Predicción del precio de acciones utilizando los estados contables mediante un modelo SARIMAX.

La presente tesis aborda el desafío de predecir el precio de cierre de una acción el día siguiente a la publicación de sus estados contables, integrando la información contenida en dichos documentos y las estimaciones de los analistas de mercado. Para ello, se desarrollaron y ajustaron modelos SARIMAX que capturan la dinámica estacional y autorregresiva de la serie histórica de precios, al tiempo que incorporan variables exógenas para mejorar la precisión predictiva. Se seleccionaron dos empresas representativas del mercado argentino (YPF y Grupo Financiero Galicia) sobre cuyos datos trimestrales se aplicó un exhaustivo proceso de ingeniería de características. Este incluyó el cálculo de diferencias entre los valores reales y esperados de los principales campos contables, la utilización de ratios financieras e indicadores macroeconónicos, la imputación de valores atípicos mediante rangos intercuartílicos y técnicas de clustering, la generación de componentes principales para reducir la dimensionalidad y la incorporación de variables de interacción. Se aplicaron técnicas de selección de variables (forward/backward selection) y explicabilidad mediante SHAP para identificar los indicadores con mayor impacto en la estimación: flujo de caja, EBITDA y ventas. Además, se evaluó la exactitud de las predicciones de los analistas sobre los estados contables mediante la prueba de signos de Wilcoxon, aportando evidencia robusta sobre la precisión de sus estimaciones en muestras pequeñas. Los resultados muestran un desempeño sobresaliente de los modelos, con errores cuadráticos medios reducidos y una clara identificación de las variables clave, lo que demuestra la eficacia de la metodología SARIMAX en combinación con análisis de características y pruebas no paramétricas para la predicción de precios en contextos de alta generación de información financiera.