MÁS ALLÁ DE LOS NÚMEROS: FACTORES CLAVE Y MODELOS PARA INVERTIR EN CITIGROUP (C)

Citigroup, comúnmente conocido como Citi, es uno de los mayores y más importantes grupos de servicios financieros a nivel global. Es un banco de inversión multinacional y una corporación de servicios financieros con sede en la ciudad de Nueva York.

Opera en más de 160 países y jurisdicciones, atendiendo a millones de clientes. Ofrece una amplia gama de productos y servicios financieros, que incluyen: banca al consumidor, banca corporativa y de inversión, gestión de Patrimonios y mercados y seguridad

Tiene una larga y compleja historia, habiendo sido formado en 1998 a través de la fusión de Citicorp y Travelers Group. Ha jugado un papel significativo en la historia financiera de Estados Unidos y del mundo. Debido a su tamaño y alcance, Citigroup es considerado un banco sistémicamente importante (too big to fail), lo que significa que su estabilidad es crucial para la salud del sistema financiero global.

Citigroup es una institución financiera masiva y diversificada que ofrece prácticamente todos los servicios bancarios y de inversión imaginables a una clientela global que abarca desde individuos hasta las corporaciones y gobiernos más grandes del mundo.

El período usado en el presente estudio es 4 de enero de 2010 al 22 de agosto de 2025, los cálculos proporcionan una visión sólida del comportamiento histórico y las tendencias de la acción.

Una rentabilidad del 180,18% en 15 años es considerable, aunque es importante compararla con el rendimiento de índices de mercado relevantes (como el S&P 500 o el índice del sector financiero) y la inflación durante el mismo período para evaluar su desempeño relativo. Un promedio mensual del 0,67% (equivalente a un 8,04% anual simple) sugiere un crecimiento constante, pero con la advertencia de que este promedio puede enmascarar períodos de alta volatilidad o caídas significativas.

Una correlación lineal del 59,12% es moderadamente fuerte y positiva (asumiendo una pendiente positiva dada la rentabilidad general). Indica que hay una tendencia subyacente clara, pero que la acción no se mueve de manera perfectamente lineal. Esto sugiere que, a pesar de una dirección general definida (alcista, según tus resultados), existen fluctuaciones significativas alrededor de esta tendencia principal, impulsadas por ciclos de mercado y eventos específicos. Esta línea es crucial para establecer la "dirección hacia donde se dirige" el precio a largo plazo.

Una correlación tan alta (81,52%) demuestra que esta curva se ajusta muy bien a los datos históricos, capturando los "ciclos del mercado" de forma detallada. Sin embargo, su alta sensibilidad a pequeños cambios en el precio la hace excelente para describir el pasado, pero muy poco confiable para predecir el futuro debido al riesgo de sobreajuste (overfitting). Es útil para visualizar puntos de inflexión y la volatilidad intrínseca del activo a corto y mediano plazo.

Con una correlación del 64,67%, esta polinómica ofrece un buen equilibrio. Es menos sensible que la de orden 6, lo que la hace más robusta para identificar tendencias cíclicas de mediano plazo sin reaccionar exageradamente al ruido diario.

Analizando el contraste entre las dos tendencias polinómicas, se puede establecer que si ambas muestran direcciones similares, la tendencia cíclica es fuerte y consolidada. Si divergen, la de orden 6 puede estar señalando un cambio de ciclo incipiente o una anomalía temporal que la de orden 3 aún no ha suavizado, lo que podría ser una señal temprana para ajustar la estrategia.

El coeficiente de determinación (R²) es vital. Para la recta lineal, te dará una idea de qué porcentaje de la variabilidad del precio es explicada por el tiempo. Para las polinómicas, R² alto (especialmente para la de orden 6) confirmará su capacidad para "calcar" el comportamiento histórico. Es importante recordar que un R² alto no siempre implica un buen modelo predictivo, especialmente si hay sobreajuste.

El uso de la ecuación lineal para pronosticar el precio del próximo trimestre es una práctica común para proyecciones de corto a mediano plazo, asumiendo que la tendencia histórica lineal se mantendrá. Es un buen punto de partida, pero debe complementarse con otros modelos y análisis cualitativos.

La relación entre la media, mediana y moda es clave para entender la distribución de los precios o retornos. Si la media > mediana > moda, muestra una distribución asimétrica positiva con sesgo a la derecha, lo que podría indicar que hay una mayor frecuencia de precios bajos y una "cola" más larga de precios altos, sugiriendo un potencial alcista con eventos de precios extremos. Si la  moda > mediana > media, la distribución es asimétrica negativa o con sesgo a la izquierda, indicando lo contrario, con más eventos de precios altos y una cola de precios bajos, lo que podría apuntar a riesgos de caídas pronunciadas.

La curtosis de 0.42 es alta  o leptocúrtica, lo que implica que los movimientos extremos (positivos o negativos) son más probables de lo que una distribución normal sugeriría, lo cual es común en los mercados financieros y denota mayor riesgo.

El rango es una medida simple de la volatilidad histórica de la acción. Un rango amplio indica una acción muy volátil. La mención de la diferencia entre el soporte y la resistencia es interesante; podría referirse a cómo el rango histórico se compara con los niveles de resistencia actuales, indicando cuánto espacio hay para el crecimiento antes de alcanzar un techo histórico o técnico, o cuánto se ha contraído el movimiento de precios en relación con su amplitud pasada.

Este análisis de probabilidad, basado en la distribución normal, es fundamental para identificar condiciones de sobrecompra o sobreventa. Asumiendo que p representa la probabilidad de que el precio actual esté por encima de la media de su distribución (por ejemplo, más de dos desviaciones estándar), un p muy bajo indicaría una condición de sobrecompra (precio inusualmente alto). Por otro lado, un q muy bajo (complemento de p) indicaría una condición de sobreventa (precio inusualmente bajo). Es crucial recordar que los retornos de los activos financieros no siempre siguen una distribución normal perfecta (suelen tener "colas más gordas" y asimetría). Sin embargo, este es un excelente punto de partida para identificar anomalías estadísticas.

Más allá de los números, el comportamiento de Citigroup está fuertemente influenciado por factores cualitativos:

En el contexto macroeconómico, las tasas de interés.  Como banco, Citigroup es altamente sensible a los cambios en las tasas de interés. Un aumento suele beneficiar su margen de interés neto (NIM), mientras que una disminución puede comprimirlo. Un entorno de crecimiento económico robusto aumenta la demanda de crédito (préstamos), reduce la morosidad y estimula la actividad de banca de inversión. Una recesión tiene el efecto contrario.

La inflación puede impactar los costos operativos del banco y el poder adquisitivo de sus clientes. El sector bancario está fuertemente regulado. Cambios en políticas (Basilea III/IV, pruebas de estrés, requisitos de capital) pueden impactar significativamente la rentabilidad y las operaciones de Citigroup.

Para complementar el análisis y mejorar la capacidad predictiva y de toma de decisiones, se sugiere considerar los siguientes modelos ARIMA y GARCH.

ARIMA (AutoRegressive Integrated Moving Average): Permite modelar y pronosticar el precio de la acción basándose en sus propios valores pasados y errores de pronóstico. Es excelente para capturar patrones estacionales y tendencias.

GARCH (Generalized AutoRegressive Conditional Heteroskedasticity): Fundamental para modelar la volatilidad de los retornos. Dado que los mercados financieros exhiben "agrupamiento de volatilidad" (períodos de alta volatilidad seguidos por otros de alta volatilidad, y viceversa), un modelo GARCH te permitirá pronosticar la volatilidad futura, crucial para la gestión de riesgos y la valoración de opciones.

Resulta de importancia construir un modelo donde el precio (o retorno) de la acción de Citigroup sea la variable dependiente, y variables macroeconómicas (p. ej. tasas de interés, crecimiento del PIB, índice de confianza del consumidor) o del sector (p. ej. índice bancario, diferencia entre tasas de interés a corto y largo plazo) sean las variables independientes. Esto te ayudará a entender qué factores externos tienen el mayor impacto y con qué magnitud.

Como el CAPM (Capital Asset Pricing Model) o Fama-French de 3 o 5 factores, para entender el rendimiento de Citigroup en relación con el riesgo de mercado, el tamaño de la empresa, el valor, la rentabilidad y la inversión.

Puede utilizarse este enfoque para cuantificar el impacto de eventos específicos (anuncios de ganancias, cambios en las tasas de interés de la Fed, cambios regulatorios, noticias de fusiones/adquisiciones) en el precio de la acción de Citigroup en un período corto alrededor del evento. Esto te daría una idea de cómo el mercado reacciona a información clave.

Una vez se tenga un modelo para los retornos y la volatilidad como el GARCH, por ejemplo, pueden ejecutarse simulaciones de Monte Carlo para proyectar miles de posibles trayectorias de precios futuros de Citigroup. Esto no solo  daría un rango de precios posibles, sino también la probabilidad de alcanzar ciertos umbrales, siendo una herramienta poderosa para la evaluación de riesgos y escenarios.

Para series temporales, pueden capturar patrones no lineales y dependencias a largo plazo que los modelos ARIMA/GARCH, pueden ser utilizados para pronosticar la dirección del precio (subida/bajada) basándose en una amplia gama de características (indicadores técnicos, datos fundamentales, datos macro).

El  estudio ya proporciona una excelente comprensión de las tendencias y ciclos históricos. Para tomar decisiones informadas. Este enfoque multidimensional, combinando tu riguroso análisis cuantitativo con la interpretación cualitativa y la aplicación de modelos econométricos avanzados, te proporcionará una visión exhaustiva y robusta para la toma de decisiones sobre la acción de Citigroup.