Get best of the week

Predecir crisis financieras con Python

A partir del 9 de marzo de 2020, tenemos un fuerte descenso en los mercados de EE. UU., Comenzando con un máximo histórico el 20 de febrero de 2020, que actualmente se sitúa en aproximadamente -16%. Las noticias estaban llenas de titulares sobre la inminente recesión debido al coronavirus, Rusia se retiró del acuerdo Opec +, que alcanzó los precios del petróleo (-20% por día) y mañana (10 de marzo de 2020), también se espera que el mercado MICEX disminuya en un 20%, a juzgar por cotizaciones de nuestras acciones en los mercados occidentales.


¿Nos espera una recesión global? En este artículo intentaremos descubrir cómo puede ver de antemano las señales del comienzo de la recesión utilizando Python.

Para responder a esta pregunta, intentaremos utilizar el rendimiento de los bonos, acciones y análisis técnico. Utilizaremos datos históricos del mercado financiero de EE. UU. Como el primer mercado de valores más grande del mundo. De hecho, si comienza una recesión en los Estados Unidos, comenzará en todo el mundo (como sucedió en 2008). Además, es conveniente para nosotros que haya datos para el mercado estadounidense durante décadas, lo que nos permitirá analizar durante un período histórico significativo.

Tomaremos datos históricos de Yahoo Finance usando la biblioteca yfinance , del sitio de la Fed. Reserva de EE. UU. Utilizando la biblioteca fredapi y desde el sitio web de Quandl con información financiera variada a través de pandas_datareader. Tenga en cuenta que para Fed y Quandl debe registrarse para recibir una clave API (esto es gratis).

Todas las crisis financieras en los EE. UU. Las marcaremos en áreas grises directamente en los gráficos.

Importar bibliotecas
from fredapi import Fred
import pandas as pd
import os
import pandas_datareader.data as web
import pandas_datareader as pdr
%matplotlib inline
from matplotlib import pyplot as plt
from datetime import date
import yfinance
import numpy as np

api = 'YOUR API HERE'
os.environ["QUANDL_API_KEY"] = 'YOUR API HERE'
os.environ["TIINGO_API_KEY"] = 'YOUR API HERE'

fred = Fred(api_key=api)


Obtenemos datos históricos para S & P500 con Yahoo, diferenciales de rendimiento de bonos con FRED y el índice de rendimiento acumulado para bonos con FRED:

GSPC_h = yfinance.download("^GSPC", start="1962-01-01", end="2020-03-09") #SNP500
T10YFF = fred.get_series('T10YFF', observation_start='1962-01-01', observation_end='2020-03-09') #10YB-FFR
T10Y2Y = fred.get_series('T10Y2Y', observation_start='1976-06-01', observation_end='2020-03-09') #10YB-2YB
# ICE BofA US Corp 10-15yr Total Return Index Value
BAMLCC7A01015YTRIV = fred.get_series('BAMLCC7A01015YTRIV', observation_start='1962-01-01', observation_end='2020-03-09')

Prima de riesgo


La prima de riesgo es un indicador que refleja la rentabilidad adicional que recibirá un inversor al asumir un mayor riesgo.

Así es como funcionan los mercados financieros: cuanto mayor es el retorno de la inversión, mayor es el riesgo.

Para calcular la prima de riesgo, es necesario restar del rendimiento esperado del activo riesgoso la tasa de rendimiento libre de riesgo.

Para el mercado de EE. UU., La tasa de rendimiento libre de riesgo es la tasa de reserva de la Reserva Federal de EE. UU. (Un análogo de nuestra tasa clave): FED.

La prima de riesgo para acciones y bonos se considera de manera diferente.
Para bonos: rendimiento del bono (rendimiento) menos FED.
Para acciones: indicador de beneficio / precio (E / P) menos FED,
donde el beneficio es el beneficio de la compañía para el año, el precio es el precio de la acción en el momento en que se calcula el indicador.

Para calcular la rentabilidad de una acción, no tomamos los dividendos pagados como rentabilidad, sino las ganancias recibidas por la compañía, porque los dividendos son solo una parte de las ganancias que la compañía paga a los accionistas. Convertirse en el propietario de la empresa a través de la compra de sus acciones, de hecho, el ingreso final para nosotros será precisamente el beneficio que se distribuirá entre los accionistas en su totalidad al momento de la liquidación de la empresa.

Obtenemos E / P para S & P500 (SP500_EARNINGS_YIELD_MONTH), tasa libre de riesgo (FED Funds Rate) y rendimiento de bonos corporativos de un amplio mercado (Baa Bonds Yield):

# E/P
symbol = 'MULTPL/SP500_EARNINGS_YIELD_MONTH'
SP500_EARNINGS_YIELD_MONTH = web.DataReader(symbol, 'quandl', '1962-01-01', '2020-03-09')
# FED Funds Rate
FEDFUNDS = fred.get_series('FEDFUNDS', observation_start='1962-01-01', observation_end='2020-03-09')
# Baa Bonds Yield
BAA = fred.get_series('BAA', observation_start='1962-01-01', observation_end='2020-03-09')

Calculamos la prima de riesgo como ganancia menos la tasa libre de riesgo:

#     
risk_premium = pd.concat([SP500_EARNINGS_YIELD_MONTH, FEDFUNDS],axis=1).fillna(method='bfill')
risk_premium['premium'] = risk_premium['Value'] - risk_premium[0]

#     
risk_premium_b = pd.concat([BAA, FEDFUNDS],axis=1).fillna(method='bfill')
risk_premium_b.columns = ['BAA', 'FEDFUNDS']
risk_premium_b['premium_b'] = risk_premium_b['BAA'] - risk_premium_b['FEDFUNDS']

Veamos lo que sucedió por acciones y bonos por separado.

Para las poblaciones:

Código de gráfico
fig, ax = plt.subplots(figsize=(17,6))

line1, = ax.plot(risk_premium['premium'],linewidth=1)
line1.set_label('risk_premium_stocks')

line2, = ax.plot(SP500_EARNINGS_YIELD_MONTH,linewidth=1)
line2.set_label('SP500_EARNINGS_YIELD_MONTH')
ax.legend(loc='upper left')

par1 = ax.twinx()
line3, = par1.plot(np.log(GSPC_h['Close']),linewidth=0.7, color='red')
line3.set_label('S&P500')
par1.legend(loc='upper left', bbox_to_anchor=(0, 0, 1, 0.88))

plt.xlim(left=date(1962, 1, 1), right=date(2020, 3, 9))
ax.axhline(linewidth=2, color='black', alpha=0.7)
ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1969, 12, 1), date(1970, 11, 1), alpha=0.3, color='grey')

ax.set_xlabel('')
ax.set_ylabel('  , %')
par1.set_ylabel('Log  S&P500')

plt.show()



Para bonos:

Código de gráfico
fig, ax = plt.subplots(figsize=(17,6))

line1, = ax.plot(risk_premium_b['premium_b'][date(1987, 12, 1):],linewidth=1, color='k')
line1.set_label('risk_premium_bonds')
ax.legend(loc='upper left', bbox_to_anchor=(0, 0, 1, 0.95))

par1 = ax.twinx()
line2, = par1.plot(np.log(BAMLCC7A01015YTRIV),linewidth=0.7, color='green')
line2.set_label('Log ICE BofA US Corp 10-15yr Total Return Index Value')
par1.legend(loc='upper left')
plt.xlim(left=date(1987, 12, 1), right=date(2020, 3, 9))

ax.axhline(y=1.5, linewidth=2, color='red', ls='--', alpha=0.7)

ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axhline(linewidth=2, color='black', alpha=0.7)

ax.set_xlabel('')
ax.set_ylabel('  , %')
par1.set_ylabel('Log  BofA')

plt.show()




Como podemos ver, los períodos anteriores a la crisis son áreas con una prima de riesgo negativa para las acciones y una prima de riesgo reducida para los bonos.

Al mismo tiempo, para los bonos, no siempre una prima de riesgo reducida es una señal del inicio de una crisis en el mercado de bonos (el índice Bof disminuyó solo en 2008), pero una prima reducida en el mercado de valores es casi siempre (excepto durante el período posterior a la crisis a principios de la década de 1980, cuando una prima negativa se mantuvo durante mucho tiempo) conduce a una disminución en el valor de las acciones.

¿Qué significa una prima de riesgo negativa para las acciones?

Al comprar una acción, obtenemos un rendimiento por debajo de la tasa libre de riesgo en el mercado. Al mismo tiempo, asumir toda la responsabilidad por los riesgos de fluctuaciones en el precio de las acciones y las posibles pérdidas. Esta no es una situación estándar, los inversores entienden que la prima de riesgo no puede ser negativa, como resultado de lo cual los mercados se dan cuenta de que el valor actual de las acciones es demasiado alto y las ventas están comenzando. La caída se intensifica después de que los inversores de una amplia gama (personas comunes, no inversores institucionales) comienzan a entrar en pánico, venden sus carteras y exacerban la caída. Por lo tanto, la reacción de los mercados es rápida y fuerte.
Vale la pena señalar que la caída del mercado no va al nivel anterior de prima de riesgo, sino que siempre es mucho más fuerte, lo que aumenta significativamente la prima de riesgo y nuevamente aumenta el atractivo de los valores para los inversores.

Además, si observamos las primas de riesgo para acciones y bonos en un gráfico, veremos que la prima de riesgo para los bonos ha sido tradicionalmente más alta que para las acciones, sin embargo, en los últimos 5 años se han sincronizado y ambos tienden gradualmente a cero:

Código de gráfico
fig, ax = plt.subplots(figsize=(17,6))

line1, = ax.plot(risk_premium['premium'],linewidth=1)
line1.set_label('risk_premium_stocks')

par1 = ax.twinx()
line3, = par1.plot(np.log(GSPC_h['Close']),linewidth=0.7, color='red')
line3.set_label('S&P500')
par1.legend(loc='upper left', bbox_to_anchor=(0, 0, 1, 0.88))

line2, = ax.plot(risk_premium_b['premium_b'],linewidth=1, color='k')
line2.set_label('risk_premium_bonds')
ax.legend(loc='upper left')
plt.xlim(left=date(1968, 1, 1), right=date(2020, 3, 9))

ax.axhline(linewidth=2, color='black', alpha=0.7)
ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1969, 12, 1), date(1970, 11, 1), alpha=0.3, color='grey')

ax.set_xlabel('')
ax.set_ylabel('  , %')
par1.set_ylabel('Log  S&P500')

plt.show()




A partir del 9 de marzo de 2020, a pesar de una fuerte y fuerte caída en el mercado de valores de EE. UU., Los rendimientos de las acciones aún están lejos de la zona negativa, lo que da una señal alentadora.

Spread de rendimientos de tesorería


Un indicador alternativo de la situación del mercado anterior a la crisis es la diferencia entre los rendimientos de los bonos del Tesoro a largo y corto plazo.

El menos ruidoso y más práctico es el diferencial entre los rendimientos de los bonos del Tesoro a 10 años y a 2 años:

Código de gráfico
fig, ax = plt.subplots(figsize=(17,6))
par1 = ax.twinx()
line, = ax.plot(pd.DataFrame(T10Y2Y),linewidth=0.4)
line.set_label('10YB-2YB')
ax.legend(loc='best', bbox_to_anchor=(0.5, 0., 0.5, 0.1))

line1, = par1.plot(np.log(GSPC_h['Close']),linewidth=0.7, color='red')
line1.set_label('S&P500')
par1.legend(loc='best', bbox_to_anchor=(0.5, 0., 0.5, 0.18))
plt.xlim(left=date(1976, 1, 1), right=date(2020, 3, 9))
plt.ylim(bottom=4)
ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1969, 10, 1), date(1970, 11, 1), alpha=0.3, color='grey')
ax.axhline(linewidth=2, color='black', alpha=0.7)
plt.scatter(date(2019, 9, 1), 6., color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(2007, 1, 1), 6., color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(2000, 1, 1), 5.9, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1998, 8, 1), 5.9, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1989, 4, 1), 5.8, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1981, 1, 1), 5.9, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1978, 11, 1), 5.9, color='orange', s=500, marker='o', alpha=0.5)

ax.set_xlabel('')
ax.set_ylabel('  , %')
par1.set_ylabel('Log  S&P500')

plt.show()




Este indicador es el más verdadero desde un punto de vista histórico y predijo las últimas 7 crisis financieras.

El diferencial entre los rendimientos de los bonos en este caso refleja el estado de ánimo de los inversores: si creen que la economía se deteriorará pronto, comienzan a transferir dinero de los bonos a corto plazo (con vencimiento a 2 años) a instrumentos a largo plazo (con vencimiento a 10 años) con un rendimiento fijo El emisor más confiable es el Tesoro de los Estados Unidos.

La compra de bonos a largo plazo afecta su rendimiento, ya que la compra de bonos por cantidades significativas de efectivo conduce a un aumento en el costo del bono. Cuando el cupón es un valor fijo, la apreciación del cuerpo del bono conduce a una disminución en su rendimiento.
Para los bonos a corto plazo, que se venden en este caso, la situación es la opuesta: el cuerpo comienza a volverse más barato, en un cupón fijo, respectivamente, el rendimiento comienza a crecer.

Sin embargo, FRED no proporciona información más allá de 1976 sobre este diferencial, por lo tanto, con fines ilustrativos, podemos tomar el rendimiento de los bonos del Tesoro a 10 años menos la tasa de FED (en lugar de los bonos a corto plazo de 2 años) para ver lo que ha sucedido desde 1962 y cubrir 2 crisis más :

Código de gráfico
fig, ax = plt.subplots(figsize=(17,6))
par1 = ax.twinx()
line, = ax.plot(pd.DataFrame(T10YFF),linewidth=0.4)
line.set_label('10-Year Treasury Constant Maturity Minus Federal Funds Rate')
ax.legend(loc='best', bbox_to_anchor=(0.5, 0., 0.5, 0.1))

line1, = par1.plot(np.log(GSPC_h['Close']),linewidth=0.7, color='red')
line1.set_label('S&P500')
par1.legend(loc='best', bbox_to_anchor=(0.5, 0., 0.5, 0.18))
plt.xlim(left=date(1962, 1, 1), right=date(2020, 3, 9))
plt.ylim(bottom=4)
ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1969, 12, 1), date(1970, 11, 1), alpha=0.3, color='grey')
ax.axhline(linewidth=2, color='black', alpha=0.7)
plt.scatter(date(2019, 9, 1), 6.7, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(2007, 1, 1), 6.7, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(2000, 11, 1), 6.7, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1998, 11, 1), 6.6, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1989, 6, 1), 6.4, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1973, 6, 1), 6.6, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1981, 3, 1), 6.3, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1979, 3, 1), 6.6, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1969, 3, 1), 6.6, color='orange', s=500, marker='o', alpha=0.5)
plt.scatter(date(1967, 1, 1), 6.6, color='orange', s=500, marker='o', alpha=0.5)

ax.set_xlabel('')
ax.set_ylabel('  , %')
par1.set_ylabel('Log  S&P500')

plt.show()




A pesar del ruido general de esta propagación (en comparación con la propagación de 10 años - 2 años), las crisis de 73 y 69 también se implementaron al reducir la propagación a la zona negativa.

¿Qué pasa en este momento?
Las cosas no están muy bien: el indicador ya mostró una zona negativa en 2019.
Los inversionistas institucionales esperan que en el futuro cercano nos esperen serios shocks y, debido a esto, se los cambie a instrumentos de renta fija a largo plazo.

¿Cuánto queda antes de la crisis?
Como se puede ver en el gráfico de dispersión, el rendimiento invertido anticipa crisis por un año o dos.
Dado que la inversión ocurrió a fines de 2019 y que los mercados de EE. UU. Ya comenzaron a caer debido a la expectativa de una recesión futura debido al virus COVID-19, la crisis se está acercando en este momento.

A partir del 9 de marzo de 2020, el rendimiento de los bonos del Tesoro de EE. UU. A 10 años cayó al 0.318%, ¡el valor más bajo de la historia!
Parece que algo grande nos está esperando y ya ha comenzado.

valor actual T10YFF: -0.17
valor actual T10Y2Y: 0.25

Los precios pasados ​​no predicen crisis


Para un ejemplo de la impotencia del análisis técnico en este tema, tomamos el indicador RSI.
RSI: el índice de fuerza relativa en teoría muestra el mercado de "sobrecompra" y "sobreventa".
Mercado de sobrecompra: este es el estado en el que los precios deben ajustarse a la baja, es decir, una crisis en el mercado de valores.

Enlace a la Wiki con una descripción del indicador

Podemos calcular este indicador usando Python, para el cálculo tomamos el período - 244 sesiones de negociación (1 año calendario):

SP500_returns = GSPC_h['Close'].pct_change()
delta = GSPC_h['Close'].diff()
window_length = 500

# Make the positive gains (up) and negative gains (down) Series
up, down = delta.copy(), delta.copy()
up[up < 0] = 0
down[down > 0] = 0

# Calculate the EWMA
roll_up1 = up.ewm(span=window_length).mean()
roll_down1 = down.abs().ewm(span=window_length).mean()

# Calculate the RSI based on EWMA
RS1 = roll_up1 / roll_down1
RSI1 = 100.0 - (100.0 / (1.0 + RS1))

Código de gráfico
# Compare graphically
fig, ax = plt.subplots(figsize=(20,4))
plt.xlim(left=date(1968, 1, 1), right=date(2020, 3, 9))
line, = ax.plot(np.log(GSPC_h['Close']),linewidth=0.7, color='red')

line.set_label('SNP500')
ax.legend(loc='upper left')

fig1, ax1 = plt.subplots(figsize=(20,4))
plt.xlim(left=date(1968, 1, 1), right=date(2020, 3, 9))
line1, = ax1.plot(RSI1[80:],linewidth=1)

line1.set_label('RSI (1Y)')
ax1.legend(loc='upper left')

ax.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')
ax1.axhline(y=57, linewidth=2, color='black', alpha=0.7)
ax1.axhline(y=45, linewidth=2, color='black', alpha=0.7)

ax.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax.axvspan(date(1969, 12, 1), date(1970, 11, 1), alpha=0.3, color='grey')

ax1.axvspan(date(1990, 8, 1), date(1991, 2, 1), alpha=0.3, color='grey')
ax1.axvspan(date(1981, 7, 1), date(1982, 11, 1), alpha=0.3, color='grey')
ax1.axvspan(date(1980, 1, 1), date(1980, 7, 1), alpha=0.3, color='grey')
ax1.axvspan(date(1973, 12, 1), date(1975, 2, 1), alpha=0.3, color='grey')
ax1.axvspan(date(1969, 12, 1), date(1970, 11, 1), alpha=0.3, color='grey')
ax1.axvspan(date(2007, 12, 1), date(2009, 6, 1), alpha=0.3, color='grey')
ax1.axvspan(date(2001, 3, 1), date(2001, 11, 1), alpha=0.3, color='grey')

ax1.set_xlabel('')
ax.set_xlabel('')
ax1.set_ylabel(' RSI')
ax.set_ylabel('Log  S&P500')

plt.show()




¿Qué vemos en el gráfico RSI?

Muchas zonas de "sobrecompra", que podrían indicar demasiado mercado, que es hora de ajustar. Pero continuó subiendo (por ejemplo, un largo período desde 1995, el indicador muestra "sobrecompra", pero antes del comienzo de la crisis de 2001, regresa a su zona habitual y no indica "sobrecompra", que, sin embargo, termina con la crisis).

En otras palabras, el uso de osciladores para predecir una crisis es un ejercicio muy controvertido.

Antes de las crisis, el mercado crece sin problemas, sin mostrar una alta volatilidad al alza, a diferencia de las caídas, siempre son fuertes y rápidas. Vemos esto cerca del borde inferior del oscilador: su intersección casi siempre se mostró exactamente cuando llegó la crisis y la parte inferior de la caída estaba cerca. Comprar señal?

recomendaciones


Por el momento, la situación parece alarmante; hay indicadores directos que muestran una posible recesión. Además de los revisados, también hay un índice de producción industrial (es líder en crisis económicas (¡no financieras!)). También se podría profundizar en las estadísticas macroeconómicas y agregar la balanza de pagos, el PIB y similares al análisis, sin embargo, los inversores institucionales ya lo han hecho por nosotros: su reacción se refleja en el diferencial de rendimiento de los bonos a largo y corto plazo. Queda por relajarse y ver el programa, si no tiene inversiones financieras. Y si lo hay, piense en una posible cobertura de sus posiciones o vaya al caché hasta mejores momentos.

More articles:


All Articles