Descomposicion de variables: caso iShares Core MSCI Emerging Markets ETF (IEMG)
Jose Alberto Hernandez Dado
06 de septiembre 2019
iShares Core MSCI Emerging Markets ETF (IEMG)
iShares Core MSCI Emerging Markets ETF (IEMG) El ETF iShares Core MSCI Emerging Markets busca hacer un seguimiento de los resultados de inversión de un índice compuesto por acciones de mercados emergentes de capitalización grande, media y pequeña.[1]
El ETF iShares Core MSCI Emerging Markets busca resultados de inversión que correspondan en general al desempeño, en términos de precio y rendimiento, antes de comisiones y costos, del índice MSCI Emerging Markets Index (el “Índice”).[2]
Comportamiento del precio de cierre de IEMG: 02 de enero de 2015 al 02 de septiembre de 2019
En el siguiente gráfico se muestra el comportamiento del ETF iShares Core MSCI Emerging Markets ETF (IEMG) a partir del 2 de Enero del 2015 al 5 de septiembre de 2019. La tendencia que presenta el ETF del 02 Enero de 2015 al 20 de Enero de 2016 es negativa, registrando su peor caída de precio durante el período de estudio, pasando de $46.59 MXN (precio de cierre del 02 de Enero del 2015) a $34.69 MXN (precio de cierre del 20 de Enero del 2016).
Dos años más tarde, el 26 de Enero del 2018, el precio de cierre alcanza su máximo cerrando en $62.69 MNX.2018 fue un año de altibajos para el ETF IEMG, porque meses después de alcanzar su máximo, comenzó con una tendencia a la baja.
Figura 1. Precio de cierre de IEMG
Precio<- xts(x= Data$Close, order.by = Data$Date)
colnames(Precio)<- c("Cierre")
p <- dygraph(Precio) %>%
dyOptions(labelsUTC = TRUE, fillGraph=TRUE, fillAlpha=0.5, drawGrid = F, colors="mediumspringgreen") %>%
dyRangeSelector() %>%
dyCrosshair(direction = "vertical") %>%
dyHighlight(highlightCircleSize = 5, highlightSeriesBackgroundAlpha = 0.2, hideOnMouseOut = F) %>%
dyRoller(rollPeriod = 1)
pFuente: elaboración propia con datos de Yahoo Finance
El ETF iShares Core Emerging Markets ( IEMG ) fue el cuarto ETF más popular en agosto, con más de $ 1.5 mil millones en activos, según un nuevo informe mensual de flujos de ETF de FactSet Research Systems.[3]
## Numero de dias que cotiza el instrumento por a?o
years <- format(Data$Date, "%Y")
View(years)
tab <- table(years) #Saca la frecuencia de los datos
tabyears
2015 2016 2017 2018 2019
252 252 251 251 172 ## Numero de dias que cotiza en promedio por a?o
# Esto es para seleccionar la ventana de tiempo "optima"
mean(tab[1:(length(tab) - 1)]) #mean me permite sacar promedios[1] 251.5Descomposición tomando el año bursátil
Tomando en cuenta el año buesátil de las cotizaciones por año del ETF, se obtiene que w= 252 días.En la figura 2 se muestra la descomposición de variables del ETF IEMG.
Figura 2. Descomposición de variables del ETF IEMG, w = 252 días
IEMG_des <- ts(Data$Close, start = c(2015,01,02), frequency = 252) #ts convierte en series tiempo la serie
IEMG_des %>% stl(s.window='periodic') %>% autoplot #stl hace la descomposici?n
Fuente: elaboración propia con datos de Yahoo Finance
En la Figura 2 de observa lo siguiente: La primera gráfica se trata del precio de cierre del ETF IEMG de acuerdoo al período de muestra que se utilizó, después, se puede observar el componente tendencial el cual muestra un comportamiento similar a la grafica del precio de cierre pero con la serie más suavizada. En la tercer gráfica se encuentra el componente estacional dejando ver las variaciones que presenta la serie, siguiendo el ritmo del precio de cierre del ETF. Por último, se observa que el componente tiene un resultado irregular. Tomando esta descomposición, se realiza un pronóstico 100 días tomando la ventana de 252 días que refleja el número de días de las cotizaciones durante el año bursátil.Figura 3.
Figura 3. Pronóstico a 100 días tomando una ventana estacional \(w=252\) días
Fuente: elaboración propia con datos de Yahoo Finance
El pronóstico de la Figura 3 con \(w\) = 252 se apega al comportamiento de la seríe sugiriendo una tendenia lateral para los siguientes 100 días.En el pronóstico se forma un máximo que ronda sobre los $49 MXN.
En concreto, los resultados del pronóstico para los días 03, 04 y 05 de septiembre, comparados con los datos reales registrados son los siguientes:
Comparativo de pronósticos contra dato real
| Fecha | Precio Real | Pronóstico w = 252 | Diferencial |
|---|---|---|---|
| 03-sep-2019 | $47.98 | $49.26492 | -1.28 |
| 04-sep-2019 | $48.81 | $48.98646 | -0.18 |
| 05-sep-2019 | $49.377 | $48.91816 | 0.45 |
Considerando el año bursátil de las cotizaciones del ETF con \(w\) = 252, el diferencial que se obtiene para el primer dato pronósticado es de -1.28, que no tiene gran diferencia con el dato real.
A continuación, se realizarán diferentes pronósticos con un cambio en la ventana estacional.
Descomposición tomando el promedio de cotizaciones diarias
Tomando en cuenta el promedio \(\bar{x}\) de las cotizaciones por año del ETF partir de la muestra utilizada, se obtiene que \(\bar{x}\) = 251.5 días, por lo que redondearemos el número hacia abajo quedandonos con \(\bar{x}\) = 251. En la Figura 4 se presenta la descomposición de variables del ETF:
Figura 4. Descomposición de variables tomando en cuenta promedio de cotizaciones diarias del ETF IEMG, w = 251 días
IEMG_des <- ts(Data$Close, start = c(2015,01,02), frequency = 251) #ts convierte en series tiempo la serie
IEMG_des %>% stl(s.window='periodic') %>% autoplot #stl hace la descomposici?n
Fuente: elaboración propia con datos de Yahoo Finance
En la Figura 4 de observa lo siguiente: La primera gráfica se trata del precio de cierre del ETF IEMG de acuerdo alpromedio de días del período de muestra que se utilizó, después, se puede observar el componente tendencial el cual muestra un comportamiento similar a la grafica del precio de cierre pero comn períodos de altibajos más nototios. En la tercer gráfica se encuentra el componente estacional observando las variaciones y notanto cierto patrón a través del tiempo. El cuarto y último componente parece tener un cpmportamiento similar al estacional.
Figura 5. Pronóstico a 100 días tomando una ventana estacional \(w=251\) días
Fuente: elaboración propia con datos de Yahoo Finance
El pronóstico de la Figura 5 con \(w\) = 251 se apega al comportamiento de la seríe sugiriendo una tendenia lateral para los siguientes 100 días.En el pronóstico se forma un máximo que ronda sobre los $49.32409 MXN.Se nota un repunte en el precio para 2020.
n concreto, los resultados del pronóstico para los días 03, 04 y 05 de septiembre, comparados con los datos reales registrados son los siguientes:
Comparativo de pronósticos contra dato real
| Fecha | Precio Real | Pronóstico w = 251 | Diferencial |
|---|---|---|---|
| 03-sep-2019 | $47.98 | $48.95690 | -0.98 |
| 04-sep-2019 | $48.81 | $48.83314 | -0.02 |
| 05-sep-2019 | $49.377 | $49.32409 | 0.05 |
Considerando el promedio de días que cotiza el ETF con \(w\) = 251, el diferencial que se obtiene para el primer dato pronósticado es de -0.98, que no tiene gran diferencia con el dato real y a comparación con el primer pronóstico, éste va disminuyendo.
Descomposición tomando en cuenta una ventana estacional de w=250 días
Tomando en cuenta una ventana estacional de w=250, a continuación se presenta la descomposición de variables del ETF:
Figura 6. Descomposición de variables tomando en cuenta promedio de cotizaciones diarias del ETF IEMG, w = 250 días
IEMG_des <- ts(Data$Close, start = c(2015,01,02), frequency = 250) #ts convierte en series tiempo la serie
IEMG_des %>% stl(s.window='periodic') %>% autoplot #stl hace la descomposici?n
Fuente: elaboración propia con datos de Yahoo Finance
En la Figura 4 de observa lo siguiente: La primera gráfica se trata del precio de cierre del ETF IEMG tomando una ventana estacional de w=250. En segundo lugar se encuentra el componente tendencial el cual muestra un comportamiento con altibajos más notorios que con el pronóstico del promedio. Para el componente estacional se observa un patrón similar en distintos períodos de tiempo.
Figura 7. Pronóstico a 100 días tomando una ventana estacional \(w=250\) días
subcojunto <- window(IEMG_des, start = 2017)
autoplot(subcojunto) + geom_forecast(h=100)+
ggtitle("Pronóstico de IEMG a 100 días, w= 250")
Fuente: elaboración propia con datos de Yahoo Finance
El pronóstico de la Figura 7 con \(w\) = 250 muestra una importante alza en el precio para 2020. En el pronóstico se forma un máximo de $49.20 MXN, teniendo una leve disminución con respecto al pronóstico anterior.
En concreto, los resultados del pronóstico para los días 03, 04 y 05 de septiembre, comparados con los datos reales registrados son los siguientes:
Comparativo de pronósticos contra dato real
| Fecha | Precio Real | Pronóstico w = 250 | Diferencial |
|---|---|---|---|
| 03-sep-2019 | $47.98 | $49.07 | -1.09 |
| 04-sep-2019 | $48.81 | $49.08 | -0.27 |
| 05-sep-2019 | $49.377 | $49.20 | 0.17 |
Considerando una ventana estacional de W=250, el diferencial que se obtiene en el primer dato pronósticado es de -1.09, obteniendo hasta el momento como mejor pronóstico el del año bursátil. El pronóstico tiene muy poca variación en cuanto a los precios de cierre reales.
Descomposición tomando en cuenta una ventana estacional de w=253 días
Tomando en cuenta una ventana estacional de w=253, a continuación se presenta la descomposición de variables del ETF:
Figura 8. Descomposición de variables con una ventana estacional de w = 253 días
IEMG_des <- ts(Data$Close, start = c(2015,01,02), frequency = 253) #ts convierte en series tiempo la serie
IEMG_des %>% stl(s.window='periodic') %>% autoplot #stl hace la descomposici?n
Fuente: elaboración propia con datos de Yahoo Finance
En la Figura 8 de observa lo siguiente: La primera gráfica se trata del precio de cierre del ETF IEMG tomando una ventana estacional de w=253. En segundo lugar se encuentra el componente tendencial el cual parece seguir teniendo el mismo comportamiento con respecto a los pronósticos anteriores. Para el componente estacional se observa de nuevo un patrón más marcado.
Figura 9. Pronóstico a 100 días tomando una ventana estacional \(w=253\) días
subcojunto <- window(IEMG_des, start = 2017)
autoplot(subcojunto) + geom_forecast(h=100)+
ggtitle("Pronóstico de IEMG a 100 días, w= 253")
Fuente: elaboración propia con datos de Yahoo Finance
El pronóstico de la Figura 9 con \(w\) = 253 ya no se muestra una alza en el precio tan pronunciada para 2020. En el pronóstico se forma un máximo de $48.87 MXN, teniendo una disminución con respecto al pronóstico anterior.
En concreto, los resultados del pronóstico para los días 03, 04 y 05 de septiembre, comparados con los datos reales registrados son los siguientes:
Comparativo de pronósticos contra dato real
| Fecha | Precio Real | Pronóstico w = 253 | Diferencial |
|---|---|---|---|
| 03-sep-2019 | $47.98 | $48.24 | -0.26 |
| 04-sep-2019 | $48.81 | $48.62 | 0.19 |
| 05-sep-2019 | $49.377 | $48.88 | 0.49 |
Considerando una ventana estacional de W=253, el diferencial que se obtiene en el primer dato pronósticado es de -0.26, siendo hasta el momento el mejor pronóstico. El pronóstico cada vez tiene menos variación en cuanto a los precios de cierre reales.
Descomposición tomando en cuenta una ventana estacional de w=249 días
Tomando en cuenta una ventana estacional de w=249, a continuación se presenta la descomposición de variables del ETF:
Figura 10. Descomposición de variables con una ventana estacional de w = 249 días
IEMG_des <- ts(Data$Close, start = c(2015,01,02), frequency = 249) #ts convierte en series tiempo la serie
IEMG_des %>% stl(s.window='periodic') %>% autoplot #stl hace la descomposici?n
Fuente: elaboración propia con datos de Yahoo Finance
En la Figura 10 de observa lo siguiente: La primera gráfica se trata del precio de cierre del ETF IEMG tomando una ventana estacional de w=249, hay un corto período donde no existen tantas variaciones. En segundo lugar se encuentra el componente tendencial en donde se puede observar una subida pronunciada después de un período bajista. Para el componente estacional cada pronóstico se va observando un patrón más marcado, esta vez con bajas más pronunciadas.
Figura 11. Pronóstico a 100 días tomando una ventana estacional \(w=249\) días
subcojunto <- window(IEMG_des, start = 2017)
autoplot(subcojunto) + geom_forecast(h=100)+
ggtitle("Pronóstico de IEMG a 100 días, w= 249")
Fuente: elaboración propia con datos de Yahoo Finance
El pronóstico de la Figura 11 con \(w\) = 249 se observa para 2020 un período constante de recuperación. En el pronóstico se forma un máximo de $48.12 MXN, teniendo una disminución con respecto al pronóstico anterior pero con una variación mínima.
En concreto, los resultados del pronóstico para los días 03, 04 y 05 de septiembre, comparados con los datos reales registrados son los siguientes:
Comparativo de pronósticos contra dato real
| Fecha | Precio Real | Pronóstico w = 249 | Diferencial |
|---|---|---|---|
| 03-sep-2019 | $47.98 | $48.88 | -0.90 |
| 04-sep-2019 | $48.81 | $48.77 | 0.04 |
| 05-sep-2019 | $49.377 | $48.75 | 0.62 |
Considerando una ventana estacional de W=249, el diferencial que se obtiene en el primer dato pronósticado es de -0.90, continuando con el de ventana estacional de w= 253 como mejor pronóstico. El pronóstico para el 4 de septiembre tiene una muy mínima variación.
Siendo el mejor pronóstico el que tiene una ventana estacional de w=253, con base a éste se va a realizar un pronóstico para el día 9 de septiembre.
Pronóstico para el día 9 de Septimbre del 2019 tomando en cuenta una ventana estacional de \(w\)=253
#Gráfico del pronóstico
autoplot(pronostico) + geom_forecast(h=100) + #h es el número de días a pronosticar
ylab("Precio de cierre") +
xlab("Tiempo") +
ggtitle("Pronóstico de IEMG a 100 días")
El pronóstico indica que el precio de cierre del ETF IEMG para el día 9 de Septiembre de 2019, será de 49.05197. El precio de cierre real del día 6 de septiembre del 2019 fue de 49.55, por lo que el pronóstico para el día 9 arroja que el precio de cierre será menor con respecto al día anterior, por lo que es recomendable comprar la acción para ese día.
Referencias
[1]https://www.ishares.com/us/products/244050/ishares-core-msci-emerging-markets-etf
[2] https://www.blackrock.com/mx/intermediarios/productos/244050/ishares-core-msci-emerging-markets-etf