Microsoft
Chilpa Garcia Cynthia Guadalupe
21 de Junio de 2020
Microsoft Corporation
Microsoft Corporation desarrolla, otorga licencias y admite software, servicios, dispositivos y soluciones en todo el mundo. Su segmento de Productividad y Procesos de Negocio ofrece Office, Exchange, SharePoint, Equipos de Microsoft, Seguridad y Cumplimiento de Office 365 y Skype for Business, así como Licencias de Acceso de Cliente (CAL) relacionadas; Skype, Outlook.com y OneDrive; LinkedIn que incluye soluciones de talento y marketing, y suscripciones; y Dynamics 365, un conjunto de soluciones empresariales locales y basadas en la nube para pequeñas y medianas empresas, grandes organizaciones y divisiones de empresas.[1]
.
Su segmento Intelligent Cloud otorga licencias a los servidores SQL y Windows, Visual Studio, System Center y CAL relacionadas; GitHub que proporciona una plataforma de colaboración y servicio de alojamiento de código para desarrolladores; y Azure, una plataforma en la nube. También proporciona servicios de soporte y servicios de consultoría de Microsoft para ayudar a los clientes a desarrollar, implementar y administrar las soluciones de escritorio y servidor de Microsoft; y capacitación y certificación para desarrolladores y profesionales de TI sobre diversos productos de Microsoft.[1]
.
Su segmento de computación más personal ofrece licencias OEM de Windows y otras licencias sin volumen del sistema operativo Windows; Comercial de Windows, como licencias por volumen del sistema operativo Windows, servicios en la nube de Windows y otras ofertas comerciales de Windows; licencia de patentes; Windows Internet de las cosas; y publicidad de MSN.[1]
.
También proporciona Microsoft Surface, accesorios para PC y otros dispositivos inteligentes; Juegos, incluidos hardware de Xbox y software y servicios de Xbox; videojuegos y regalías de videojuegos de terceros; y Búsqueda, incluida la publicidad de Bing y Microsoft. Vende sus productos a través de distribuidores y revendedores; y directamente a través de mercados digitales, tiendas en línea y tiendas minoristas.[1]
.
Tiene alianzas estratégicas con Humana Inc., Nokia, Telkomsel, Swiss Re, Kubota Corporation y FedEx Corp. La compañía fue fundada en 1975 y tiene su sede en Redmond, Washington.[1]
.
Índices de los que forma parte Microsoft
S&P Composite 1500 Information Technology, ARCA Computer Technology, DJ Composite, DJ Large-Cap, DJ Technology, DJ Value, DJ US, DJ Software & Computer Services, DJ Software, S&P 500 Information Technology, ARCA Institutional, DJ Global Titans, Dow Jones Gl Titan 50 EUR, DJ Large-Cap Value, S&P 100, TR US 50, Nasdaq 100, DJ Sector Titans Composite, DJ Technology Titans 30, STOXX Global 150 USD Price, ARCA Major Markets, Investing.com US 500, Dow Jones, Investing US 30, S&P 500, S&P Global 100, STOXX Global 150 EUR Price, Estados Unidos 50, NASDAQ Computer, Mini Nasdaq 100, Nasdaq [1]
Ejecutivos clave
| Nombre | Título | Pagar | Año de nacimiento |
|---|---|---|---|
| Sr. satya nadella | CEO y Director | 13,24 millones | 1967 |
| Sr. Bradford L. Smith | Presidente y Director Jurídico | 4.33 Millones | 1959 |
| Ms. Amy E. Hood | Ejecutivo VP y CFO | 4.91 Millones | 1972 |
| Sr. Jean-Philippe Courtois | Ejecutivo Vicepresidente y Presidente de Ventas Globales, Marketing | 3.78 Millones | 1961 |
| Sra. Margaret L. Johnson | Ejecutivo Vicepresidente de Bus. Devel. | 2.89 Millones | 1962 |
Fuente: Pagina web de Yahoo Finance [3]
Comportamiento de la accion de Microsoft
Precio de Cierre de Microsoft
Se presentan el comportamiento del precio de cierre de Microsoft a partir del 1 de Enero de 2015 al 30 de Abril de 2020. Microsoft presentó su mayor crecimiento fue el 10 de Febrero del 2020, esto está relacionado con la noticia “Lanzan parche que repara la vulnerabilidad zero‑day en Internet Explorer”[2] Sin embargo podemos observar que su crecimiento es fuerte y muy constante.
.
Microsoft, al ser una acción de igual peso de las compañías mas grandes y poderosas de Estados Unidos [2], presento su mayor rendimiento de hasta 188.70, de tal manera que hasta principios de enero del 2020, su precio tenia un cremiento entre los 150 y los 170 dólares americanos.Sin embargo desde finales de febrero hasta inicios de abril, presentaba un fuerte declive, todo esto debido a la crisis sanitaria que la pandemia de COVI 19 se presenta en todo el mundo.[5] La Figura 1 muestra el comportamiento del precio de cierre de Microsoft.
Figura 1. Precio de Cierre de Microsoft: enero 2015 - abril 2020
Fuente: Elaboracion propia con salida de R y con datos de Yahoo Finance
Rendimientos de Microsoft
Si se compara este comportamiento con la tendencia registrada con los diferentes Índices de los que forma parte Microsoft, notaremos que las más representativas que cotizan en Estados Unidos, especificamente con las empresas en el area de Tecnologia se puede ver un comportamiento similar a Microsoft.
.
En lo que refiere a los rendimientos, Microsoft osciló entre 10% y -10% debido a que es un instrumento que presenta mayor volatilidad, es decir, presenta más dispersión en sus precios.
.
Aun que a simple vista se podria halar de estacionariedad porque es media cero y tiene varianza constante en el tiempo; durante el 2015 se dieron tres clusters de volatilidad al igual que en el 2016 se dieron tres clusters de volatilidad, mientras que en el 2017 se dio un cluster de volatilidad, volviendo aparecer dos clusters en el 2018, pero en el 2019 no se presentan alguno sin ambargo se descarta la estacionariedad porque ya se ecuentran muy fuertes las aglomeraciones desde inicios del 2020.
.
Sin embargo a debido a la crisis sanitaria que la pandemia de COVI 19 se presento, y que su originen se dio en ciudad de Wuhan, China, que se dispersó en diferentes países ocasionando contagios y cerrando fronteras internacionales.El pico positivo mas alto de los redimientos se dio justo el dia en el que Bill Gates cofundador y ex-CEO de Microsoft, se dio el anucio de la renuncia a la junta directiva de Microsoft, para que tres dias mas tarde se registraran los rendimientos mas bajos entre el 2015 al 2020. [5]
.
Microsoft Comenzó a presentar rendimientos negativos de 13 y 15% en un solo día, desplomando a niveles historicos del Microsoft .
Figura 2. Rendimientos de Microsoft: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R y con datos de Yahoo Finance
Comportamiento de autocorrelación de los rendimientos al cuadrado de Microsoft
Se elevo al cuadro los rendimientos para los modelos ARCH y GARCH se basan en la no linealidad de las series y justamente lo que hacen es elevar el rendimeinto al cuadro y veremos si hay alguna figura de dependecia con los mismo rendimientos, para ver si hay efectos de memoria en la serie de Microsoft.
.
Funcion de Autocorrelacion, se refiere al componente de media movil, lo que nos dice que el rezago quince tiene autocorrelacion de 90% por lo que si podemos observar una estructura de tendencia o memoria, aun cuando los regazos no son tan fuertes en cuanto a una tendencia, si hay un minima presencia de una tendencia, y lo que es probable que al aplicar una herramienta mas fuerte que un ARIMA para moldear los rendimientos, sea exclusivamente lo mejor de Microsoft.
.
Funcion de autocorrelacion parcial, componente autoregresivo, hay una dependecia o un efecto de arrastre del 50% entre los rendimientos anteriores de Microsoft con los dias anteriores .
Figura 3. Autocorrelación de los rendimientos al cuadrado de Microsoft: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R
Prueba ARCH para Microsof
El valor probabilistico es menor a 0.05 por lo tanto rechazo la hipotesis hula, rechazo que hay ausencia de efectos ARCH, lo que valida que efectivamente necesitamos este tipo de modelos para comprobar
Tabla de Prueba ARCH para Microsoft
| Prueba | Ho | Valor p | Resultado |
|---|---|---|---|
| ArchTest | La serie, No tiene efectos ARCH | 2.20E-16 | Rechazo Ho |
Fuente: Elaboracion propia con salida de R
Modelos de Volatilidad para Microsoft
Tabla de Modelos ARCH y GARCH para Microsoft
| MODELO | \(\omega\) | \(\alpha_{1}\) | \(\alpha_{2}\) | \(\alpha_{3}\) | \(\alpha_{4}\) | \(\beta_{1}\) | \(\beta_{2}\) | AKAIKE | BAYES |
|---|---|---|---|---|---|---|---|---|---|
| ARCH(1) | 0.000175 p=(0) |
0.433173 p=(0) |
-5.4867 | -5.4789 | |||||
| ARCH(2) | 0.00000 p=(0.11664) |
0.43342 p=(0) |
0.31668 p=(0) |
0.8079 | 0.8196 | ||||
| ARCH(3) | 0.000122 p=(0) |
0.255874 p=(0.000003) |
0.209402 p=(0.000037) |
0.158645 p=(0.000038) |
-5.5537 | -5.5381 | |||
| ARCH(4) | 0.000097 p=(0) |
0.256169 p=(0) |
0.131448 p=(0.002803) |
0.136042 p=(0.000244) |
0.217794 p=(0.000002) |
-5.5863 | -5.5668 | ||
| GARCH(1,1) | 0.000027 p=(0.005152) |
0.233939 p=(0.000865) |
0.685855 p=(0) |
-5.6006 | -5.5889 | ||||
| GARCH(1,2) | 0.000031 p=(0.000004) |
0.264966 p=(0) |
0.465961 p=(0.030640) |
0.175058 p=(0.305229) |
-5.5994 | -5.5839 | |||
| GARCH(2,1) | 0.000027 p=(0.000002) |
0.233484 p=(0.000004) |
0.000001 p=(0.999992) |
0.686315 p=(0) |
-5.5992 | -5.5836 | |||
| GARCH(2,2) | 0.000035 p=(0.007737) |
0.257861 p=(0.000002) |
0.034415 p=(0.770485) |
0.370745 p=(0.336953) |
0.233661 p=(0.363982) |
-5.5980 | -5.5786 |
Fuente: Elaboracion propia con salida de R
ARCH (1)
Figura 4: Gráfico de Modelo de ARCH 1: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R
.
La distribución para nuestro ARCH (1) es normal, \(\omega\) es de 0.000175 y \(\alpha_{1}\) que es nuestro parámetro asociado al ARCH (1), nos dice que tanto explica la volatilidad de hace un día a la volatilidad actual de Microsotf, por lo tanto podemos decir que la volatilidad que tiene Microsotf se explica en un 43.31 % por la volatilidad de hace un día. Además, la sumatoria de los parámetros no es mayor a 1 y no son negativos, así que nuestro sistema converge.
.
ARCH (2)
Figura 5: Gráfico de Modelo de ARCH 2: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R
.
En ARCH (2) la distribución es normal, \(\omega\) es de 0 y \(\alpha_{1}\) que es nuestro parámetro asociado al ARCH (2), no muestra que la sumatoria de los parámetros sea mayor a 1, nuestros parámetros son significativos, positivos y son menores a 0.05, así que nuestro sistema converge. La volatibilidad de Microsotf se explica en un 43.34% por la volatilidad de hace un día y en un 31.66% por la volatilidad de hace 2 días de Microsotf.
.
ARCH (3)
Figura 6: Gráfico de Modelo de ARCH 3: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R
.
En el ARCH (3) observamos la estructura de dependencia de hace 3 días, \(\omega\) es de 0.000122 y \(\alpha_{1}\) que es nuestro parámetro asociado al ARCH (3) podemos decir que la distribución es normal,los parametros son significativos y positivos y el sistema converge. La volatilidad de Microsotf se explica en 25.58% por la volatilidad de hace un día, en un 20.94% por la volatilidad de hace 2 días y en un 15.86% por la volatilidad de hace 3 días Microsotf.
.
ARCH (4)
Figura 7: Gráfico de Modelo de ARCH 4: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R
.
Denota el ARCH (4) que todos los parámetros son positivos, \(\omega\) es de 0.000097 y \(\alpha_{1}\) que es nuestro parámetro asociado al ARCH (4), tiene una distribución normal, la sumatoria no son mayor a 1 y positivos y el sistema converge. La volatilidad de Microsotf se explica en 25.61% por la volatilidad de hace un día, en un 13.14% por la volatilidad de hace 2 días, en un 13.60% por la volatilidad de hace 3 días y en un 21.77% por la volatilidad de hace 4 dias para Microsotf. .
.
GARCH (1,1)
Figura 8: Gráfico de Modelo de GARCH 1,1: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R
.
Para nuestro GARCH (1,1), \(\omega\) es de 0.000027 y \(\alpha_{1}\) que es nuestro parámetro asociado muestra la distribución es normal, son positivos, significativos y la sumatoria no es mayor a 1 y el sistema converge. Por lo tanto la volatilidad de Microsotf se explica en un 23.39% por la volatilidad de hace un día y en un 68.58% por la varianza ajustada de hace un día.
.
GARCH (1,2)
Figura 9: Gráfico de Modelo de GARCH 1,2: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R
.
En el GARCH (1,2) tenemos parámetros positivos, no mayores a 1, con distribución normal.Por lo tanto la volatilidad de Microsotf se explica en un 26.49% por la volatilidad de hace un día y en un 46.59% por la varianza ajustada de hace un día y en 17.50% por la varianza de hace dos dias para Microsotf.
.
.
GARCH (2,1)
Figura 10: Gráfico de Modelo de GARCH 2,1: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R
.
En el GARCH (2,1) nuestros parámetros son positivos, no mayores a 1, con distribución normal,se explica que 23.34% por la volatilidad de hace un dia pero el rezago dos no es significativo y aun que la varianza ajustada es de 68.63% para un dia anterior, descartamos este modelo por no ayudarnos a explicar la volatilidad para Microsotf.
.
GARCH (2,2)
Figura 11: Gráfico de Modelo de GARCH 2,2: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R
.
En el GARCH (2,2) nuevamente nuestros parámetros son positivos, no mayores a 1, con distribución normal,se explica que 25.78% por la volatilidad de hace un dia pero el rezago dos no es significativo y aun que la varianza ajustada es de 37.07% para un dia anterior y de 23.36% la varianza de dos dias anteriores, descartamos este modelo por no ayudarnos a explicar la volatilidad para Microsotf de hace dos dias.
.
Modelos Seleccionados y simulación de los rendimeintos.
Los modelos seleccionados fueron ARCH (4) y GARCH (1,1)debido a que ambos cumplen los requerimientos de un modelo estable, y en los criterios de AKAIKE y BAYES son los menores y por lo tanto los mejores modelos.Se explica y analiza los coeficientes junto con las caracteristicas del modelo.
ARCH (4)
A continuacion se presenta el Modelo ARCH (4) ya que cumplio con los requerimientos de un modelo estable y en los criterios de AKAIKE y BAKES es uno de los menores.
Tabla de Modelo ARCH (4) para Microsoft
| Modelo | \(\omega\) | \(\alpha_{1}\) | \(\alpha_{2}\) | \(\alpha_{3}\) | \(\alpha_{4}\) | \(\beta_{1}\) | \(\beta_{2}\) | AKAIKE | BAYES |
|---|---|---|---|---|---|---|---|---|---|
| ARCH(4) | 0.000097 p=(0) |
0.256169 p=(0) |
0.131448 p=(0.002803) |
0.136042 p=(0.000244) |
0.217794 p=(0.000002) |
-5.5863 | -5.5668 |
Fuente: Elaboracion propia con salida de R
.
En el Modelo de ARCH (4) se puede observar la estructura de dependencia de hace 4 días y podemos decir que la distribución es normal, la sumatoria de los parámetros no es mayor a uno, son significativos y positivos y el sistema converge. La volatilidad de Microsoft se explica en 25.61% por la volatilidad de hace un día, en un 13.14% por la volatilidad de hace 2 días, en un 13.60% por la volatilidad de hace 3 días y en un 21.77%por la volatilidad de hace 4 dias para Microsoft.
.
Figura 7: Gráfico de Modelo ARCH (4) para Microsoft
Fuente: Elaboracion propia con salida de R .
GARCH (1,1)
A continuacion se presenta el Modelo GARCH (1,1) ya que cumplio con los requerimientos de un modelo estable y en los criterios de AKAIKE y BAKES es uno de los menores.
Tabla de Modelo GARCH (1,1) para Microsoft
| Modelo | \(\omega\) | \(\alpha_{1}\) | \(\alpha_{2}\) | \(\alpha_{3}\) | \(\alpha_{4}\) | \(\beta_{1}\) | \(\beta_{2}\) | AKAIKE | BAYES |
|---|---|---|---|---|---|---|---|---|---|
| GARCH(1,1) | 0.000027 p=(0.005152) |
0.233939 p=(0.000865) |
0.685855 p=(0) |
-5.6006 | -5.5889 |
Fuente: Elaboracion propia con salida de R
Para nuestro GARCH (1,1), la distribución es normal, son positivos, significativos y la sumatoria no es mayor a 1 y el sistema converge. Mientras que \(\omega\) es de 0.000027 en cuanto a la volatilidad de Microsoft se explica en un 23.39% por la volatilidad de hace un día y en un 68.58.15% por la varianza ajustada de hace un día para Microsoft.
.
Figura 8: Gráfico de Modelo GARCH (1,1) para Microsoft
Fuente: Elaboracion propia con salida de R
.
Simulación de rendimientos.
Figura 12: Rendimientos de Microsoft: enero de 2015 abril 2020
Fuente: Elaboracion propia con salida de R
Los dos modelos seleccionados para predecir la volatilidad ayudaron para analizar el comportamiento de las acciOnes de Microsoft dada su volatilidad, se obtuvo que de acuerdo al ARCH (4) se analizo que hace de 4 días anteriores, existe un un 21.77%por la volatilidad de hace 4 dias para Microsoft. Lo anterior lo podemos observar en los Rendimientos del modelo ARCH (4), de Microsoft.Para el comportamiento de GARCH (1,1) es muy parecido, son minimas las diferencias entre ambos modelos, sin embargo no olvidesmos que GARCH nos predice al menos un 68.58.15% por la varianza ajustada de hace un día para Microsoft. Se aprecia que ambas simulaciones son muy identicas y son minimas las diferencias, con respecto a los rendimientos reales de Microsoft.
Conclusión.
.
Derivado de lo anterior visto se concluye que la volatilidad afecta parcialmente a los rendimientos de Microsoft, mencionando la volatilidad, no podemos dejar a un lado los diferentes efectos que un Modelo un ARCH y un GARCH causan en los datos que se recopilaron de Microsoft ya sea por los gráficos de precios, rendimientos, autocorrelacion o la volatilidad que muestra la empresa, diriamos que es una empresa muy estable, sin ambargo los ultimos acontecimientos derivado de la pandemia originaria en China [6], llegaron a afectar (precios, rendimientos, autocorrelacion y volatilidad) su estabiliad en el mercado.