Ciencia Latina Revista Científica Multidisciplinar

Noviembre-Diciembre, 2023, Volumen 7, Número 6

https://doi.org/10.37811/cl_rcm.v7i6.8890

pág. 2844

Correlación y Crecimiento de Empresas de Tecnología y su Índice Bursátil

Dr. Paul Adrián Chávez Hernández

pchavez@uach.mx

México

Dr. Efraín Torralba Chávez

etorralba@uach.mx

México

Dra. Luz Elena Guzmán Ibarra

liguzman@uach.mx

https://orcid.org/0000-0001-5763-1290

Universidad Autónoma de Chihuahua

México

eligieron de forma aleatoria 7 empresas que cotizan en esta bolsa, con la finalidad de conocer si durante

el periodo de la Pandemia del COVID-19, éstas sufrieron caídas importantes y contrastarlas con el

indicador bursátil del NASDAQ. El enfoque de la presente investigación se realizó de cuantitativo,

descriptivo, exploratoria y correlacional; de diseño longitudinal. La variable dependiente fue la

variabilidad porcentual diaria del indicador NASDAQ ,las variables independientes fueron las

variaciones porcentuales diarias de los precios ajustados de las siete empresas seleccionadas, las cuales

fueron las siguientes: NETFLIX., MARVEL, TESLA, INTEL, QUIAGEN, QUIDEL,

R.HARMACEUTICALS. Para analizar los datos se utilizó un modelo de regresión múltiple, utilizando

el programa MINITAB 17, con el que se concluyó que las empresas elegidas siguieron teniendo un

crecimiento sostenido a pesar de la Pandemia, además de que se tuvo una fuerte correlación positiva

pág. 2845

Correlation and Growth of Technology Companies and their Stock Index

ABSTRACT

It is well known that in all stock markets, volatility is always present in them. There are different stock

exchanges around the world, one of them being the NASDAQ, where the main technology companies

are listed. For the following investigation, 7 companies listed on this stock exchange were randomly

chosen, with the purpose of knowing if during the period of the COVID-19 Pandemic, they suffered

significant falls and contrasting them with the NASDAQ stock market indicator. The approach of this

sustained growth despite the Pandemic, in addition to having a strong positive correlation with the

index. of the NASDAQ.

Keywords: stock markets; correlation; technology

pág. 2846

INTRODUCCIÓN

Hoy en día la tecnología está presente en la mayoría de las actividades humanas, las empresas dedicadas

a producirla representan un atractivo para consumidores y organizaciones que va más allá de su simple

uso. Durante el periodo de la Pandemia del COVID-19, la mayoría de los mercados bursátiles sufrieron

pertinentes, ya que las inversiones en bolsa están sujetas a riesgos, los rendimientos son variables y su

existencia es incierta (Baker , 2005). La predicción de la bolsa de valores NASDAQ es un tema de

interés para quienes invierten en ella. Poder predecir la tendencia y el precio de las acciones, de las

empresas de tecnología, ayudaría a los inversores a realizar los movimientos adecuados y así ganar

dinero (Ellis, 2009).

El Nasdaq es un mercado global que vende y compra acciones de compañías a través de Internet, es

decir, una bolsa de valores que no utiliza intermediarios, sino que todas las transacciones se hacen en

línea para mayor seguridad. Fue creado por la Asociación Nacional de Corredores de Valores (NASD)

para permitir a los inversores intercambiar valores en un sistema computarizado, rápido y transparente,

y comenzó a operar el 8 de febrero de 1971 (Johansen & Sornette, 2000). El término "Nasdaq" también

pág. 2847

Para poder lidiar con los efectos adversos de estos acontecimientos, y poder permanecer en el mercado

de forma exitosa, la estabilidad financiera de cada empresa, juega un rol sumamente valioso (Espinosa

& Hernández, 2005).

Por tanto, predecir un índice en el mercado de valores NASDAQ representa un gran desafío. Se han

lineal se usa para estudiar la relación lineal que pueda existir entre una variable llamada dependiente y

un grupo de variables llamadas independientes o predictoras (Cardona , González Javier, & Rivera,

2013) . El modelo de regresión fue introducido por Laplace (1749-1827) y Gauss (1777-1855), pero

posteriormente fue usado por Galton (1822-1911) para explicar la relación entre las estaturas de los

padres y las estaturas de los hijos, encontrando lo que denominó como regresión a la media (López-

Juárez) Con esta expresión quería indicar que, en promedio, los hijos de padres altos no eran tan altos

como sus padres y que los hijos de padres bajos eran más altos que estos.

Si el modelo tiene una variable independiente, entonces se tiene una modelo de regresión lineal simple,

en caso de que se tenga 2 o más variables independientes, se trata de un modelo de regresión lineal

múltiple.

El modelo de regresión lineal simple relaciona los valores 𝑋 y 𝑌 de dos variables numéricas, mediante

la relación:

𝑌 = 𝛽0 + 𝛽1+ ∈

En esta relación, 𝑌 se llama variable dependiente, 𝑋 se denomina variable independiente predictora y ∈

es una variable aleatoria que representa la diferencia entre la parte estructural 𝛽0 + 𝛽1 y el valor

pág. 2848

correspondiente 𝑌. La variable ∈ representa errores de medida; sin embargo, a menudo también

representa valores de variables no consideradas en el modelo, la inclusión de esta variable aleatoria es

primordial pues permite modelar relaciones que no son perfectamente lineales.

Para completar el modelo, se supone que los errores representados por esta variable no son

correlacionados, que tienen una distribución normal con media 0 y varianza constante 𝜎2, y que no son

unitario de 𝑥.

Una vez que se han establecido las variables y suponiendo que un modelo de regresión lineal simple

puede usarse para corroborar la relación que pudiera existir entre las variables, los pasos a realizarse

para la aplicación del modelo son las siguientes:

▪ Estimación del modelo

▪ Adecuación del modelo

▪ Verificación de los supuestos del modelo

▪ Utilización del modelo

Sin embargo, en diferentes casos de estudio, es posible que no sea suficiente la variable independiente

para explicar linealmente una variable dependiente, por lo tanto, será necesario agregar más variables

pág. 2849

Al igual que el modelo de regresión lineal simple, este modelo permite evaluar la relación que pudiera

existir entre un conjunto de variables independientes y una variable dependiente para estudiar la

influencia en esta última variable. Para ello será necesario estimar los parámetros del modelo a partir

de valores recogidos obtenidos de cada variable independiente.

Por último, un aspecto a verificar en este análisis, es el referente a la multicolinealidad, problema que

existe cuando entre las variables independientes de un modelo, existe una asociación entre ellas. Existen

algunas señales que ayudan a detectar multicolinealidad, entre ellas se tiene: la correlación significativa

entre dos variables independientes, o la falta de coherencia de los signos de los

coeficientes de regresión (Riba, 2013).

Por otro lado, en los mercados financieros, según Vergara (2022) para obtener un beneficio individual

positivo en el mercado de valores, los agentes no siempre intervendrán bajo el supuesto de perfecta

racionalidad. Por el contrario, muchos individuos negocian en el mercado con base en criterios

subjetivos o especulativos, producto de la experiencia y posesión de información incompleta.

profundidad la parte intrínseca de los emisores, siempre con el objetivo de buscar minimizar los riesgos

de inversión.

Una investigación de Franklin (Gallegos, 2021), encuentra que a pesar del efecto de la pandemia en

varios sectores financieros y bursátiles, hubo crecimiento para un sector en específico, que fue el del

pág. 2850

sector de la tecnología, derivado de que el uso de las TIC fue algo fundamental para la sostenibilidad y

crecimiento.

Debido a esto, se defiende la pregunta de investigación para este análisis: ¿Son las principales empresas

que integran el índice NASDAQ las que determinan su crecimiento?

cierre, de forma diaria, tomando en cuanto el mismo rango de tiempo que se utilizó para el precio de

cotización de cierre de las empresas.

Para determinar la influencia del incremento (o decremento) del valor de las diversas acciones

analizadas, sobre el indicador Nasdaq 100, se procedió a calcular el incremento porcentual diario de

cada una de las acciones incluyendo al indicador Nasdaq 100. A continuación, se ejemplifica uno de

los cálculos realizados:

Tabla 1: Variación diaria

pág. 2851

Continuando con el análisis se codificaron las diversas variables de la siguiente forma:

Variable dependiente:

NASDAQ = Variación porcentual diaria del indicador Nasdaq.

Variables dependientes:

REGN= Variación porcentual diaria de la acción de la empresa R.HARMACEUTICALS.

Para determinar la influencia de las principales empresas que cotizan en el Nasdaq 100, se utilizó un

análisis de regresión múltiple, donde el modelo estadístico inicial fue el siguiente:

pág. 2852

A continuación, las gráficas de dispersión de cada variable de estudio:

pág. 2859

Álvarez (2022), al postular que la explicación más sencilla es, probablemente, más correcta que la más

difícil y compleja, por lo que en ocasiones el modelo más sencillo es el que puede ser de mayor utilidad

que un modelo más complejo.

REFERENCIAS BIBLIOGRAFICAS

Álvarez , R. (2022). Valuación de empresas en México de 2006 a 2017 mediante el valor de

capitalización y el valor económico agregado. Entre ciencias.

doi:https://doi.org/10.22201/enesl.20078064e.2022.23.80937

Baker , H. (2005). Factors influencing dividend policy decisions of Nasdaq firms. The financial review.

Obtenido de https://onlinelibrary.wiley.com/doi/abs/10.1111/j.1540-6288.2001.tb00018.x

Carpio , E. (2023). La mejor opción para predecir el precoio máximo de las acciones de intel

corporation: regresión lineal o regresión linel múltiple. Richary revista de investigación y

tecnologgía. doi:https://doi.org/10.57166/riqchary/v5.n1.2023.117

Ellis, K. (2009). The accuracy of trade classification Rules: Evidence from Nasdaq. Review of

cambridge university. Obtenido de https://www.cambridge.org/core/journals/journal-of-

financial-and-quantitative-analysis/article/abs/accuracy-of-trade-classification-rules-evidence-

from-nasdaq/A2CAD2206B562784527548F5283A9ECB

Espinosa, J., & Hernández, O. (2005). CRISIS EN EL MERCADO DE FONDOS DE INVERSIÓN:.

Economía y Sociedad. Obtenido de

https://repositorio.una.ac.cr/bitstream/handle/11056/19157/Crisis%20en%20el%20mercado%

pág. 2860

Gallegos, F. (2021). Análisis de los futuros del NASDAQ-100 durante el colapso del mercado de

valores en el 2020. Universidades y desarollo sostenible. Obtenido de

https://rus.ucf.edu.cu/index.php/rus/article/view/2649

Gastaldi, S. (2008). Las hipotcas de mala calidad y la crisis financiera internacional. Sus causas. Ciecias

Lips, J. (2019). Econometric Modelling of Energy & Financial. Economics and Business Studies.

Obtenido de

Liu, K., Li, M., & Zhu, X. (2023). The effects of Nasdaq delisting on firm performance. Research in

international Bussines and finance. doi:https://doi.org/10.1016/j.ribaf.2023.102101

López-Juárez, G. (s.f.). Factores que explican el comportamiento del mercado accionario mexicano.

Clío américa. doi:https://doi.org/10.21676/23897848.3025

Mathew , A. (1997). Cost of transacting and ecpected returns in the Nasdaq market. The journal of

finance. Obtenido de

https://onlinelibrary.wiley.com/doi/epdf/10.1111/j.1540-6261.1997.tb02754.x

económico. Obtenido de https://revistes.uab.cat/redes/article/view/v33-n1-rojas-osorio/898-

pdf-es

pág. 2861

Scilingo, L. (2022). An{alisis económico financiero de las empresas que componen el índice Nasdaq.

Revista de la universidad politécnica de Valencia. Obtenido de

https://riunet.upv.es/handle/10251/187497

Vergara, A. (2022). Mercado de valores: Integración financiera en torno a la pandemia del covid-19.