Stock market risk analysis and prediction model for Holcim S.A. shares in the period 2018-2023.

Main Article Content

Jessica Adriana Orellana Simbaña
Wilson Alejandro Guzmán Espinoza

Abstract

This study focuses on examining fluctuations in Holcim's share prices on the stock market,
with the aim of developing an econometric model that allows observing and forecasting price variability. The
research focuses on analyzing the company's performance based on daily prices, during the periods from 2018
to 2023, which reflects declines due to financial health factors and external factors such as the pandemic. In addition, a
prediction of future value is made for the next 150 days. The results show that Holcim shares exhibit
moderate volatility. Therefore, investors in Holcim should be prepared to assume a certain degree of risk due
to the variability in share prices. The ARIMA (25,1,6) model suggests a promising approach to forecasting actual prices, while the GARCH (1,1) volatility model effectively incorporates past conditional variances and forecasts an expected return of 0.0124% for July 11. Its impact can increase significantly if it remains consistent and accumulates over time due to compound interest. Finally, the models are effective in modeling changes in volatility, especially if these changes are sudden, but they do not adequately capture structural or level changes in the data, as the stock market presents several fundamental problems such as: speculation risk, market changes, government changes, and global events.


 


 

Downloads

Download data is not yet available.

Article Details

How to Cite
Orellana Simbaña, J. A., & Guzmán Espinoza, W. A. (2025). Stock market risk analysis and prediction model for Holcim S.A. shares in the period 2018-2023. Management Decision, 4(9), 54–73. https://doi.org/10.26871/rdg.v4i9.64
Section
Artículos
Author Biographies

Jessica Adriana Orellana Simbaña, Universidad Católica de Cuenca

 

 

 

Wilson Alejandro Guzmán Espinoza, Universidad Católica de Cuenca

 

 

 

References

Alonso, F. (1995). La modelización de la volatilidad del mercado bursátil español. Madrid: Banco de España. Obtenido de https://www.bde.es/f/webbde/SES/Secciones/Publicaciones/PublicacionesSeriadas/DocumentosTrabajo/95/Fich/dt9507.pdf

Amate, K. (2018). Modelos arch y garch y su aplicación a series financieras: https://diposit.ub.edu/dspace/bitstream/2445/125023/2/memoria.pdf

Bankinter. (2019). Economía y Finanzas. Obtenido de Corrección de mercado tras una caída bursátil

Brown, R., Durbin, J., & Evans, J. (1995). Técnicas para probar la constancia de las relaciones de regresión a lo largo del tiempo. techiques for testing the constancy of regression relationships over time (Vol. 37). Journal of the Royal Statistical Society. Series B (Methodological).

Barcenilla, V. A. (2022). Aplicación web para la gestión de carteras de inversión usando técnicas de Inteligencia Artificial. Bucle. https://uvadoc.uva.es/handle/10324/57220

Bodie, Z. K. (2014). Inversiones (10 ed.).

Cabrera, W., Melo, L., & Parra, D. (2014). Relación entre el riesgo sistémico del sistema financiero y el sector real: un enfoque FAVAR. Elsevier. doi:10.1016/j.espe.2014.08.001

Calzada, M. G. (27 de enero de 2021). Pubs R por Rstudio. ., de Modelos Arima y de Volatilidad: caso General Motors: https://rpubs.com/maricruz_georgina/GM_Volatilidad

Chávez, F. A. (2023). Un modelo de series de tiempo ARIMA para pronosticar la variable generadora de ingresos por negociaciones de renta variable en el mercado de valores en Ecuador. Figempa: Investigación y Desarrollo. Doi.org/10.29166/revfig.v16i2.4496

Chávez, N. (1997). Modelos Arima. Revista Ciencia y Cultura, (1), 23-30. Disponible en: http://www.scielo.org.bo/scielo.php?script=sci_arttext&pid=S2077-33231997000100005&lng=es&tlng=es.

Condori, J. &. (2023). La teoría de Markowitz y su relación con la rentabilidad de un portafolio conformado por acciones del índice bursátil standard & poor’s 500 en el año 2022. https://hdl.handle.net/20.500.12773/16851

Córdova, M. (s.f.). Gestipon financiera (1a. ed. - ed.). EcoEdicciones.

Cortés. (2020). Riesgo específico y riesgo sistemático. https://dialnet.unirioja.es/servlet/articulo?codigo=7430149

Damodar, G. (2010). Econometria II. México. https://econometriaii.wordpress.com/wp-content/uploads/2010/11/econometria-ii1.pdf

Denisse López. (19 de marzo de 2023). Un cúmulo de escándalos y mala gestión: así ha sido la caída de Credit Suisse. CincoDías. ., de ¿Qué son las acciones y cómo funcionan?

Dobaño, L. (1999). Modelos ARCH: análisis de la volatilidad de series temporales financieras. Anales de estudios económicos y empresariales, (14), 67-84. Disponible en: https://dialnet.unirioja.es/servlet/articulo?codigo=274703

Educa Portal de Educación. (2022). Proceso de toma de decisiones de inversión. ., de Aspectos a considerar al momento de la inversión: https://www.cmfchile.cl/educa/621/w3-article-751.html

Espín , E., Jácome, R., & Vera, P. (2020). Riesgo y rendimiento del BVG Index: Análisis y proyección econométrica. Actualidad Económica, 30(100), 79-88.

FasterCapital. (2024). Beneficiarse de las oscilaciones de precios a corto plazo: https://fastercapital.com/es/tema/beneficiarse-de-las-oscilaciones-de-precios-a-corto-plazo.html/2

Ferrando, S. (2012). Análisis de la volatilidad de series financieras mediante modelos ARMA-GARCH. Disponible en: https://core.ac.uk/download/pdf/289980658.pdf

Flores, E., & Quiroz, A. (2021). Un Enfoque Bayesiano en Modelos Heterocedásticos de Series de Tiempo y su Aplicación en la Volatilidad de Activos Financieros. Revista de Investiagación UNMSM, 12. doi:doi.org/10.15381/pesquimat.v24i2.21152

Focus Economics. (7 de junio de 2024). Economic Forescasts from the world's leading economists. Suiza: La inflación sube en mayo a su nivel más alto en dos años. Obtenido de https://www.focus-economics.com/es/countries/suiza/news/inflacion/la-inflacion-sube-en-mayo-a-su-nivel-mas-alto-en-dos-anos/

Francischetti, C. E., Bertassi, A. L., Souza Girioli Camargo, L., & Padoveze, C. (2014). El Análisis de riesgos como herramienta para la toma de decisones relativas e inversiones. Sistema de Información Científica Redalyc, 17(33), 73-85. Obtenido de https://clubgestionriesgos.org/secciones-informacion-riesgos/riesgo-de-mercado/

Garzón. (9 de Agosto de 2021). Incidencia del riesgo sistemático en la composición del índice Colcap en Colombia periodo 2014-2020. Disponible en: https://hdl.handle.net/20.500.11839/8697

Giraldo Picón, É. L. (2022). Pronóstico de volatilidades a los rendimientos de activos financieros de renta variable en Colombia a través de modelos ARCH y GARCH. Disponible es: https://repositorio.unal.edu.co/handle/unal/81518

González, P. (2009). Análisis de series temporales: Modelos Arima. Vasco: Universidad del País Vasco. Disponible en: http://surl.li/qqqfin

GROUP, D. B. (2024). ÍNDICES STOCK Europe 600 de construcción y materiales. Obtenido de https://stoxx.com/index/sxop/

Harper, D. R. (2024). Fuerzas que mueven los precios de las acciones. Investopedia. .

Herminio, G. (2010). Test de Zivot & Andrews secuencial. Obtenido de https://econometriaii.wordpress.com/wp-content/uploads/2010/01/test_zivot.pdf

Hidalgo, H. &. (10 de Julio de 2023). Modelo matemático de optimización de Konno y Yamazaki para la selección de acciones en el mercado bursatil: una aplicación al caso ecuatoriano. Revista Imaginario Social, 6(3). https://doi.org/10.59155/is.v6i3.132

IBM. (2021). Spss statistics IBM. de Gráficos Q-Q: https://www.ibm.com/docs/es/spss-statistics/beta?topic=types-q-q-plots

Infront Analytics. (2024). Infront Analytics. de Variación del precio de las acciones de Bolsa de Valores: https://www.infrontanalytics.com/fe-ES/30022LS/BOLSA-DE-VALORES-DE-EL-SALVADO/cambio-en-el-precio-de-las-acciones

International Monetary Fund. European Dept. (2023). Switzerland: ECB Monetary Policy Spillovers on Swiss Stock Market. IMF eLIBRARY, 2023(197). https://doi.org/10.5089/9798400243608.002

Investor. (22 de febrero de 2023). theinvestoru.com. Obtenido de 14 Factores que influyen en el precio de las acciones: https://theinvestoru.com/blog/factores-que-influyen-en-el-precio-de-las-acciones/

Investor. (18 de septiembre de 2024). theinvestoru.com. Obtenido de Salud financiera de una empresa: ¿Por qué importa al comprar acciones?: https://theinvestoru.com/blog/salud-financiera-de-una-empresa/

Khare, K., Omkar, D., Prafulla, G., & V., A. (2017). Predicción del precio de las acciones a corto plazo mediante aprendizaje profundo. Semantic Scholar. https://doi.org/10.1109/RTEICT.2017.8256643

Krogh, M. (2024). Documentación del lenguaje R. Obtenido de ur.ers : Elliott, Rothenberg y prueba de raíz unitaria de stock: https://rdrr.io/cran/urca/man/ur.ers.html

Llerena, M. &. (2024). El mercado bursátil en el Ecuador: un análisis jurídico comparativo con la legislación colombiana. Disponible es: http://surl.li/fobdxo

Meneses, L. A., Carabali, J. A., Pérez, C. A. y Caracas, A. F. (2021). Publicación: Sostenibilidad y su incidencia en el desempeño financiero corporativo: evidencia empírica en el mercado bursátil colombiano. Económicas CUC, 42(2), 187–204. https://doi.org/10.17981/econcuc.42.2.2021.Econ.3

Minga, D. (2022). Volatilidad y Pronóstico de mercado bursátil español mediante series temporales. Un Universidad Internacional de Andalucía. Obtenido de https://dspace.unia.es/bitstream/handle/10334/7115/1328_Minga.pdf?sequence=1

Ojeda, A., Jácome, S. y Guachamín, M. (2021). Tasa libre de riesgo ponderada y evaluación de riesgos de solvencia de las empresas de títulos de renta fija para el mercado bursátil ecuatoriano. Cuestiones Económicas, 31(2), 70-105. https://doi.org/10.47550/RCE/31.2.3

Ordoñez, M. (2020). Pronóstico del precio del Oro por medio de los autoregresivos integrados de promedio móvil, modelos relacionales y conceptos de Machine Learning. Espol. Obtenido de https://www.dspace.espol.edu.ec/bitstream/123456789/51718/1/T-110170.pdf

Ornelas, A. (25 de marzo de 2004). Empresa: Holcim edifica en 70 países. SWI swissinfo.ch. .

Parody, E., Charris, A., & García, R. (2012). Modelación de la volatilidad y pronóstico del índice general de la bolsa de valores de Colombia (IGBC). CLIO America, 6(12), 223-239.

Peralta, B. E. y Patiño, A. (2023). Análisis de serie de tiempo. Disponible en : https://rpubs.com/axl2811/1025466

Picón, É. (2022). Pronóstico de volatilidades a los rendimientos de activos financieros de renta variable en Colombia a través de modelos ARCH y GARCH. Disponible en: https://repositorio.unal.edu.co/handle/unal/81518

Pismag, C. A., Boaños, J. H., y Meneses, L. A. (2022). Diseño de un modelo de alerta temprana para inferir la ocurrencia de crisis financieras con aplicación a mercados emergentes. El caso del mercado bursátil Colombiano. Revista Estrategia Organizacional, 11(1), 7-29. https://doi.org/10.22490/25392786.5656

Raisin. (2024). Raisin. https://www.raisin.es/inversion/activos-financieros-que-son-como-se-clasifican-ejemplos/

Raisin Bank AG. (2023). Qué son los mercados financieros? Tipos, características y funciones: https://www.raisin.es/aviso-legal/

Reyes, M., Inos, L., Tonon, L., & Orellana, I. (2023). Modelo de Valoración de Activos Financieros (CAPM) aplicado al sector empresarial de Ecuador. RETOS. Revista de Ciencias de la Administración y Economía, 13(25), 113-126. https://doi.org/10.17163/ret.n25.2023.08

Rolando, M. L. (2023). Volatilidad y pronóstico del mercado bursátil español mediante series temporales. Universidad Internacional de Andalucia, 52. http://hdl.handle.net/10334/7115

Rtve.es. (17 de junio de 2023). Economía. Claves de la crisis del Credit Suisse: ¿qué ha pasado y qué riesgos tiene? Obtenido de https://www.rtve.es/noticias/20230317/credit-suisse-banco-encadena-crisis-internas/2431819.shtml

Salguero, R. A. (2021). Series Temporales Avanzadas: Aplicación de Redes Neuronales para el Pronótico de Series de Tiempo. Universidad de Granada, 64. ., de https://masteres.ugr.es/estadistica-aplicada/sites/master/moea/public/inline-files/TFM_FernAndez%20SalgueroRicardo%20Alonzo.pdf

Salinas, J. C. (20 de enero de 2021). Pubs R por Rstudio. ., de Arima y Volatilidad: Caso Exxon: https://rpubs.com/JulioCesarMTZ/EXXON_VOLATILIDAD

Silva, P. &. (2020). Contribución del mercado bursátil al crecimiento y modernización de la economía Ecuatoriana. ., de https://dialnet.unirioja.es/servlet/articulo?codigo=8890252

Tamara|, V., Marija, Đ., & Stefan, Z. (2021). Functional analysisof the most significant stock exchange characteristics -a case study of the Swiaa Stock Excange. Scindeks, 9(2), 98-106. https://doi.org/10.5937/trendpos2102106V

Tapia, R., & Pamela, E. (2017). “Análisis de volatilidad de los precios de las acciones Holcim S.A. utilizando el modelo GARCH. Disponible en: https://repositorio.uta.edu.ec/bitstream/123456789/25993/1/T4055ig.pdf

Trejo, B., & Gallegos, A. (2021). Estimación del Riesgo de Mercado utilizando el VaR y la Beta del CAPM. Revista mexicana de economía y finanzas, 16(2), e589 https://doi.org/10.21919/remef.v16i2.589

Tserkezos, D. (2021). Los efectos de la agregación temporal y el muestreo aleatorio en la potencia de la prueba de estacionariedad aumentada de Dickey Fuller: un estudio de Monte Carlo. Dinero, Comercio y Finanzas, 223-233. https://doi.org/10.1007/978-3-030-73219-6_11

Universidad Complutense de Madrid. (2006). Modelos de Series Temporales. ., de https://www.ucm.es/data/cont/media/www/pag-41459/Series%20temporales%20Econometria%20Novales.pdf

Varea, A. (2021). Aplicación del modelo del CAPM en la predicción de las acciones del DAX. Universidad Politecnica de Valencia. ., de https://riunet.upv.es/bitstream/handle/10251/175280/Varea%20-%20Aplicacion%20del%20modelo%20del%20CAPM%20en%20la%20prediccion%20de%20las%20acciones%20del%20DAX.pdf?sequence=1&isAllowed=y

Velandia, M., Fernando, L., Castro, R., Hernán, & Toro , J. (marzo de 2024). Flujos brutos de capital de portafolio de no residentes y residentes y el rol de la política monetaria. Economía Institucional, 26(50). https://doi.org/10.18601/01245996.v26n50.09

Yahoo Finance. (2024). Yahoo finance. Recuperado el 14 de septiembre de 2024, de https://es.finance.yahoo.com/quote/HOLN.SW/

Zivot, E. &. (1992). Further evidence on the Great Crash, the oil-price shock, and the unit-root hypothesis. Journal of Business & Economic Statistics, 10(3), 251-270. https://doi.org/10.2307/1391541