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.

NUBANK (NU): ANÁLISIS CUANTITATIVO Y ECONOMÉTRICO PROFUNDO DE SU ACCIÓN (2022-2025)

 

Nubank es un neobanco brasileño fundado en 2013, con sede en São Paulo. Se ha consolidado como el banco digital más grande del mundo fuera de Asia y es una de las empresas de tecnología financiera (fintech) más grandes de América Latina. Opera en Brasil, México y Colombia, y cuenta con una oficina de ingeniería en Berlín, Alemania, y un centro tecnológico en Buenos Aires.

Los fundadores de Nubank son el ingeniero colombiano David Vélez, la ingeniera brasileña Cristina Junqueira y el experto informático estadounidense Edward Wible.

La importancia de Nubank radica en varios aspectos clave que han transformado el panorama financiero, especialmente en América Latina:

Nubank ha logrado bancarizar a millones de personas que antes estaban desatendidas por los bancos tradicionales. Su modelo digital simplifica el acceso a productos financieros, eliminando barreras burocráticas y requisitos complejos.

Desde sus inicios, Nubank se ha enfocado en el uso de la tecnología para ofrecer una experiencia bancaria más sencilla, eficiente y accesible. Su plataforma móvil permite a los usuarios gestionar sus finanzas de forma intuitiva, sin necesidad de sucursales físicas.

Al operar de forma digital, Nubank puede reducir significativamente los costos operativos, lo que se traduce en la eliminación de muchas comisiones y tarifas que suelen cobrar los bancos tradicionales. Esto ofrece mayor transparencia y ahorro para los usuarios.

La empresa se ha destacado por su excelente servicio al cliente, priorizando la satisfacción del usuario y resolviendo problemas de manera rápida y eficiente. Esto ha generado una alta lealtad y confianza entre sus clientes.

Nubank ha desafiado el modelo tradicional de la banca, impulsando a otras instituciones a innovar y adaptarse a las nuevas demandas del mercado. Su éxito ha demostrado la viabilidad y el potencial de los neobancos.

Con más de 100 millones de clientes en América Latina (alcanzados en 2024), Nubank ha experimentado un crecimiento masivo en poco más de una década. Esto lo convierte en un actor fundamental en la economía digital de la región.

Comenzó con una tarjeta de crédito sin anualidad y se ha expandido para ofrecer una gama completa de servicios financieros, incluyendo cuentas de ahorro digitales, préstamos personales, productos de inversión e incluso servicios para empresas.

Nubank es importante porque ha democratizado el acceso a los servicios financieros, ha impulsado la innovación tecnológica en el sector y ha mejorado la experiencia bancaria para millones de personas en América Latina.

El estudio cobija el  período del 1 de junio de 2022 al 25 de julio de 2025 es crucial porque abarca un ciclo significativo para Nubank desde su salida a bolsa y su consolidación en el mercado. Aquí desglosamos los factores cualitativos que influyen en el comportamiento de NU y cómo pueden interpretarse a la luz de tus hallazgos.

Este período ha estado marcado por una serie de factores macroeconómicos y geopolíticos que han impactado a los mercados globales y, por ende, a activos de crecimiento como Nubank

El aumento global de la inflación y las subsiguientes alzas en las tasas de interés por parte de bancos centrales (como la FED en EE. UU. y el Banco Central de Brasil) han tendido a penalizar a las empresas de alto crecimiento que cotizan en bolsa. Tasas más altas aumentan el costo del capital y reducen el valor presente de los flujos de efectivo futuros, afectando las valoraciones de estas empresas. Si tu recta de tendencia lineal (roja) con una correlación del 91.05% muestra una pendiente positiva, sugiere que, a pesar de estos vientos en contra, el valor intrínseco de Nubank ha logrado imponerse en el largo plazo, o que el mercado ha ajustado sus expectativas y sigue viendo potencial.

Los temores de recesión en economías clave han generado volatilidad. Para Nubank, esto se traduce en una posible desaceleración del crecimiento del gasto de los consumidores y una mayor morosidad, lo cual es una consideración importante para su modelo de negocio.

Los mercados han experimentado picos de volatilidad, alternando entre períodos de aversión al riesgo y repuntes. La curva polinómica de orden 6 (verde), con su alta correlación del 96.43%, es un excelente indicador de estos ciclos de mercado. Su susceptibilidad a pequeños cambios de precio es precisamente lo que la hace útil para identificar esos momentos de euforia o pánico que las tendencias de corto plazo reflejan.

Más allá del macroentorno, el sector fintech y las decisiones internas de Nubank son determinantes:

El éxito de Nubank ha atraído a más competidores, tanto neobancos emergentes como bancos tradicionales que han modernizado sus ofertas digitales. Esto ejerce presión sobre los márgenes y la retención de clientes.

La expansión de Nubank a México y Colombia es un motor de crecimiento clave, pero también implica mayores costos operativos y desafíos de adaptación a mercados regulados distintos. El éxito o fracaso en estas expansiones se reflejará en el sentimiento de los inversores y, por ende, en el precio de la acción.

Los inversores han estado observando de cerca el equilibrio entre el agresivo crecimiento de clientes de Nubank y su camino hacia la rentabilidad sostenida. Noticas sobre los resultados financieros (ingresos, márgenes, número de clientes, morosidad) son críticas. Si tus polinómicas (orden 3 y 6) muestran patrones de ascenso y descenso coincidentes con informes de resultados, es una fuerte señal de cómo el mercado reacciona a estos balances.

El entorno regulatorio para las fintech es dinámico y puede introducir nuevas restricciones o requisitos de capital que afecten la operación de Nubank.

La capacidad de Nubank para seguir innovando y lanzando nuevos productos (ej. inversiones, seguros, servicios para Pymes) es fundamental para mantener su ventaja competitiva y diversificar sus fuentes de ingresos.

El enfoque chartista y estadístico nos da herramientas poderosas para el análisis cualitativo. La recta de tendencia lineal (Roja - 91.05% de correlación): Esta línea es tu ancla cualitativa. Si tiene una pendiente positiva, sugiere que, a pesar de las fluctuaciones de corto plazo, el sentimiento general del mercado hacia Nubank es alcista en el largo plazo. La alta correlación del 91.05% es un excelente indicador de que esta tendencia subyacente es muy fuerte y fiable. La ecuación de la recta que utilizas para pronosticar el precio del próximo trimestre es invaluable, ya que te permite establecer expectativas de precio basadas en esta tendencia fundamental. Un análisis cualitativo del porqué la recta tiene esa pendiente (por ejemplo, mayor confianza en la rentabilidad de NU o la bancarización masiva) es clave.

La curva polinómica de orden 6 (Verde - 96.43% de correlación), es un indicador de la "psicología del mercado" y sus ciclos. Los "ciclos del mercado" que se muestran son esas fases de expansión y contracción, euforia y corrección. Los puntos donde esta curva se desvía significativamente de la polinómica de orden 3 (menos susceptible) te indicarán momentos de sobre-reacción del mercado.

Si la orden 6 está muy por encima de la orden 3, podría indicar un entusiasmo excesivo o una posible sobrecompra, donde las expectativas superan temporalmente la realidad fundamental.

Si la orden 6 cae muy por debajo de la orden 3, podría señalar un pesimismo exagerado o una posible sobreventa, donde el mercado está infravalorando temporalmente el activo.

El hecho de que sea "muy susceptible a pequeños cambios del precio" es su gran ventaja para detectar estos puntos de inflexión emocional.

La curva polinómica de orden 3 (correlación 94.83%), muestra la "tendencia suavizada" o la "verdadera" tendencia de los ciclos sin el ruido del corto plazo. Al compararla con la de orden 6 esto confirma una fuerte tendencia alcista subyacente, con los ciclos de orden 6 representando fluctuaciones normales dentro de esa tendencia.

Cuando la polinomica de orden 6 cruza por encima de la polinomica de orden 3 (y ambas subiendo) señala un impulso alcista creciente, posiblemente por buenas noticias o aumento del interés inversor.

La polinómica de orden 6 cruzando por debajo de Orden 3 (y ambas bajando) indica una desaceleración del impulso o una posible fase correctiva.

Si la polinómica de orden 3 sigue una tendencia alcista, pero la de orden 6 muestra una desaceleración o incluso una leve caída, podría ser una señal de advertencia de que la euforia se está desvaneciendo, incluso si la tendencia subyacente a largo plazo sigue siendo positiva.

La estadística descriptiva es el lente para entender la distribución del precio

Si la media es mayor que la mediana, y la mediana mayor que la moda, sugiere un sesgo positivo (asimetría a la derecha). Esto cualitativamente podría indicar que, a lo largo del período, hubo más movimientos de precios alcistas extremos (o menos bajistas extremos), tirando la media hacia arriba. Si fuera al revés, indicaría un sesgo negativo (más caídas extremas). Para un activo de crecimiento como NU, un sesgo positivo podría ser una señal alentadora a largo plazo.

La curtosis dirá si la distribución de los precios tiene "colas pesadas" (leptocúrtica, más valores extremos) o "colas ligeras" (platicúrtica, menos valores extremos). Una curtosis alta implicaría que el precio de Nubank ha experimentado movimientos más extremos (grandes subidas o caídas) de lo que una distribución normal predeciría, lo cual es común en activos volátiles de crecimiento. Cualitativamente, esto refuerza la idea de que los inversores reaccionan fuertemente a las noticias y el sentimiento del mercado.

El rango que no es más que la diferencia entre el valor máximo y mínimo El uso del rango permite establecer la "diferencia entre el soporte y la resistencia" que resulta ser muy  pertinente. El rango te da una idea de la volatilidad general del activo en el período. Si el rango es amplio, significa que la acción ha tenido oscilaciones significativas. Comparar esto con los niveles de resistencia (determinados por el análisis chartista) permite cualificar qué tan "fuerte" o "débil" ha sido la acción para romper esos techos psicológicos o técnicos, o si ha estado consolidando.

La probabilidad acumulada es una herramienta poderosa para entender el sentimiento actual, Si "P" (probabilidad recorrida) te indica que la acción se encuentra en el extremo superior de la campana de Gauss (por ejemplo, P alta, Q baja), indica que el análisis cualitativo se inclinaría a considerar que la acción está en una zona de sobrecompra. Esto sugiere que el precio actual está por encima de su valor "justo" o "promedio" según la distribución histórica, y podría ser vulnerable a una corrección.

Si "P"  indica que está cerca al  extremo inferior (P baja, Q alta), entonces la acción estaría en sobreventa. Esto cualitativamente implica que el precio podría estar infravalorado y podría ser una oportunidad de compra, anticipando un rebote.

Es crucial cruzar este dato con tus polinómicas, si la polinómica de orden 6 está muy por encima de la de orden 3, y tu probabilidad "P" sugiere sobrecompra, tienes una fuerte confirmación cuantitativa y cualitativa de que el activo puede estar sobreextendido.

El comportamiento de la acción de Nubank en este período (1 de junio de 2022 al 25 de julio de 2025) refleja la tensión entre su sólido modelo de negocio y su potencial de crecimiento en mercados emergentes (Brasil, México, Colombia), frente a un entorno macroeconómico desafiante (inflación, tasas de interés) y la volatilidad inherente a los activos de crecimiento.

La tendencia lineal (roja) muestra el panorama a largo plazo de la dirección. Las polinómicas (verde orden 6 y la orden 3) enseñan los altibajos del viaje, la de orden 6 es la "emoción del mercado" o la "fiebre", mientras que la orden 3 es la "tendencia suavizada" o la "racionalidad" del ciclo. La comparación entre ambas te permite identificar cuándo el mercado está siendo demasiado optimista o pesimista. Finalmente, las métricas de sesgo, curtosis y probabilidad (P/Q)  ayudan a cuantificar y cualificar el riesgo y la posición relativa del precio de la acción, ofreciéndote señales sobre posibles puntos de entrada o salida.

El análisis cuantitativo es muy robusto y tiene una base excelente para la toma de decisiones. Ahora, para complementar con un análisis econométrico basado en modelos ARIMA y GARCH, es posible llevar la comprensión de la dinámica del precio de Nubank (NU) a un nivel superior, permitiendo pronósticos más sofisticados y una gestión del riesgo más precisa.

Los modelos ARIMA (AutoRegressive Integrated Moving Average) y GARCH (Generalized AutoRegressive Conditional Heteroskedasticity) son herramientas fundamentales en econometría financiera para el modelado y pronóstico de series de tiempo financieras.

ARIMA se centra en modelar la media condicional (el valor esperado del precio) y es excelente para capturar patrones de autocorrelación y tendencias.

GARCH se enfoca en la varianza condicional (la volatilidad del precio), lo cual es crucial para la gestión del riesgo, la valoración de opciones y la identificación de períodos de alta o baja incertidumbre.

El primer paso consiste en determinar si la serie de precios es estacionaria. Mirando el gráfico de "NUBANK (NU) 2022-2025", la tendencia lineal clara (y=50.712x+14775) sugiere que la serie de precios no es estacionaria en media (tiene una tendencia). Sería necesario diferenciar la serie (restar el precio actual del precio anterior) para hacerla estacionaria. Esto se refleja en la 'I' (Integrated) de ARIMA.

Una vez identificados los órdenes (p, d, q), se estiman los coeficientes del modelo.

Se examinan los residuos del modelo (lo que el modelo no puede explicar). Deben ser ruido blanco (no autocorrelacionados, con media cero y varianza constante) para que el modelo sea válido.

A diferencia de una simple línea de tendencia lineal, un modelo ARIMA capturaría patrones autoregresivos (la dependencia del precio actual de precios pasados) y de promedio móvil (la dependencia de errores pasados). Esto podría generar pronósticos de precios futuros (más allá de tu pronóstico trimestral) con intervalos de confianza más estrechos y fiables, especialmente en el corto y mediano plazo.

Los coeficientes AR y MA dirían cuánto tiempo persisten los "shocks" (noticias, eventos) en el precio de la acción. Por ejemplo, un coeficiente AR alto indicaría que los precios pasados tienen una fuerte influencia en el precio actual. Si el modelo ARIMA predice un precio significativamente diferente al precio de mercado actual, podría indicar una subvaloración o sobrevaloración, lo que fundamentaría decisiones de compra/venta. El pronóstico a 90 días y pronóstico a 180 días serían mucho más robustos si provienen de un ARIMA bien ajustado.

Predicción de Períodos de Calma o Turbulencia: El modelo GARCH puede predecir cuándo la acción de NU entrará en un período de alta volatilidad (posibles movimientos de precios extremos ya sean al alza o a la baja) o de baja volatilidad (precios más estables). Esto es invaluable para ajustar estrategias de trading:

Mientras que la polinómica de orden 6 muestra los ciclos de precio, un GARCH te explicará por qué esos ciclos de volatilidad ocurren y si son persistentes. Por ejemplo, una alta volatilidad recurrente podría estar ligada a la publicación de resultados trimestrales o anuncios regulatorios.

La integración de ARIMA y GARCH con el ya completo análisis permite moverse en un pronóstico de precios basado en tendencias a un pronóstico probabilístico de precios y de riesgo (volatilidad), brindando una visión más profunda y robusta para la toma de decisiones de inversión en la acción de Nubank.

 

TENDENCIA VS. CICLO: ¿QUÉ LE ESPERA A BANCO DE CHILE (SN)? PRONÓSTICOS Y ANÁLISIS 2010-2025.

El análisis del comportamiento histórico del precio de las acciones del Banco Nacional de Chile (SN) entre 2010 y 2025 revela una tendencia general al alza, aunque con fluctuaciones cíclicas. Las regresiones polinómicas sugieren una posible corrección a la baja en el corto plazo, a pesar de que la tendencia lineal proyecta un incremento moderado. Los pronósticos a 90 y 180 días, basados en el modelo lineal, son $98,00 y $99,00 respectivamente, con un nivel de confianza del 95%.

La media de $56,79, es el precio promedio de la acción durante el período analizado. La mediana de $52,97, es la mitad de los precios observados están por debajo de este valor. La moda de $72,41, es el precio que se presenta con mayor frecuencia. La desviación estándar, de $25,58. Indica una dispersión significativa de los precios alrededor de la media. La varianza de $654,45, refleja la alta variabilidad del precio de la acción.

El rango de $130,81 muestra la diferencia entre el precio máximo ($148,51) y el mínimo ($17,70) es considerable, lo que subraya la volatilidad. La curtosis de $1,08 valor positivo, aunque cercano a 1, sugiere que la distribución tiene colas más pesadas y picos más anchos que una distribución normal, lo que podría indicar la presencia de valores extremos.

La asimetría de  $1,12 indica que la distribución de los precios está sesgada hacia la derecha, es decir, hay más observaciones con precios bajos y una cola más larga hacia precios altos.

El nivel de confianza del 95% se  establece en 0,89%, lo que hace referencia  al intervalo de confianza, que determina una medida de estabilidad.

La rentabilidad de  696,55%, indica una rentabilidad muy alta sobre el periodo analizado, lo cual es un indicador positivo de la inversión a largo plazo.

Las gráficas de "BANCO NACIONAL DE CHILE (SN) 2010-2025" ilustran el comportamiento del precio de la acción a lo largo del tiempo, con un precio inicial de $17,70 y un precio final de $140,99. Se han superpuesto varias líneas de tendencia:

La recta de mínimos cuadrados (Roja) con una correlación del 88,89%, esta recta muestra una leve tendencia al alza en el precio de la acción a largo plazo. Su ecuación es y=0.0204x+17.399, con un R²=0.7902. El alto coeficiente de determinación (R²) sugiere que el modelo lineal explica una proporción significativa de la variabilidad en el precio.

La polinómica de orden 6 (Verde), con una correlación del 97,85%, esta curva se ajusta muy bien a las fluctuaciones históricas del precio. Es crucial la observación de que esta línea "empieza a descender el ciclo", lo que sugiere un posible ajuste, disminución o descenso del precio en el corto plazo. Esto indica que, si bien la tendencia general es alcista, el mercado podría estar entrando en una fase correctiva.

La polinómica de orden 3 (Morada), con una correlación del 93,94%, esta curva también captura el comportamiento cíclico, aunque con un menor grado de ajuste que la de orden 6. Ambas polinómicas (verde y morada) resaltan la naturaleza cíclica del mercado y la posibilidad de un retroceso.

Los pronósticos a 90 y 180 días se basan en la ecuación de la recta de mínimos cuadrados (línea roja) y los datos históricos, con un nivel de confianza del 95%:

Los pronóstico a 90 días de $98,00 y de 180 días de $99,00, enseñan el comportamiento futuro de la acción del Banco Nacional de Chile.

Con el contraste de estas tendencias, se pueden realizar las siguientes observaciones econométricas:

La coexistencia de una tendencia lineal alcista robusta y patrones cíclicos marcados por las regresiones polinómicas sugiere que el precio de la acción del Banco Nacional de Chile es una serie de tiempo compleja que exhibe tanto tendencia como estacionalidad/ciclicidad. La tendencia lineal (largo plazo) indica la dirección general del movimiento del precio, mientras que las polinómicas (medio a corto plazo) revelan las fluctuaciones inherentes al ciclo económico o del sector.

Aunque la correlación de la regresión lineal es alta, en un análisis de series de tiempo, es crucial verificar si las series son estacionarias. Si el precio de la acción no es estacionario (es decir, su media, varianza y autocorrelación no son constantes a lo largo del tiempo), una regresión entre dos series no estacionarias puede generar una correlación espuria. Esto no invalida la tendencia observada, pero sí la interpretación de la significancia estadística de los coeficientes de regresión sin un tratamiento adecuado de la no estacionariedad.

El hecho de que las regresiones polinómicas (especialmente la de orden 6) muestren correlaciones más altas que la lineal, indica que la relación entre el tiempo y el precio no es puramente lineal. El mercado se mueve en ciclos, y los modelos no lineales son más efectivos para capturar estos patrones de auge y caída. La señal de descenso del ciclo en la polinómica de orden 6 es una observación econométrica clave, ya que sugiere una desviación de la tendencia lineal de largo plazo en el corto plazo, anticipando una corrección.

Los pronósticos basados en la recta de mínimos cuadrados son útiles para la perspectiva de largo plazo, pero dada la evidencia de ciclicidad y una posible corrección a corto plazo (según la polinómica de orden 6), estos pronósticos pueden subestimar la volatilidad o no predecir adecuadamente los puntos de inflexión. Esto resalta la necesidad de modelos más sofisticados para pronósticos a corto plazo.

Con relación a la aplicación del modelo ARIMA (AutoRegressive Integrated Moving Average) o análisis de series de tiempo:

El modelo ARIMA sería una herramienta extremadamente valiosa y apropiada para este tipo de análisis, dadas las características observadas en los datos:

El primer paso en un análisis ARIMA es determinar si la serie de precios es estacionaria. Si no lo es (lo cual es muy probable para precios de acciones), se necesitará diferenciar la serie (aplicar el operador 'I' de "Integrated" en ARIMA) para hacerla estacionaria. Las visualizaciones gráficas de ciclos y tendencias sugieren no estacionariedad en la media.

Una vez estacionaria, se analizarían las funciones de autocorrelación (ACF) y autocorrelación parcial (PACF) para identificar los órdenes de los componentes autorregresivos (AR) y de promedio móvil (MA). Esto permitiría capturar la dependencia de los precios actuales de los precios pasados (AR) y de los errores de pronóstico pasados (MA).

Un modelo ARIMA, o más específicamente un SARIMA si se detecta estacionalidad clara, es capaz de modelar tanto la tendencia (a través de la diferenciación) como los patrones cíclicos/estacionales observados. La regresión polinómica de orden 6 es una buena indicación de la presencia de ciclos que un SARIMA podría modelar explícitamente.

Un modelo ARIMA/SARIMA, al considerar la estructura de dependencia temporal de los datos y su posible no estacionariedad, generalmente produce pronósticos más precisos para series de tiempo que los modelos de regresión simples, especialmente en el corto y mediano plazo. Podría capturar mejor los puntos de inflexión y las fases de contracción o expansión del ciclo.

Tras ajustar un modelo ARIMA, se realiza un análisis de los residuos para asegurar que no contengan información no capturada por el modelo (es decir, que sean ruido blanco). Esto valida la idoneidad del modelo.

La aplicación de un modelo ARIMA/SARIMA permitiría un análisis econométrico más riguroso y una capacidad de pronóstico superior al capturar las complejidades de la serie de precios, incluyendo su tendencia, estacionalidad y los componentes autorregresivos y de promedio móvil, lo cual es fundamental para la toma de decisiones financieras.

 

SAMSUNG: ALERTA DE CICLO.

El estudio histórico del comportamiento del precio de Samsung desde 2010 hasta 2025 (largo plazo) revela patrones interesantes que merecen una atención cuidadosa.

La ecuación de la recta de mínimos cuadrados es y=5.3746x+109082, con un coeficiente de determinación R² de 0.06. La correlación del 24.52% es baja, lo que indica que esta línea solo explica una pequeña parte de la variabilidad del precio. Sin embargo, sugiere una leve tendencia alcista en el largo plazo. Es crucial entender que, si bien la tendencia general es al alza, esta pendiente mínima no captura la volatilidad ni los ciclos del mercado.

La polinómica de orden 6 (Verde), con una correlación del 67.51%, se ajusta mucho mejor a los datos, explicando una parte significativa de la variabilidad del precio. Esta polinómica es muy útil para identificar los ciclos del mercado. La observación de que "empieza a descender el ciclo lo que indica que el precio va a tener en el corto plazo un ajuste una disminución o descenso" es muy pertinente. Una caída después de un pico en un ciclo de largo plazo sugiere una corrección en el precio.

La polinómica de orden 3 (Morada), Con una correlación del 53.89%,también ofrece una mejor explicación del comportamiento del precio que la recta de mínimos cuadrados, aunque no tan precisa como la de orden 6. Ambas polinómicas (verde y morada), a pesar de sus diferentes órdenes, son esenciales para visualizar los patrones de ascenso y descenso en el mercado.

La polinómica de orden 6, al mostrar el inicio de un descenso, es una señal crucial para los inversores. Indica que, aunque la tendencia a largo plazo es levemente alcista (según la recta de mínimos cuadrados), el ciclo actual sugiere una fase de corrección o ajuste a la baja en el corto y mediano plazo.

Los pronósticos de 129,483.79 a 90 días y 129,967.50 a 180 días, estimados con la ecuación de la recta de mínimos cuadrados y un nivel de confianza del 95%, son útiles para obtener una proyección lineal.

 nivel de confianza del 95%, significa que, si repitiéramos este proceso de pronóstico múltiples veces, esperaríamos que el valor real del precio caiga dentro de este rango el 95% de las veces.

Es fundamental reconocer que la baja correlación de la recta (24.52%) implica que estos pronósticos son estimaciones de tendencia general y no capturan la volatilidad ni los ciclos del mercado, los cuales están mejor representados por las polinómicas. Para pronósticos a corto y mediano plazo donde los ciclos son relevantes, apoyarse únicamente en la recta de mínimos cuadrados podría llevar a subestimar o sobrestimar los movimientos reales del precio. La inclusión de los rangos de confianza, como el 95% que has calculado (755,343.324), aunque muy amplio, es un recordatorio de la incertidumbre inherente a las predicciones.

El contraste entre la leve tendencia alcista de la recta de mínimos cuadrados y los ciclos descendentes de las polinómicas (especialmente la de orden 6) es una observación econométrica clave:

La diferencia en los R² de las diferentes regresiones (recta, polinómica de orden 3, polinómica de orden 6) indica que el modelo lineal es insuficiente para capturar la complejidad del comportamiento del precio de Samsung. Esto sugiere que el proceso generador de datos (DGP) no es simplemente lineal.

Las regresiones polinómicas, al tener una mejor bondad de ajuste, resaltan la presencia de ciclos de auge y caída. La observación de que la polinómica de orden 6 "empieza a descender" sugiere que el mercado podría estar entrando en una fase correctiva o bajista en el corto plazo, independientemente de la tendencia alcista de largo plazo. Esto es crítico para la toma de decisiones, ya que un inversor que solo se fije en la tendencia lineal podría ser sorprendido por una caída.

El análisis demuestra la importancia de distinguir entre el comportamiento de largo plazo (tendencia general, quizás influenciada por factores fundamentales de la empresa) y el comportamiento de corto a mediano plazo (influenciado por ciclos de mercado, sentimiento del inversor, etc.). Las polinómicas son más útiles para el corto y mediano plazo, mientras que la recta de mínimos cuadrados nos da una idea del rumbo general.

Si se utilizan únicamente los pronósticos basados en la recta de mínimos cuadrados, se corre el riesgo de un sesgo de omisión de variables (en este caso, la variable implícita del ciclo de mercado), lo que podría llevar a errores significativos en las expectativas.

La aplicación de un modelo ARIMA (Auto Regressive Integrated Moving Average) o un análisis de series de tiempo más robusto sería altamente pertinente y recomendable para complementar o mejorar este estudio:

El primer paso en un análisis ARIMA es determinar si la serie de precios es estacionaria. Es muy probable que la serie de precios de Samsung no sea estacionaria (tendencia y estacionalidad/ciclos). Habría que aplicar diferenciación (I de "Integrated" en ARIMA) para hacerla estacionaria. Componente AR (Autorregresiva): Un modelo ARIMA podría capturar la dependencia del precio actual con respecto a precios pasados, lo cual es muy probable dada la inercia del mercado. Componente MA (Media Móvil): También podría modelar los errores pasados, capturando shocks que persisten en el tiempo. Los modelos ARIMA, especialmente los estacionales (SARIMA), son excelentes para modelar patrones cíclicos o estacionales que las polinómicas están intentando aproximar. Un modelo ARIMA podría identificar la longitud de estos ciclos y su impacto en el precio.

Un modelo ARIMA bien ajustado, al considerar la dependencia temporal, la tendencia (diferenciación) y los componentes cíclicos/estacionales, ofrecería pronósticos más precisos y robustos que la simple extrapolación de la recta de mínimos cuadrados.

Para un análisis financiero más completo, después de un modelo ARIMA, se podría considerar un modelo GARCH (Generalized Autoregressive Conditional Heteroskedasticity) para modelar la volatilidad del precio de Samsung, que es un factor crucial en la gestión de riesgos y la valoración de opciones. Los modelos de series de tiempo permiten identificar cuándo se producen shocks significativos y cómo persisten sus efectos en el tiempo.

El análisis realizado es un excelente punto de partida. La combinación de la recta de mínimos cuadrados con las regresiones polinómicas proporciona una visión inicial valiosa sobre la tendencia y los ciclos. Sin embargo, para obtener pronósticos más precisos y un entendimiento más profundo de la dinámica del precio de Samsung, especialmente con la presencia de ciclos marcados, la aplicación de modelos de series de tiempo como ARIMA (y posiblemente GARCH) sería el siguiente paso lógico y más potente desde una perspectiva econométrica. Estos modelos permitirían no solo predecir con mayor fiabilidad sino también entender mejor la estructura subyacente del comportamiento del precio de Samsung.

DISB: PATRONES CÍCLICOS Y TENDENCIA ALCISTA SOSTENIDA – UN ANÁLISIS ECONOMÉTRICO AVANZADO DEL DUBAI ISLAMIC BANK

 

El precio inicial el 01/04/2010 fue de 1,82 y el precio final el 20/07/2025 fue de 9,70. Esto indica claramente una tendencia alcista significativa y sostenida en el precio de la acción durante los últimos 15 años, mostrando una rentabilidad de 432.97%.

Rango de precios: La tabla "DISB" muestra un precio mínimo de 1,504 y un precio máximo de 9,72. Este amplio rango indica una apreciación y volatilidad considerables.

El precio medio es 4,5190051 y la mediana es 5,07. Una mediana ligeramente superior a la media sugiere una ligera desviación negativa, que el precio ha permanecido más tiempo en valores altos a largo plazo, o que los aumentos de precio se acentuaron más adelante en el período.

La desviación estándar de 1,7088935 y la varianza de la muestra de 2,92031699 indican un nivel moderado de dispersión de precios alrededor de la media, pero dada la importante tendencia al alza, esta volatilidad debe interpretarse en un contexto de crecimiento.

El análisis se realizó con tres tendencias una  línea de mínimos cuadrados (roja): La ecuación es y=0,0012 x+2.172, con un R² de 0.628. Como puede observar correctamente, esta línea muestra una clara tendencia alcista. lo que indica que el modelo lineal explica una parte sustancial de la variabilidad de precios. Esto sugiere un componente lineal relativamente fuerte en el movimiento de precios a largo plazo.

El polinomio de orden 6 (Verde), que tiene una correlación del 86,27 % siendo una correlación muy alta, lo que indica un excelente ajuste a los datos históricos. La observación de que este polinomio comienza a descender sugiere un ajuste o disminución a corto plazo, es una interpretación crucial. Esto resalta la naturaleza cíclica que se superpone a la fuerte tendencia a largo plazo.

El polinomio de orden 3 (morado), Indica que tiene una correlación del 75,61 %. Esta también es una correlación fuerte, lo que indica un buen ajuste, aunque no tan fuerte como el polinomio de orden 6.

El contraste entre estas tendencias ofrece información valiosa, la tendencia lineal (línea roja) refleja con solidez el fuerte crecimiento subyacente a largo plazo de DISB. Este es un indicador positivo para los inversores a largo plazo. Sin embargo, la mayor correlación de las tendencias polinómicas (especialmente las de orden 6) revela que este crecimiento a largo plazo no es uniforme, sino que se caracteriza por importantes fluctuaciones cíclicas.

Los coeficientes de correlación significativamente más altos para las regresiones polinómicas (86,27 % y 75,61 %) en comparación con la regresión lineal (62,80 %) sugieren firmemente que los modelos no lineales son muy superiores para explicar y describir las fluctuaciones de precios observadas en DISB. Si bien la tendencia lineal muestra una dirección general, los polinomios capturan el comportamiento matizado del mercado, incluyendo períodos de crecimiento acelerado, consolidación y retrocesos temporales.

La observación de que el polinomio de orden 6 muestra un ciclo descendente es crucial para las predicciones a corto plazo. A pesar de la fuerte tendencia general alcista, esto indica que, en el futuro inmediato, DISB podría experimentar una corrección de precios o un período de caída. Este es un fenómeno típico en mercados donde los precios no se mueven en línea recta, sino en ondas.

La rentabilidad se estima en un 432,97 %. Dado el aumento de precio de 1,82 a 9,70, esta sustancial rentabilidad coincide con la evidencia de un sólido crecimiento. Se trata de una rentabilidad histórica muy impresionante para el banco.

El histograma muestra que la mayoría de los precios se encuentran en el rango de 3,504 a 5,504, con 1737 ocurrencias en dicho rango y 1004 en el de 1,504 a 3,504. Esto indica que el precio ha permanecido un tiempo considerable en los rangos medio-bajos, pero la presencia de frecuencias en los rangos superiores confirma el movimiento alcista.

La curtosis de -0,4828562 sugiere una distribución platicúrtica (pico más plano, colas más claras que una distribución normal). La asimetría de -0,50632938 sugiere una asimetría negativa (cola a la izquierda). Esto es interesante porque el precio ha subido significativamente. Una asimetría negativa significa que hay más valores mínimos extremos o que la distribución está más dispersa en el extremo inferior, lo que podría deberse a los precios anteriores. Sin embargo, dada la fuerte apreciación, cabría esperar una ligera asimetría positiva si la distribución se centrara únicamente en la fase final de crecimiento. El cálculo general de la asimetría para todo el período podría verse influenciado por el largo período inicial con precios más bajos.

Los pronósticos a 90 y 180 son 6,97  y 7,08 respectivamente, estimados mediante la recta de regresión de mínimos cuadrados con un nivel de confianza del 95 %. Estos pronósticos son notablemente inferiores al precio final actual de 9,70. Esta discrepancia refuerza la idea de que el modelo lineal simple, si bien muestra una tendencia general alcista, podría estar subestimando los niveles de precios más recientes debido a la aceleración observada en la parte final de la serie, o que el precio actual se encuentra por encima de la tendencia lineal a largo plazo.

El intervalo de confianza de 0,05369774 corresponde a la media. Esto parece extremadamente estrecho para una serie de precios, lo que posiblemente indica un intervalo de confianza muy estrecho alrededor de la media de la muestra, en lugar de un intervalo predictivo de precios futuros.

El análisis proporciona información econométrica importante para DISB:

DISB presenta una fuerte tendencia determinista al alza. Esto sugiere que la serie no es estacionaria en niveles. La media aumenta claramente con el tiempo. Para aplicar un modelo ARIMA, la serie casi seguramente requeriría diferenciación para eliminar esta tendencia y lograr la estacionariedad. Una diferenciación de primer orden (d=1) sería el principal candidato, transformando la serie de precios en una serie de cambios de precios (retornos). Esto estabilizaría la media y probablemente la varianza (o al menos la haría más consistente).

La presencia de ciclos (como lo muestran los ajustes polinómicos) indica una autocorrelación significativa . Esto significa que las variaciones de precios pasadas (tras la diferenciación) probablemente guardarán relación con las variaciones de precios futuras.

El componente AR capturaría la dependencia del cambio de precio actual con respecto a los cambios de precios anteriores. El componente 'd' es crucial para que la diferenciación logre la estacionariedad. El componente MA modelaría la dependencia del cambio de precio actual en términos de error pasados, que podrían capturar shocks aleatorios de corto plazo o ruido del mercado.

Dado el largo horizonte temporal (15 años) y los claros patrones cíclicos, sería muy recomendable investigar el componente estacional (utilizando un modelo SARIMA). ¿Existen patrones que se repitan anual, trimestral o mensualmente y que contribuyan a estos ciclos? Analizar la Función de Autocorrelación (FCA) y la Función de Autocorrelación Parcial (FAP) de las series diferenciadas ayudaría a identificar posibles componentes de AR, MA y estacionalidad.

Aunque no se analizan explícitamente, las series temporales financieras suelen presentar agrupamiento de volatilidad (heteroscedasticidad), donde los períodos de alta volatilidad van seguidos de otros de alta volatilidad, y viceversa. Si bien un modelo ARIMA asume una varianza constante de los residuos, la inspección visual del gráfico muestra que la magnitud de las fluctuaciones parece aumentar a medida que aumenta el precio. Esto sugiere que un modelo GARCH (Heteroscedasticidad Condicional Autorregresiva Generalizada) podría ser necesario, además de ARIMA o en conjunto con este, para modelar y pronosticar con precisión la volatilidad del precio de DISB.

La fuerte tendencia y los ciclos evidentes indican que un modelo AR(p) o MA(q) simple sería insuficiente. Un modelo ARIMA(p,1,q) sería un buen punto de partida, posiblemente ampliable a SARIMA (p,1, q) (P,D,Q) si se detecta estacionalidad.

El hecho de que los pronósticos de regresión lineal (6,97, 7,08) sean significativamente inferiores al precio actual (9,70) pone de relieve sus limitaciones para la precisión de los pronósticos a corto plazo, especialmente cuando la serie presenta un marcado comportamiento no lineal en sus extremos. Los modelos ARIMA suelen ser más robustos para los pronósticos de series temporales, ya que consideran las estructuras subyacentes dependientes del tiempo.

La mayor correlación de los ajustes polinomiales para DISB también sugiere que sus impulsores subyacentes podrían ser más consistentes o predecibles en su comportamiento cíclico.

El DISB muestra una marcada tendencia alcista a largo plazo, pero con claros patrones cíclicos superpuestos. Para el análisis econométrico y la previsión de series temporales, un modelo lineal simple resulta inadecuado. Un modelo ARIMA (que probablemente requiera diferenciación de primer orden) es muy adecuado para capturar la tendencia y la autocorrelación. Además, investigar la estacionalidad y considerar modelos como GARCH para considerar la posible agrupación por volatilidad mejoraría la robustez y la precisión de cualquier análisis econométrico y previsión para el DUBAI ISLAMIC BANK.

HSBC: RADIOGRAFÍA FINANCIERA 2010-2025 - COMPRENDER EL PASADO PARA ANTICIPAR EL FUTURO DE HSBA

 

HSBC Holdings plc (HSBC) es la compañía de servicios bancarios y financieros. La Compañía administra sus productos y servicios a través de cuatro negocios: Banca Minorista y Gestión Patrimonial, Banca Comercial, Banca Global y Mercados, y Banca Privada Global. Opera en varias regiones geográficas, que incluyen Europa, Asia, Medio Oriente y Norte de África, América del Norte y América Latina.

El primer gráfico, "HSBC HOLDING PLC (HSBA)", muestra el comportamiento del precio desde el 4 de enero de 2010 hasta el 23 de julio de 2025. La línea azul representa el precio de la acción, que comienza alrededor de 88,25 y termina alrededor de 100,00.

La tendencia lineal o línea roja o de regresión de mínimos cuadrados indica una ligera tendencia alcista en el precio a largo plazo. Esto sugiere que, a pesar de las fluctuaciones, el precio de las acciones de HSBC ha estado, en promedio, aumentando durante este período de 15 años.

La línea verde (polinomio de orden 6) y la línea violeta (polinomio de orden 3) se utilizan para capturar patrones y ciclos más complejos y no lineales en el comportamiento del mercado.

Su observación de que el polinomio de orden 6 (verde) muestra que el ciclo comienza a descender es crucial. Esto, de hecho, sugiere un posible ajuste o disminución de precios a corto plazo. Los polinomios, especialmente los de orden superior, pueden ser útiles para identificar puntos de inflexión y comportamiento cíclico, incluso si en algunos casos pueden sobreajustar los datos.

El hecho de que ambos polinomios, a pesar de diferentes órdenes, muestren un comportamiento similar en el último tiempo (el giro descendente) refuerza la idea de un próximo declive a corto plazo.

La media de 65,826046 es el precio promedio de las acciones de HSBC durante el período. La mediana de 66,70 es el valor medio al ordenar los precios, lo que sugiere una distribución ligeramente sesgada. La moda de 86,7 es el precio observado con mayor frecuencia.

La desviación estándar de 14,429491, mide la dispersión o volatilidad del precio de la acción en torno a la media. Una desviación estándar más alta indica mayores fluctuaciones de precios.

La varianza de 208,210214 corresponde al cuadrado de la desviación estándar y proporciona otra medida de la dispersión de precios.

La asimetría de -0,28617373. Una asimetría negativa indica que la cola izquierda de la distribución es más larga o ancha, lo que significa que hay más observaciones en el lado superior de la media, pero también algunos valores extremadamente bajos. La curtosis -0,86481375. Una curtosis negativa (platicúrtica) sugiere que los datos tienen colas más claras y menos valores atípicos que una distribución normal.

El Nivel de confianza (95%) 0,45706743.  representa el margen de error de la media con un nivel de confianza del 95%, lo que significa que tenemos un 95% de confianza en que la media real de la población se encuentra dentro del intervalo calculado.

La Rentabilidad 13,31%, representa la rentabilidad histórica del periodo.

El pronóstico a 90 días es de 53.26 y de 180 días de 52.70. Estos pronósticos se basan en la línea de regresión de mínimos cuadrados (línea roja) y datos históricos, con un nivel de confianza del 95%.

Es interesante observar que los pronósticos (53,26 y 52,70) son significativamente inferiores al precio actual (alrededor de 100) y a la media histórica (65,82). Esto sugiere que, si bien la tendencia a largo plazo es alcista, el modelo lineal, al proyectarse, predice una disminución notable con respecto a los niveles actuales. Esto podría deberse a la pendiente específica del ajuste lineal en relación con las fluctuaciones recientes de precios, o al impacto de datos más antiguos en la regresión lineal.

El histograma muestra la distribución de frecuencias de los precios de HSBC en diferentes intervalos de clase.

El rango de precios más frecuente parece estar alrededor de 68,2-73,2, con un alto número de observaciones (1012). La distribución parece tener forma de campana pero tiende hacia frecuencias más altas en los rangos medios. El número total de observaciones (3831) coincide con el "Recuento" en su tabla de resumen estadístico.

El contraste entre la tendencia ascendente lineal y el giro descendente inmediato indicado por las tendencias polinomiales de orden superior ofrece información econométrica importante

La tendencia lineal (línea roja) refleja la dirección subyacente a largo plazo del precio de la acción, que es ligeramente positiva. Esto sugiere que, durante una década y media, la demanda ha superado en general la oferta, o que los fundamentos de la empresa han mejorado lentamente.

Las tendencias polinómicas, especialmente la de orden 6, resaltan los ciclos del mercado y los posibles cambios en el sentimiento. El descenso observado en el polinomio indica que, a pesar del sesgo alcista a largo plazo, el mercado está entrando actualmente en una fase bajista a corto plazo. Esto podría deberse a diversos factores, como:

Correcciones del mercado, después de un período de crecimiento, podría estar ocurriendo una corrección natural. Noticias específicas de la empresa noticias negativas, decepciones en las ganancias o cambios en la orientación para HSBC.

Vientos macroeconómicos en contra preocupaciones económicas más amplias (tasas de interés, inflación, temores de recesión) que afectan al sector bancario.

Resistencia técnica, el precio podría haber alcanzado un nivel de resistencia técnica, lo que genera presión de venta.

Desafíos de la previsión, este contraste subraya el desafío de la previsión. Un modelo puramente lineal podría pasar por alto reversiones cruciales a corto plazo y movimientos cíclicos, lo que podría generar pronósticos imprecisos si no se combina con otras herramientas analíticas. El hecho de que el modelo lineal proyecte precios significativamente más bajos que los niveles actuales, mientras que los modelos polinómicos muestran una caída inmediata, apunta a una posible "reversión a la media" o una fase correctiva pronunciada.

Los datos y el análisis proporcionados son idóneos para un modelo ARIMA (Media Móvil Integrada Autorregresiva) u otras técnicas de análisis de series temporales. Esto es lo que se puede observar:

El primer paso en el modelado ARIMA consiste en  evaluar la estacionariedad de la serie temporal. Una serie es estacionaria si sus propiedades estadísticas (media, varianza, autocorrelación) no cambian con el tiempo. Al observar el gráfico "PRECIO DE LA ACCIÓN", la serie de precios no parece ser perfectamente estacionaria debido a la evidente tendencia.

Probablemente necesite diferenciar la serie (por ejemplo, calcular los rendimientos diarios o logarítmicos) para que sea estacionaria. Este es el componente "Integrado" (I) de ARIMA.

Una vez diferenciadas, analizará los gráficos de la Función de Autocorrelación (ACF) y la Función de Autocorrelación Parcial (PACF) de las series diferenciadas.

El gráfico de precios inicial muestra una fuerte autocorrelación positiva, lo cual es típico de las series no estacionarias con tendencia.

Aunque no se desprende explícitamente de los gráficos proporcionados, los datos a largo plazo podrían presentar patrones estacionales (por ejemplo, efectos de fin de trimestre, meses específicos). Los gráficos de ACF/PACF ayudarían a identificarlos. Los patrones en los gráficos ACF y PACF (por ejemplo, picos, patrones de descomposición) ayudarían a determinar los órdenes apropiados para los componentes AR (p) y MA (q) del modelo ARIMA.

Con base en la ACF/PACF, se propondrían varios modelos ARIMA candidatos (p. ej., ARIMA (1,1,0), ARIMA (0,1,1), etc.). Posteriormente, se estimarían sus parámetros y se utilizarían criterios de información (AIC, BIC) para seleccionar el modelo con mejor ajuste.

Un modelo ARIMA está diseñado específicamente para el pronóstico de series temporales. Una vez identificado y validado un modelo adecuado, puede utilizarse para generar predicciones de precios futuros, junto con intervalos de confianza. Si bien las regresiones polinómicas pueden capturar tendencias y ciclos no lineales, no son estrictamente modelos de series temporales y no consideran explícitamente la estructura de autocorrelación inherente a los datos financieros. Los modelos ARIMA, en cambio, se basan en esta autocorrelación.

La observación de que los modelos polinómicos muestran un descenso a corto plazo, mientras que el modelo lineal pronostica precios más bajos a mediano plazo, sugiere que el mercado podría encontrarse en un período de ajuste significativo de las tendencias pasadas. Un modelo ARIMA podría capturar la persistencia específica y el comportamiento oscilatorio de los rendimientos que podrían estar impulsando esta corrección a corto plazo. Por ejemplo, un componente "q" (media móvil) alto podría indicar que los errores de pronóstico pasados tienen un impacto significativo en las predicciones actuales, o un componente "p" (autorregresivo) alto podría indicar que las fluctuaciones de precios pasadas influyen fuertemente en las actuales.

La visión combinada de la tendencia lineal a largo plazo y las perspectivas cíclicas a corto plazo obtenidas mediante regresiones polinómicas proporciona una base sólida. La incorporación de ARIMA u otros modelos de series temporales enriquecería aún más el análisis al considerar rigurosamente las dependencias temporales en los datos de precios de las acciones, lo que proporcionaría pronósticos más sólidos y una comprensión más profunda del proceso subyacente de generación de datos. Los indicadores actuales apuntan a un ajuste de precios a corto plazo para HSBC.