Modelos VAR y Garch multivariado para la proyección del precio de las acciones de Amazon y análisis de volatilidad (2019-2023)

Resumen

Durante el periodo 2019-2023, caracterizado por shocks macroeconómicos de alta magnitud —entre estos, la pandemia de covid-19 y episodios de inflación acelerada en Estados Unidos—, la predicción del precio de activos de alta capitalización como Amazon (AMZN) representa un desafío metodológico relevante para la gestión del riesgo financiero. Por tal razón, en este artículo se construye y evalúa un enfoque de modelado integrado que combina un modelo VAR (vector autorregresivo) multivariado de orden 6, un modelo Garch (1,1) para la volatilidad condicional y el cálculo del valor en riesgo (VaR) mediante cuatro metodologías complementarias. El modelo VAR incorpora el PIB trimestral de Estados Unidos, el índice CPI-U y el S&P 500 como variables exógenas, proyectadas previamente mediante modelos Arima seleccionados con criterios AIC y BIC. La novedad del enfoque radica en aplicar el VaR sobre los precios proyectados mediante un modelo de vectores autorregresivos (VAR) —no sobre precios históricos—, convirtiendo esta métrica en un indicador de riesgo prospectivo integrado al modelo predictivo. Los resultados evidencian convergencia entre metodologías de VaR (Monte Carlo: −3,79 %; Delta Histórico: −3,65 %; EWMA: −2,19 %), validando la consistencia interna del modelo. El Garch (1,1) confirma persistencia significativa de la volatilidad en AMZN (α = 1,000), mientras el VAR de orden 6 captura la dinámica conjunta entre el precio de la acción y los fundamentos macroeconómicos. El VaR prospectivo sobre proyecciones alcanzó −0,3993 (IC 95 %), indicando pérdidas moderadas esperadas en el horizonte trimestral. Estos hallazgos sugieren que la integración de herramientas econométricas multivariadas mejora sustancialmente la capacidad de gestión del riesgo en carteras con exposición a acciones tecnológicas de alta capitalización.