Documente Academic
Documente Profesional
Documente Cultură
Grupa 1033
Pasul 2: Descrierea companiei
Pentru anul fiscal 2016, companiile Estée Lauder au realizat vânzări nete de 11,26
miliarde de dolari, o creștere de 4% față de 10,78 miliarde de dolari în anul
precedent. Veniturile nete pentru acest an au fost de 1,11 miliarde de dolari, o creștere de 2%
față de 1,09 miliarde de dolari anul trecut, iar câștigurile nete pe acțiuni comune au crescut cu
5%, până la 2,96 dolari, față de 2,82 dolari raportate în anul precedent.
Conform graficului analizat, se poate observa faptul că Estée Lauder Companies Inc.
are un trend ascendent, după cum se poate observa și din setul de date colectat din opțiunea
“Historical Data” de pe Yahoo Finance.
Conform Yahoo Finance, principalii competitori ai Estée Lauder Companies Inc.
sunt Coty Inc. și The Procter & Gamble Company.
Am ales să fac compar Estée Lauder Companies Inc. cu The Procter & Gamble
Company, deoarece aceasta este o companie foarte vizibilă și cunoscută și în țara noastră.
Conform datelor de pe Yahoo Finance, capotalizarea bursieră a companiei Procter &
Gamble este de 186,86 miliarde de dolari, aproximativ de 3 ori mai mare decât cea a Estée
Lauder Companies Inc., iar valoarea întreprinderii este de 217,15 miliarde, adică de
aprocimativ 4 ori mai mare decât a companiei alese.
Analizând tabelul de mai sus, observăm că The Procter & Gamble Company are o
marjă de profit(Profit Margin) mai mare decât Estée Lauder Companies Inc. și anume
15,34%, ceea ce înseamnă că pentru fiecare dolar tranzactionat, P&G câștigă câte 1,534
dolari.
Venitul companiei P&G este de 65,73 miliarde dolari, venitul pe fiecare acțiune
tranzacționată de 25,76 dolari, iar datoriile sunt în valoare de 37,73 miliarde de dolari(de
aproximativ 10 ori mai mari decât ale Estée Lauder Companies Inc.).
Identificare outlieri:
Din diagrama BoxPlot observăm că nu există valori outlier, iar prețul mediu de
închidere EL este apropiat de 120 de dolari.
Summary statistics:
Prețul de închidere Estée Lauder Companies Inc. în perioada mai 2017 – mai 2018
este, în medie, egal cu valoarea de 121,62 dolari.
Identificare outlieri:
Fig. 8 – BoxPlot pt prețul de închidere al
indicelui S&P500
Din diagrama BoxPlot observăm că nu există valori outlier, iar prețul mediu de
închidere al indicelui S&P este apropiat de 2600.
Summary statistics:
Prețul de închidere al indicelui S&P500 în perioada mai 2017 – mai 2018 este, în
medie, egal cu valoarea de 2593 dolari.
Identificare outlieri:
Summary statistics:
Coeficientul de variație este egal cu 6.70903 > 0,35(35%), ceea ce înseamnă că seria
de date nu este omogenă și nici reprezentativă.
Identificare outlieri:
Summary statistics:
Coeficientul de variație este egal cu 14.50815 > 0,35(35%), ceea ce înseamnă că seria
de date nu este omogenă și nici reprezentativă.
Pasul 4.
Pasul 5.
Pentru model am folosit o funcție liniară și am obținut o valoare pentru p-value egală
cu 5.208e-11, care este mai mică decât 0.05, deci modelul este valid.
Variabila dependentă, intercept-ul, nu este semnificativă statistic. Dacă rentabilitatea
indicelui de piață nu se modifică, rentabilitatea acțiunilor este de 0.0016260.
Variabila independentă, rentabilitatea indicelui S&P500, este semnificativă statistic în
proporție de 100%. La creșterea cu o unitate a regresiei prețurilor acțiunilor, rentabilitatea
indicelui va crește cu 0.69 unități.
15.81% din rentabilitatea prețurilor de închidere EL este influențată de rentabilitatea
indicelui de piață. Restul, 84.19% reprezintă influența altor factori.
RSE=0,01, ceea ce înseamnă că există foarte puține erori.
Valorile estimate:
Fig. 27 - datele în care rentabilitatea zilnică a acţiunii este mai mare decât cea
getwd()
setwd("C:/Users/Lazar Maria/Desktop/Micromng")
attach(tema)
fix(tema)
summary(tema)
rentabilitateEL<-c()
rentabilitateEL[1]<-0
for(i in 2:length(tema$CloseEL))
rentabilitateEL[length(rentabilitateEL)+1]<-(tema$CloseEL[i]/tema$CloseEL[i-1]-1)
View(rentabilitateEL)
rentabilitateSP<-c()
rentabilitateSP[1]<-0
for(i in 2:length(tema$CloseSP))
rentabilitateSP[length(rentabilitateSP)+1]<-(tema$CloseSP[i]/tema$CloseSP[i-1]-1)
View(rentabilitateSP)
date<-data.frame(tema$CloseEL,tema$CloseSP,rentabilitateEL,rentabilitateSP)
View(date)
#corelatie
cor(tema$CloseEL,tema$CloseSP)
par(mfrow=c(2,1))
cor(rentabilitateEL,rentabilitateSP)
par(mfrow=c(2,1))
cor(rentabilitateEL,rentabilitateSP)
library(corrplot)
c<-cor(date)
corrplot(c,method="number")
cor(c)
plot.ts(cor(c))
#outlieri
boxplot(tema$CloseEL)
boxplot(tema$CloseSP)
boxplot(rentabilitateSP)
boxplot(rentabilitateEL)
summary(tema$CloseEL)
summary(tema$CloseSP)
summary(rentabilitateSP)
summary(rentabilitateEL)
#media
pretmediuEL<-mean(tema$CloseEL)
pretmediuEL
pretmediuSP<-mean(tema$CloseSP)
pretmediuSP
rentmedieEL<-mean(rentabilitateEL)
rentmedieEL
rentmedieSP<-mean(rentabilitateSP)
rentmedieSP
#sd
sdpretEL<-sd(tema$CloseEL)
sdpretEL
sdpretSP<-sd(tema$CloseSP)
sdpretSP
sdrentEL<-sd(rentabilitateEL)
sdrentEL
sdrentSP<-sd(rentabilitateSP)
sdrentSP
#cv
CVpretEL<-sdpretEL/pretmediuEL
CVpretEL
CVpretSP<-sdpretSP/pretmediuSP
CVpretSP
CVrentmedieEL<-sdrentEL/rentmedieEL
CVrentmedieEL
CVrentmedieSP<-sdrentSP/rentmedieSP
CVrentmedieSP
#skewness
library(moments)
skewness(tema$CloseEL)
skewness(tema$CloseSP)
skewness(rentabilitateEL)
skewness(rentabilitateSP)
#kurtosis
kurtosis(tema$CloseEL)
kurtosis(tema$CloseSP)
kurtosis(rentabilitateEL)
kurtosis(rentabilitateSP)
#histograme
par(mfrow=c(2,1))
#pas 4
grafic<-data.frame(tema$CloseEL,tema$CloseSP)
corelatiePret<-cor(tema$CloseEL,tema$CloseSP)
plot.ts(tema$CloseEL,tema$CloseSP,xlab="Pret",ylab="Indice",main="Pretul actiunii
impreuna cu indicele de piata")
plot.ts(rentabilitateEL,rentabilitateSP,xlab="Pret",ylab="Indice",main="Rentabilitatea
actiunii impreuna cu rentab indicelui de piata")
#PAS 5
#model de regresie
abline(lm(rentabilitateEL~rentabilitateSP))
regresie<-lm(rentabilitateEL~rentabilitateSP)
summary(regresie)
r1<-resid(regresie)
plot.ts(r1,col="orange",main="Graficul regresiei")
hist(resid(lm(rentabilitateEL~rentabilitateSP)))
plot(resid(lm(rentabilitateEL~rentabilitateSP))
#val estimate
valestim<-fitted(lm(rentabilitateEL~rentabilitateSP))
plot.ts(valestim)
#intervalul de incredere
predicted.intervals<-predict(regresie,interval="confidence",level=0.95)
predicted.intervals
g<-data.frame(valestim,predicted.intervals)
#pas 6
x<-10*(13+20)/(1997-11)
View(x)
rentab<-data.frame(tema$Date,rentabilitateEL,rentabilitateSP)
View(rentab)
z <- c()
for (i in 1 : length(rentab$rentabilitateEL)){
View(z)
w<- c()
for (i in 1: length(rentab$rentabilitateEL)){
if(z[i] == rentab$rentabilitateEL[i])
View(w)