Valores Bursátiles

Los nueve activos bursatiles de la cartera forman pare del índice NASDAQ-100, se seleccionó el período desde 2017 hasta 2020:

• Ross Stores(ROST): Su actividad es de venta al por menor, su sede Estados Unidos, su volumen de este es de 5 Millones dentro del Indice de NASDAQ-100.

• Activison Blizzard(ATVI): Es una empresa estadounidense de videojuegos que posee Activision creadora de la saga Call of Duty, Guitar Hero, Tony Hawk Skylanders entre otras y Blizzard Entertainment. Su volumen dentro del indice es de 6 millones de dolares.

• Comcast Corporation(CMCSA): Es un conglomerado de medios de comunicación estadounidense que ofrece servicios televisivos por cable, Internet y telefonía. Sus oficinas corporativas se encuentran en Filadelfia, Pensilvania. Su volumen dentro del indice es de 19,83 millones de dolares.

• Marriott International(MAR): Es una cadena de hoteles de lujo estadounidense con sede en Maryland, Estados Unidos. Su volumen dentro del indice es de 5.29 millones de dolares.

• Incyte Corporation(INCY):Incyte es una compañía biofarmacéutica global fundada sobre la premisa de que la inversión en ciencia sólida y la búsqueda incesante de la excelencia en I + D pueden traducirse en nuevas soluciones que pueden afectar positivamente la vida de los pacientes. Su volumen dentro del indice es de 2.27 millones de dolares.

• PepsiCo(PEP): Es una empresa multinacional estadounidense dedicada a la fabricación, comercialización y distribución de bebidas y aperitivos. Tiene su sede en Purchase, Nueva York, Estados Unidos. PepsiCo se formó en 1965 a partir de la fusión de la Pepsi-Cola Company y Frito-Lay. Su volumen dentro del indice es de 3.47 millones de dolares.

• QUALCOMM Incorporated(QCOM): Es una compañía estadounidense fundada en 1985 que produce chipsets para la tecnología móvil CDMA y W-CDMA. Y son los creadores y diseñadores de los procesadores Snapdragon También es responsable del cliente de correo electrónico Eudora. Su volumen dentro del indice es de 5.56 millones de dolares.

• Walgreens Boots Alliance(WBA): Es una farmacia minorista la más grande de los Estados Unidos y Europa con más de 170 años de servicio a las comunidades, impulsan la industria y su proposito es ayudar a las personas de todo el mundo a llevar una vida más sanas y feliz. Su volumen dentro del indice es de 9.02 millones de dolares.

Obtención de datos.

A continuación, se obtendrá los datos de las siguientes acciones del periodo 2017-01-01 y 2020-11-19, estos datos tendrán una frecuencia diaria. Para lograr ello, se usará los siguientes códigos:

Ticker <- c("ROST","ATVI","CMCSA","MAR","INCY","PEP","QCOM","WBA")


k <- 1 
acciones <- data.table()
for (i in Ticker){
  dt_base <- data.table(Ad(getSymbols(i, 
                                      from = "2017-01-01",
                                      to= "2020-11-19",
                                      src = "yahoo",
                                      auto.assign = F)),keep.rownames = T)
  if (k == 1){
# si k es igual a 1, el primer elemento, entonces dt_acciones, se le agrega a la primera columna 
    acciones <- copy(dt_base)
  } else {
    acciones <- merge(acciones,dt_base,by = "index", all.x = T, all.y = T)
    
  }
  k <- k + 1
}

indice<- get.hist.quote(instrument = "^IXIC", 
                        start=as.Date("2017-01-01"), 
                        end=as.Date("2020-11-19"), quote = "AdjClose")

## time series starts 2017-01-03
## time series ends   2020-11-18

Como se observa, se utiliza la función getSymbols.yahoo para poder obtener los datos de las acciones indicando en el parámetro from la fecha desde se iniciará la descarga de datos, en el parámetro to colocamos la fecha final del periodo que se analizara y en el parámetro periodicity colocaremos daily pues se trabajaran con datos diarios.

Una vez cargada la base de datos de las acciones que van a comformar el portafolio, cambiaremos index por fecha para una mejor visualización y se seleccionaran solo los precios ajustados ya que estos son los precios de cierre de una acción en cualquier día de negociación que ha sido modificado para incluir cualquier distribución y acciones corporativas que ocurrieron en cualquier momento antes de la apertura del día siguiente, son al precios que han sido descontados los pagos de los dividendos si hubieran.

setnames(acciones,"index","Fecha")# cambiar el nombre
colnames(acciones) <- str_replace_all(colnames(acciones),
                                         pattern = ".Adjusted",
                                         replacement = "")

Para poder confirmar que se tuvieron los datos deseados, se utilizara la función head para mostrar los 5 primeros datos descargados y luego se ejecutara la función tail para exponer los últimos datos de la serie descargada, además se utilizara la función length para determinar el número de datos descargados, para ello se ejecutara el siguiente codigo:

head(acciones, 5) #Mostras los primeros datos de la serie descargada.

##         Fecha     ROST     ATVI    CMCSA      MAR   INCY      PEP     QCOM
## 1: 2017-01-03 63.15343 35.53465 31.71355 79.04015 102.32 91.57735 56.36116
## 2: 2017-01-04 64.05823 36.23292 32.09016 78.88686 102.84 91.75236 56.42149
## 3: 2017-01-05 63.23043 36.79543 32.21876 78.35036 104.81 91.62986 56.49043
## 4: 2017-01-06 62.86465 36.76633 32.27388 78.84854 108.31 91.49858 56.47319
## 5: 2017-01-09 62.99942 36.56267 32.53108 78.80064 118.53 90.53600 56.57662
##         WBA
## 1: 72.43430
## 2: 72.45177
## 3: 72.49541
## 4: 72.55653
## 5: 72.07632

tail(acciones, 5) #Mostrar los últimos datos de la serie descargada.

##         Fecha     ROST     ATVI    CMCSA    MAR  INCY      PEP     QCOM
## 1: 2020-11-12 104.1179 76.34037 47.54363 115.34 82.32 140.6635 141.8879
## 2: 2020-11-13 107.6213 77.17632 48.55435 120.00 82.53 141.5143 142.2330
## 3: 2020-11-16 110.3186 77.06686 49.08945 123.76 84.35 142.5411 146.9754
## 4: 2020-11-17 109.9404 76.73844 49.32726 122.78 82.98 142.0326 146.6501
## 5: 2020-11-18 110.7764 75.13620 48.69308 120.34 82.74 140.2137 144.9838
##         WBA
## 1: 39.56994
## 2: 41.45284
## 3: 42.80192
## 4: 38.67702
## 5: 37.54564

length(acciones$AAL) #Motrar el número de elementos de la serie.

## [1] 0

Por lo que se ve que la base de datos obtenido cuenta con 978 datos. A continuación, se calculara los retornos de la base de datos previamente obtenidas.

Retornos

library(PerformanceAnalytics)

retorno_acc<- data.table(Return.calculate(acciones),keep.rownames = T)
head(retorno_acc,10)

##          index          ROST          ATVI        CMCSA           MAR
##  1: 2017-01-03            NA            NA           NA            NA
##  2: 2017-01-04  0.0143271402  0.0196504825  0.011875364 -0.0019394952
##  3: 2017-01-05 -0.0129226320  0.0155246381  0.004007490 -0.0068008668
##  4: 2017-01-06 -0.0057849832 -0.0007905874  0.001710649  0.0063584139
##  5: 2017-01-09  0.0021438600 -0.0055394969  0.007969355 -0.0006074558
##  6: 2017-01-10  0.0201680746  0.0180372231  0.001270539 -0.0038906662
##  7: 2017-01-11 -0.0032948811  0.0213653658  0.011139119  0.0111071976
##  8: 2017-01-12  0.0006009844 -0.0017857602 -0.004043905 -0.0114678462
##  9: 2017-01-13  0.0051057672 -0.0046001094  0.018902291  0.0091584874
## 10: 2017-01-17  0.0028387559  0.0000000000 -0.002885966 -0.0031461225
##             INCY           PEP          QCOM           WBA
##  1:           NA            NA            NA            NA
##  2:  0.005082056  0.0019110729  0.0010703470  0.0002411979
##  3:  0.019155991 -0.0013351699  0.0012219990  0.0006024422
##  4:  0.033393761 -0.0014327098 -0.0003053083  0.0008430740
##  5:  0.094358796 -0.0105201413  0.0018315241 -0.0066185218
##  6:  0.006496279 -0.0144016850 -0.0003048963  0.0014536536
##  7: -0.033612757 -0.0015691881  0.0071614131  0.0212893706
##  8:  0.019602758  0.0002947511  0.0003027504 -0.0060404694
##  9:  0.001701378 -0.0028477182  0.0114942424 -0.0011916887
## 10: -0.034904467  0.0063024656 -0.0402212864  0.0047723601

Para una mejor visualizacion cambiaremos de nombre a index como fecha y ademas omitiremos la variable na de los retornos.

setnames(retorno_acc, "index","Fecha")# paea cambiar el nombre

retorno_acc <- na.omit(retorno_acc)# botrar en na

A continuacion pasaremos a graficar los retornos previamnete obtenidos con la finalidad de ver la volatilidad de estos:

library(dygraphs)

## Warning: package 'dygraphs' was built under R version 4.0.5

datewindow <- c(min(retorno_acc$Fecha),max(retorno_acc$Fecha))
dygraph(retorno_acc)

dygraph(acciones, main = "Price", group = "Stock") %>%
  dyRangeSelector(dateWindow = datewindow)

Se puede observar en conjunto los históricos de las series temporales y se aprecia el comportamiento creciente en cada uno de ellos con algunos períodos de desaceleración. Por último, la perturbación al final del primer trimestre del 2020 impulsado por la alarma de pandemia del Covid-19. Además se puede observar que la acción que cayó más es MAR y se ha ido recuperando paulatinamente, y el que presenta un mayor precio por accion al termino de Noviembre, PEP y Qcom.

summary(retorno_acc[,-1])

##       ROST                 ATVI               CMCSA           
##  Min.   :-0.2011454   Min.   :-0.123905   Min.   :-0.0836512  
##  1st Qu.:-0.0078635   1st Qu.:-0.010440   1st Qu.:-0.0079115  
##  Median : 0.0015236   Median : 0.002143   Median : 0.0008985  
##  Mean   : 0.0008273   Mean   : 0.001025   Mean   : 0.0005886  
##  3rd Qu.: 0.0092053   3rd Qu.: 0.013009   3rd Qu.: 0.0093983  
##  Max.   : 0.1662877   Max.   : 0.188774   Max.   : 0.1256442  
##       MAR                  INCY                 PEP            
##  Min.   :-0.1519138   Min.   :-2.293e-01   Min.   :-0.1142833  
##  1st Qu.:-0.0078686   1st Qu.:-1.390e-02   1st Qu.:-0.0048469  
##  Median : 0.0010195   Median :-3.866e-04   Median : 0.0007168  
##  Mean   : 0.0007256   Mean   : 9.112e-05   Mean   : 0.0005362  
##  3rd Qu.: 0.0106689   3rd Qu.: 1.368e-02   3rd Qu.: 0.0060795  
##  Max.   : 0.1948205   Max.   : 1.064e-01   Max.   : 0.1293661  
##       QCOM                 WBA            
##  Min.   :-0.1494525   Min.   :-0.1280516  
##  1st Qu.:-0.0090229   1st Qu.:-0.0083519  
##  Median : 0.0009093   Median : 0.0008431  
##  Mean   : 0.0012643   Mean   :-0.0004631  
##  3rd Qu.: 0.0102427   3rd Qu.: 0.0090770  
##  Max.   : 0.2320740   Max.   : 0.1260361

RendimientoPromedio = c(mean(diff(log(indice))),mean(retorno_acc$QCOM),mean(retorno_acc$ROST),mean(retorno_acc$ATVI),mean(retorno_acc$CMCSA),mean(retorno_acc$MAR),mean(retorno_acc$INCY),mean(retorno_acc$PEP),mean(retorno_acc$WBA))

Volatilidad = c(sd(diff(log(indice))),sd(retorno_acc$QCOM),sd(retorno_acc$ROST),sd(retorno_acc$ATVI),sd(retorno_acc$CMCSA),sd(retorno_acc$MAR),sd(retorno_acc$INCY),sd(retorno_acc$PEP), sd(retorno_acc$WBA))

Cuadro = data.frame (rbind(RendimientoPromedio,Volatilidad))
colnames(Cuadro)<- c("NASDAQ","QCOM","ROST","ATVI","CMCSA","MAR","INCY","PEP","WBA")

Cuadro*100 

##                         NASDAQ      QCOM       ROST      ATVI      CMCSA
## RendimientoPromedio 0.07947445 0.1264277 0.08273177 0.1025277 0.05885836
## Volatilidad         1.44704803 2.4537367 2.24398770 2.2750147 1.73099465
##                            MAR        INCY        PEP         WBA
## RendimientoPromedio 0.07255836 0.009112356 0.05361678 -0.04631402
## Volatilidad         2.44051276 2.468378538 1.41330299  2.03864660