Ingeniero Civil Eléctrico / En el mundo financiero, la decisión de compraventa de activos se suele asentar en el análisis fundamental a largo plazo, combinado con análisis técnico a corto plazo; con el objetivo de establecer un momento adecuado para la adquisición y enajenación de activos. En la última década, se ha verificado un crecimiento exponencial en la capacidad de procesamiento y de manejo de bases de datos; siendo la minería de estos vastamente estudiada y aplicada exitosamente en distintos campos, entre los cuales se encuentran las finanzas. En el presente trabajo, se estudia la existencia de estructura con capacidad predictiva en activos financieros, con el fin de anticipar cambios de tendencia y así obtener retornos por sobre el mercado. Para esto, se desarrolla a cabalidad el proceso de extracción de conocimiento de bases de datos, el que considera desde la generación de variables, hasta la obtención de información, a partir de los datos transaccionales de las acciones que componen el Índice de Precios Selectivo de Acciones (IPSA) 2013. En este sentido, es importante precisar que la metodología clásica en la predicción de series de tiempo, se basa en la utilización de precios anteriores para así predecir el precio futuro, utilizando ventanas de tiempo estáticas. En este trabajo se estudia un método nuevo, donde la variable objetivo, en vez de ser retornos en ventanas temporales, son tanto retornos como ventanas dinámicas, extraídas a partir de extensiones no causales de retracciones porcentuales del precio (indicador ZigZag) de las acciones, las que representan mínimos y máximos locales de la serie de tiempo; evitando así sobreajuste temporal y acomodándose a los cambios de ciclo del activo en estudio. Se generan variables independientes a partir de datos de transacciones realizadas por parte de miembros de las compañías (Insiders) e indicadores técnicos tales como cruces, divergencias y zonas de agotamiento a partir de Medias Móviles Convergentes/Divergentes, Índice de fuerza Relativa y Oscilador Estocástico. Se realiza selección de características mediante Forward Selection y Backward Elimination, para encontrar un subconjunto de atributos adecuado y analizar su impacto predictivo. Se aplican algoritmos de aprendizaje supervisado con capacidad de extraer patrones altamente no lineales, destacando Redes Neuronales de Retropropagación, Máquinas de Soporte Vectorial y Métodos Basados en Similitud. Con el fin de determinar el ciclo del mercado al que mejor se ajustan los atributos extraídos y el mejor modelo predictor sobre la base de datos no balanceada, se evalúa la combinación de predicciones de compraventa (anticipaciones de cambio de tendencia) utilizando clasificador Bayesiano ingenuo y operadores lógicos. Finalmente, se realiza una evaluación tanto cualitativa (visual) como cuantitativa (mediante un simulador de inversiones) del comportamiento de las recomendaciones de compraventa; analizando la distribución de retorno, drawdown y tiempo de apertura de las operaciones. De lo anterior puede concluirse que dentro de lo caótico del mercado bursátil, subyace estructura altamente no lineal con poder anticipativo de cambios de tendencia de los activos; la cual se puede atribuir a que, en Chile, el mercado es poco profundo, ilíquido o ineficiente.

Magíster en Gestión y Dirección de Empresas / Codelco es el principal productor de Cu del mundo, en el 2012, produjo 1,75 millón de toneladas métricas de cobre refinado. La compañía ejecuta sus operaciones a través de seis divisiones mineras más la Fundición y Refinería Ventanas, que pertenece a Codelco desde mayo de 2005. Cuenta además con la División Ministro Hales, que a fines de 2013 pondrá en operación el proyecto del mismo nombre. El área encargada de la venta de todo el Cu producido por Codelco además de los subproductos es la Vicepresidencia Comercial (VCO) que cuenta con una red de subsidiarias y agentes a través de todo el mundo para la colocación de estos productos. Además, la VCO es la encargada de coordinar toda la logística interna y de ventas, el movimiento de materiales entre divisiones, manejo de inventarios, reclamos de clientes, temas de calidad, documentación de exportación, facturación y pagos. Por último, la VCO es el área encargada de la promoción del Cu y Mo a través de su participación en la ICA (International Copper Association) y e IMOA (International Molybdenum Association), 2 entidades encargadas de la promoción y buscar nuevos usos para dichos metales. La venta de toda la producción de Cu (Cu refinado: cátodos y Cu No Refinado: ánodos, blíster, concentrados) como también de los principales subproductos (Molibdeno, barros anódicos, ácido sulfúrico, oro, plata, etc.) de la corporación, se realiza a través de campañas de ventas que se efectúan entre Octubre y Noviembre del año anterior de la producción, en contrato anuales, con cuotas fijas mensuales de embarque dejándose aproximadamente un 10% de producción para ser comercializada en el mercado spot, cifra que se utiliza como buffer para absorber las variaciones de los programas de producción. Para cumplir con su función de una buena manera, es primordial para la VCO contar con una buena información del cumplimiento de los programas de producción de las distintas divisiones, sus requerimientos internos y sus desviaciones de forma de tener una visión clara de cuanto, qué y cuándo vender y de esta forma maximizar el retorno por la venta de los productos de Codelco. Si la información no es buena, no habrá material a la hora de tener que cumplir con un compromiso o sobrará material y no habrá colocación de este, por lo que será necesario tener que salir a comprar o vender (dependiendo del caso) en el mercado spot y dependiendo de las condiciones, puede que se generen pérdidas para la corporación, o mejor dicho, no se le saca el mejor rendimiento a esta compra/venta de lo que se podría haber sacado, de haber tenido la información en el momento adecuado.

Utilizando el procedimiento empleado por Fairfield [1994] en una muestra de empresas chilenas que cotizan en bolsa, se ha estudiado la utilidad de los ratios precio a libro y precio a utilidad (P/B y P/E) para predecir futuros patrones de ROE. Según el modelo, P/B debería correlacionar positivamente con ROE futuro y P/E debería correlacionar positivamente con crecimiento en resultados, permitiendo este último obtener información adicional del ROE, no contenida en el ratio P/B. Los resultados presentados aquí (sujetos a la muestra estudiada) no son idénticos a los obtenidos por Fairfield [1994] para USA, no obstante los principales resultados se cumplen ya que existe una relación positiva del ROE con el ratio P/B y adicionalmente se cumple el rol dado al ratio P/E el cual entregaría información adicional.