El impacto causal del óbito del Sr. Botín en la cotización bursátil del benemérito Banco de Santander

El Sr. Botín, presidente que fue del Banco de Santander, falleció el 2014-09-10. Cabe preguntarse por el impacto causal à la Google de no continuidad de su gestión a cargo de dicha institución.

Comienzo pues.

Primero los datos:

library(tseries)
library(CausalImpact)
 
santander <- get.hist.quote(instrument="san.mc", start= Sys.Date() - 365*3,
                            end= Sys.Date(), quote="AdjClose",
                            provider="yahoo", origin="1970-01-01",
                            compression="d", retclass="zoo") 
 
bbva <- get.hist.quote(instrument="bbva.mc", start= Sys.Date() - 365*3,
                       end= Sys.Date(), quote="AdjClose",
                       provider="yahoo", origin="1970-01-01",
                       compression="d", retclass="zoo") 
 
ibex <- get.hist.quote(instrument="^IBEX", start= Sys.Date() - 365*3,
                       end= Sys.Date(), quote="AdjClose",
                       provider="yahoo", origin="1970-01-01",
                       compression="d", retclass="zoo") 
 
obito.botin <- as.Date("2014-09-10")
 
cotizaciones <- cbind(santander, bbva, ibex)
cotizaciones <- cotizaciones[!is.na(cotizaciones$AdjClose.ibex)]

Con lo anterior, he bajado las cotizaciones diarias de las acciones del Banco de Santander, las del BBVA y la del IBEX 35 durante los últimos tres años. Eso deja la fecha de la muerte del Sr. Botín, aproximadamente, en la mitad.

Los datos que descargo de Yahoo! son el cierre ajustado, que tiene en cuenta el efecto de los dividendos, los splits, etc. en las distintas cotizaciones.

Ahora voy a ver qué me cuenta CausalImpact, i.e.,

impact <- CausalImpact(cotizaciones, 
                       c(min(index(cotizaciones)), obito.botin - 1),
                       c(obito.botin, max(index(cotizaciones))))

sobre el efecto causal motivo de esta entrada. Lo que hace la función, lo miráis por ahí. Pero mirad los resultados:

plot(impact, metrics = c("original", "pointwise"))

genera

causal_impact_santander

que indica (y summary(impact) cuantifica) cómo, de acuerdo con los tejemanejes del paquete en cuestión, parece haber un efecto lesivo para los intereses de los accionistas muy significativo.

Y ahora, las concomitancias:

  • Esta entrada debe mucho a una alumna mía que prefiere cuyo nombre prefiere que no figure porque trabaja en una empresa del susodicho grupo.
  • La causalidad es problemática y pudiera ser, incluso, en dirección contraria (que la muerte se debiese a…)
  • Abundando en lo anterior, dada la complejidad del mundo en que vivimos, es plausible que la causa fuese otra.
  • Me habría sentido más cómodo estudiando diff(cotizaciones) en lugar de cotizaciones, pero en tal caso el p-valor se crece más allá del 0.05.

3 comentarios sobre “El impacto causal del óbito del Sr. Botín en la cotización bursátil del benemérito Banco de Santander

  1. daniel 20 abril, 2016 16:52

    Dudo mucho de la fecha de fallecimiento, todavía no hemos llegado a ella!, por otro lado que tal ponerle unidades a los gráficos?

  2. Carlos J. Gil Bellosta 20 abril, 2016 18:29

    Efectivamente, la fecha estaba mal escrita en el párrafo original. Ya está corregida. En el código, sin embargo, estaba bien.

    Los gráficos tienen unidades: fechas en el eje horizontal y euros en el vertical. Es la cotización del banco en la gráfica superior y la diferencia entre la cotización real y la «contrafactual» en el inferior.

  3. daniel 20 abril, 2016 21:35

    Recuerdo que uno de los factores que más influyeron posteriormente al óbito en los inversores internacionales fue que el caracter de «empresar familiar» para un banco de tanta envergadura era visto con suspicacia por lo profesionales, independientemente de la preparación de las personas que tomaron el mando.

    Por otro lado, dada la gran correlación existente entre las cotizaciones de los bancos, y en especial en los últimos tiempos turbulentos, es probable que la variación en las correlaciones con otros agentes similares sea una excelente media del impacto.

    Sin embargo, la verdad es que el factor capital ultimamente es el precio de petróleo y hasta hace poco las dudas sobre los mercados asiáticos, esto hace que las hipótesis de partida para el modelo del impacto no sean realista. Por otro lado, que al bbva le vaya bastante bien no implica gran cosa, habría que coger una cesta mayor para realizar la comparación.

    Por cierto en kaggle hay un premio cuantioso, no sé si aún está abierto, para aplicando ML predecir el comportamiento de los clientes. Sería bueno ser si por estos lares hay gente que se dedique a esto (aparte de un gestor de hospital que ganó un premio en kaggle por nuestros lares.
    Saludos a los lectores del blog.

Los comentarios están desabilitados.