AMXL

JOHNSON & JOHNSON COSUMER INC.

Johnson & Johnson es una empresa multinacional estadounidense, fabricante de dispositivos médicos, productos farmacéuticos, de cuidado personal, perfumes y para bebés fundada en 1886. Sus acciones comunes son un componente del Promedio Industrial Dow Jones y fue la empresa número 37 según el índice Fortune 2018 en la lista de las quinientas más grandes de los Estados Unidos por ingresos brutos.

Su sede central está situada en New Brunswick, Nueva Jersey, Estados Unidos. La corporación está conformada por unas 230 empresas filiales que operan en más de 57 países cuyos sus productos se venden en más de 175 países. Las marcas de Johnson & Johnson son numerosas en medicamentos y suministros de primeros auxilios tales como Band-Aid, Clean & Clear, Listerine, Neutrogena, Sinutab y Splenda.

COMPORTAMIENTO DE LA ACCION

AMXL

Fuente: elaboración propia con salida de R.

Como bien podemos observar el comportamiento de la acción tenia un precio constante entre los 24 y 25 dolares americanos , hasta un desplome a principios de Febrero del 2020. cayendo a 1 dolar con 95 centavos

AMXL

Fuente: elaboración propia con salida de R

En la gráfica de rendimientos se observa un cluster en la volatilidad que sufrio este activo, sin duda fue propiciada por la pandemia del SARS-COVID-19esto al bajarla demanda de los consumidores.

PRUEBAS DE RAICES UNITARIAS SOBRE RENDIMIENTOS

Prueba Valor p H0 Resultado
Dicky Fuller 0.03 La serie tiene raiz unitaria Rechazo H0
Phillips Perron 0.01 La serie tiene raiz unitaria Rechazo H0
KPSS 0.1 la serie es estacionaria No rechazo H0

Los resultados obtenidos de esta serie de rendimientos indican que no hay presencia de raíces unitarias y confirman la estacionariedad de la variable.Observando esta tabla podemos deducir que no tiene varianza constante y que no podemos modelar con modelos ARMA y es mas conveniente utilizar modelos de Volatilidad

Autocorrelación de los rendimientos de JOHNSON y prueba ARCH

AMXL

Fuente: elaboración propia con salida de R

Con el modelo de autocorrelacion se observa que la serie tiene vemos como esta serie comportamientos con su pasado, al mismo tiempo presenta una alta correlacion con los ultimos datos, por lo que podemos preveer un precio promedio con este pequeño detalle, mientras que con la autocorrelacion parcial vemos que tiene una dependencia con 2 rezagos de un 35%

Prueba de efectos ARCH

Prueba Valor p H0 Resultado
ARCH test 2.2E-16 La serie no tiene efectos ARCH Rechazo H0

Al realizar la prueba ARCH se rechaza la H0 ya que la serie no tiene los efectos de la misma

Se realizaron los siguientes modelos y estos fueron los resultados

MODELO \(\omega\) p \(\alpha_{1}\) p \(\alpha_{2}\) p \(\alpha_{3}\) p \(\alpha_{4}\) p \(\beta_{1}\) p \(\beta_{2}\) p AKAIKE BAYES
ARCH(1) 0.000001 0.74098 0.050000 0 27.363 27.371
ARCH(2) 0.000066 0 0.348971 0 0.650029 0 -5.7639 -5.7522
ARCH(3) 0.000066 0 0.325874 0 0.663562 0 0.009563 0.45293 -5.7615 -5.746
ARCH(4) 0.000051 0 0.269212 0.007084 0.275999 0.000178 0.027424 0.55103 0.315561 0.006018 -5.995 -5.9756
GARCH(1,1) 0.000011 0 0.232883 0 0.735305 0 -6.017300 -6.005700
GARCH(1,2) 0.000010 0 0.232130 0 0.735996 0 0.000001 0.99999 -6.014500 -5.999000
GARCH(2,1) 0.000012 0 0.094395 0.016405 0.165150 0.000183 0.699182 0 -6.022400 -6.006900
GARCH(2,2) 0.000012 0 0.094402 0.016447 0.165135 0.000209 0.699167 0 0.000008 0.999933 -6.020900 -6.001500

Con base a estos resultados se decide trabajar con el ARCH (1) y el GARCH (1,1)

Modelo ARCH

AMXL

Modelo GARCH

He tomado un ARCH (1) ya que es significativo y nos dice que un dia de rezago es representativo en un 23% y por la varianza ajustado de un dia en un 74%

AMXL

He tomado un Garch (1,1) ya que es significativo y nos dice que un dia de rezago es representativo en un 9% y con su segundia dia de rezago represanta un 17% y por la varianza ajustado de un dia en un 70%

Rendimientos reales contra simulados

AMXL

Como podemos observar si nos ponemos a observar el ARCH (1,0) podemos ver como tiene un retrazo y no tiene es tan significativa con el comportamiento que tienen los rendimientos reales, mientras que si observamos el GARCH(1,1) su comportamiento de volatilidad es mas parecido al que tienen los rendimientos reales, la varianza se ajusta mas al comportamiento a un dia , por lo que nuestro modelo GARCH es mas efectivo modelando el activo IVR con la poca volatilidad que este tiene