también muestra
las tendencias cíclicas del mercado, aunque con una menor precisión que la de
orden 6. Su comportamiento al final del período también podría reforzar la
señal de un posible ajuste.
El
precio inició en 121.75 y finalizó en 161.78, lo que confirma la tendencia
ascendente a largo plazo, enseñando una rentabilidad de 32.88%.
La
ecuación y=−0.0194x+112.19 con un R2=0.326 (32.88%) representa la
recta de regresión de la rentabilidad. Un R2 de 0.326 significa que
solo el 32.6% de la variabilidad en la rentabilidad es explicada por el tiempo,
lo que sugiere que otros factores no incluidos en el modelo lineal tienen un
impacto significativo en la rentabilidad. La pendiente negativa (−0.0194)
indica una leve tendencia descendente en la rentabilidad a lo largo del tiempo,
lo cual es una preocupación si se mantiene a largo plazo.
El precio promedio de la
acción durante el período de 15 años es de 74.26
La mediana de 66.22 indica que el 50% de los precios
están por debajo de este valor y el 50% por encima. La diferencia entre la
media y la mediana (74.27 vs 66.22) sugiere una ligera asimetría positiva (cola
hacia la derecha), indicando que hay algunos precios altos que "jalan"
la media hacia arriba.
La moda de 50.00 es el precio que más
se repite. Esto puede indicar un nivel de soporte o resistencia psicológico o
técnico.
La curtosis de -0.54, sugiere
una distribución platicúrtica, es decir, con menos valores extremos y una
"cola" más corta y gruesa que una distribución normal. Esto podría
indicar que los precios tienden a agruparse más alrededor de la media.
El coeficiente de asimetría
que posee un valor positivo de 0.346, confirma la asimetría positiva observada
con la media y la mediana. Indica que la cola derecha de la distribución es más
larga o que hay una mayor concentración de datos en el lado izquierdo.
El rango 171.19 es la diferencia entre el valor máximo
178.5 y el mínimo 7.31. Indica la amplitud total de variación de los precios.
El nivel de confianza de (95%)
cuyo valor es 1.20. Este valor es
probablemente el error estándar de la media multiplicado por el valor crítico
de t para un 95% de confianza, que se usa para construir intervalos de
confianza para la media poblacional.
La rentabilidad de 32.88% muestra
el rendimiento total del período, que ya fue discutido con el R2 de
la recta de regresión.
El pronóstico a 90 días de 34.62, basado en la recta de mínimos
cuadrados. Este valor parece muy bajo en comparación con los precios actuales y
pasados de la gráfica, lo que podría indicar que la recta de mínimos cuadrados
no es la mejor herramienta para pronósticos de corto a mediano plazo, o que el
pronóstico se refiere a presentar una baja en el precio, en el corto y mediano plazo que
incidirá en la rentabilidad.
El pronóstico a 180 días de 57.16, también basado en la recta de mínimos
cuadrados. Similar al pronóstico a 90 días, este valor parece excesivamente
bajo si se refiere al precio.
Correlación lineal 57.11% Correlación
de la recta de mínimos cuadrados con los precios, como se mencionó
anteriormente.
El
histograma muestra que la mayor concentración de precios se encuentra en el
rango de 47-67 (974 observaciones), seguido por el rango de 67-87 (844
observaciones). Esto indica que la acción de Bombardier Inc. ha pasado la mayor
parte del tiempo en rangos de precio medios-bajos. Hay una cola larga hacia los
precios más altos, pero con menor frecuencia, lo que concuerda con la asimetría
positiva y la curtosis negativa (platikúrtica) observadas en las estadísticas
descriptivas. La distribución de precios está sesgada hacia la izquierda, lo
que significa que la mayoría de los precios están por debajo de la media y hay
menos ocurrencias de precios muy altos.
Si
estos pronósticos se refieren al precio de la acción, sugieren una caída
drástica e improbable en el corto a mediano plazo, especialmente considerando
la tendencia ascendente observada en el gráfico. Esto podría indicar que la
recta de mínimos cuadrados, aunque útil para identificar una tendencia general a
largo plazo, no es el modelo más adecuado para pronósticos de precios a corto o
mediano plazo debido a su incapacidad para capturar la volatilidad y los
cambios de ciclo.
Si
los pronósticos hacen referencia a la tendencia de los precios, se debería
considerar el uso de modelos más sofisticados que capturen la dinámica cíclica,
como los modelos ARIMA o GARCH, especialmente si la idea es capturar la
predicción de descenso que sugiere la polinómica de orden 6.
El
contraste de las tendencias (recta de mínimos cuadrados vs. polinómicas de
orden 3 y 6) ofrece observaciones econométricas importantes:
Un
modelo lineal (como la recta roja) asume una relación constante y uniforme en
el tiempo. Aunque útil para identificar una tendencia general a largo plazo, su
baja correlación (57.11%) y los pronósticos aparentemente inconsistentes
sugieren que este modelo es insuficiente para capturar la complejidad y los
ciclos del precio de la acción. Desde una perspectiva econométrica, esto indica
la presencia de no linealidad y heterocedasticidad (varianza no constante de
los errores) en la serie de tiempo, lo que invalida algunas de las suposiciones
de un modelo de regresión lineal simple.
Los
modelos polinómico de orden 3 y 6, con correlaciones significativamente más
altas 78.74% y 82.53% respectivamente que demuestran que el comportamiento del
precio de Bombardier Inc. es inherentemente no lineal y cíclico.
La
mayor capacidad de ajuste de los modelos polinómicos resalta la importancia de
modelar los ciclos de negocio o de mercado. La polinómica de orden 6, al
indicar un descenso en el ciclo, sugiere que la serie de tiempo exhibe un
comportamiento de reversión a la media o cambios de régimen. Desde un punto de
vista econométrico, esto implica que un modelo lineal no es adecuado y que se
necesitan modelos que puedan capturar estas dinámicas no estacionarias o
cíclicas.
La
recta de mínimos cuadrados nos da una "verdadera" dirección general a
largo plazo si el proceso subyacente fuera lineal, pero las polinómicas revelan
que esta linealidad es una simplificación excesiva. La "verdad" del
mercado para el inversor a corto y mediano plazo está en las dinámicas cíclicas
que los modelos polinómicos capturan mejor.
Para
una validación econométrica más rigurosa, se necesitarían pruebas de
significancia de los coeficientes (valores p) y pruebas de bondad de ajuste
(como el R2 ajustado para comparar modelos con diferentes números de
parámetros).
También
es fundamental evaluar la estacionariedad de la serie de tiempo del precio. La
serie no es estacionaria, lo cual es común en precios financieros. Las
tendencias polinómicas, al capturar ciclos, están implícitamente lidiando con
esta no estacionariedad de una manera empírica, pero un enfoque formal
requeriría la diferenciación de la serie.
La
observación de las tendencias y la asimetría de los datos hacen que el análisis
de series de tiempo, y en particular los modelos ARIMA (Autoregressive
Integrated Moving Average) o sus variantes, sean altamente pertinentes y
recomendables para un estudio más profundo de Bombardier Inc.
La
presencia de una tendencia al alza (incluso si leve) y, más importantemente, de
ciclos evidentes (capturados por las polinómicas), sugiere que la serie de
precios no es estacionaria. Para aplicar un modelo ARIMA, el primer paso es
diferenciar la serie hasta que se vuelva estacionaria. El componente
"I" (Integrated) en ARIMA se refiere precisamente a este proceso de
diferenciación. La cantidad de diferenciaciones necesarias (d) indicaría el
orden de integración de la serie.
Los
ciclos observados en las tendencias polinómicas indican que el precio actual
está influenciado por precios pasados (componente AR) y por errores o shocks
pasados (componente MA). Un modelo AR(p) captura la dependencia de la
observación actual de las observaciones pasadas, lo que podría modelar los
picos y valles de los ciclos.
Un
modelo MA(q) captura la dependencia de la observación actual de errores
pasados, lo que podría representar la persistencia de shocks en el mercado.
Para
aplicar ARIMA, se analizarían las funciones de autocorrelación (ACF) y
autocorrelación parcial (PACF) de la serie diferenciada para identificar los
órdenes (p, d, q) del modelo ARIMA. La presencia de picos significativos en el
ACF y PACF a ciertos rezagos indicaría la presencia de componentes AR y/o MA.
Si
bien este análisis se enfoca en ciclos a largo plazo, si hubiera patrones
repetitivos en intervalos fijos (por ejemplo, anuales o trimestrales), un
modelo SARIMA (Seasonal ARIMA) sería más apropiado para capturar la
estacionalidad.
Los
modelos GARCH, dada la volatilidad significativa o la desviación estándar alta
observada, es probable que la varianza de los errores no sea constante a lo
largo del tiempo o que presente heterocedasticidad. En estos casos, los modelos
GARCH (Generalized Autoregressive Conditional Heteroskedasticity) son
fundamentales. Un modelo GARCH (p, q) modela la varianza condicional, lo que es
crítico para el análisis de riesgo y la predicción de la volatilidad futura.
Esto sería especialmente útil para determinar si los "ajustes" o
descensos esperados por la polinómica de orden 6 estarán acompañados de mayor o
menor volatilidad.
Estos
modelos están diseñados para series de tiempo y, por lo tanto, pueden ofrecer
pronósticos más precisos que una simple recta de regresión, especialmente a
corto y mediano plazo, al capturar dependencias temporales y
heterocedasticidad. Permiten, además, una mejor comprensión de la dinámica
subyacente del precio de la acción, incluyendo la persistencia de los shocks y
la memoria de los precios pasados.
Los
modelos GARCH son esenciales para la gestión de riesgos, ya que permiten
modelar y pronosticar la volatilidad, un componente clave del riesgo
financiero.
Este
análisis presenta una imagen completa del comportamiento del precio de
Bombardier Inc. La tendencia general a largo plazo es al alza, pero con una
fuerte presencia de ciclos de mercado. La recta de mínimos cuadrados ofrece una
visión limitada y los pronósticos derivados de ella parecen inconsistentes con
la realidad gráfica. Las tendencias polinómicas, especialmente la de orden 6,
son mucho más reveladoras, anticipando un posible ajuste a la baja en el corto
plazo.
Los
datos indican que Bombardier Inc. opera en un mercado con dinámicas de precios
complejas y cíclicas, que requieren herramientas de modelado econométrico
avanzadas para una comprensión y predicción precisas.
No hay comentarios:
Publicar un comentario