iShares MSCI Japan ETF (EWJ)

EWJ

iShares MSCI Japan ETF (EWJ) Este ETF es lanzado en 1996 en el cual ofrece exposición al mercado japonés. Al estar compuesto por destacadas empresas japonesas, algunas de ellas líderes mundiales de las industrias automotriz y tecnológica, este tipo de etf busca replicar los resultados de inversion de un indice compuesto por valores de renta variable de Japón ya que la economia japonesa depende de las exportaciones y registra ganancias cuando baja el yen [1].

Comportamiento del precio de cierre de ETF EWJ: 01 de enero de 2015 al 10 de noviembre de 2020

En la figura 1 se presenta el comportamiento del fondo de inversión cotizado de Japón (EWJ) a partir del 01 de enero de 2013 al 15 de enero de 2021. La tendencia que presenta el fondo en general y a inicios del año 2013 va inclinado hacia la alza, en el cual el ETF inicia el año con un precio de cierre inicial de $39.96 USD; para el año 2014 muestra una tendencia estable donde mantiene el precio entre $44 y $48 dolares. Sin embargo, en el tercer trimestre del 2015 comienza a presentar una baja en los precios del fondo de inversion hasta llegar a su precio minímo en febrero del 2016 de $41.28 USD; por otro lado en el mismo mes de febrero el comportamiento del fondo cambia hacia una pronta recuperación y la tendencia a la alza hasta registrar su precio maximo de $64.67 USD por etf para el 26 de enero de 2018; en cambio el comportamiento de los precios de cotizacion del fondo japones va hacia la baja con pequeñas recuperaciones; ahora bien para el segundo mes del año 2020 sufrió una caida en los precios de los fondos de inversion debido a la contingencia ambiental COVID 19 en la cual el cierre para 16 de marzo fue de $43.22 USD, cabe señalar que a pesar del COVID 19 los fondos de Japón se recuperan considerablemente hacia la alza por el ETF de Japón cerró el año con buenas expectativas, por tanto cerró el año con un precio de cierre de $67.56 dolares. Para el incio del año 2021 continua con esa tendencia a la alza el ETF japones.

Fuente: elaboración propia con datos de Yahoo Finance

Cabe mencionar que dichas fluctuaciones fueron provocadas por diversos factores por ejemplo a inicios del año 2013 va inclinado hacia la alza apesar de que en 2011 la bolsa de japon se ve afectada por el tsumani, entonces en el 2013 la bolsa se recupera a traves de las politicas de Abenomics, en el año 2015 los etf’s japoneses pierden ganancias por la caida del precio de las materias primas ya que precupaba a los inversiores extranjeros con el crecimiento de las Abenonmics estas se basan en tres “tres flechas” de flexibilización monetaria del Banco de Japón, estímulo fiscal a través del gasto público y reformas estructurales. Para el año 2017 se marco un crecimiento en el cual se ha concentrado en los meses de octubre y noviembre, llegando a marcar máximos, esta revalorización se ha asentado en los buenos resultados de las compañías y también, en parte, en la debilidad del yen frente al dólar (que impulsa las exportaciones). Ademas, de la intervencion del Partido Liberal Democrata para tratar de convencer a los inversores extranjeros de posicionarse en comprar. No obstante con la situcion del Covid 19 afectó a los sectores de la economia japonesa provocando un desplome en las bolsa japonesa, además, de que los índices japoneses empezaron en negativo,tras las recientes ganancias y en reacción ante la fortaleza del yen frente al dólar estadounidense. En cambio en el cierre del año la bolsa recibió un estimulo que firmó el expresidente Donald Trump para que aliviara los estragos que sigue provocando la pandemia del virus SARSCOV-2 como una medida de recuperación.

Comportamiento de los rendimientos del ETF EWJ: 01 de enero de 2013 al 15 de enero de 2021

Fuente: elaboración propia con datos de Yahoo Finance

En la presente grafica se observa que los rendimientos del ETF japones oscilan entre la media cero y con algunas variaciones de volatilidad. Para el 2013 presenta fluctuaciones del 4%, como se ha mencioando anteriormente esta fluctuación se provocó en el 2011 por el tsumani y la bolsa sufrió perdidas en las cuales trató de recuperarse, en el 2014 también sufrió una caida en la producción manufacturera en Japón esto se ve reflejado en la grafica ya que los rendimientos se encuentran entre el 4 y 5 porciento, al igual que en 2015 y 2016 debido a las perdidas en las ganancias de las materias primas y en el caso del año 2020 presenta una mayor oscilación entre 7% al 10% esto se debe por la pandemia del Covid 19

Histogramas y QQ a Precios de cierre y en rendimientos

Figura 3. Histograma a niveles y rendimientos del ETF JAPONES (EWJ)

Fuente: elaboración propia con salida de R

En la figura 4 se presenta el histograma del ETF japones en la grafica de la izquierda es de los precios de cierre se utilizo un rango de precio entre los 38 y 69 dolares aunado a esto se observa que trata de generar una distribución normal pero de igual manera pueda presentar problemas de volatilidad. En el caso del grafico de la derecha son la distribución de los rendimientos se observa que hay una distribucion “normal” sobre la media, sin embargo, se ve algunos datos fuera de dicha distribución lo cual representa una distribucion leptocurtica.

Histogramas y QQ a Precios de cierre y en rendimientos

Figura 4. QQ a niveles y rendimientos del ETF JAPONES (EWJ)

Fuente: elaboración propia con salida de R

En la figura 4 se presenta los graficos de QQ del ETF japones en la grafica de la izquierda se observa que en la linea azul de 45° representa la distribución normal por lo tanto los hay una mayor concentración en la media, sin embargo, no representa dicha distribución debido a que los extremos estan alajeados de la linea. Ahora bien en el grafico de la izquierda representa la distribución de los rendidmientos se observa ese apego a la media pero aun existe esos valores extremos fuera de la media, mejor conocido como valor de colas pesadas.

Prueba de Raiz Unitaria y Estacionariedad

La prueba de raiz unitaria nos proporcionará si la serie presenta raiz unitaria, ademas de si nuestra serie es estacionaria, a traves de las pruebas de Dickey-Fuller aumentada, Philips Perron y KPSS.

Estas pruebas deben cumplir lo siguiente:

REGLA DE ORO

Si el valor p > 0.05——> No rechazo H0

Si el valor p < 0.05——-> Rechazo H0

Prueba de hipótesis para PP y DFA:

H0: La serie tiene raíz unitaria.

H1: La serie no tiene raíz unitaria.

Prueba de hipótesis para KPSS:

H0: La serie es estacionaria.

H1: La serie no es estacionaria.

Tabla 1. Pruebas de Raices Unitarias

Variable DFA (valor p) Phillips-Perron (valor p) KPSS (valor p)
EWJ (nivel) 0.2795 0.1325 0.01
EWJ (rendimientos) 0.01 0.01 0.1

Fuente: elaboración propia con salida de R

En la tabla 1 se presenta los resultados de las pruebas de raiz unitaria, para el ETF a niveles, entonces en el caso de la prueba de DFA cuyo valor es mayor al 5% quiere decir se acepta H0, por lo tanto la serie tiene raiz unitaria, en la prueba de Phillips Perron da como resultado es mayor al 5% por lo tanto se acepta H0, por lo tanto la serie tiene raiz unitaria, para la prueba KPSS se rechaza H0, por lo tanto la serie no es estacionaria. Ahora bien en los resultados de las prueba de raiz unitaria para los rendimientos tanto la prueba de DFA y Phillips Perron rechazo H0, por lo tanto no tiene raiz unitaria y en el caso de la prueba KPSS se acepta H0, por lo tanto la serie es estacionaria.

Modelos ARIMA

Al generar el modelo de Autocorrelación (MA) y el modelo de Autocorrelación parcial (AR), ayudará a identificar los rezagos para genera un mejor modelo y obtener un precio pronostiacado para el dia 18 de enero de 2021, además se comparará con el modelo autoarima que proporciona R y asi corregir los problemas de autocorrelación.

Tabla 2. Modelos ARIMA

Modelo ARIMA Valor p AIC Dato pronosticado Dato real Diferencial
Autoarima (1,1,0) 0.0002 3314.64 68.81903 69.03 0.21097
Propuesta (6,1,1) 0.1945 3301.3 68.7549 69.03 0.2751

Con base a los resultados podemos deducir que la el modelo autoarima que genera R no pasa la prueba de Ljung.Box debido a que el resultado es menor al 5$, sin embargo el precio que pronostica se acerca al dato real con una diferencia de 0.21 centavos. Ahora bien en el caso de la propuesta se observa que la prueba de Ljung.Box es e 19.45% por tanto es mayor al 5% e inclusive la diferencia del precio pronosticado al precio real es de 0.27 centavos.

Figura 5. Correlogramas (ACF y PACF) del modelo ARIMA (6,1,1) del ETF JAPONES (EWJ) 


Call:
arima(x = EWJ, order = c(6, 1, 1))

Coefficients:
          ar1      ar2     ar3      ar4      ar5      ar6     ma1
      -0.8859  -0.0323  0.0357  -0.0061  -0.0212  -0.0655  0.8148
s.e.   0.0712   0.0301  0.0298   0.0297   0.0297   0.0242  0.0684

sigma^2 estimated as 0.2968:  log likelihood = -1642.65,  aic = 3301.3

Fuente: elaboración propia con salida de R 


    Ljung-Box test

data:  Residuals from ARIMA(6,1,1)
Q* = 4.7082, df = 3, p-value = 0.1945

Model df: 7.   Total lags used: 10

Fuente: elaboración propia con salida de R

Con base a los resultados obtenidos se deduce que el mejor modelo de arima corrige los problemas de autocorrelación, a continuacion se realizará la prueba de raiz unitaria inversa del modelo propuesto para saber si el modelo es estable.

Figura 6. Pronostico del ETF JAPONES (EWJ)

Fuente: elaboración propia con salida de R

Con base a la prueba anterior nos muestra como es el comportamientos de los datos pronosticados con el mejor modelo ARIMA(6,1,1), lo cual se presenta un comportamiento con pequeñas variaciones y de igual manera pasa la prueba de Ljung-Box con un p-value de 19.45%, es decir que los residuales se distribuyen normalmente.

Figura 7. Prueba de estabilidad (Raices inversas)

Fuente: elaboración propia con salida de R

En la Figura 6 se observa que los residuales utilizados para mejorar el modelo estan dentro del circulo unidad esto quiere decir que el modelo es estable.

Modelos de Volatilidad

Prueba ARCH 


    ARCH LM-test; Null hypothesis: no ARCH effects

data:  EWJ_R
Chi-squared = 370.62, df = 12, p-value < 2.2e-16

Interpretación: Con base a los resultados obtenidos se rechaza H0 debido de que si presenta efectos ARCH y los residuos no son homocedásticos y no hay varianza constante.

Prueba GARCH

Para la obtencion del mejor modelo, se realizará la pruebas del modelo GARCH, cuyos los resultados se presentan a continuacion.

Tabla 3. Resultados de los efectos GARCH

MODELO omega alfa1 alfa2 beta1 beta2 AKAIKE BAYES
ARCH(1)* 0.0001 0.3686 -6.3021 -6.2966
ARCH(2) 0.0001 0.3050 0.1986 -6.3488 -6.3404
GARCH(1,1) 0.0000 0.1281 0.8576 -6.4662 -6.4579
GARCH(1,2) 0.0000 0.1713 0.4655 0.3463 -6.4672 -6.4561
GARCH(2,1) 0.0000 0.1277 0.0000 0.8573 -6.4652 -6.4541
GARCH(2,2) 0.0000 0.1713 0.0000 0.4655 0.3467 -6.4662 -6.4524

Fuente: elaboración propia con salida de R

De acuerdo con los resultados obtenido en la tabla 3, especifica que el mejor modelo es el GARCH (1,1) y el GARCH (1,2) debido a lo siguiente: En el modelo GARCH(1,1) muestra los rendimientos de mejor ajuste de un día con 12.81% de volatilidad, además de una varianza ajustada de 85.76% de hace dos dias de volatilidad y en conjunto con ambos dias explicaria el 98.57% del ETF EWJ Ahora si se utiliza el modelo GARCH (1,2) los rendimientos que presenta del mejor ajuste son 17.13% de volatilidad de hace un día junto con una varianza ajustada de 81.18% de volatilidad, que en conjunto explicaría el 98.31% del ETF japones. Por lo tanto el mejor modelo que se utilizará es el GARCH(1,2) debido a que explica de la mejor manera de como la volatilidad de los rendimientos afecta al ETF EWJ.

Modelo GARCH (1,2)

Fuente: elaboración propia con salida de R

Con base a la grafica del modelo GARCH (1,2), se describe lo siguiente en el área gris son los rendimientos del ETF EWJ, el área de color azul representa la varianza condicional que caracteriza la volatilidad de dicho ETF, por lo tanto el área azul muestra los puntos de volatilidad que tiene en los rendimientos del ETF.

Conclusiones

En conclusión al aplicar los modelos ARIMA y los modelos ARCH y GARCH a este ETF japones se deduce los diversos problemas de autocorrelación y de volatilidad se ve influenciado en el comportamiento de este activo, además gracias a estos modelos se pudo identificar el mejor modelo que explique dicho comportamiento de volatilidad mediante el modelo GARCH (1,2), mediante los criterios de información de AKAIKE Y BAYES para escoger el mejor modelo.

Referencias

[1] https://www.blackrock.com/mx/intermediarios/productos/239665/ishares-msci-japan-etf

[2] https://www.etoro.com/es/markets/ewj

[3]https://www.etf.com/EWJ?__cf_chl_jschl_tk__=3348a5f1657024506234e071a9e1b430805812ea-1607294216-0-AUU1VpDCo1pbpkrW9Oeoiafagjb9PHQMi9i_eitPMF61fhAdc0Ha8CJbHcWXwff8yjo6-VgrfWDT6II2xJPd72UCDMs4Pxoy387qpOFAFESdFKYE5AxGJIpiNYJcFLkQGZ35AOlG32CDb68J5shRicC4q8MFJxEKA-rowF7PI-SGGHYU-uwiQVpb16X5aB6sXACyGNno9bVd37O3heVvLto9Eel4IiIaCf-xmHWKGeposrFq2F6M-dhLXRr_Te4t6P6tWD3IFr_-_kVKRsUMClreX_3VRaeYy0bh9iX6o4YiQA9amwde-AvCvYswjtbXQHqi_lWuUKn2Q4fQu3AXt058xxvFFK6QLc5nYFdA-rQ0csLHBD5Ue2nHlfxtubc2GA#overview

[4] https://elpais.com/economia/2017/12/20/actualidad/1513789793_046612.html

[5]https://www.eleconomista.com.mx/mercados/Bolsa-de-Tokio-cierra-en-su-nivel-mas-alto-desde-1991-ente-probable-victoria-de-Biden-20201106-0017.html

[6]http://milenio.com/negocios/bolsa-valores-japon-pierde-ganancias-2015

[7]https://www.economiahoy.mx/mercados-eAm-mexico/noticias/10966878/12/20/Bolsa-de-Tokyo-sube-266-y-cierra-en-su-maximo-desde-1990.html

[8]https://www.infobae.com/2014/02/04/1541390-tokio-encabeza-la-caida-general-las-bolsas-asiaticas-42/

[9]https://www.eleconomista.com.mx/economia/Japon-aprobo-un-paquete-de-estimulos-por-US3700-millones-20201213-0057.html