Modelo fundamental de crecimiento en utilidades y price-to-earnings ratio, P/E, de los índices accionarios internacionales

Jiménez Benítez, Daniel; Sandino Perdomo, Daniel; Navarrete Quintero, Nicolás

Publicación:
Modelo fundamental de crecimiento en utilidades y price-to-earnings ratio, P/E, de los índices accionarios internacionales

dc.contributor.advisor	Diaz, Walter
dc.contributor.advisor	Durango Gutiérrez, María Patricia
dc.contributor.author	Jiménez Benítez, Daniel
dc.contributor.author	Sandino Perdomo, Daniel
dc.contributor.author	Navarrete Quintero, Nicolás
dc.coverage.spatial	Medellín de: Lat: 06 15 00 N degrees minutes Lat: 6.2500 decimal degrees Long: 075 36 00 W degrees minutes Long: -75.6000 decimal degrees	eng
dc.creator.degree	Magíster en Administración Financiera	spa
dc.creator.email	dsandinop@eafit.edu.co
dc.creator.email	djimenezb@eafit.edu.co
dc.creator.email	nnavarret@eafit.edu.co
dc.date.accessioned	2025-03-10T20:28:27Z
dc.date.available	2025-03-10T20:28:27Z
dc.date.issued	2025
dc.description	El S&P500, un barómetro de la economía estadounidense, es uno de los índices bursátiles más importantes del mundo. La relación precio-beneficio (price-to-earnings ratio, P/E) es una medida de valoración que compara el precio de mercado de una acción con sus ganancias por acción, y se utiliza comúnmente para evaluar si las acciones están sobrevaloradas o subvaloradas. Pronosticar la relación P/E es complejo debido a factores que pueden tener influencia en dicha relación: tasas de interés, crecimiento económico, sentimiento del mercado o proyecciones financieras sobre las empresas, entre otros. En esta investigación se implementaron dos modelos de redes neuronales recurrentes: la LSTM (long short-term memory, memoria a corto plazo y larga duración) y la GRU (gated recurrent unit, unidad recurrente cerrada), así como dos modelos de machine learning: el XGBoost (extreme gradient boosting, aumento de gradiente extremo) y el LigthGBM (light gradient boosting machine, motor potenciador de gradiente ligera), para pronosticar la relación P/E del S&P500 utilizando datos históricos entre enero de 1990 y octubre de 2024. Los resultados muestran que los cuatro modelos tienen un buen rendimiento, aunque el modelo GRU se destaca en términos de precisión y eficiencia computacional, sin dejar a un lado el modelo LigthGBM, un algoritmo de boosting, que también muestra resultados competitivos. La investigación ofrece información valiosa sobre el uso de los cuatro modelos para pronosticar índices de valoración, y puede ser útil como apoyo en la toma de decisiones de inversión.
dc.description.abstract	The S&P500, a barometer of the U.S. economy, is one of the world's leading stock market indices. The price-to-earnings ratio (P/E) is a valuation measure that compares a stock's market price to its earnings per share, and is commonly used to assess whether stocks are overvalued or undervalued. Forecasting the P/E ratio is complex due to factors that can influence the ratio: interest rates, economic growth, market sentiment, and financial projections for companies, among others. In this research, two recurrent neural network models were implemented: LSTM (long short-term memory) and GRU (gated recurrent unit), as well as two machine learning models: XGBoost (extreme gradient boosting) and LigthGBM (light gradient boosting machine), to forecast the P/E ratio of the S&P500 using historical data between January 1990 and October 2024. The results show that all four models perform well, although the GRU model stands out in terms of accuracy and computational efficiency, without leaving aside the LightGBM model, a boosting algorithm, which also shows competitive results. The research offers valuable information on the use of the four models to forecast valuation ratios, and can be useful as support in investment decision making.
dc.format	application/pdf	eng
dc.identifier.uri	https://hdl.handle.net/10784/35445
dc.language.iso	spa	spa
dc.publisher	Universidad EAFIT	spa
dc.publisher.department	Escuela de Finanzas, Economía y Gobierno. Departamento de Finanzas	spa
dc.publisher.place	Pereira
dc.publisher.program	Maestría en Administración Financiera	spa
dc.rights	Todos los derechos reservados	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	eng
dc.rights.local	Acceso abierto	spa
dc.subject	LSTM
dc.subject	GRU
dc.subject	XGBoost
dc.subject	LightGBM
dc.subject	S&P500
dc.subject	Pronóstico de acciones
dc.subject	Relación precio-beneficio (price-to-earnings ratio, P/E)
dc.subject.keyword	Boosting
dc.subject.keyword	Stock forecasting
dc.subject.keyword	P/E
dc.subject.lemb	FINANZAS
dc.subject.lemb	ADMINISTRACIÓN FINANCIERA
dc.subject.lemb	ACCIONES (BOLSA)
dc.subject.lemb	INDICADORES ECONÓMICOS
dc.subject.lemb	GANANCIAS
dc.title	Modelo fundamental de crecimiento en utilidades y price-to-earnings ratio, P/E, de los índices accionarios internacionales
dc.type	masterThesis	eng
dc.type	info:eu-repo/semantics/masterThesis	eng
dc.type.hasVersion	acceptedVersion	eng
dc.type.local	Tesis de Maestría	spa
dc.type.spa	Otro
dspace.entity.type	Publication