Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ECONÓMICAS Y FINANCIERAS
CURSO:
PROFESOR:
TEMA:
AUTOR:
PIURA –PERU
2007
DETERMINANTES DE LA RENTABILIDAD DE LAS ACCIONES QUE PERTENECEN AL ÍNDICE SELECTIVO DE LA BOLSA
DE VALORES DE LIMA. PERIODO 1999 – 2004
ÍNDICE
RESUMEN
INTRODUCCIÓN
I. OJETIVO DE LA INVESTIGACIÓN 5
1.1. Objetivo general 5
1.2. Objetivos específicos 5
CONCLUSIONES 68
BIBLIOGRAFÍA 71
ANEXOS
RESÚMEN
INTRODUCCIÓN
I. OBJETIVO DE LA INVESTIGACIÓN
1.2.2. Establecer los factores estacionales, tales como efecto mes, efecto fin
de semana, que afectan la rentabilidad de un activo financiero.
RVIRTUAL 1 2 RIGBVL
Rx 1 2 Dummy U t
1
Campbell; Lo & Mackinlay, “op.cit”, pp. 84-97.
Yi y
N 3
1
2
El coeficiente Skewness (S) se calcula mediante la siguiente fórmula: S
N
i 1 ˆ
En una distribución normal, S=0.
Yi y
N 4
1
3
El coeficiente de Kurtosis (K) se calcula mediante la siguiente fórmula: K
N
i 1 ˆ
En una distribución normal K=3.
para calcular el estadístico Jarque Bera4, que indica un rechazo (al 95% de
confianza) de la hipótesis de que la distribución de los retornos se comporta
como una normal.
CUADRO Nº 3: ESTADÍSTICAS DESCRIPTIVAS
4
El estadístico Jarque Bera: JB
6
N k 2
S 0.25K 3
2
que se distribuye como una Chi cuadrado con
dos grados de libertad, donde S = Skewness, K = Kurtosis, k = número de coeficientes estimados, N =
tamaño de la muestra,
5
La prueba Arch se aplico después de regresionar los retornos con la variable Dummy que captura los outliers.
Esta prueba evalúa los residuos al cuadrado en función de los residuos al cuadrado rezagados en uno
2
período y el estadístico que obtiene es el NR que se contrasta con una distribución Chi cuadrado con uno y
dos grados de libertad.
6
Esta prueba se aplicó con la regresión de los retornos con la variable dummy.
7
Asume que las variaciones en el precio, son independientes unas de otras.
8
La palabra Martingala proviene de “Martingale” que significa arbitraje. Esta palabra proviene del nombre de
una ciudad llamada Martingues, que se hizo famosa porque sus habitantes tenían la estrategia de apostar
doble después de cada perdida, así aseguraban altas ganancias.
9
Juego justo es sinónimo de “juego de suma cero”; ante un juego repetitivo, en promedio sus ganancias son
iguales a sus perdidas.
3.1.1. Supuestos.
a. Toda la información debe ser pública, de fácil acceso y sin costo alguno;
de tal manera, que el inversor pueda tomar decisiones que maximicen su
función de utilidad.
3.1.2. Críticas
e. Muchas veces los costos de transacción son muy elevados que restringe
la entrada de muchos potenciales inversionistas.
10
Definición de proceso estocástico estacionario, según Gujarati Damodar, “Econometria”, tercera edición, Mc
Graw - Hill Interamericana S.A., Colombia, 1997, p. 697.
11
Las pruebas de raíces unitarias más conocidos son, Dickey Fuller, Dickey Fuller aumentando y el de Phillip
Perron, para mayor información ver Enders Walters, “Applied Econometric Time Series”, ediciones Wiley
Series in Probability and Mathematical Statistics, New York, 1995, pp. 211-260.
12
Ruido blanco cumple con los supuestos de media cero, varianza constante y no correlacionado .
Combinando los dos modelos anteriores, tenemos los modelos ARMA (p,q)
predicción perfecta y el valor de uno indica una mala predicción. Para realizar
la predicción ex–post se divide la muestra en dos submuestras, la primera
submuestra contiene el 95% de la muestra y la segunda submuestra para el
cual se va evaluar la predicción contiene el 5% restante de la muestra total.
2 2 2 2
et α0 α1et 1 α2 et 2 ....... αq et q vt
q 2 p
ht 0 i et i i ht i
i 1 i 1
15
Una varianza es heterocedástica cuando no es constante a lo largo del tiempo, es decir existen períodos de
alta o baja volatilidad.
16
Enders Walter, “op. cit.” pp. 141-149.
2
at vt* σ t
2 at 1 2 at
log(σ t ) α0 α1( 2 ) β1log(σ t 1 ) θ 2 2 π
σ t 1 σt
17
Un modelo es más parsimonioso si tiene pocos coeficientes para estimar.
2
at vt* σ t
2 2 2
σ t α0 (α1 δdt 1 )at 1 β1σ t 1
α0 0 , β1,α1 0 , α1 β1 δ/2 1
d t 1 1 si at 1 0 , d t 1 0 si at 1 0
mercado. Son varios los supuestos que comprende este modelo, dentro de
los cuales tenemos:
Covrx , rm
E rx rf E rm rf
Var rm
Donde.
E (rx ) : es el retorno esperado del activo x.
rf : es el activo libre de riesgo.
rm : es el retorno del mercado.
: es la pendiente que mide la covarianza del retorno “x” con el mercado,
dividido por la varianza del mercado. También definido como la
contribución al riesgo de mercado del activo “x”.
Rx Rm et
18
Riesgo único es aquel que se elimina cuando la cartera de acciones esta completamente diversificada, el
riesgo que no se puede eliminar es el riesgo de mercado.
12
R pt a p1 a pi Dumit e pt i 2,3,........12
i 2
19
Es una observación atípica que no se encuentra dentro de la distribución del proceso estocástico.
Rit a1i Dum1t a2i Dum2t a3i Dum3t a4i Dum4t a5i Dum5t vit
Donde:
w j
Donde:
Pij : Precio de la acción “j” en la fecha “i”.
Donde:
21
Memoria 2004 – Compañía Minera ATACOCHA
22
Mejor modelo obtenido después de evaluar la parsimonia (criterio de Akaike), significancia y relevancia de
acuerdo a las características propias de la acción analizada.
Variance Equation
acuerdo al modelo CAPM. (3 >1); además si la rentabilidad del IGBVL el día
de ayer aumentó en 10%, esto afectará la rentabilidad de hoy aumentando en
2.1%.
También el modelo nos muestra que existe una relación inversa en los
acontecimientos del día de ayer sobre la rentabilidad de la misma acción. Es
de esperar que los inversionistas al saber que la acción ATACOI1 es
demasiado riesgosa, ya que es una acción minera, tendrían que tomar
decisiones sobre la tenencia de la misma, lo que nos lleva a pensar que los
acontecimientos de ayer afectan la rentabilidad de hoy. Si el día de ayer, en
promedio la acción aumentó en 10%, es esperar que la rentabilidad de hoy
disminuya en 1% debido a los procesos especulativos que pueden formar los
traders sobre las expectativas de la acción.
.05
.04
.03
.02
.01
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
.20
Forecast: RATACOI1F
.15 Actual: RATACOI1
Forecast sample: 1/05/1999 5/13/2004
.10 Adjusted sample: 1/06/1999 5/13/2004
Included observations: 1397
.05
Root Mean Squared Error 0.025575
Mean Absolute Error 0.017579
.00
Mean Abs. Percent Error 74.33943
Theil Inequality Coefficient 0.546026
-.05
Bias Proportion 0.000305
Variance Proportion 0.295962
-.10 Covariance Proportion 0.703733
-.15
1999 2000 2001 2002 2003
RATACOI1F
.0030
.0025
.0020
.0015
.0010
.0005
.0000
1999 2000 2001 2002 2003
Forecast of Variance
23
Memoria 2004: Unión de Cervecerías Backus y Johnston
T 1
Ln T2 1 1 T 1 1 Ln T21 DENET DVIERNES T
T 1 T 1
Donde:
24
Mejor modelo obtenido de acuerdo a las características propias de la acción Backus
Variance Equation
.03
.02
.01
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
.12
Forecast: RBACKUSI1F
Actual: RBACKUSI1
.08 Forecast sample: 1/05/1999 5/13/2004
Included observations: 1398
-.08
1999 2000 2001 2002 2003
RBACKUSI1F
.0014
.0012
.0010
.0008
.0006
.0004
.0002
.0000
1999 2000 2001 2002 2003
Forecast of Variance
25
Memoria 2004: Corporación Aceros Arequipa
T2 1 T21 DT 1 * T21 2 T22 3 T23 1 T21 2 T22 3 T23 1 DJUE 2 DENE
Donde:
26
Mejor modelo que logra reflejar las características propias de la acción.
Variance Equation
.04
.03
.02
.01
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
.15
Forecast: RCORAREI1F
Actual: RCORAREI1
.10
Forecast sample: 1/05/1999 5/13/2004
Adjusted sample: 1/11/1999 5/13/2004
.05 Included observations: 1394
-.15
1999 2000 2001 2002 2003
RCORAREI1F
.0036
.0032
.0028
.0024
.0020
.0016
.0012
.0008
.0004
.0000
1999 2000 2001 2002 2003
Forecast of Variance
Las operaciones del Banco están normadas por la Ley General del
Sistema Financiero y de Seguros y Orgánica de la S.B.S (Ley 26702),
encontrándose autorizado a operar como banco múltiple por la S.B.S, de
acuerdo con los dispositivos legales vigentes en el Perú. Asimismo puede
27
Memoria 2004: Banco de Crédito del Perú
Donde:
Variance Equation
28
Después de realizar varios modelos, se presenta un GARCH(1,1) que logra capturar las características propias
de la acción.
.3
.2
.1
.0
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
ajuste lo que significa que captura los cambios de volatilidad que se producen
en el periodo de análisis
.8
Forecast: RCREDITC1F
Actual: RCREDITC1
Forecast sample: 1/05/1999 5/13/2004
.4 Adjusted sample: 1/07/1999 5/13/2004
Included observations: 1396
-.8
1999 2000 2001 2002 2003
RCREDITC1F
.16
.12
.08
.04
.00
1999 2000 2001 2002 2003
Forecast of Variance
Donde:
29
Memoria 2004: Empresa Edegel S.A.A.
30
Este modelo se ha obtenido después de haber realizado varias estimaciones y determinar el mejor modelo que
logre reflejar las características propias de la acción
Variance Equation
.02
.01
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
.12
Forecast: REDEGELC1F
Actual: REDEGELC1
.08
Forecast sample: 1/05/1999 5/13/2004
Adjusted sample: 1/06/1999 5/13/2004
.04 Included observations: 1397
-.12
1999 2000 2001 2002 2003
REDEGELC1F
.0030
.0025
.0020
.0015
.0010
.0005
.0000
1999 2000 2001 2002 2003
Forecast of Variance
de Tecsur S.A. (antes Luz del Sur Servicios S.A.), y la escisionaria Ontario
Quinta A.V.V.
31
Memoria 2004: Empresa Luz del Sur
T2 1 T21 DT 1 * T21 2 T22 3 T23 1 T21 2 T22 3 T23
Donde:
32
Se considera este modelo porque logra capturar todas las características propias de la acción .
Variance Equation
.06
.04
.02
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
.15
Forecast: RLUSURC1F
Actual: RLUSURC1
.10
Forecast sample: 1/05/1999 5/13/2004
Adjusted sample: 1/06/1999 5/13/2004
.05 Included observations: 1397
-.15
1999 2000 2001 2002 2003
RLUSURC1F
.005
.004
.003
.002
.001
.000
1999 2000 2001 2002 2003
Forecast of Variance
T2 1 T21 DT 1 * T21 2 T22 3 T23 1 T21 2 T22 3 T23
Donde:
33
Memoria 2004: Empresa Minsur
34
Mejor modelo estimado que logra capturar las características propias de la acción
Variance Equation
.06
.04
.02
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
.16
Forecast: RMINSURI1F
.12 Actual: RMINSURI1
Forecast sample: 1/05/1999 5/13/2004
.08 Adjusted sample: 1/06/1999 5/13/2004
Included observations: 1397
.04
Root Mean Squared Error 0.014418
Mean Absolute Error 0.009198
.00
Mean Abs. Percent Error 69.33789
Theil Inequality Coefficient 0.602151
-.04
Bias Proportion 0.000168
Variance Proportion 0.403185
-.08 Covariance Proportion 0.596647
-.12
1999 2000 2001 2002 2003
RMINSURI1F
.005
.004
.003
.002
.001
.000
1999 2000 2001 2002 2003
Forecast of Variance
35
Memoria 2004: Empresa Telefónica
Donde:
Variance Equation
.15
.10
.05
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
.4
Forecast: RTELEFBC1F
.3 Actual: RTELEFBC1
Forecast sample: 1/05/1999 5/13/2004
.2 Included observations: 1398
.1
Root Mean Squared Error 0.027991
.0 Mean Absolute Error 0.016762
Mean Abs. Percent Error 84.24411
-.1 Theil Inequality Coefficient 0.637280
Bias Proportion 0.000360
-.2 Variance Proportion 0.377272
Covariance Proportion 0.622369
-.3
-.4
1999 2000 2001 2002 2003
RTELEFBC1F
.032
.028
.024
.020
.016
.012
.008
.004
.000
1999 2000 2001 2002 2003
Forecast of Variance
Donde:
36
Memoria 2004: Empresa Minera Volcán
Variance Equation
.06
.04
.02
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
.3
Forecast: RVOLCABC1F
Actual: RVOLCABC1
.2 Forecast sample: 1/05/1999 5/13/2004
Included observations: 1398
-.2
1999 2000 2001 2002 2003
RVOLCABC1F
.007
.006
.005
.004
.003
.002
.001
.000
1999 2000 2001 2002 2003
Forecast of Variance
CONCLUSIONES
2. Las acciones que pertenecen al sector Minero, se caracterizan por tener un beta
mayor a uno lo que significa que es el sector más riesgoso a excepción de la
acción MINSURI1 que su Beta es de 0.68 lo que determina que es una acción
conservadora frente a los acontecimientos que han afectado a la Bolsa de
valores. En las tres acciones Mineras se ha estimado un modelo TARCH que
logra determinar que las noticias negativas tienen un mayor efecto sobre las
noticias positivas, existiendo un efecto asimétrico. Se puede apreciar que el
acontecimiento que logra incrementar su volatilidad es el atentado del 11 de
setiembre del 2001, donde es a partir de esa fecha que muestran una mayor
volatilidad por el comportamiento de los precios internacionales. Para el caso de
Atacocha y Minsur existen componentes autorregresivos de primer orden (AR(1))
que se han incorporado en la modelación de la rentabilidad y es el caso de
Atacocha que presenta una cierta estacionalidad en el mes de Marzo, (pago de
impuestos) para la varianza condicional. En las tres acciones que pertenecen al
sector, el estadístico U-Theil se encuentra alrededor de 0.60 lo que demuestra
que existe un alto error de predicción.
3. Para las Acciones que pertenecen al Sector Servicios, sub sector eléctricas
observamos que son acciones muy conservadoras al presentar un Beta menor a
uno; además existen factores asimétricos que afectan la volatilidad de la acción,
lo cual es capturado a través de un moldeo TARCH. En el caso de EDEGELC1
existen componentes autorregresivos de primer orden que afectan a la
rentabilidad de la acción (AR(1)); mientras en la acción de LUSURC1 tanto los
factores autorregresivos como los de promedios móviles (ARMA(1,1) afectan a
la rentabilidad de la acción. Es característico en este sector que los
acontecimientos políticos y procesos electorales generan una mayor volatilidad
en la rentabilidad ya que son reguladas por el estado. AL momento de realizar
una predicción no se obtuvo un buen ajuste ya que el estadístico U-Theil fue
cercano a 0.75.
BIBLIOGRAFÍA
Libros:
Revistas
3. BANZ, Rolf; “The Relationship Between Return and Market Value of Common
Stocks”; Journal of Financial Economics, Vol. 9, No 1, March 1981, pp. 3-18.
10. BROWN, Mirton; Alen, FORSYTHE; “Robust Tests for the Equality of
Variances”, Journal of the American Statistical Association, Vol. 69, 1974, pp.
364-367.
11. BROWN, Philip; Allan W., KLEIDON y Terry A., MARSH; “New Evidence on
the Nature of Size-Related Anomalies in Stock Prices”, Journal of Financial
Economics, Vol. 12, No 1, June 1983, pp. 33-56.
12. CHAN, K. C.; “On the Contrarian Investment Strategy”, Journal of Business,
Vol. 61, No 2, April 1988, pp. 147-163.
14. COCHRANE, J.; “Volatility Test and Efficient Market”, Journal of Monetary
Economics, Vol. 27, 1991, pp. 463-485.
20. FAMA, Eugene: “Efficient Capital Markets. Review of Theory and Empirical
Work”, Journal of Finance, Vol. 25, 1970, No 2, pp. 383-417.
23. FAMA, Eugene y Kenneth, FRENCH: “Dividend Yields and Expected Stock
Returns”, Journal of Financial Economics, Vol. 22, No 1, October 1988(b), pp.
3-25.
25. FAMA, E. y J., MACBETH; “Risk and Equilibrium: Empirical Tests”, Journal of
Political Economy, Vol. 71, 1973, pp. 607-636.
26. FRENCH, Kenneth R.; “Stocks Returns and the Weekend Effect”, Journal of
Financial Economics, Vol. 8, No 1, March 1980, pp. 55-69.
29. GIBBONS, Michael R. y Patrick, HESS; “Day of the Week Effects and Asset
Returns”, The Journal of Business, Vol. 54, No 4, October 1981, pp. 579-596.
34. KEIM, Donald B.; “Size-Related Anomalies and Stocks Return Seasonality”,
Journal of Financial Economics, Vol. 12, No 1, June 1983, pp. 13-32.
35. KEIM, Donald, y Robert, STAMBAUGH; “Predicting Returns in the Stocks and
Bond Markets”, Journal of Financial Economics, Vol. 17, No 2, December
1986, pp. 357-390.
36. KENDALL, Maurice; “The Analysis of Economic Time Series”. Part I: Prices,
Journal of the Royal Statistical Society, Vol. 96, 1953.
37. LEHMANN, Bruce N.; “Fads, Martingales and Markets Efficiency”, Quarterly
Journal of Economics, Vol. CV, No 1, February 1990, pp.1-27
39. LINTNER, J.; “Security Prices, Risk and Maximal Gains from Diversification”,
Journal of Finance, Vol. 20, 1965, pp. 587-615.
40. LO, A y A. C., MACKINLAY; “Stock Market Prices do not Follow Random
Walks: Evidence from a Simple Specification Test”, Review of Financial
Studies, Vol. 1, 1988, pp. 41-66.
43. MEJÍA, Jorge; Mónica, GRADOS y Nelly, MEUNIER; “La eficiencia del
mercado accionariado en México”. En Trimestre Económico, Vol. LIX (2), No
234, abril-junio 1992, pp. 339-371.
47. REINGANUM, Marc; “The Anomalous Stocks Market Behavior of Small Firms
in January. Empirical Test for Tax-Loss Selling January”, Journal of Financial
Economics, Vol. 12, No 1, June 1983, pp. 89-104.
48. ROZEFF, Michael y Mir A., ZAMAN; “Market Efficiency and Insider Trading:
New Evidence”, Journal of Business, Vol. 61, No 1, January 1988, pp. 25-44.
50. SEYHUN, H. Nejat; “Insiders’ Profits Costs of Trading, and Market Efficiency”,
Journal of Financial Economics, Vol. 16, No 2, June 1986, pp. 189-212.
51. SHARPE, W.; “Capital Asset Prices, A Theory of Market Equilibrium under
Conditions of Risk”, Journal of Finance, 1964, pp. 425-442.
52. SHILLER, R. J.; “Do Stocks Prices Move too Much to be Justified by
Subsequent Changes in Dividends”, American Economic Review, Vol. 71, Nº3,
June 1981, pp 421-436.
55. URRUTIA, Jorge; “Time Series Properties of Four Latin American Equity
Markets: Argentina, Brazil, Chile, México”; Estudios de administración,
Universidad de Chile, Vol. 1, No 2, September 1994, pp. 1-9.
Otras Fuentes
ANEXOS
ANEXO Nº 1:
ANEXO Nº1: GRÁFICO DE LA RENTABILIDAD HISTÓRICA DE LAS ACCIONES QUE PERTENECEN AL ISBVL
.15 .15 .3
.08
.10 .10 .2
.04
.05 .05 .1
.00 .00 .0
.00
.12
.04 .15
.05 .08
.02 .10
.04
-.04
-.02 .00
-.05 -.08
-.04 -.05
-.12
RTELEFBC1 RVOLCABC1
.4 .20
.3 .15
.10
.2
.05
.1
.00
.0
-.05
-.1
-.10
-.2 -.15
-.3 -.20
1999 2000 2001 2002 2003 1999 2000 2001 2002 2003
ANEXO Nº2: