Modelo ARIMA y SARIMA para empresa CEMEX
Gutierrez Bustos Jesus Alan
20/10/2019
“Pronosticos de la Empresa CEMEX con modelos ARIMA Y SARIMA”
Descripción de la Emisora
CEMEX es una compañía global de materiales para la industria de la construcción que ofrece productos de alta calidad y servicios confiables a clientes y comunidades en América, Europa, África, Medio Oriente y Asia. La red de operaciones produce, distribuye y comercializa cemento, concreto premezclado, agregados y otros productos relacionados en más de 50 países, a la vez que se mantienen relaciones comerciales en aproximadamente 102 naciones. CEMEX fue fundada en México en 1906 y desde entonces se ha crecido desde ser un participante local hasta llegar a ser una de las primeras empresas globales de nuestra industria.La meta de la empresa es satisfacer las necesidades de nuestros clientes y crear valor para nuestros grupos de interés consolidándonos como la compañía de materiales para la construcción más eficiente e innovadora del mundo.
Esta accion es una de las que no se pudo recuperar por completo desde las crissis del 2008, ya que desde esa fecha no ha llegado nisiquiera a la mitad de ese precio pero como se puede observar en el grafico, la accion habia mantenido su precio en la accion entre 10 y 15 pesos desde 2013 hasta mediados del 2015, pero podemos ver que a fianles del año 2015 esta presento minimos historicos esto debido a hechos como:
+ Una oleada en la cotización del dólar estadounidense que hace que la deuda denominada en dólares de la compañía sea más cara de pagarla, que en esos tiempos el 85 por ciento de su deuda esta en dólares.
+ Debiles datos en su presentacion de datos financieron ya que informaron que sus ventas cayeron un 9% a nivel mundial y 19% a nivel nacionalSe pudo recuperar de esta caida gracias a:
+ un nuevo plan de venta de activos y reducción de gastos para acelerar la recuperación de su grado de inversión.
+ Vendio activos por entre 1,000 y 1,500 millones de dólares en los próximos dos años para bajar su deuda en 2,000 millones de dólares en ese período. CEMEX IPC
CEMEX 1.0000000 0.5250656
IPC 0.5250656 1.0000000 CEMEX IPC
CEMEX 1.0000000 0.5892631
IPC 0.5892631 1.0000000Aqui podemos ver la correlacion que tiene CEMEX con el IPC, vemos que esta es bastante ya que supero por poco el 50% en precios y por parte de los rendimientos vemos que la correlacion es casi del 60%.
Es importante saber la correlacion que existe entre estos dos , ya que cuando a alguna le suceda algo importante, esta impactara a la otra en esa proporcion a su precio.Rendimientos
Figura: CEMEX en rendimientos: enero 2013 - octubre 2019
En este grafico de rendimientos podemos observar cuatro puntos clave los cuales se comentaran a continuacion:
+ 5-Feb-2015 y 4-Feb-2016: En estas dos fechas se tuvo una considerable alza en los rendimiento debido a que alrededor de estas fechas es cuando CEMEX da su reporte trimestral de resultados. En el cual se ve lo que se tiene planeado con la empresa, asi como lo que sucedio en el trimestre anterior. En estas dos fechas le gusto a los inversionistas lo que vieron en este reporte por ende hubo mayor rendimiento.
+ 24-Jul-2016:Esta caida de debe a una oleada de ventas de activos a nivel internacional que provocó el Brexit ya que se voto por la salida del Reino Unido de la Unión Europea,donde se obtuvieron el 51.9% de los votos frente al 48.1% de los que apoyaban la permanencia. Esto afectó a la accion ya que este evento no estaba previsto por los inversionistas
+ 29-AGO-2019: Este punto alcista fue debido a que se reporto que ganaban por décima jornada consecutiva debido a compras de oportunidad después de haber caído hasta su menor nivel desde finales de 2011. Figura: Histogramas de rendimientos y a niveles
Podemos ver en el grafico de puntos base, que esta no cuenta con una distribucion normal a simple vista y por otro lado la grafica de rendimientos, se puede observar que aparenta ser una distribucion normal, pero si se presta un poco mas de atencion podemos ver que hay mas datos en la cola negativa, lo cual nos da a entender que contamos con datos atipicos.
Como sabemos estos graficos lo que representan es como estan distribuidos los datos a treves de cuantiles, el cual nos permite observar si se cuenta con una correcta distribucion, la desventaja de esta prueba es que solo es una prueba visual, lo cual depende mas de un criterio propio para tomar una decisión.
Podemos ver que en el grafico a niveles hay una menor cantidad de datos sobre la linea recta y a su vez no se comporta de manera recta sobre esta, ya que lo ideal es que se diera un seguimiento simultaneo de la linea recta, lo cual no es asi. Si no que hay datos que salen y entran sobre la linea, lo cual nos dice que no estan correctamente distribuidos.
De igual manera en el grafico de rendimientos, podemos ver una mayor cantidad de datos sobre la recta, el unico detalle es que las puntas estan fuera de esta.
Lo cual nos da a entender que en caso de trabajar con alguno de estos dos datos es mejor el grafico de rendimientos por lo anteriomente dicho.Pruebas de raíces unitarias Dickey Fuller Aumentada (DFA), Phillips Perron (PP) y KPSS en las seriesa niveles y en rendimientos
Augmented Dickey-Fuller Test
data: CEMEXCPO.MX
Dickey-Fuller = -1.5446, Lag order = 11, p-value = 0.7711
alternative hypothesis: stationary
Augmented Dickey-Fuller Test
data: CEMEXCPO.MX_R
Dickey-Fuller = -11.333, Lag order = 11, p-value = 0.01
alternative hypothesis: stationary
Phillips-Perron Unit Root Test
data: CEMEXCPO.MX
Dickey-Fuller = -1.6168, Truncation lag parameter = 8, p-value =
0.7405
Phillips-Perron Unit Root Test
data: CEMEXCPO.MX_R
Dickey-Fuller = -39.53, Truncation lag parameter = 8, p-value =
0.01
KPSS Test for Level Stationarity
data: CEMEXCPO.MX
KPSS Level = 2.3505, Truncation lag parameter = 8, p-value = 0.01
KPSS Test for Level Stationarity
data: CEMEXCPO.MX_R
KPSS Level = 0.24311, Truncation lag parameter = 8, p-value = 0.1# A tibble: 3 x 3
Prueba niveles Rendimientos
<chr> <dbl> <dbl>
1 DFA 0.77 0.01
2 PP 0.740 0.01
3 KPSS 0.01 0.1
- Dickey Fuller Aumentada Aunque esta prueba sea denominada de baja potencia,lo que hace esta es revisar si hay raices unitarias en un proceso AR de orden P. En este caso en especifico podemos ver que el valor p. en niveles es de 0.77 lo cual nos dice que tiene raiz unitaria.
El valor p. de rendimientos nos dice que esta serie no cuenta con raiz unitaria, pero como se dijo anteriormente esta es una prueba de baja potencia ya que deja a un lado los valores MA y solo toma en cuenta los valores AR.
Phillips Perron En esta prueba podemos ver un comportamiento parecido al de DFA, ya que una vez realizadas las pruebas, la unica que tiene raiz unitaria es la serie de niveles, ya que su valor de p. es mayot a 0.5. Entonces a pesar de que esta serie ya toma en cuenta los valores MA se sigue comportando de manera semejante.
- Prueba KPSS Lo que hace la prueba KPSS es decirnos si la serie es estacionaria. Entonces esta es una prueba a la cual se le otorga una mayor confianza que las dos anteriores, nos dice que es mas recomendable trabajar los datos con rendimientos ya que su valor de p. es mayor a 0.05 por ende no se rechaza la Ho.
Pronostico con ARIMAS
AutoARIMA
Series: CEMEXCPO.MX
ARIMA(2,1,2)
Coefficients:
ar1 ar2 ma1 ma2
-0.7111 -0.9161 0.7185 0.9481
s.e. 0.0331 0.0689 0.0265 0.0563
sigma^2 estimated as 0.05512: log likelihood=53.08
AIC=-96.17 AICc=-96.13 BIC=-68.99[1] -96.16883El AUTOARIMA que recomienda R fue (2,1,2) este devuelve el mejor modelo ARIMA según el valor AIC, AICc o BIC. La función realiza una búsqueda sobre el posible modelo dentro de las restricciones de orden proporcionadas.
Ljung-Box test
data: Residuals from ARIMA(2,1,2)
Q* = 11.393, df = 6, p-value = 0.07697
Model df: 4. Total lags used: 10
Los residuales en la prueba ACF lo que busca es que la funcion de autocorrelacion tenga un valor entre 0.5 y -0.5, podemos ver que con el autoarima solamente dos lineas son las que sobresalen esa cantidad lo cual se interpreta como un modelo “pasable”, mas no optimo.
Y la distribucion que parece ser una curva normal, en realidad no lo es ya que tiene una mayor cantiddad de datos en el lado izquierdo y por ende se tiene que buscar una mejor funcion ARIMA. El p. value de la prueba Ljung Box nos dice es aceptable aunque no confiable ya que es de 0.07, cuando el limite es 0.05.
Este grafico podemos ver que el problema esta en los pronosticos, ya que estos realmente solo oscilan en unos centavos, por ende es mejor buscar un modelo mas optimo, para asi aplicar un ARIMA.
En este grafico se muestra lo antes dicho, este modelo si esta pasable, pero al limite ya que los puntos estan a nada de salir de la circuferencia, lo cual habla de lo poco optimo que es este ARIMA.
Propuesta 2
Call:
arima(x = CEMEXCPO.MX, order = c(1, 1, 3))
Coefficients:
ar1 ma1 ma2 ma3
0.5390 -0.5200 0.0282 -0.0765
s.e. 0.1963 0.1958 0.0283 0.0245
sigma^2 estimated as 0.05501: log likelihood = 52.89, aic = -95.78[1] -95.77563
Ljung-Box test
data: Residuals from ARIMA(1,1,3)
Q* = 5.1295, df = 6, p-value = 0.5273
Model df: 4. Total lags used: 10Este modelo que despues de una comparacion entre diversas combinaciones de ARIMA fue una de las opciones mas optimas ya que esta de igual manera solo se salen dos lineas en el ACF,pero estas se salen en menor cantidad comparado con el Autoarima. De igual manera la curva normal se muestra mejor que el autoarima.
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
1699 7.349676 7.049095 7.650257 6.889977 7.809375
1700 7.361340 6.932192 7.790487 6.705015 8.017664
1701 7.358248 6.824213 7.892284 6.541511 8.174985
1702 7.356582 6.743522 7.969642 6.418988 8.294176
1703 7.355684 6.676619 8.034749 6.317143 8.394225
1704 7.355200 6.617911 8.092489 6.227613 8.482787
1705 7.354939 6.564648 8.145230 6.146293 8.563585
1706 7.354798 6.515321 8.194276 6.070929 8.638668
1707 7.354723 6.469030 8.240416 6.000172 8.709273
1708 7.354682 6.425192 8.284171 5.933151 8.776213
1709 7.354660 6.383411 8.325908 5.869263 8.840056
1710 7.354648 6.343396 8.365899 5.808072 8.901223
En esta prueba se muestra mejor el modelo ya que los puntos estan mas cerca del centro de la circuferencia lo cual da a entender que es un mejor modelo que el autoarima y por ende podria servir mas para trabajarlo en un pronostico.
Figura: Propuesta 3
Call:
arima(x = CEMEXCPO.MX, order = c(1, 1, 1))
Coefficients:
ar1 ma1
0.2177 -0.1908
s.e. 0.3532 0.3536
sigma^2 estimated as 0.05532: log likelihood = 48.2, aic = -90.4[1] -90.39971
Ljung-Box test
data: Residuals from ARIMA(1,1,1)
Q* = 15.005, df = 8, p-value = 0.05905
Model df: 2. Total lags used: 10En esta estimacion podemos observar que es muy parecido al ARIMA (3,1,1) pero este es mejor en su termino AIC lo cual lo hace mas optimo. De igual manera la distribucion normal se comporta mucho mejor al pasado modelo, por ende se trabajara con este modelo para la busqueda de un buen pronostico.
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
1699 7.353405 7.051991 7.654819 6.892432 7.814378
1700 7.354146 6.922097 7.786196 6.693384 8.014909
1701 7.354308 6.821784 7.886832 6.539883 8.168733
1702 7.354343 6.737304 7.971381 6.410664 8.298022
1703 7.354351 6.663016 8.045685 6.297045 8.411656
1704 7.354352 6.595958 8.112747 6.194488 8.514217
1705 7.354353 6.534363 8.174343 6.100286 8.608419
1706 7.354353 6.477081 8.231624 6.012682 8.696024
1707 7.354353 6.423317 8.285388 5.930457 8.778249
1708 7.354353 6.372493 8.336213 5.852728 8.855978
1709 7.354353 6.324173 8.384533 5.778829 8.929877
1710 7.354353 6.278020 8.430686 5.708244 9.000462
De igual manera se encuentran mejor ubicado los puntos naranjas en la circunferencia tanto de AR como de MA lo cual lo hace mas optimo y por todo lo anterior este fue elegido como el mejor modelo y con este se trabajara en SARIMA.
# A tibble: 21 x 5
FECHA REAL `ARIMA(2,1,2)` DIFERENCIAL AIC
<dttm> <dbl> <chr> <chr> <chr>
1 2019-10-10 00:00:00 7.56 7.35254600000000~ 0.207453999999~ -96.16
2 NA NA ARIMA (4,1,4) DIFERENCIAL AIC
3 NA NA 7.34513600000000~ 0.214863999999~ -93.3771399~
4 NA NA ARIMA (1,1,2) DIFERENCIAL AIC
5 NA NA 7.34757999999999~ 0.212419999999~ -91.3353800~
6 NA NA ARIMA (2,1,1) DIFERENCIAL AIC
7 NA NA 7.34845099999999~ 0.211548999999~ -90.7657099~
8 NA NA ARIMA(3,1,1) DIFERENCIAL AIC
9 NA NA 7.35125799999999~ 0.208741999999~ -95.7192600~
10 NA NA ARIMA(2,1,1) DIFERENCIAL AIC
# ... with 11 more rowsEn esta tabla podemos ver la comparacion de los distintos ARIMA, donde el objetivo fue buscar uno mejor que el AUTOARIMA, esto ya sea a traves de la diferencia con el precio real o el termino AIC. Se encontro (1,1,1) ya que este se encuentra mas cerca del precio real y es mejor su termino AIC, por ende se trabajara con este tanto para ARIMA y de igual manera para tener un mejor pronostico.
SARIMA
KPSS Test for Level Stationarity
data: CEMEXCPO.MX2
KPSS Level = 0.2635, Truncation lag parameter = 3, p-value = 0.1Para el modelo SARIMA se utilizaron detos mensuales, esto para que fuera mas rapido el calculo del pronostico, son datos de enero del 2013 a agosto 2019, se hizo hasta agosto debido a que aun no termina el mes de octubre y por ende no se podran tomar todos los datos. Podemos observar que la prueba KPSS su valor p dice que la serie no rechaza la Ho por ende es estacionaria, lo cual se buscara solucionar, ya que a simple vista se ve que la serie no es estacionaria.
ACF PACF
[1,] 0.90 0.90
[2,] 0.80 -0.07
[3,] 0.72 0.03
[4,] 0.62 -0.14
[5,] 0.53 0.04
[6,] 0.42 -0.24
[7,] 0.30 -0.10
[8,] 0.19 -0.04
[9,] 0.07 -0.15
[10,] -0.06 -0.19
[11,] -0.20 -0.19
[12,] -0.32 -0.03
[13,] -0.38 0.12
[14,] -0.43 0.01
[15,] -0.47 0.03
[16,] -0.48 0.10
[17,] -0.48 0.05
[18,] -0.48 -0.13
[19,] -0.47 -0.09
[20,] -0.45 0.00
[21,] -0.42 -0.05
[22,] -0.36 -0.06
[23,] -0.31 -0.09
[24,] -0.26 -0.01
[25,] -0.17 0.22
[26,] -0.08 0.07
[27,] -0.01 -0.01
[28,] 0.04 -0.04
[29,] 0.06 -0.09
[30,] 0.09 -0.10
[31,] 0.15 0.03
[32,] 0.20 0.09
[33,] 0.22 -0.11
[34,] 0.23 -0.06
[35,] 0.26 0.12
[36,] 0.26 0.01
[37,] 0.24 -0.04
[38,] 0.21 0.05
[39,] 0.17 -0.05
[40,] 0.14 -0.07
[41,] 0.12 -0.04
[42,] 0.09 0.02
[43,] 0.06 -0.01
[44,] 0.04 0.13
[45,] 0.02 -0.03
[46,] -0.02 0.04
[47,] -0.05 0.01
[48,] -0.08 -0.06En el anterior grafico podemos observar como en la funcion de autocorrelacion en la mayoria de sus primeras 20 lags, estan fuera de la linea azul punteada, lo cual indican que se tiene que suavizar la serie en esos rezagos, para que asi sea mas facil trabajar con ella. En el grafico de la funcion parcial de autocorrelacion podemos observar que solamente es una linea la cual afecta al modelo, por ende este necesitara menos modificaciones, pero a pesar de todo sigue demostrando que la serie no esta lista para realizarle un pronostico o trabajar con ella.
SARIMA MODEL
initial value 0.468658
iter 2 value 0.374660
iter 3 value 0.360186
iter 4 value 0.352641
iter 5 value 0.351876
iter 6 value 0.351674
iter 7 value 0.350619
iter 8 value 0.349551
iter 9 value 0.349239
iter 10 value 0.349177
iter 11 value 0.349175
iter 12 value 0.349173
iter 13 value 0.349173
iter 14 value 0.349173
iter 15 value 0.349173
iter 16 value 0.349173
iter 17 value 0.349173
iter 18 value 0.349173
iter 18 value 0.349173
iter 18 value 0.349173
final value 0.349173
converged
initial value 0.331254
iter 2 value 0.317113
iter 3 value 0.296951
iter 4 value 0.293853
iter 5 value 0.293038
iter 6 value 0.292624
iter 7 value 0.292555
iter 8 value 0.292515
iter 9 value 0.292497
iter 10 value 0.292198
iter 11 value 0.292095
iter 12 value 0.292041
iter 13 value 0.292035
iter 14 value 0.291979
iter 15 value 0.291946
iter 16 value 0.291905
iter 17 value 0.291864
iter 18 value 0.291826
iter 19 value 0.291813
iter 20 value 0.291812
iter 21 value 0.291812
iter 22 value 0.291812
iter 23 value 0.291812
iter 23 value 0.291812
iter 23 value 0.291812
final value 0.291812
converged
$fit
Call:
stats::arima(x = xdata, order = c(p, d, q), seasonal = list(order = c(P, D,
Q), period = S), include.mean = !no.constant, transform.pars = trans, fixed = fixed,
optim.control = list(trace = trc, REPORT = 1, reltol = tol))
Coefficients:
ar1 ma1 sar1 sma1
-0.0381 -0.0414 0.1410 -1.0000
s.e. 0.7959 0.7900 0.1424 0.2546
sigma^2 estimated as 1.335: log likelihood = -114.62, aic = 239.24
$degrees_of_freedom
[1] 63
$ttable
Estimate SE t.value p.value
ar1 -0.0381 0.7959 -0.0479 0.9619
ma1 -0.0414 0.7900 -0.0524 0.9584
sar1 0.1410 0.1424 0.9906 0.3257
sma1 -1.0000 0.2546 -3.9282 0.0002
$AIC
[1] 3.067186
$AICc
[1] 3.074211
$BIC
[1] 3.208512
Call:
arima(x = CEMEXCPO.MX2, order = c(1, 1, 1), seasonal = list(order = c(1, 1,
1), period = 12))
Coefficients:
ar1 ma1 sar1 sma1
-0.0381 -0.0414 0.1410 -1.0000
s.e. 0.7959 0.7900 0.1424 0.2546
sigma^2 estimated as 1.335: log likelihood = -114.62, aic = 239.24Aqui vemos realmente cual es la aplicacion de un SARIMA ya que corrigio la gran mayoria de los errores con los que contabamos en un ARIMA.
+ **Grafico ACF** ninguna lag sale del limite punteado, lo cual habla de un buen modelo.
+ **Prueba Q-Q** la mayoria de los puntos se encuentran dentro de la linea o al menos en el area sombreada, lo cual habla de un modelo aceptable.
+ **Prueba Ljung-Box** Todos los p. value de la prueba son menores de 0.5 por ende se puede trabajar con este modelo SARIMA.$pred
Time Series:
Start = 81
End = 100
Frequency = 1
[1] 6.955058 5.674554 5.715109 5.266619 5.819537 5.381761 5.485823
[8] 5.582080 5.208307 5.446379 5.518832 5.898517 5.394208 4.355116
[15] 4.354893 3.981357 4.493790 4.116968 4.290704 4.442843
$se
Time Series:
Start = 81
End = 100
Frequency = 1
[1] 1.243159 1.689654 2.042806 2.343256 2.609308 2.846359 3.065131
[8] 3.269296 3.461440 3.643465 3.816819 3.982634 4.250366 4.493186
[15] 4.723865 4.943762 5.154732 5.348774 5.536019 5.717135
En la pasada prueba de raices invertidas se puede observar la unica problematica con el modelo ya que los puntos en las raices invertidas de MA estan justo al limite. Lo cual no afecta demasiado al modelo ya que todas las pruebas anteriores se han pasado con contundez,
Ljung-Box test
data: Residuals from ARIMA(1,1,1)(1,1,1)[12]
Q* = 9.7549, df = 6, p-value = 0.1354
Model df: 4. Total lags used: 10[1] 239.2405De igual manera en esta prueba se puede observar como la funcion de autocorrelacion esta dentro del limite establecido y la curva de residuales si aparenta ser una distribucion normal. Lo cual nos da entender que el modelo se puede utilizar para pronosticar y si sirvio que le agregaramos un SARIMA al modelo.
Validacion del modelo
Point Forecast Lo 80 Hi 80 Lo 95 Hi 95
81 6.955058 5.36188555 8.548231 4.5185108 9.391606
82 5.674554 3.50917550 7.839933 2.3628934 8.986215
83 5.715109 3.09714785 8.333070 1.7112830 9.718935
84 5.266619 2.26361490 8.269623 0.6739206 9.859317
85 5.819537 2.47557443 9.163500 0.7053874 10.933687
86 5.381761 1.73400505 9.029517 -0.1970002 10.960522
87 5.485823 1.55769885 9.413946 -0.5217242 11.493369
88 5.582080 1.39230805 9.771852 -0.8256233 11.989783
89 5.208307 0.77229293 9.644321 -1.5759911 11.992605
90 5.446379 0.77709025 10.115667 -1.6946817 12.587439
91 5.518832 0.62738146 10.410282 -1.9619959 12.999659
92 5.898517 0.79456566 11.002468 -1.9073028 13.704336
93 5.394208 -0.05285574 10.841272 -2.9363571 13.724773
94 4.355116 -1.40313391 10.113366 -4.4513673 13.161599
95 4.354893 -1.69898375 10.408770 -4.9037127 13.613499
96 3.981357 -2.35432869 10.317043 -5.7082383 13.670953
97 4.493790 -2.11226494 11.099846 -5.6092994 14.596880
98 4.116968 -2.73776250 10.971698 -6.3664375 14.600373
99 4.290704 -2.80399012 11.385398 -6.5596944 15.141103
100 4.442843 -2.88395971 11.769646 -6.7625350 15.648222El precio pronosticado que es 6.955 vs el precio real que fue 7.05 esto da un diferecial de 0.125 centavos el cual habla de la cercania y validez con la que cuenta el modelo.
Conclusion de resultados
Finalmente una vez aplicado el mejor modelo, ARIMA tanto SARIMA podemos ver algo creible con el ponostico, el cual dice que la accion seguira bajando, esto aparentemete es fiable ya que la accion tiene una tendencia bajista desde 2017 lo cual una recuperacion pronta parece ser lejana, a esto hay que agregarle que la empresa cuenta con deuda en dolares que no a podido liquidar desde hace mas de 10 años.
Lo unico que se ha visto en la empresa son pequeñas falsas alarmas de correccion de tendencia la cual nunca se da.
El 24 de octubre se publica su informe de resultados el cual no se espera mucho de la empresa ya que a parte de sus problemas internas, estamos en una epoca de mucha incertidumbre en los mercados accionarios, lo cual hace que los inversionista prefieran retirar su dinero e invertirlo en otros activos mas seguros o esperar a que se tenga un mejor panorama internacional, a esto hay que agregarle la guerra comercial la cual afecta de manera directa a CEMEX ya que su segundo mejor comprador es E.U.
Entonces a manera de conclusion, se recomienda al inversionista buscar otros activos en donde invertir su dinero ya que CEMEX no se ve muy comprometedor, existe una minima oportunidad de inversion el 24 de octubre si es que sorprende con la presentacion de resultados de la empresa, aunque esto realmente tiene muy poca probabilidad.
Los precios pronosticados contra los precios reales tienen una cercania de 0.125 centavos, lo cual de igual manera sirve como incentivo para no comprar esta accion, ya que si todo si igual en la empresa, se comportara conforme al pronostico.