UNIVERSIDAD CATOLICA SANTO TORIBIO DE MOGROVEJO

FACULTAD DE CIENCIAS EMPRESARIALES

DOCUMENTOS DE TRABAJO



MODELO ARCH EN LA ESTIMACION DEL RIESGO
BETA PARA EMPRESAS DE LA BVL - PERU

Carlos Len De La Cruz


cleon@usat.edu.pe

Resumen
En este trabajo se aplica un modelo CAPM para obtener los Betas de Cerro Verde, Credicorp,
Casagrande, Graa y Montero y Edegel, acciones representativas de la BVL y sus portafolios
Incatrack y EPU Per. Los Betas fueron hallados con series estacionarias, pero no fueron
eficientes en la medida que sus errores presentan varianzas condicionadas autoregresivas,
conocido como proceso ARCH. Por ello se corri un segundo modelo CAPM considerando el
proceso ARCH (1), obteniendo Betas ajustados para Cerro Verde (1.7), Credicorp (0.9),
Edegel (0.35), Casagrande (1.31) y Graa y Montero (0.84). Los betas finales eficientes,
comprobaron el menor nivel de riesgo mercado de todas las empresas excepto Cerro
Verde cuyo Beta fue mayor al original. Adems se comprueba que el comportamiento
de los ttulos es diversificado unos sobre el mercado y otros bajo el mismo, haciendo
ms ajustado y predecible al portafolio peruano.

Palabras Clave
Beta, CAPM, Heterocedasticidad

Economista por la Universidad Nacional de Trujillo (Per). MBA por ESAN (Per). Doctor en Administracin (c)
por la Universidad de Mlaga (Espaa). Profesor de economa y finanzas en la USAT.
MODELO ARCH EN LA ESTIMACION DEL RIESGO BETA PARA
EMPRESAS DE LA BOLSA DE VALORES DE LIMA

1. Introduccin
La medicin de riesgo sistmico ha tenido gran acogida en los mercados financieros
desde hace varias dcadas, Sharpe (1964) y Lintner (1965) aportan con el modelo
CAPM (Capital Asset Price Model), cuya utilidad se puede verificar an hoy, este
modelo esta basado simplemente en la relacin estadstica entre el ttulo o el
portafolio de ttulos contra el premium mercado (rendimiento sobre el retorno libre
de riesgo) y ello brinda un parmetro denominado Beta, cuya estimacin es muy
popular y sigue estando vigente para validar el riesgo sistmico sobre un ttulo
cualquiera.
Diversos ajustes han estado dirigidos al popular CAPM, su validez emprica se ha
cuestionado. En los aos 70, autores como Fama y MacBeth (1973) entre otros,
encontraron que el Beta subestima o sobreestima los retornos de los ttulos, en
buena cuenta no captura los riesgos sistmicos en proporciones importantes, lo cual
sesga la estimacin, existiendo adems otros factores explicatorios de los retornos
de los ttulos.
Las propuestas de mejora surgen en estos mismos aos, Kraus and Litzenberger
(1976) aaden otro factor explicatorio relacionado con una preferencia positiva por
la asimetra que existe en las distribuciones de probabilidad de los rendimientos de
los ttulos, es decir el comportamiento tiende a no ser exclusivamente normalizado,
estimacin que mejora los resultados del modelo.
En aos ms recientes, Fama y French (1992) tambin han realizado ajustes al
modelo CAPM, ellos aaden otros explicadores de los retornos de los ttulos, que
son el ratio valor en libros sobre valor de mercado (conocido como Book to Market)
y el valor de la empresa (capital market) como un criterio de tamao del negocio,
los autores encuentran estos explicadores ms relevantes que el Beta del CAPM, por
ello la propuesta de ambos (Fama y French, 1993 y 1996) es aadir al CAPM el
efecto tamao, considerando el rendimiento de empresas pequeas (por capital
market) menos el rendimiento de empresas grandes y tambin la diferencia entre el
rendimiento de empresas con alto book to market versus el rendimiento de
empresas con bajo book to market.
Otros avances sugieren revisar la estabilidad del modelo CAPM como paso previo
para su validez en la explicacin de retornos (Markellos y Mills, 2001), aun cuando
el impacto de la no estacionariedad de series como la tasa libre de riesgo, analizadas
por Markellos y Mills, no generan mayores cambios en el estimador de riesgo. Sin
embargo se puede sealar, que es necesario considerar la estabilidad de los retornos
a estimar, adems de considerar nuevos explicadores, Mishra et al. (2005) por
ejemplo, aaden como explicador el tamao ordenado de diversos portafolios.
El modelo original CAPM es tambin conocido como no condicional, lo que supone
una estimacin slo basada en la variabilidad del premium. Sin embargo adems de
aadirle variables, hay otros criterios para el CAPM. Black and Scholes (1972)
consideran que los modelos deben tener condicionalidad, primero establecer el
riesgo del ttulo frente al mercado (parmetro de riesgo por series de tiempo) que
sera el no condicional y segundo, establecer el riesgo del ttulo frente al premium
(un parmetro de riesgo por data transversal) considerando los estimados de retorno
de la primera etapa, esto se llama el modelo condicional e incorpora las expectativas
de los agentes, al darse ciertas diferencias entre la estimacin y la realidad. (Clare et
al. 1997)
Otro ajuste del modelo CAPM, es considerar como explicador las expectativas o
errores de ajuste, lo que implica que stos son explicadores del retorno de los
activos. Gibbons y Ferson (1985) luego Ferson y otros (1987) consideran que los
retornos de los activos son variantes en el tiempo, de modo que su validez exige una
varianza constante de la parte condicional del CAPM, estudios que se consolidan
con las contribuciones de Bollerslev et al. (1988) as como Engle y Kroner (1995)
entre otros, quienes incorporan en la literatura del CAPM su necesaria revisin del
cambio de varianza en los errores, modelos conocidos como ARCH
(Heterocedasticidad condicional autoregresiva) y sus extensiones diversas, que se
basan principalmente en que la covarianza actual del error de estimacin, sigue una
funcin dependiente de la covarianza pasada.

2. Revisin de Literatura
El modelo CAPM se basa en que un portafolio ofrece el mximo nivel de
rendimiento a sus inversionistas dado un riesgo, cualquier otro portafolio ofrecera
rendimientos menores o mayores pero sin optimizar el riesgo (Morelli, 2003) o
desde otro punto de vista, no hay otros portafolios que ofrezcan, dado ese
rendimiento, un menor nivel de riesgo.
El CAPM supone adems que el portafolio elegido es el de varianza ms eficiente,
en buena cuenta el estimador de riesgos es el mejor posible, en un conjunto de
posibilidades de eleccin de cartera. El modelo ampliamente conocido relaciona los
retornos esperados del ttulo con el rendimiento del mercado incluido riesgos:

E (Ri ) = Rf + i ( E (Rm) Rf) (1)

Donde, Ri es el retorno esperado del ttulo, Rm es el rendimiento esperado de
mercado o del portafolio y Rf es el rendimiento de ttulos sin riesgo. i representa el
riesgo sistmico que el premium de mercado (Rm Rf) traslada al ttulo.
Un modelo simple de obtencin de beta, denominado no condicional es el siguiente
(Lawrence et al. 2007):
E (ri, t) = i, t E (r
M
, t+1) (2)

Donde r representa el premium de mercado, M es el mercado o portafolio de ttulos,
ri es el rendimiento del ttulo sobre los rendimientos sin riesgo. En este modelo, i
se obtiene del siguiente modo:
= Cov (ri, r
M
) /
2

M
(3)


El proceso de obtencin de supone una regresin serial, con mtodo de mnimos
cuadrados que se estime a partir de (1):
Ri = + (r
M
) + (4)

Donde es el error de estimacin del modelo. Otra forma de estimacin es una
regresin que puede obtenerse de (2):
ri = (r
M
) + (5)

En el caso de (4) el parmetro puede ser cero, en el caso de (5) la regresin se
estima sin intercepto, al modelo (5) se le puede aadir una estimacin condicional
que sera:
E (ri,t /
t-1
) = i /
t-1
(r
M t
/
t-1
) (6)

Donde E ( t-1) es la esperanza condicional de que el conjunto de informacin
est disponible en el tiempo t-1, esto implica que el modelo (6) no slo relaciona al
premium con el retorno del activo (varianza no condicionada), sino que incorpora
una varianza y covarianza condicional en la estimacin de riesgos del premium
sobre el retorno del activo. Siguiendo a Hansson y Hordahl (1998), el riesgo
sistmico condicionado puede expresarse como:


i t
= Cov (r
M t
/
t-1
) / Var ( r
M t
/
t-1
) (7)

Para capturar el set de informacin pasada () presente en las ecuaciones (6) y (7),
se puede considerar un proceso autoregresivo (AR):
r
i t
=
0
+
1
r
i t-1
+
it
(8)
r
M t
=
0
+
1
r
M t-1
+
Mt
(9)

Lo cual puede expresarse en t perodos como:
r
i t
= E (r
i t-1 /
I
t-1)
+
it
(10)
r
M t
= E (r
M t-1 /
I
t-1)
+
Mt
(11)

Las ecuaciones (10) y (11) indican que el retorno de los ttulos sobre el rendimiento
mnimo, se basan en el valor esperado de la informacin pasada, condicionada a I t-
1, que es el conjunto de informacin disponible en t-1. Donde I t-1, puede tener
divergencias con t-1, pero la estimacin estadstica concreta es capturar el
conjunto de rezagos o informacin pasada de los retornos, que puede aproximarse al
valor de , cuando el modelo esta bien especificado.
Se puede plantear una relacin entre los errores de las ecuaciones (10) y (11) que se
especifiquen del siguiente modo:

i t
,
M t
= E (
i t ,

M t /
I
t-1
)

+
it
(12)

2

M t
= E (
2

M t /
I
t-1
)

+
Mt
(13)

Donde la ecuacin (12) refleja la covarianza condicional entre el retorno del ttulo y
el retorno del mercado, ambos sobre el mnimo de riesgo, mientras la ecuacin (13)
seala la varianza condicional del retorno del mercado. De este modo, condicional
puede ser estimado del siguiente modo:

/ I
t-1
= E (
i t ,

M t /
I
t-1)
/

E (
2

M t /
I
t-1
)

(14)

La importancia de los errores en la estimacin del riesgo sistmico, puede
expresarse considerando que los errores no son necesariamente constantes, tal como
se requiere en un modelo de estimacin insesgado. Podemos establecer que la
varianza de la estimacin del modelo puede seguir la siguiente secuencia:

Var (
t /
I
t-1)
= E (
2

t /
I
t-1
) = ht =
0
+
i

2

t-1
(15)

Cuando la ecuacin (15) trabaja en un solo rezago, se tiene un modelo de errores AR
(1) y adems la varianza condicional es no constante, es autoregresiva, y esto se
denomina modelo ARCH, la propuesta inicial de este modelo es de Engle (1982) y
Engle et al. (1990).
El anlisis de la ecuacin (15) tambin puede entenderse como la influencia que
tiene el primer y segundo momento de decisin de los agentes, en la varianza de los
retornos. Siendo el segundo momento la varianza del error esperado de los retornos,
configurado por la sumatoria ponderada de errores pasados de la ecuacin (15),
mientras que el primer momento es la varianza del error considerado aqu como
0
.
(Zou, 2006)
Si el modelo no tiene varianza cambiante, entonces la varianza condicional derivada
de la ecuacin (15), es constante e igual a:

Var (
t /
I
t-1)
= E (
2

t /
I
t-1
) = ht =
0
/ ( 1
1

2
) (16)

Lo que no altera los resultados de la estimacin del riesgo sistmico en su parte
condicional y el modelo CAPM estara bien especificado. En este caso el Beta es el
mejor estimador de riesgo sistmico.
La ecuacin (15) es una extensin del modelo ARCH considerando que los rezagos
explicativos del error (el set de informacin antes mencionado) siguen un AR (p,q),
donde el nmero de rezagos autoregresivos (AR) se relaciona al orden p, mientras
que el error como valor esperado o media (MA) rezagada, se relaciona al orden q.
El anlisis anterior, nos conduce a un modelo generalizado de varianza
heterocedstica conocido como GARCH, se relaciona al orden q, que tiene como
covarianza a:

Cov (
t ,

M t /
I
t-1)
= E (
t ,

M t /
I
t-1
) =
0
+
i j

i t - j

M t -j
(17)

Considerando el aporte de Bollerslev (1986), la ecuacin (15) podra aadir no slo
la varianza pasada, sino tambin la varianza condicional pasada, lo cual se denomina
modelo GARCH-M:

Var (
t /
I
t-1)
= E (
2

t /
I
t-1
) = ht =
0
+
j, q

2

t-j
+
j
h
t-j
(18).

El modelo GARCH considera los mismos supuestos anteriores: si la varianza es
constante, los parmetros de la ecuacin (18), seran no significativos en el orden
(p,q), de modo que nos quedara una varianza del tipo mostrado en la ecuacin (16),
un resultado as, valida el modelo CAPM.
La propuesta del modelo GARCH implica que los agentes revisan sus expectativas
sobre los retornos de los activos, en base a los diversos cambios que tuvieron estos
retornos en el pasado, cambios que no son iguales en el tiempo; por tanto las
predicciones del retorno y el riesgo, deben ser especificados considerando que el
error es la existencia de cambio y cuya variabilidad no es constante, por lo que el
modelo CAPM es heterocedstico en este caso y debe ser corregido.
La especificacin del modelo ARCH en la estimacin del CAPM; puede partir de la
ecuacin (5), considerando que el rendimiento de mercado sobre el mnimo de
riesgo o premium, sigue la siguiente secuencia (Guzmn, 1998):

r
M
= +
2
(19)

Donde indica el modelo de rendimientos con beta no condicional y la varianza
2
equivale a lo expresado en la ecuacin (15) para el ARCH o en la ecuacin (18) para
el GARCHM. La ecuacin (19) indica que el Beta a estimar sufre un ajuste,
siguiendo un modelo de rendimientos que se ajustan conforme cambia el nivel de
error, acorde a la perspectiva ya sealada, que los agentes usan informacin pasada
y adems con cambios no constantes.

3. Metodologa
Para analizar la presencia de la varianza no constante en el modelo CAPM y ajustar
el estimado de riesgo sistmico Beta, se trabajar con el modelo planteado en la
ecuacin (5) corrido con mnimos cuadrados, incluyendo el intercepto:
ri = + (r
M
) +

Donde los datos a considerar son los siguientes:
Ri. El rendimiento anual obtenido de las series diarias 2008-2007 para las
acciones de Casagrande, Graa y Montero, Edegel, Cerro Verde y Credicorp.
El rendimiento se obtuvo como la variacin del precio diario de 2008 frente
al precio del mismo da en el 2007. Estas acciones son las de mayor peso en
su sector y constan en el ETF de la Bolsa de Valores de Lima (BVL) EPU
Per, as como en el Incatrack.
Rf. Obtenido a partir de la curva soberana en soles, para los bonos del tesoro
peruano a 360 das. Informacin diaria obtenida para el 2008 en la
Superintendencia de Banca y Seguros.
Rm. Obtenido a partir del rendimiento anual del ndice General de la BVL
(IGVBL), el retorno se estima tomando el ndice diario de 2008 frente al
ndice diario de 2007.
r
M
Equivale a restar Rm Rf
ri Equivale a restar Ri - Rf
Error obtenido de estimar Beta y calcular ri estimado, restndolo de la serie
original: Ri - Ri
e
.

Las series de datos equivalen a 236 das con cotizacin. El modelo previamente ser
testeado en su raz unitaria, para considerar la posibilidad de que las series no sean
estables, es decir que la media de los errores no se relacione de modo autoregresivo.
En caso de series inestables, se considera aplicar el ARCH y GARCH tanto en un
modelo CAPM con series no estacionarias, como en un modelo con series
estacionarias.
Para establecer la posibilidad de varianza no constante, se aplicar un modelo
ARCH inicial de orden 1, corrido con mnimos cuadrados:
ht =
0
+
i

2

t-1


Se tomar un orden n, a partir del anlisis del coeficiente de auto correlacin parcial
(FACP) de las series involucradas en la estimacin de Beta.
Una vez probada la existencia de varianza no constante condicional, se procede a
correr un modelo ARCH y un modelo GARCH, que ajusten las estimaciones de
beta, para cada una de las cinco empresas analizadas. Los modelos se corrern en
Eviews 4.1.

4. Resultados y discusin
A continuacin se muestra el comportamiento del rendimiento del mercado Rm y el
comportamiento de la tasa libre de riesgo Rf, en retornos anuales, ntese que el
movimiento de Rf es pequeo comparado a la volatilidad del ndice Rm, an as la
tasa libre ha tenido un descenso notorio en la primera mitad del ao 2008 y ha
llegado a su nivel mximo al cierre del ao, mientras que el rendimiento del
mercado vea su cada ms baja, esto tiene correlato con la profundizacin de la
crisis global y su impacto en las diversas plazas financieras, por un lado reduciendo
el retorno en bolsa y por otro reduciendo el precio de los activos peruanos (que
implica elevar los mrgenes exigidos por los inversionistas) emitidos en estos
mercados.

Figura 1: Retornos del IGVL (Rm) y de los bonos soberanos peruanos (Rf)

Fuente: BVL Elaboracin: El autor.

3
4
5
6
7
8
9
50 100 150 200
RF
-80
-60
-40
-20
0
20
40
60
50 100 150 200
RM RF
La figura 2 muestra el comportamiento de las distintas acciones seleccionadas, todas
tienen un comportamiento decreciente, han perdido rentabilidad en lo que va del
2008, con una recuperacin en la primera mitad del ao, que explica la mejora de
Rm. Hay que sealar que al cierre del ao, los rendimientos han comenzado a
mejorar, al igual que el precio de los bonos soberanos, lo cual indica un menor
impacto de la crisis global en el mercado peruano, pero esto es relativo, por cuanto
el 2009 este impacto se ha trasladado tambin al sector real de la economa.

Figura 2: Rendimiento de acciones seleccionadas: Cerro Verde (RCV) Edegel
(RDE), Graa y Montero (RGM), Casagrande (RCG), Credicorp (RCR) y
comportamiento asociado al retorno del mercado (RM)

Fuente: BVL Elaboracin: El autor.

Un aspecto a destacar para fines del anlisis de riesgos de los ttulos, es el
comportamiento asociado que siguen con el ndice de mercado (Rm), tal como se
muestra en la figura dos, el comportamiento de los rendimientos es bastante ajustado,
con ciertas diferencias en el caso de Edegel, que parece tener dos etapas de
comportamiento a mayor volatilidad que Rm. En general el patrn de riesgo asociado al
mercado se comprobar con el modelo CAPM.
Con fines de plantear el modelo CAPM, se hizo un anlisis de la presencia de series
inestables, los resultados se muestran en la Tabla 1, como puede observarse todos los
estadsticos de Dickey-Fuller (ADF) superan a los valores crticos, en el caso de
-120
-80
-40
0
40
80
120
160
50 100 150 200
RCR
RCV
RCG
RGM
RED
-120
-80
-40
0
40
80
120
160
-80 -60 -40 -20 0 20 40 60
RM
RCR
RCG
RED
RCV
RGM
Casagrande, su valor 5% es similar al test, pero al 1% no posee raz unitaria, esto se
reafirma si probamos el test sin intercepto, de modo que la serie es estable. Esta misma
conclusin puede observarse en todas las series.
Con estos resultados el modelo CAPM planteado puede ser utilizado como un buen
predictor de los rendimientos de los ttulos, a modo preliminar, pues si bien los
parmetros del modelo sern estables, falta ver el comportamiento de los distintos
residuos a estimar.

Tabla 1. Test de Raz unitaria para las series a emplear en el modelo CAPM
Ttulo ADF
Rf -0.914
Rm -1.672
Ri
Casagrande * -2.878
Cerro Verde -1.034
Graa y Montero -1.805
Edegel -2.487
Credicorp -0.787
Test ADF Valores
crticos
1% -3.458
5% -2.874
* El test ADF sin intercepto
muestra un valor de -0.844.

Fuente: BVL. Elaboracin: El autor

A continuacin siguiendo el modelo CAPM con intercepto, se estim los betas de
riesgo para cada uno de los ttulos. Los parmetros tanto de los interceptos como de
Betas son significativos y el ajuste de cada una de las estimaciones es relevante,
exceptuando a EDEGEL, donde el ajuste es relativamente bajo. Se puede sealar,
siguiendo la teora financiera del CAPM, que las acciones de Casagrande, Cerro
verde y Credicorp, tiene ms volatilidad que el mercado, generando mayores riesgos
(por ende retornos) a los inversionistas. Mientras que la accin de Graa y Montero
es muy cercana a la tendencia del mercado, Edegel se comporta con una relacin
muy baja con el mercado, es la accin que tiene menos volatilidad relacionada con
el Rm Premium. En el caso de Edegel, las conclusiones sobre su volatilidad las
veremos ms ajustada en cuanto el modelo pueda ser corregido, porque su actual R
2

es bastante bajo.
Una cartera puede formarse a partir de estas implicancias, los 5 ttulos pueden a
partir del porcentaje invertido, equilibrar los rendimientos, sin embargo esta
conclusin debe ser validad en la medida que podamos ver la eficiencia de beta
CAPM a partir de la varianza de los errores.

Tabla 2: Estimacin de Beta para las acciones seleccionadas
Intercepto Beta R
2

Empresa Valor T Valor t
Casagrande 4.276 3.31 1.3587 43.99 0.892
Cerro Verde 45.671 56.53 1.6259 83.99 0.968
Graa y Montero 3.496 4.46 0.9325 49.64 0.912
Edegel -21.043 -20.76 0.1182 4.87 0.088
Credicorp 54.532 38.8 1.2432 36.92 0.853
Fuente: BVL Elaboracin: El autor.

Se hizo una correccin en el caso de Edegel, cuya accin tiene un comportamiento
algo diferenciado, la figura siguiente muestra un patrn de quiebre estructural,
primero en el primer trimestre del ao, la accin tiene su punto mnimo, luego de
ello la accin toma un cambio de tendencia hasta el tercer trimestre del ao, en este
momento retoma la tendencia inicial y que es la observada en los dems ttulos, es
decir rendimientos negativos hasta el cierre del ao, con leve recuperacin.

Figura 3. Rendimientos anuales 2008-2007 para Edegel
-50
-40
-30
-20
-10
0
10
20
50 100 150 200
RED

Fuente: BVL Elaboracin: El autor.

A raz de este probable cambio de tendencia, se decidi plantear un modelo con
estos ajustes, para ello se eligi como un cambio de tendencia el dato 73 (siguiendo
adems el test de quiebre de Chow, a partir de este dato cambi el valor del ratio
Likelihood). Considerando adems que la serie vuelve a tener otro quiebre, esta vez
ajustada a la tendencia inicial, se consider una variable Dummy (D2) que recoja
este cambio y se consider como inicio el dato 173. Se tom este dato por la
secuencia grfica, ya que el test de Chow, arroja un cambio en el dato 199, sin
embargo el parmetro para una variable Dummy 3 (desde el dato 199) no fue
significativo. Con esta correccin del modelo para Edegel, se obtuvieron los
siguientes resultados, con la prueba T en parntesis:

r
i Edegel
= -17.73784 + 12.45635 D2 + 0.118192 TREND (73) + 0.521845 r
M

(-14.5) (5.56) (2.976) (6.126)
R
2
= 0.283

El modelo sealado, mejora mucho el ajuste logrado en el modelo original de Beta
para Edegel, planteado en la Tabla 2. Una vez obtenido los betas y dado que son
series estables, se procedi a realizar una prueba de secuencia de errores, con fines
de comprobar si la varianza sigue o no un proceso condicionado (ARCH), lo cual
afectara la prediccin del modelo de retornos y el beta de riesgos estara siendo
estimado con sesgos. Una muestra inicial de la secuencia de errores del Beta
estimado con CAPM, puede verse en la figura 4.
Los errores si bien cumplen con la estacionariedad de series, muestran una
variabilidad no constante, por ejemplo Casagrande (ECG) muestra un
comportamiento ascendente, a partir de la segunda mitad del ao, contrario a lo que
podra esperarse en un modelo con ruido blanco, tendencia que genera varianza
cambiante.
En el caso de Credicorp (CR) el error tiene un comportamiento estable entre el
segundo y el tercer trimestre, teniendo dos tendencias marcadas a la baja en el
primero y cuarto trimestre, lo cual indica presencia de varianza cambiante.
Los dems ttulos tienen un comportamiento similar, con una tendencia decreciente
al cierre de ao, que seala un alejamiento del comportamiento promedio y por ende
un cambio en la varianza.

Figura 4: Estimacin de errores para el modelo CAPM de las acciones
seleccionadas
-30
-20
-10
0
10
20
30
40
50 100 150 200
ECG
ECR
ECV
EGM
ERREDEG

Fuente: BVL Elaboracin: El autor.

Para validar lo anterior, se corri el modelo de errores ARCH (1), el orden se obtuvo
porque los correlogramas (FACP) mostraron siempre un cambio en orden 1,
confirmado adems por la estabilidad de series. Los resultados del modelo para los
errores son los siguientes:

Tabla 3: Estimacin de significancia de los errores cuadrticos (
2
) para las
acciones seleccionadas (ARCH 1)
Intercepto Coeficiente
2
R
2

Empresa Valor t Valor T
Casagrande 27.854 3.23 0.8373 26.47 0.749
Cerro Verde 15.649 3.5 0.783 19.49 0.618
Graa y Montero 16.982 3.73 0.7562 17.61 0.569
Edegel 11.611 2.47 0.8728 27.08 0.758
Credicorp 43.625 3.86 0.8061 20.79 0.648
Fuente: BVL Elaboracin: El autor.

Como muestra la tabla 3, el modelo de significancia entre los errores y sus rezagos
cuadrticos es significativo en todos los casos, lo que nos indica la presencia de
varianza cambiante y por ende los estimados de Beta de riesgo anterior son sesgados
debiendo corregirse por la estimacin de betas en una secuencia ARCH (1). El R
2
de
todos los modelos anteriores, es bastante relevante y la prueba t de la significancia
del error cuadrtico es tambin bastante alta, debiendo ajustarse los modelos
anteriormente planteados.
Se emple finalmente un modelo ARCH (1) para estimar Betas de riesgo, no se
consider un GARCH por cuanto los rezagos mximos llegaron a 1, no siendo el
modelo generalizado en n rezagos. El modelo final arroj ajustes en la estimacin de
Beta. Primero Casagrande tiene un menor nivel de riesgo mercado, pues su
parmetro Beta es menor, sin embargo sigue siendo ms voltil que el mercado. En
el caso de Cerro Verde, esta accin aument su nivel de Beta, siendo ms riesgoso
invertir en este ttulo, comparado al mercado como cartera.

Tabla 4: Estimacin de Beta CAPM bajo un modelo de errores ARCH (1)
Coeficientes ARCH Beta CAPM R
2

Empresa Intercepto ARCH (1) Prob Valor Prob
Casagrande 8.497 1.026 0.0019 1.314 0.00 0.89
Cerro Verde 4.993 0.986 0.0017 1.701 0.00 0.95
Graa y Montero 4.762 0.988 0.0000 0.836 0.00 0.90
Edegel 1.723 1.051 0.0000 0.354 0.00 0.14
Credicorp 11.961 0.981 0.0007 0.904 0.00 0.75
Fuente: BVL Elaboracin: El autor.

En el caso de Credicorp, inicialmente esta accin se comportaba con mayor riesgo
comparado al mercado, pero el ajuste de errores con ARCH, nos indica que el ttulo
es menos voltil, que sus retornos tiene un Beta que indica menor riesgo que el
mercado. En el caso de Graa y Montero, el parmetro Beta tambin disminuy, lo
que indica un menor nivel de riesgo al percibido inicialmente. Edegel redujo su
nivel de Beta, sigue siendo el ttulo con menor riesgo relacionado al mercado, sin
embargo dado su movimiento burstil, esta accin tiene un bajo ajuste con la
dinmica del mercado, podra deberse a factores diversos (clima, provisin de gas,
precios de combustibles y otros) que no siempre impactan de igual modo al
mercado, siendo por ello la accin en donde el CAPM tiene el menor poder
predictivo. Para fines de portafolio, estos ttulos combinan bien, pues dos de ellos
tienen betas mayores que uno y dos de ellos beta menores (exceptuando Edegel) de
modo que su cartera de retornos podra comportarse estable, reduciendo el riesgo de
apostarle slo a uno de ellos.
El modelo CAPM entonces, tiene que ser validado en la medida que los
rendimientos no presenten varianzas cambiantes, pues en ese caso el parmetro de
de riesgo de mercado Beta ser sesgado, equivocando las decisiones del
inversionista, pues puede mostrar un riesgo ms alto del que realmente tiene o
viceversa. El uso de ARCH nos ayuda a obtener la dimensin real del parmetro
Beta, ajustando de este modo las secuencias de riesgo retorno que puede asumir el
inversionista.

5. Conclusiones
A partir de un modelo CAPM para pronosticar el retorno de ttulos sobre el mnimo
de mercado (rendimiento de los bonos soberanos peruanos), que consider como
regresores al premium de riesgo mercado (la tasa de rendimiento anual del IGVBL
menos la tasa libre de riesgo) se obtuvo los Betas estimados para las empresas Cerro
Verde (1.36), Credicorp (1.24), Edegel (0.52), Casagrande (1.36) y Graa y Montero
(0.93).
Las series analizadas para este estimador no presentaron races unitarias siendo
estables; pero se encontr que el comportamiento de las varianza de los errores es
condicional autoregresivo (dependiente del rezago de la varianza) y adems es
heterocedstica (varianza no constante), considerado ello como un proceso ARCH.
Esto se valid al encontrar que los modelos de MCO corridos para la varianza de los
errores frente a su rezago (para el CAPM de todos los ttulos), arrojaron coeficientes
de regresin significativos estadsticamente y un ajuste del modelo que varo de
57% a 75% segn la accin.
El proceso ARCH genera sesgos en la estimacin de los parmetros de riesgo
sistmico Beta, de modo que debe establecerse un ajuste en este indicador. Para ello
se procedi a estimar los betas en un modelo ARCH (1), puesto que las series al ser
estables, presentaron un funcin de auto correlacin parcial convergente al 1 rezago.
Finalmente los Betas de las acciones ajustadas por ARCH (1) fueron Cerro Verde
(1.7), Credicorp (0.9), Edegel (0.35), Casagrande (1.31) y Graa y Montero (0.84).
El ajuste del modelo fue arriba del 75%, excepto Edegel cuyo ajuste lleg a 14%,
producto de que la serie sigue patrones de cambio de tendencia (quiebre) y otros
explicadores que la alejan de la dinmica del mercado.
Comparando los modelos CAPM sin ajuste de varianza y el modelo ARCH (1) nos
indican que el riesgo sistmico Beta, fue sobre estimado para todas las acciones,
excepto Cerro verde, cuyo beta fue subestimado. Es decir el riesgo de mercado es
menor a lo que el CAPM original predice, excepto Cerro Verde cuyo riesgo de
mercado es mayor al inicialmente previsto.
Lo anterior indica que estas acciones representativas del portafolio peruano
(Incatrack o el ETF-EPU) podran diversificarse bien, puesto que mientras el ttulo
minero representativo y los ttulos industriales se mueven a mayor riesgo; los ttulos
financieros y de construccin, representativos se mueven a menor ritmo que el
mercado, generando estabilidad en los rendimientos del portafolio o una secuencia
ajustada al movimiento del mercado, siempre cuidando la participacin de Edegel,
toda vez que el modelo CAPM no termina siendo una buena herramienta de
prediccin en este caso, siendo necesario plantear probablemente modelos mixtos
con otros regresores adicionales.

6. Bibliografa
- Adcock, C. and Clark, E. (1999) Beta lives* some statistical perspectives on
the capital asset pricing model. The European Journal of Finance Vol. 5. UK.
- Bjarte Solibakke, Per. (2002). Testing the univariate conditional CAPM in thinly
traded markets. Applied Financial Economics. Vol. 12.
- Black, F., Jensen, M. C. and Scholes, M. (1972) The capital asset pricing model:
Some empirical tests, in Theory of Capital Markets (Ed.) M. C. Jensen, Praeger,
New York.
- Bollerslev, T. (1986) Generalized autoregressive conditional heteroscedasticity,
Journal of Econometrics, 31.
- Bollerslev, T., Engle, R. F. and Wooldridge, J. M. (1988) A capital asset pricing
model with time-varying covariances, Journal of Political Economy, 96.
- Bornholt, G. (2007) Extending the capital asset pricing model: the reward beta
approach. Accounting and Finance Vol. 47.
- Caicedo Cerezo Edinson (2006) Estimacin de la prima por riesgo en el
mercado accionario colombiano y estimacin de betas de empresas
colombianas que no se cotizan en la bolsa de valores en Colombia. VI
Conferencia Internacional de Finanzas. Universidad Catlica de Chile. Chile.
- Clare, A.; Priestley, R. and Thomas, S. (1997). Is Beta dead? The role of
alternative estimation methods. Applied Economics Letters. Vol. 4. UK.
- Cooper, Ian (2009) On tests of the conditional relationship between beta and
returns. Applied Financial Economics Vol. 19. UK.lgt and Finance 47 (2006) 0000
- Engle, R. F. (1982) Autoregressive conditional heteroscedasticity with estimates
of the variance of the United Kingdom Inflation, Econometrica, 50.
- Engle, R.; Lilien, D. and Robins, R. (1990) Estimating time varying risk premia
in the term structure: The ARCH-M model, Econometrica, 55.
- Engle, R. F. and Kroner, K. F. (1995) Multivariate simultaneous generalized
ARCH, Econometric Theory, 11.
- Fama, E. and MacBeth, J. (1973) Risk return and equilibrium: Empirical tests,
Journal of Political Economy, 38.
- Fama, E. F. and French, K. R. (1993) Common risk factors in the returns of
stocks and bonds. Journal of Financial Economics, 33.
- Fama, E. F. and French, K. R. (1995) Size and book-to market factors in
earnings and returns, Journal of Finance, 50.
- Fama, E. F. and French, K. R. (1996) Multifactor explanations of asset pricing
anomalies, Journal of Finance, 51.
- Ferson. W. E., Kandel, S. and Atambaugh, R. F. (1987) Tests of the asset pricing
with time varying risk premiums and market beta, Journal of Finance, 42.
- Gibbons, M. and Ferson, W. (1985) Testing asset pricing models with changing
expectations and an unobservable market portfolio, Journal of Financial
Economics, 14.
- Guzmn, Mara. (1998) Los modelos CAPM y ARCH-M. Obtencin de los
coeficientes beta para una muestra de 33 acciones que cotizan en la Bolsa
Mexicana de Valores. Economa: Teora y Prctica. N 9. UAM.
- Hansson, Bjorn and Hordahl, Peter (1998) Testing the conditional CAPM using
multivariate GARCH-M. Applied Financial Economics Vol. 8.
- Huang, Ho-Chuan and Wu, Pei-Shan (2005) Tests of the CAPM with structural
instability and asymmetry. Applied Financial Economics Letters Vol. 1.
- Huang, Ho-Chuan and Cheng, Wan-hsiu (2005) Tests of the CAPM under
structural changes. International Economic Journal. Vol. 19.
- Kongtoranin, Treerapot (2007) Comparison of CAPM models in stock exchange
Thailand: Evidence in 2000 to 2006. School of Management, Assumption
University.
- Kraus, A. and Litzenberger, R. (1976) Skewness preference and the valuation of
risk assets, Journal of Finance, 38.
- Lam, Keith (2001). The conditional relation between beta and returns in the
Hong Kong stock market. Applied Financial Economics Vol. 11.
- Lawrence, Edward, Geppert, John and Prakash, Arun (2007) Asset pricing
models: a comparison. Applied Financial Economics Vol. 17.
- Lintner, J. (1965) The valuation of risky assets and the selection of risky
investments in stock portfolios and capital budgets, Review of Economics and
Statistics, 47.
- Markellos, Raphael and Mills, Terence. (2001) Unit roots in the CAPM?
Applied Economics Letters Vol. 8.
- Mishra, S., DeFusco, R. A. and Prakash, A. J. (2005) Skewness preference,
value and size effects. Working Paper.
- Morelli, David (2003) Capital asset pricing model on UK securities using
ARCH. Applied Financial Economics. Vol. 13. UK.
- Prez-Rodrguez, Jorge (2002) Ha variado en el tiempo la remuneracin del
riesgo en el mercado burstil espaol? Revista Espaola de Financiacin y
Contabilidad. Vol. XXXI. N 113.
- Ramchand, L. and Susmel, R. (1997) Variances and covariances of
international stock returns: The international CAPM revisited. University of
Houston. USA.
- Sharpe, W. (1964) Capital asset prices: A theory of market equilibrium under
conditions of risk, Journal of Finance, 19.
- Terregrossa, Salvatore. (2001) Robust informational tests on the CAPM. Applied
Economics Letters Vol. 8.
- Zou, Liang (2006) The best-beta CAPM. Applied Financial Economics Letters
Vol. 2.