DESENTRAÑANDO NUTRESA: POLINÓMICAS, GARCH Y EL FUTURO DE UNA GIGANTE DE ALIMENTOS.

 Grupo Nutresa S. A. opera en la industria alimentaria principalmente en Colombia y América Latina. La empresa produce y vende embutidos, carnes maduradas, salchichas, conservas vegetales, platos preparados y setas; y galletas y crackers, así como galletas de sabores, sándwiches de crema y barquillos. El Grupo Nutresa S. A. se constituyó en 1920 y tiene su sede en Medellín, Colombia.

El estudio de la acción de Nutresa, que abarca el periodo desde el 4 de enero de 2010 hasta el 28 de julio de 2025. Tu enfoque en el análisis chartista y la inclusión de medidas estadísticas descriptivas y de probabilidad son excelentes puntos de partida para una evaluación exhaustiva.

El primer gráfico muestra claramente una tendencia alcista a largo plazo en el precio de la acción de Nutresa, especialmente notoria desde aproximadamente 2018-2019. Esto sugiere un crecimiento constante y la confianza de los inversionistas en la empresa durante este periodo. El precio final, cercano a los $129,000, contrasta significativamente con el precio inicial de $21,033.80.

La tendencia polinómica de orden 6 (verde), con una correlación del 96.14%, es altamente sensible y traza los ciclos de mercado con gran precisión. Se observa que la acción ha experimentado períodos de consolidación y corrección seguidos de fuertes repuntes. Es crucial identificar los picos y valles que esta curva dibuja para entender las fases de expansión y contracción dentro de la tendencia alcista general.

La tendencia polinómica de orden 3 (naranja/marrón), con una correlación del 90.85%, es menos volátil y ofrece una visión más suavizada de los ciclos. Su menor sensibilidad a pequeños cambios en el precio la hace útil para identificar movimientos direccionales subyacentes y menos ruido.

La comparación entre la polinómica de orden 6 y la de orden 3 es fundamental. Cuando la de orden 6 diverge significativamente de la de orden 3, podría indicar un movimiento extremo (sobrecompra o sobreventa) que eventualmente se corregirá. Si ambas se mueven en la misma dirección, refuerza la señal de la tendencia. Por ejemplo, en el tramo final del gráfico, ambas polinómicas apuntan hacia arriba, confirmando la fuerte tendencia alcista reciente.

La recta de tendencia lineal mínima cuadrática (roja), con una correlación del 58.73%, aunque menor en ajuste (R²=0.344), proporciona una dirección general de la acción a lo largo de todo el periodo. El hecho de que sea alcista confirma el crecimiento general de la empresa. La ecuación (y=11.399x+11368) es valiosa para proyecciones lineales, aunque, como mencionas, el R² indica que no captura completamente la variabilidad.

La desviación estándar de 20427.11 y la Varianza de 417260586.2 sugieren una volatilidad considerable en el precio de la acción a lo largo del periodo, lo cual es normal en mercados bursátiles. Esto implica que la acción ha tenido oscilaciones significativas.

Realizando el contraste entre los valores de la media (32148.42), la mediana (25440) y la moda (27000) se puede establecer que lLa media es significativamente mayor que la mediana y la moda. Esto indica una distribución sesgada a la derecha (sesgo positivo), lo que significa que hay un número considerable de valores bajos, pero también algunos valores muy altos que elevan la media. En el contexto de precios de acciones, esto es común en tendencias alcistas, donde los precios tienden a acumularse en rangos más bajos al principio del periodo y luego experimentan saltos significativos.

El coeficiente de sesgo de 3.21615192,  positivo y alto (mayor que 0) confirma el sesgo a la derecha. Esto implica que hay una "cola" más larga hacia los valores superiores de precio, lo que concuerda con la apreciación de la acción.

El alto valor de la curtosis 10.1998138, define la distribución como leptocúrtica, mayor que 3 para una distribución normal, sugiere que la distribución de los precios tiene colas más pesadas y un pico más agudo que una distribución normal. Esto implica una mayor probabilidad de eventos extremos grandes movimientos de precios, tanto al alza como a la baja. En este caso, probablemente más al alza, dado el sesgo positivo.

El rango de 113000 y el máximo de 129000 son datos importantes. El rango ofrece la amplitud total de los precios observados. Si comparas el rango con la desviación estándar, se puede inferir la dispersión de los datos. Para la resistencia, se necesitaría un análisis más profundo del gráfico chartista, identificando los niveles donde el precio ha tenido dificultades para subir en el pasado. El máximo de 129000 es la resistencia más alta alcanzada en el periodo.

Para un análisis econométrico y la toma de decisiones, se puede considerar los siguientes aspectos y modelos:

La regresión lineal simple, definida por la ecuación y=11.399x+11368, un R²=0.344, este valor indica que solo el 34.4% de la variabilidad en el precio de la acción (Y) es explicada por el tiempo (X). Esto es bajo, lo que significa que el tiempo solo es un predictor moderado del precio, y otros factores (variables económicas, noticias de la empresa, sentimiento del mercado) tienen un impacto significativo.

Los pronósticos a 90 días 53943.75 y 180 días 54969.68, son el resultado de extender la línea recta. Sin embargo, dado el bajo R² y la clara presencia de ciclos y no linealidades (evidenciadas por las polinómicas), estos pronósticos lineales deben tomarse con mucha precaución. Probablemente subestiman el potencial alcista si la tendencia actual fuerte continúa, o sobreestiman si hay una corrección.

La polinómica de orden 6 y R²=0.9614, es excelente para describir el comportamiento pasado y detectar puntos de inflexión. Es menos útil para la predicción a futuro porque su alta sensibilidad lo hace propenso a cambios bruscos con nuevos datos. Sin embargo, si la curva muestra un fuerte impulso alcista en el extremo derecho, es una buena señal de continuación.

La polinómica de orden 3  y R²=0.9085, Este modelo, al ser menos sensible, es más robusto para capturar la tendencia principal de los ciclos. Podría ser más útil para proyecciones a corto y mediano plazo que la lineal, ya que incorpora la curvatura del movimiento del precio.

Dado que el precio de la acción es una serie de tiempo, modelos como ARIMA (AutoRegressive Integrated Moving Average) o SARIMA (Seasonal ARIMA) son herramientas econométricas estándar. Estos modelos capturan la autocorrelación (la dependencia del precio actual de precios pasados) y pueden identificar patrones estacionales o cíclicos.

Si Nutresa tiene patrones de precios que se repiten en ciertos periodos SARIMA podría capturarlos. A menudo, ofrecen pronósticos más precisos que las simples regresiones de tendencia, ya que modelan la estructura intrínseca de la serie de tiempo.

Los modelos GARCH (Generalized AutoRegressive Conditional Heteroskedasticity) se utilizan para modelar la volatilidad de las series de tiempo financieras. Es decir, cómo cambia la dispersión de los retornos a lo largo del tiempo.

la alta desviación estándar y curtosis, sugieren la presencia de clústeres de volatilidad (períodos de alta volatilidad seguidos de más alta volatilidad, y viceversa).

La gestión de riesgos permite predecir la volatilidad futura, lo cual es crucial para la gestión de riesgos en una cartera de inversión.

Es fundamental para la valuación de opciones y otros derivados.

Un Z  de 1.65 indica que el valor actual o el valor que se está analizando para esa probabilidad, está 1.65 desviaciones estándar por encima de la media.

Si "p" representa la probabilidad de encontrar un valor por debajo del actual y "q" por encima o viceversa, dependiendo de cómo lo calculaste, un p=0% y q=100% (o viceversa) con un Z-score de 1.65 (que no es un valor extremo como 3 o 4) es peculiar, un Z-score de 1.65 correspondería a una probabilidad acumulada de alrededor del 95% (para p) o 5% (para q) en una distribución normal.

Para determinar si la acción está en sobrecompra o sobreventa usando la campana de Gauss, típicamente se observa si el precio actual se encuentra en las "colas" de la distribución. Si un Z-score muy alto indica que el precio está muy por encima de su media histórica con baja probabilidad de ocurrencia (ej. más de 2 o 3 desviaciones estándar), podría sugerir sobrecompra. Por el contrario, un Z-score muy bajo (negativo) podría indicar sobreventa. Con el Z-score de 1.65, no se puede concluir directamente sobrecompra o sobreventa sin el contexto de la distribución de los precios y los umbrales definidos.

Aunque el estudio es técnico y econométrico, el análisis fundamental es vital. Implica evaluar la salud financiera de la empresa (ingresos, beneficios, deuda, flujo de caja), su modelo de negocio, la industria en la que opera, la competencia y el entorno macroeconómico.

Los modelos cuantitativos te dicen cómo se ha movido el precio, pero el análisis fundamental te dice por qué. un pronóstico alcista tiene más peso si la empresa está reportando fuertes ganancias y tiene buenas perspectivas de crecimiento.

Las líneas polinómicas usualmente se utilizan para identificar los ciclos y la lineal para la dirección general. Si la acción está en una fase ascendente de los ciclos polinómicas y la tendencia lineal sigue siendo alcista, esto refuerza una decisión de compra o mantener.

Al Identificar los niveles históricos donde el precio ha rebotado (soporte) o ha encontrado dificultad para avanzar (resistencia). El máximo de $129,000 es una resistencia clave que fue superada recientemente.

Es de importancia considerar aplicar un modelo ARIMA o SARIMA, si tienes la serie de tiempo completa. Esto proporcionaría pronósticos más robustos que capturen la estructura temporal de los precios. Si la gestión del riesgo de volatilidad es una preocupación, un modelo GARCH permitirá entender y pronosticar períodos de alta y baja volatilidad.

Si la polinómica de de orden 6 muestra una divergencia muy fuerte al alza respecto a la de orden 3, podría ser una señal de que el precio está subiendo demasiado rápido y podría haber una corrección. Viceversa para movimientos a la baja.

El estudio realizado es muy completo y ofrece una excelente base para entender el comportamiento histórico de la acción de Nutresa. La acción ha mostrado una fuerte tendencia alcista a largo plazo, con ciclos claros. La divergencia entre la media, mediana y moda, junto con la asimetría y curtosis, refuerza la idea de una distribución de precios con una cola positiva, lo que es común en acciones con un crecimiento significativo.

Para la toma de decisiones, la combinación del análisis chartista que se ha realizado haciendo uso de las líneas de tendencia polinómicas para los ciclos y la lineal para la dirección general, junto con un análisis econométrico más profundo (posiblemente ARIMA/SARIMA para pronósticos y GARCH para volatilidad), y, fundamentalmente, un análisis de los factores que impulsan el negocio de Nutresa, proporcionará una visión integral y robusta para las decisiones de inversión. Los pronósticos de las regresiones lineales deben ser tratados con mucha cautela debido a la naturaleza no lineal del movimiento de los precios de las acciones.

 

BOMBARDIER: DESENTRAÑANDO CICLOS DE MERCADO Y PREDICCIÓN DE PRECIOS PARA INVERSORES

 

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.

La recta de mínimos cuadrados (roja) muestra una leve tendencia al alza en el precio de la acción a lo largo del período, lo cual es un indicador positivo para la inversión a largo plazo, aunque con fluctuaciones significativas. La correlación del 57.11% indica que la recta de mínimos cuadrados explica una parte moderada de la variabilidad del precio.

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 desviación estándar de 38.34   mide la dispersión de los precios alrededor de la media. Un valor de 38.34 es considerable, lo que indica una volatilidad significativa en el precio de la acción. La varianza muestral de     1469.74 que es el resultado de la desviación estándar al cuadrado. Ofrece una medida de la variabilidad total.

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.

Los pronósticos de precio a 90 días (34.62) y 180 días (57.16) se estiman utilizando la ecuación de la recta de mínimos cuadrados (roja). Es crucial notar que estos valores son significativamente más bajos que el precio de cierre actual (161.78) y la mayoría de los precios recientes.

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.

 

 

 

MÁS ALLÁ DE LA TENDENCIA: UN ANÁLISIS PROFUNDO DE ULVR (2010-2025)

Unilever PLC opera como una empresa de bienes de consumo de alta rotación en Asia Pacífico, África, América y Europa. Opera a través de cinco segmentos: Belleza y Bienestar, Cuidado Personal, Cuidado del Hogar, Alimentos y Helados. Unilever PLC fue fundada en 1860 y tiene su sede en Londres, Reino Unido.

Los datos proporcionados cubren los precios históricos de las acciones de Unilever (ULVR) de 2010 a 2025, lo que representa un análisis a largo plazo.

Resumamos las estadísticas descriptivas clave del precio de las acciones de ULVR:

El precio medio es de aproximadamente 3435,31, con una mediana de 3800 y una moda de 2064. La diferencia entre la media, la mediana y la moda sugiere un grado de asimetría en la distribución.

La desviación típica de 969,55 indica una dispersión significativa de los precios en torno a la media. El rango de 3636 (de 1688 a 5324) subraya aún más la volatilidad de los precios durante el período.

La asimetría negativa de -0.27 indica que la cola izquierda de la distribución es ligeramente más larga o ancha. Esto sugiere que se han observado ganancias menores con mayor frecuencia o menos pérdidas importantes en comparación con una distribución perfectamente simétrica.

La curtosis negativa de -1.26 o (platicúrtica) sugiere que la distribución tiene colas más claras y un pico más plano que una distribución normal. Esto implica menos movimientos extremos de precios (tanto positivos como negativos) de lo que cabría esperar en una distribución normal.

Los valores de media, mediana, moda y desviación estándar (DE) son consistentes con las estadísticas descriptivas.

El valor "p" del 85,61% y el valor "q" del 14,39% se relacionan con la probabilidad de que el precio esté por debajo o por encima de un umbral determinado (posiblemente el valor "X" de 4466,00). Esto sugiere que el 85,61% de los precios observados fueron inferiores a 4466,00 y el 14,39% superiores.

El valor 'Z' de 1,06 indica a cuántas desviaciones estándar se encuentra el valor 'X' (4466,00) de la media.

El análisis presenta tres líneas de tendencia:

La regresión lineal (línea roja), cuya ecuación  y=0,7526 x+1955.7 y coeficiente de determinación de 0.776 define una correlación de 88.10%. La pendiente positiva de 0,7526 indica una ligera tendencia alcista en el precio de las acciones de ULVR a largo plazo (2010-2025). La alta correlación del 88,10 % sugiere una fuerte relación positiva entre el tiempo y el precio, lo que significa que el modelo lineal captura una parte significativa de la fluctuación del precio. R² de 0,776 confirma que aproximadamente el 77,6% de la variabilidad en el precio de las acciones puede explicarse por la tendencia lineal.

La regresión polinomial orden 6 (línea verde) con correlación de  96,38%, muestra una correlación muy alta, lo que indica un ajuste sólido a los datos históricos. La observación clave, como mencionó, es que el polinomio de orden 6 comienza a descender en su ciclo. Esto sugiere que, según este modelo más complejo, el precio podría experimentar un ajuste, una disminución o un descenso a corto plazo. Este modelo captura la naturaleza cíclica y los puntos de inflexión con mayor eficacia que el modelo lineal.

La regresión polinomial orden 3 (línea morada), que muestra una correlación de  92,77%, presenta una alta correlación, lo que indica un buen ajuste. Ofrece otra perspectiva del comportamiento del mercado, similar al polinomio de orden 6, al capturar patrones no lineales.

Los pronósticos a 90 días que da como resultado 4981.92 y el pronóstico de 180 días de 5049.66, con un

nivel de confianza: 95%, se basan en la ecuación de regresión lineal (línea roja) y el comportamiento histórico. La tendencia al alza en los pronósticos para 90 y 180 días coincide con la ligera tendencia alcista general que indica el modelo lineal. El nivel de confianza del 95 % implica que podemos tener una confianza del 95 % en que el precio real se mantendrá dentro de un rango determinado en torno a estos valores pronosticados.

El histograma representa visualmente la distribución de frecuencia de los precios de ULVR en diferentes intervalos. La frecuencia más alta de precios parece estar en el intervalo 3688-4188, seguido por 3188-3688 y 2688-3188. Esta distribución visual confirma las estadísticas descriptivas, mostrando una concentración de precios alrededor del extremo superior de la distribución, con menos ocurrencias en los extremos inferior y superior.

La regresión lineal (correlación del 88,10 %) sugiere una tendencia alcista consistente, aunque gradual, a largo plazo en el precio de ULVR. Esto indica que, en promedio, la acción se ha revalorizado durante el período de 15 años. Desde una perspectiva econométrica, esto podría implicar que los factores fundamentales que sustentan el valor de la compañía han evolucionado positivamente.

Las regresiones polinómicas (especialmente las de orden 6) , con sus correlaciones más altas (96,38 % y 92,77 %), revelan la dinámica cíclica y no lineal de corto a mediano plazo que se superpone a la tendencia a largo plazo. La observación de que el polinomio de orden 6 comienza a descender es crucial. Esto significa que, si bien la tendencia fundamental subyacente podría ser positiva, el mercado se encuentra actualmente en una fase de corrección o consolidación. Este descenso en el ciclo sugiere que el precio probablemente se ha movido por encima de su valor fundamental o que existen presiones de mercado a corto plazo que provocan un retroceso.

Cuanto más alto R^2,  la correlación de los modelos polinómicos indica que capturan mayor varianza en el precio de las acciones que el modelo lineal simple. Esto representa una compensación econométrica: los modelos más complejos (como los polinomios de orden superior) pueden ajustarse mejor a los datos históricos al captar matices, pero podrían ser menos robustos para la predicción fuera de la muestra, especialmente si sobreajustan el ruido en lugar de los verdaderos patrones subyacentes.

El hecho de que el modelo lineal mantenga una fuerte correlación (88,10%) es importante. Esto sugiere que una parte significativa del movimiento de precios es genuinamente lineal, lo que representa una trayectoria de crecimiento fundamental. Los polinomios modelan las desviaciones en torno a esta trayectoria fundamental.

La naturaleza cíclica que representan las tendencias polinómicas, especialmente el descenso observado, podría interpretarse desde la perspectiva de la eficiencia del mercado. Si el mercado fuera perfectamente eficiente y siguiera un patrón aleatorio, estos patrones cíclicos claros serían menos predecibles. La presencia de estos ciclos sugiere períodos de sobrepasar y subpasar el valor intrínseco, lo que implica cierto grado de reversión a la media a corto y mediano plazo. Tras un período de movimiento alcista (como se observa en las primeras partes de las curvas polinómicas), un ajuste a la baja (el descenso actual) acerca el precio a su promedio o tendencia a largo plazo.

Los pronósticos del modelo lineal para 90 y 180 días (4981,92 y 5049,66) reflejan la continua trayectoria ascendente a largo plazo. Sin embargo, el contraste econométrico pone de manifiesto un posible conflicto: si el polinomio de orden 6 indica efectivamente un descenso a corto plazo, basarse únicamente en el pronóstico lineal podría llevar a una sobreestimación de los rendimientos a corto plazo.

Un enfoque de pronóstico econométrico más sólido implicaría combinar estos conocimientos: reconocer el sesgo alcista a largo plazo, pero también incorporar la fase cíclica actual. Esto suele llevar al uso de modelos que pueden capturar tanto los componentes tendenciales como los cíclicos/estacionales.

Dadas las observaciones, un modelo ARIMA (promedio móvil integrado autorregresivo) o un análisis de series temporales más amplio sería muy apropiado y proporcionaría conocimientos más profundos para ULVR:

El primer paso para aplicar un modelo ARIMA es verificar la estacionariedad. La presencia de una clara tendencia ascendente (aunque leve, como indica el modelo lineal) sugiere que la serie temporal no es estacionaria en media.

Probablemente necesitaríamos diferenciar la serie (p. ej., primera diferenciación) para que sea estacionaria. Esto implica transformar los datos en una serie de cambios de precios, en lugar de precios absolutos. El componente "Integrado" (I) de ARIMA aborda específicamente esta no estacionariedad mediante la diferenciación.

El ACF probablemente mostraría un decaimiento lento en la serie original, lo que confirma la no estacionariedad. Tras la diferenciación, el ACF revelaría los componentes de la media móvil (MA) (q).

El PACF ayudaría a identificar los componentes autorregresivos (AR) (p) del modelo. La presencia de ciclos en los ajustes polinómicos sugiere la posible presencia de propiedades autorregresivas significativas (es decir, los precios actuales dependen en gran medida de los precios pasados) y, potencialmente, componentes de media móvil (es decir, los errores actuales están relacionados con los errores pasados).

En función de la diferenciación requerida (d), y los patrones en los gráficos ACF y PACF, es posible identificar el modelo ARIMA(p,d,q) óptimo.

El comportamiento cíclico observado en los ajustes polinomiales podría sugerir la necesidad de un valor «p» o «q» de mayor orden para capturar estas oscilaciones. Por ejemplo, si los precios tienden a revertirse después de ciertos picos, esto sugiere un proceso autorregresivo.

Si bien el análisis actual no menciona explícitamente los patrones estacionales, un conjunto de datos de 15 años podría presentar estacionalidad (por ejemplo, patrones trimestrales o anuales relacionados con informes de ganancias, pagos de dividendos o ciclos de mercado más amplios). De ser así, un modelo ARIMA Estacional (SARIMA) sería aún más eficaz, ya que añade componentes estacionales (P, D, Q, S) al modelo ARIMA estándar.

Los modelos ARIMA están diseñados específicamente para pronosticar datos de series temporales. Una vez identificado y validado un modelo adecuado, este puede generar pronósticos precisos que consideran tanto la tendencia subyacente como los patrones cíclicos/autocorrelacionados identificados. Los pronósticos ARIMA probablemente brindarían una imagen más matizada que los pronósticos del modelo lineal, mostrando potencialmente la caída esperada a corto plazo sugerida por el polinomio de orden 6, antes de reanudar una tendencia ascendente.

Los modelos ARIMA manejan implícitamente la naturaleza secuencial de los datos de series de tiempo, a diferencia de los modelos de regresión estándar que suponen observaciones independientes (aunque existen modelos de regresión de series de tiempo).

Las regresiones polinómicas ofrecen un buen ajuste descriptivo, pero podrían no ser óptimas para la predicción de series temporales reales, ya que no consideran explícitamente los términos de error autocorrelacionados que suelen estar presentes en los datos financieros. ARIMA, al modelar los errores, puede proporcionar pronósticos estadísticamente más sólidos.

Si bien el análisis proporcionado proporciona una base sólida, especialmente con la visualización clara de tendencias y ciclos, un enfoque econométrico que utilice ARIMA o modelos de series temporales similares mejoraría la comprensión de la dinámica de precios de ULVR y la precisión de los pronósticos, en particular para las fluctuaciones de precios a corto y mediano plazo, al considerar formalmente la estacionariedad, la autocorrelación y la posible estacionalidad. El contraste entre la tendencia lineal simple y las complejas curvas polinómicas resalta la necesidad de modelos que puedan capturar tanto la dirección a largo plazo como las fluctuaciones inmediatas del mercado.

EL PULSO DE DBSM: ANÁLISIS ECONOMÉTRICO DE PRECIOS Y VOLATILIDAD (2010-2025).

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 recta de mínimos cuadrados (Roja) l, con una ecuación de y=0.0069x+7.64 y un coeficiente de determinación (R²) de 0.817, indica una clara tendencia alcista en el precio de la acción a lo largo del tiempo. La correlación del 90.39% confirma una relación lineal positiva fuerte entre el tiempo y el precio. Esto sugiere que, en promedio, el precio de la acción ha ido aumentando a un ritmo constante.

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.

El contraste entre la tendencia lineal ascendente y las polinómicas que sugieren un posible descenso a corto plazo es una observación econométrica crucial:

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.