AT&T.png

Es de las compañías de telecomunicaciones más grandes del mundo, el mayor proveedor de servicios teléfono móvil y el proveedor más grande de servicios teléfono fijo en los Estados Unidos a través de AT&T Communications. Desde el 14 de junio de 2018, también es la empresa matriz del conglomerado de medios de comunicación WarnerMedia (Anteriormente TimeWarner), lo que la convierte en la tercera compañía de entretenimiento y medios más grande del mundo.

En el 2016 adquirió DirecTV, transformando AT&T uno de los mayores operadores de televisión por satélite en los Estados Unidos, y en 2018 adquiere la compañía de medios audiovisuales Time Warner (renombrada como WarnerMedia), Xandr y AlienVault. Con las nuevas adquisiciones AT&T controla las productoras, subsidiarias y filiales de la Warner Bros y diversos canales de televisión por cable como CNN, CNN Chile, HBO, Cartoon Network, Boomerang, TNT, TNT Series, TNT Sports, HTV, CDF, Chilevisión, Cinemax (pertenecientes a Turner Broadcasting System).

Bajo su división de WarnerMedia anuncia el 9 de julio de 2019 su propio servicio de vídeo bajo demanda, llamado HBO Max. En el cual extrae contenido original para los servicios plus de HBO, WarnerMedia Entertainment Networks (TNT, TBS, truTV), Adult Swim, Boomerang, CNN, Cartoon Network, The CW, Crunchyroll, DC Entertainment, Looney Tunes, New Line Cinema, Rooster Teeth, Turner Classic Movies y Warner Bros. Logrando así entrar al negocio de las plataformas de streaming, bajo un costo de 15 dólares por mes, siendo este el mismo precio que se paga actualmente por HBO en Estados Unidos. Su estreno esta fijado para el 27 de mayo de 2020[1]
A continuación veamos el comportamiento a niveles de AT&T, es decir, una gráfica representada por los precios de cierre que nos muestra el comportamiento de la emisora.
Gráfico 1.Fuente: Elaboración con datos de Yahoo Finance
Y como podemos ver la serie muestra una tendencia a la baja. AT&T tiene caídas muy significativas que suelen ser por efectos de competencia. Cómo vemos hasta 2016-2017 el precio estaba en su máximo histórico (casi $50MXN) en 2018 comienza a caer por una disminución en los ingresos y ante su mayor competencia TELCEL que equipa la mayor cantidad de consumidores [2]; en 2019 vuelve a subir por efectos de marketing e innovación. Pero en el 2020 vuelve a caer y de una manera rápida por sus pérdidas. En los últimos días ha ido recuperando poco a poco su inversión [3].
No mencionamos el efecto estacionario porque nuestro analisis es sobre los rendimientos.Para ello veámos el siguiente gráfico
Gráfico 2 Fuente: Elaboración propia con R-Studio

Aquí ya podemos determinar que la serie es estacionaria debido a que sigue un proceso de reversión a la media, que tiene una varianza constante, pero además, vemos que la serie muestra concentraciones de volatilidad.

¿Por qué se dieron estas concentraciones? Primero, para entender por qué este efecto debemos conocer el contexto. Entonces, elegiremos las más representativas (clusters). una del 2015, dos del 2017, cuatro del 2018. y practicamente casi todo 2020. Ahora, la del 2015 se aumentó por la compra de Nextel (fusión AT&T con Nextl y Iusacell). 2017 se da un buen rendimiento por sus innovaciones a la telefonía pero dos meses después es bajo por problemas entre Venezuela y EUA(país sede de la empresa). Para 2018 se da un buen rendimiento por sus ingresos, pero tiene tres concentraciones (clusters) en negativo. debido a la caída de sus ingresos [4]. Para 2020, es un cluster con un efecto de apalancamiento muy fuerte, se da porque AT&T termina sus operaciones con DirecTV (Televisión Venezolana) [5] entonces ese efecto de incertidumbre entre como se establecen las condiciones de cancelamiento de toda la empresa, genera; uno, la caída del precio y los cluster en el redimiento. Segundo, estos clusters se dan por efectos fuertes del precio de cierre, si sube o si baja significativamente.Entonces esos efectos de volatilidad se dan por estos eventos financieros
Como los modelos ARCH son eficaces para analizar la volatilidad, entonces será nuestro método de analisis.
Primero

Realizaremos pruebas de reaíces unitarias sobre los rendimientos para evitar tener efectos explosivos y que nuestra serie no se pueda modelar.

También la prueba ARCH para poder determinar que nuestra serie tiene efectos autoregresivos con heterocedasticidad condicional.

Los resultados de las pruebas son los siguientes

Pruebas Valor de p Condición de Ho Resultado
Dickey Fuller 0.01 La serie tiene raíz unitaria Rechazo H0
Phillips Perron 0.01 La serie tiene raíz unitaria Rechazo H0
KPSS 0.1 La serie es estacionaria No Rechazo H0
Tabla 1 Fuente: Elaboración propia con R
Por lo tanto

Como la condición (DF y PP) establece que el valor de p debe de ser mayor a 5% para no rechazar la Ho que establece que la serie tiene raíces unitarias. Entonces ante mis valores de 0.01; Rechazo la Ho; la serie no tiene raíces unitarias

En la prueba de KSS, cambia porque los valores de p menores a 5% rechazan hipótesis nula. Como mi valor es mayor a 5% No rechazo la Ho, concluyo que la serie es estacionaria, ó La emisora AT&T es estacionaria
Hemos definido que la serie esta libre de raíces unitarias, que es estacionaria; y ahora haremos la prueba del correlograma para identificar si hay una estructura de dependencia con los rendimientos
Gráfico 3,Fuente: Elaboración con R
Vemos que hay una dependencia o estructura de memoria en los rendimientos. Por que las barras se salen de la banda, tanto para PACF como ACF.

Ahora si realizamos la prueba ARCH con Ho: Ausencia de efectos ARCH. Y que los valores menores a 0.05 rechazan esta hipotesis

Obtenemos que el valor de p= 2.2e-16.Por lo tanto rechazo Ho y vemos que hay efectos ARCH. Por lo tanto puedo seguir con los modelos de volatilidad.
Se realizarán los modelos de ARcH(1), ARCH(2), ARCH(3) y ARCH(4) en R y se registraran en la tabla 2,Para los modelos GARCH (1,1), GRACH(1,2), GARCH(2,1) y GARCH(2,2) igualmente se registrarán en la tabla . Y obtenemos lo siguiente:
Modelo w α1 α2 α 3 α4 β1 β2 ARKAIKE BAYES
ARCH_1 0.000000 (p:0.89512) 0.91968 (p:0.0000) -21.81 -21.88
ARCH_2 0.000108 (p:0.0e+00) 0.176409(p:3e-06) 0.211165(p:0e+00) -5.9402 -5.9285
ARCH_3 0.000101(p:0.000000) 0.128830(p:0.00296) 0.129693(p:0.000235) 0.136386(p:0.000160) -5.9611 -5.9456
ARCH_4 0.000096(p:0.000000) 0.110309(p:0.001867) 0.116817(p:0.000731) 0.111554(p:0.001531) 0.081054(p:019094) -5.9665 -5.9471
GARCH(1,1) 0.000019(p:0.030373) 0.097417(p:0.001177) 0.787529(p:0.000000) -5.9693 -5.9576
GARCH(1,2) 0.000018(p:0.025249) 0.100090(p:0.000855) 0.698106(p:0.008726) 0.088673(p:722848) -5.9677 -5.9521
GARCH(2,1) 0.000019(p:0.766005) 0.098274(p:0.003906) 0.00000(p:1.0000) 0.785338(p:0.200510) -5.9676 -5.9520
GARCH(2,2) 0.000018(p:0.117488) 0.000761(p:0.000761) 0.00000(p:1.0000) 0.698042(p:0.128782) 0.088737(p:0.752996) -5.9662 -5.9468
Tabla 2 Fuente: Elaboración propia con R

El primer ARCH es significativo pero tiene parámetros Arkaike y de bayes muy cercanos a 0, como son negativos buscamos que sean parámetros alejados de 0. Para el ARCH2, los valores son significativos y los valores de Arkaike y de Bayes lejos de 0, pareciera que son los indicados.

En el ARCH3 los parametros son significativos y vemos que es mejor que el ARCH2 ya que los valores del Arkaike y de Bayes son aún más alejados de 0.En el ARCH 4 el alfa 4 pierde significancia al igual que la probabilidad.

Por ello el mejor modelo es el ARCH 3;en los modelos ARCH encontramos los rezagos para explicar la volatilidad. Los rendimientos de AT&T se explican muy bien con la volatilidad de hace tres días Ahora con los GARCH explicamos la volatilidad con la volatilidad pasada (varianza ajustada). Por lo que el mejor el GARCH 1 ya que cumple con todos los parámetros

¿cuáles son los parámetros? En GARCH, el 1 es el que la probabilidad es significativa (<5%), ya que los demás tienen probabilidades altas, los parametros son significativos y no suman 1. Además los criterios de Arkaike y de Bayes son los más alejados a 0. De acuerdo a la tabla, en GARCH 1, el 9.7% de los rendimientos se explican con la volatilidad de hace un día, pero el 78% se explica con la varianza ajustada de hace un día. En cuanto al ARCH, tiene los criterios Ak y Bys más alejados a 0, y su coeficientes y parametros no suman 1, son significativos y positivos.

Ahora observemos el gráfico de varianza condicional, que muestra primero el efecto del ARCH y después deñ GARCH
Gráfico 4, Fuente: Elaboración propia con R

Vemos que los rendimientos se ajustan a la volatilidad, que toma los clusters significativos. Sin embargo tiene volatilidades que no se ajustan al modelo, sin embargo, el analisis se hizo con el siguiente del ARCH3 que fue el ARCH1 y resultaba lo mismo. Por lo que por criterios se eligió el ARCH 3

Ahora, para concluir, de acuerdo al gráfico 5 nos muestra que tanto afecta los redimientos con los resultados, simulando estos mismo. Vemos que los clusters que tiene la simulación hay unos muy mínimos en los rendimientos reales. El ARCH 3 explica con demasiada volatilidad a la serie, y eso es bueno, lo malo es que hay clusters que no son significativos y aún así los determina

Gráfico 5. Fuente: Elaboración propia con datos en R

#REFERENCIAS [1]:https://es.wikipedia.org/wiki/AT%26T [2] y [3]:https://www.eleconomista.com.mx/mercados/ATT-tuvo-un-2019-plano-en-ingresos-y-profundizo-su-cartera-de-bajo-valor--20200129-0044.html [4]:https://www.eleconomista.com.mx/mercados/ATT-Mexico-reporta-ingresos-de-731-millones-de-dolares-en-tercer-trimestre-20181024-0075.html [5]: https://www.efe.com/efe/america/economia/at-t-cierra-su-negocio-de-television-directv-en-venezuela/20000011-4250174