The Anáhuac Journal

Eficiencia del mercado y anomalías de calendario pos-COVID: perspectivas de bitcoin y ethereum

Sonal Sahu — Wed, 26 Jun 2024 00:00:00 -0500

Este estudio investiga los efectos del día de la semana en el mercado digital, con un enfoque en bitcoin y ethereum, abarcando desde el 1º de julio de 2020 hasta el 31 de diciembre de 2023, en el período posterior al COVID-19. Empleando pruebas paramétricas y no paramétricas junto con el modelo GARCH (1,1), se analizó la dinámica del mercado. Los hallazgos indican un efecto significativo del día de la semana en ethereum, caracterizado por notables variaciones de rendimiento entre diferentes días, mientras que itcoin no muestra anomalías de calendario discernibles, lo que sugiere una mayor eficiencia del mercado. La susceptibilidad de ethereum a estos efectos subraya las complejidades actuales del mercado. Las disparidades en las anomalías del calendario surgen de la evolución de la dinámica del mercado, las diferencias metodológicas y la naturaleza especulativa del comercio de criptomonedas. Además, el mercado descentralizado y global complica la identificación precisa de los efectos en todo el mercado. Este estudio proporciona evidencia empírica sobre los efectos del día de la semana en el mercado de criptomonedas, lo que facilita a los inversionistas refinar las estrategias comerciales y la gestión de riesgos. Se justifica realizar más investigaciones para explorar los mecanismos subyacentes y monitorear los desarrollos regulatorios y tecnológicos para obtener información de los inversionistas.

Análisis del impacto de las controversias por factores ASG en la valuación de acciones en el mercado mexicano

Martha Angélica León Alvarado, Eric Osio Cerón, Anahi Montserrat Revilla Antonio — Wed, 26 Jun 2024 00:00:00 -0500

Existe una amplia literatura sobre las motivaciones que llevan a diversos inversionistas a integrar factores ambientales, sociales y de gobierno corporativo (ASG) en sus estrategias; sin embargo, los estudios sobre esta temática se centran en los mercados desarrollados y no detallan con evidencia si estos factores, a través de las potenciales controversias que generan en su ausencia, tienen efectos significativos en la valoración de instrumentos financieros, por ej., acciones o bonos emitidos por empresas. Por esta razón, el presente estudio analiza y demuestra con evidencia estadística que las controversias asociadas a factores ASG y relacionadas con las acciones en el mercado mexicano aún no se encuentran integradas en las valuaciones correspondientes.

Factores de cumplimiento de reportes de sostenibilidad corporativa: un estudio de datos de panel de empresas cotizadas en Perú

Julio Hernández Pajares, Yulliana Llauce Ontaneda, Macarena Mansilla Mahmud — Wed, 26 Jun 2024 00:00:00 -0500

Desde el año 2016, la Superintendencia del Mercado de Valores del Perú (SMV) ha establecido la obligatoriedad para las empresas cotizadas de publicar el reporte de sostenibilidad corporativa en el mercado de valores peruano como parte de las políticas de gobierno corporativo. Esta investigación tiene como objetivo analizar la evolución del nivel de cumplimiento de los requerimientos para la elaboración de los reportes de sostenibilidad exigidos por la SMV y analizar los determinantes corporativos para las empresas cotizadas en Perú. Este estudio, cuantitativo y explicativo, se realizó mediante un análisis de regresión lineal de datos de panel con efectos fijos para el periodo 2018-2022, con el fin de evaluar el efecto determinante de las variables independientes sobre el nivel de cumplimiento de los reportes de sostenibilidad corporativa. Los resultados muestran un aumento no sostenido en el nivel de cumplimiento de los informes de sostenibilidad hasta 2022, principalmente en el desempeño social. Para el modelo de regresión con efectos fijos sobre la variable año, los determinantes del nivel de cumplimiento de reporte de sostenibilidad son los siguientes: el tamaño de la empresa, la pertenencia a sectores con mayor impacto en la sostenibilidad y la elaboración voluntaria de reportes de sostenibilidad.

¿Impacta el sentimiento estadounidense de las tasas de interés en los fondos latinoamericanos negociados en bolsa (ETF)?

Humberto Valencia Herrera — Wed, 26 Jun 2024 00:00:00 -0500

En este artículo se analizó la dependencia de los rendimientos de fondos cotizados en bolsa (ETF) de seis países latinoamericanos respecto al sentimiento en relación con las tasas de interés y la reserva federal (FED) en las noticias de Estados Unidos (EE.UU.) durante el período de 2022 a 2023. Para cada uno de los fondos se usaron regresiones robustas con cero a dos rezagos para sentimientos positivos y negativos, y las rentabilidades previas. Se encontró que el sentimiento es estadísticamente significativo para algunos rezagos en los retornos de los ETF de Brasil, Chile y Perú, tanto en la moneda local como en el dólar estadounidense. El ETF Latin American 40 depende asimismo del sentimiento respecto a la moneda estadounidense. También hay un efecto de momento sobre los rendimientos en moneda estadounidense y un efecto de reversión media en moneda local para todos los ETF considerados. El modelo de datos de panel para los ETF de los países considerados con efectos aleatorios y dos rezagos muestra que todos los cambios en el sentimiento considerados son estadísticamente significativos para los rendimientos, excepto el cambio en el sentimiento positivo sin rezagos.

Grandes exposiciones: add-ons por concentración de riesgo de crédito implícita y el marco de Basilea

José Juan Chávez — Wed, 26 Jun 2024 00:00:00 -0500

La regulación de Basilea sobre grandes exposiciones está en proceso de implementación y, aunque es una regulación que reduce el límite del tamaño para las exposiciones de gran tamaño en los bancos y está orientada a un mejor control de los parámetros de riesgo que ocasiona que los portafolios se inclinen más a tener pérdidas grandes por concentración de crédito, es importante conocer la porción de riesgo de crédito y capital que lleva implícita. En este trabajo se determinan, mediante una simulación Montecarlo a través de un modelo de riesgo de crédito, los add-ons implícitos (o añadidos implícitos) debidos a la concentración de crédito, y se comparan con los requisitos actuales de capital. Al mismo tiempo, se analiza el marco completo de Basilea para entender cómo se aborda el riesgo de crédito de concentración, esto es, de forma integral, más que mediante un suplemento particular de capital

Comparación del desempeño de arquitecturas de memoria a corto y largo plazo (LSTM) en el pronóstico de precios de acciones: una investigación sobre el mercado bursátil mexicano

Samuel García — Wed, 26 Jun 2024 00:00:00 -0500

Este trabajo compara el desempeño de la memoria de corto y largo plazo (LSTM, por sus siglas en inglés) univariada y multivariada en la predicción de los precios de cierre del día siguiente de cuatro acciones del sector de consumo minorista en la Bolsa Mexicana de Valores. El error absoluto medio (MAE, por sus siglas en inglés), el error porcentual absoluto medio (MAPE, por sus siglas en inglés), la mediana del error porcentual absoluto (MdAPE, por sus siglas en inglés) y la raíz del error cuadrático medio (RMSE, por sus siglas en inglés) se utilizan para probar el desempeño de las redes. Por un lado, los resultados muestran un mejor desempeño en el pronóstico multivariado de precios cuando se utilizan secuencias de 20 y 15 días de duración, generando resultados coherentes para la muestra, incluidas las acciones líquidas e ilíquidas. Por otro lado, la LSTM univariada revela un desempeño de pronóstico menor para la predicción del precio de acciones ilíquidas.

Análisis de aprendizaje automático de compras consolidadas: un estudio de caso sobre las tendencias de precios de medicamentos antirretrovirales en México en 2019

Blanca Iveth Mayorga Basurto, Galo Moncada Freire — Wed, 26 Jun 2024 00:00:00 -0500

Este trabajo examina las tendencias en los precios de medicamentos antirretrovirales y su impacto en la salud pública, centrándose en el contexto mexicano en 2019. Por medio de técnicas de aprendizaje automático, el estudio analiza las fluctuaciones en los precios de los medicamentos antirretrovirales, con base en un conjunto de datos que comprende 15,220 observaciones de medicamentos antirretrovirales (ARV) adquiridos entre 2016 y 2019, con énfasis particular en el año 2019. Los resultados indican que los “bosques aleatorios” demostraron la mayor precisión en la predicción de cambios de precios, seguidos por K-Nearest Neighbors o KNN (algoritmo de k vecinos más próximos) y la regresión logística. Se identificaron factores significativos que afectan los precios de adquisición, como el tipo de medicamento y la duración de la estrategia de adquisición. Además, el estudio profundiza en las consideraciones presupuestarias, evaluando las implicaciones financieras de estas fluctuaciones de precios. Estos hallazgos destacan la efectividad de iniciativas como los enfoques de adquisición consolidada y la integración de medicamentos más nuevos y rentables en los protocolos de tratamiento, lo que conduce a ahorros significativos y mejor acceso para las personas que viven con VIH/sida. Es importante destacar que este artículo se centra en analizar un esquema específico de adquisición de medicamentos antirretrovirales. Los estudios futuros ampliarán este análisis para abarcar un espectro más amplio de esquemas de adquisición de medicamentos, proporcionando así una comprensión más completa de la dinámica de fijación de precios y sus implicaciones para la salud pública. Además, la investigación en curso perfeccionará la metodología e integrará fuentes de datos adicionales para mejorar la precisión y profundidad del análisis.

El índice de sentimiento en las redes sociales y su impacto en los rendimientos del S&P 500

Lizeth Gordillo Martínez — Wed, 26 Jun 2024 00:00:00 -0500

El estudio de la construcción y el análisis de índices de sentimiento en redes sociales es una técnica reciente que ha captado interés por su capacidad para identificar tendencias en los precios de las acciones. Además, la aplicación de inteligencia artificial para analizar rápidamente grandes volúmenes de datos de diversas fuentes de información ha creado una nueva forma de evaluar información masiva de redes sociales. El procesamiento del lenguaje natural (NLP, por sus siglas en inglés) es el método preferido que se sigue en la investigación. Originado en los años cincuenta, el NLP surgió de la intersección entre la inteligencia artificial y la lingüística. En un comienzo se empleó para recuperar información textual, con métodos basados en estadísticas para indexar y buscar de manera eficaz en grandes secciones de texto.

Estudio de causalidad sobre problemas de inclusión financiera con técnicas de ciencia de datos: el caso de México

Itzel Coquis Rioja, Mario Iván Contreras Valdez — Wed, 26 Jun 2024 00:00:00 -0500

El presente artículo explora las causas de la inclusión financiera entre la población mexicana. Con datos de la Encuesta Nacional de Inclusión Financiera (ENIF) (INEGI, 2021) desarrolla dos modelos de aprendizaje automático con el objetivo de identificar a individuos que forman parte del sistema financiero. Estos modelos son evaluados valiéndose tanto de metodologías de inteligencia artificial como de pruebas estadísticas de significancia tradicionales. Los hallazgos sugieren que factores como nivel educativo, ingreso mensual, preferencias orientadas hacia el futuro sobre las presentes, capacidad de ahorro y acceso a teléfonos inteligentes son impulsores significativos que aumentan la probabilidad de inclusión financiera. En consecuencia, existe un potencial para la implementación de políticas públicas dirigidas a incentivar a los individuos para que adopten voluntariamente servicios financieros formales.

Por qué el índice de sentimiento neto debería ser una prioridad: un estudio de caso de la industria bancaria

José Guadalupe Mendoza Macías, Román Alejandro Mendoza Urdiales — Wed, 26 Jun 2024 00:00:00 -0500

El artículo analiza el impacto de los comentarios en redes sociales sobre el rendimiento de las acciones de los bancos en el mercado de valores de EE.UU. Se empleó inteligencia artificial para monitorear y extraer comentarios en tiempo real, y se utilizó el procesamiento de lenguaje natural para calcular el sentimiento de cada comentario. Los comentarios se clasificaron como positivos o negativos y se agregaron, por hora, para cada banco durante el período observado. Los resultados mostraron que tanto los comentarios positivos como los negativos tienen un efecto significativo en el rendimiento de las acciones, con un impacto asimétrico más pronunciado en el caso de los comentarios negativos. Este estudio contribuye a la comprensión de cómo la interacción en redes sociales puede influir en el valor de mercado de las empresas y destaca la importancia para las compañías que cotizan en bolsa de monitorear y gestionar la percepción en línea.