Trabajo de Volatilidad

PROGRAMA DE DOCTORADO EN CIENCIAS
ECONÓMICAS Y FINANCIERAS
CURSO:
TÉCNICAS DE INVESTIGACIÓN ECONÓMICA Y FINANCIERA
PROFESOR:
Dr. MANUEL OTÁROLA BEDOYA
TEMA:
“DETERMINANTES DE LA RENTABILIDAD DE LAS ACCIONES QUE

PERTENECEN AL ÍNDICE SELECTIVO DE LA BOLSA DE VALORES
DE LIMA. PERIODO 1999 – 2004”
AUTOR:
ECON. BRENDA LIZ SILUPÚ GARCÉS

Magíster en Finanzas
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
II. EL PROBLEMA DE LA INVESTIGACIÓN 6

2.1. Descripción de la muestra 7
2.2. Características de las series 9
III. MARCO TEÓRICO 12

3.1 Hipótesis de Eficiencia de los Mercados 12
3.2 Modelos de Series de Tiempo 14
3.3 Modelos de Heterocedasticidad Condicional 16
3.4 Otros Modelos de Heterocedasticidad 17
3.5 Capital Asset Pricing Model (CAPM) 18
3.6 Evidencia Empírica 20
3.6.1 Pruebas de Corridas, autocorrelación y el modelo CAPM 20
3.6.2 Modelos GARCH (p,q) 20
3.7 Estacionalidad en el comportamiento de los retornos 21
3.7.1 Efecto Tamaño 21
3.7.2 Efecto Enero 21
3.7.3 Efecto Fin de Semana 23
3.8 Indicadores Bursátiles 23
IV. HIPÓTESIS A CONTRASTAR 25

4.1 Hipótesis general 25
4.2 Hipótesis específicas 25
V. ANÁLISIS DE LA RENTABILIDAD DE LAS ACCIONES 26

5.1 Análisis de la Rentabilidad de la acción ATACOI1 26
5.2 Análisis de la Rentabilidad de la acción BACKUSI1 30
5.3 Análisis de la Rentabilidad de la acción CORAREI1 36
5.4 Análisis de la Rentabilidad de la acción CREDITC1 41
5.5 Análisis de la Rentabilidad de la acción EDEGELC1 45
5.6 Análisis de la Rentabilidad de la acción LUSURC1 49
5.7 Análisis de la Rentabilidad de la acción MINSURI1 55
5.8 Análisis de la Rentabilidad de la acción TELEFBC1 59
5.9 Análisis de la Rentabilidad de la acción VOLCABC1 63
CONCLUSIONES 68
BIBLIOGRAFÍA 71
ANEXOS
ECON. BRENDA LIZ SILUPÚ GARCÉS Magíster en Finanzas 2

RESÚMEN
Los inversionistas en cada momento tienen que tomar decisiones de inversión

incorporando la incertidumbre que existe ante nuevos acontecimientos, por lo tanto,
se encuentran tomando decisiones frente a las nuevas noticias que afecta al
mercado de capitales. Es así que surge el interés en estudiar los factores relevantes
que caracterizan el comportamiento de la rentabilidad de cada acción que cotiza en
la Bolsa de Valores de Lima, principalmente de aquellas que se caracterizan por ser
líquidas y de mayor negociación (acciones que pertenecen al Índice Selectivo de la
Bolsa de Valores de Lima).
Durante el periodo de estudio, 1999 – 2004 han existido diferentes

acontecimientos, tales como crisis políticas, cambio de política económica, crisis
sociales, crisis financieras, es decir factores internos y externos que de alguna
manera nuestro mercado a resultado ser vulnerable frente a estos acontecimientos
reaccionando de manera diferente a cada uno de los hechos; es así que en este
trabajo se ha encontrado factores estacionales, autorregresivos, que caracterizan a
cada acción logrando modelarla a través de modelos como TARCH, GARCH que
logran reflejar el comportamiento de la varianza condicional ante la presencia de
conglomerados de volatilidad, determinada por las expectativas de los inversiones
frente a la previsión de sus carteras.
Aunque este trabajo no logra llegar a realizar un buen pronóstico de los

resultados, aún así se logra encontrar los factores relevantes para poder determinar
que acontecimientos son los que generan mayor incertidumbre ante las decisiones
de los inversionistas, que son características del tipo de acción y del sector al cual
pertenecen.

INTRODUCCIÓN
Actualmente son muchos los trabajos de investigación orientados a encontrar

nuevas maneras de poder establecer un modelo para predecir el comportamiento de
las acciones, a pesar que en esta área de las finanzas los modelos generalmente
deben de tener un horizonte de muy corto plazo, porque en cada momento de
acuerdo a las expectativas de los inversionistas, éstos van alterando sus posiciones
en sus carteras de inversión de acuerdo a los acontecimientos que suceden en el
día a día. Es así que el tema de la teoría de los Mercados Eficientes es muy criticada
porque generalmente la rentabilidad de las acciones se caracterizan por ser
heterocedásticas, presentan algún grado de autocorrelación y son estacionarias lo
que nos lleva a pensar que existe alguna posibilidad de poder modelarla para y así
determinar los factores que hacen que la rentabilidad aumente o disminuya.
En el presente trabajo se analiza la rentabilidad de las principales acciones

que pertenecen al Índice Selectivo de la Bolsa de Valores (ISBVL) durante el periodo
Enero 1999 – Mayo 2004, para ello se ha considerado nueve acciones de las quince
que pertenecen al ISBVL-aquellas con mayor permanencia dentro del periodo de
análisis-, tratando de analizar su vulnerabilidad a ser afectados por factores internos
o externos a nuestra economía.
El desarrollo de la presente investigación se ha estructurado en cinco tópicos,

en el primero se plantean los objetivos que trata de lograr la presente investigación
que nos servirá de guía para posteriormente plantear las hipótesis a contrastar, en el
segundo tópico se plantea el problema de la investigación, tratando de plantear
algunas interrogantes que pretendemos responder con el desarrollo de la
investigación, además de las características y el análisis de las series que
pertenecen a la muestra; en el tercer tópico se hace referencia al Marco Teórico,
presentando algunas teorías referenciales que sirven de sustento en la aplicación de
los modelos así como algunos trabajos desarrollados en otras economías sobre el
tema de investigación, posteriormente se plantean las hipótesis a contrastar y en el
último tópico se realiza la evaluación de la rentabilidad de cada una de las acciones
seleccionadas del ISBVL, llegando a establecer un modelo diferente para cada
acción, realizando posteriormente una evaluación de la volatilidad de la acción. Por
último se presentan las Conclusiones y la Bibliografía del trabajo.

I. OBJETIVO DE LA INVESTIGACIÓN
1.1. Objetivo General:
Analizar los factores que explican el comportamiento de la rentabilidad

de los diferentes activos financieros que pertenecen al Índice Selectivo de la
Bolsa de Valores de Lima durante el periodo 1999 – 2004, para poder realizar
un buen pronóstico.
1.2. Objetivos Específicos
1.2.1. Aplicar la metodología de Box Jenking para determinar si existen

factores autorregresivos o de promedios móviles que explican la
rentabilidad de un activo financiero.
1.2.2. Establecer los factores estacionales, tales como efecto mes, efecto fin
de semana, que afectan la rentabilidad de un activo financiero.
1.2.3. Analizar los shocks de volatilidad que influyen de manera positiva en la

rentabilidad, siguiendo la concepción de a mayor riesgo mayor
rentabilidad.
1.2.4. Verificar efectos asimétricos sobre el comportamiento de la volatilidad

en la rentabilidad de un activo financiero, siendo las malas noticias los
que generan mayor asimetría.

II. EL PROBLEMA DE LA INVESTIGACIÓN
Desde 1990, el mercado de capitales peruano ha tenido como objetivo

implícito, ser eficiente y transparente para poder canalizar los recursos
necesarios para la actividad productiva bajo las reglas de libre mercado.
En los últimos años, esta canalización de recursos no se ha dado de

manera eficiente, reflejándose en el poco volumen de operaciones transadas
diariamente. Actualmente existen alrededor de trescientas empresas inscritas
en la Bolsa de Valores de Lima, de las cuales solo el 15% son las que cotizan
diariamente, siendo el Índice General Bursátil calculado en base a Treinta y
seis acciones y el Índice Selectivo calculado con quince acciones, las más
líquidas.
Terrones y Nagamine (1995), al analizar el mercado de capitales en la

Bolsa de Valores de Lima, detectaron que las variaciones en el Índice General
Bursátil estaban fuertemente correlacionadas con su pasado, además, se
encontró evidencia del efecto fin de semana, poniendo en duda si el mercado
de capitales peruano funciona como un mercado eficiente.
Actualmente, existe mucha evidencia que muestra que los mercados

de capitales no se comportan de acuerdo a la Teoría de los Mercados
Eficientes, es decir es posible obtener rentabilidades superiores al promedio
de mercado de manera consecutiva, ya que ésta, se muestra influenciada por
factores estacionales, autorregresivos, etc.
El presente trabajo pretende analizar los diferentes factores que

influyen en el comportamiento de la rentabilidad de las principales acciones
que pertenecen al ISBVL, para ello se tratará de dar respuesta a las
siguientes interrogantes:
¿Existen factores autorregresivos que explican el comportamiento de la

rentabilidad de un activo financiero? ¿Son los inversionistas los que actúan de
acuerdo a lo sucedido en el pasado?
¿Existen factores estacionales, tales como el efecto fin de semana y el

efecto mes las que influyen en la rentabilidad de un activo financiero?
Existe evidencia en otros países que muchas veces la rentabilidad

aumenta en una fecha característica y disminuye en otros momentos siendo
influenciada por el mes de pago de impuestos, fiestas patrias, navidad, o la
repartición de dividendos. Existe evidencia también que los activos financieros
que pertenecen a empresas grandes su rentabilidad es menor a comparación
de los activos financieros emitidos por empresas pequeñas (efecto tamaño)
¿Son las olas de optimismo y de pesimismo las que influyen en la

rentabilidad de los activos financieros?. ¿Es la volatilidad la que determina la
rentabilidad de un activo financiero?

¿Existen algunos otros factores que afectan la rentabilidad de un activo

financiero, tales como el comportamiento de la rentabilidad del Índice General
de la Bolsa de Valores de Lima (IGBVL), el riesgo país, volumen negociado,
etc?
Para la realización del trabajo se tomará una muestra de las principales

empresas que pertenecen al ISBVL, tomado como referencia los precios de
cierre expresados en soles y en términos reales durante el periodo 04.01.99
hasta 13.05.2004 (periodicidad diaria).
2.1. Descripción de la muestra
Para realizar el estudio, se han seleccionado nueve acciones de las

quince que pertenecen al Índice Selectivo de la Bolsa de Valores de Lima
(ISBVL) en la cartera del mes de enero del 2004, y que además han
mantenido una mayor permanencia en el periodo que se pretende analizar.
En el cuadro Nº 1 se presenta la empresa a la cual pertenece cada
acción seleccionada, además del nemónico que corresponde a la simbología
dada por la Bolsa de Valores de Lima, que es la que utilizaremos en el
desarrollo del trabajo. El periodo de la muestra es del 04/01/1999 hasta
13/05/2004 y comprende los precios de cierre diarios, expresados en Nuevos
Soles, ajustados por acciones liberadas, repartición de dividendos y
expresadas en términos reales (con año base del 31 de agosto del 2000).
(Datos obtenidos de Economática).
CUADRO Nº 1: ACCIONES SELELCIONADAS QUE PERTENECEN AL ISBVL

Acciones de Capital Sector Nemónico Prob. Neg. Obs.
Banco de Crédito del Perú S.A. Bancos y Finanzas CREDITC1 76,27% 1067
Servicios –
Telefónica del Perú S.A. Telecomunicaciones TELEFBC1 82,42% 1153
Luz del Sur S.A. Servicio – Eléctricas LUSURC1 96,00% 1343
EDEGEL S.A. Servicio – Eléctricas EDEGELC1 88,06% 1232
Acciones de Inversión Sector Nemónico Prob. Neg Obs.

Unión Cervecera Peruana Industrial –
Backus & Johnston S.A. Alimentos y Bebidas BACKUSI1 97,14% 1359
Compañía Minera Atacocha S.A Minería ATACOI1 91,28% 1277
Minsur S.A. Minería MINSURI1 93,28% 1305
Compañía Minera Volcán S.A. Minería VOLCABC1 93,85% 1313
Corporaciones Aceros Arequipa Industrial de
S.A. Inversión CORAREI1 78,98% 1105
Fuente: Bolsa de Valores de Lima
El periodo de estudio, incluye 1399 observaciones, incluyendo los días

feriados (65 feriados a lo largo de la muestra), lo cual existe una probabilidad
de negociación que tiene cada acción seleccionada, y que se muestra en el
cuadro anterior. Para el caso de los feriados se ha procedido a repetir la

cotización del día anterior. Para el cálculo de la rentabilidad se aplicó la

 Pt 
siguiente fórmula R x    1
 donde Pt es el precio de cierre de la
 Pt 1 
acción X en el periodo t.
Existe dentro de la muestra, el problema de la no negociación, para

solucionar este problema se procedió a encontrar un retorno virtual que logre
capturar los acontecimientos que han sucedido durante el período de no
negociación. Este retorno virtual ( RVIRTUAL ) se obtiene de una regresión
simple entre el retorno de la acción y el retorno del índice general de la bolsa
( RIGBVL ).
RVIRTUAL  1   2 RIGBVL
Luego se procede a completar las rentabilidades teniendo en cuenta el

siguiente criterio:
“Si la acción negoció en el período t, pero en el periodo t-1 no

negoció, la rentabilidad de aquellos días que no negocio es cero y el día
que negocio, su rentabilidad es la suma del retorno virtual del periodo t
más los retornos virtuales consecutivos de todos aquellos días que no
negoció. Solo se toman en cuentan los retornos virtuales cuando el día
anterior no se estableció cotización”1.
Después del tratamiento del problema del Tradyng No Sincrónico se

obtiene una data completa de 1398 observaciones para la rentabilidad de
cada acción, posteriormente evaluaremos si existen observaciones atípicas a
lo largo de la serie, estableciendo el límite de hasta dos desviaciones
estándar sobre la rentabilidad de la acción (asumiendo un nivel de confianza
del 95%).
En el cuadro Nº 2 se presenta el número de outliers que se encontró en

cada serie, y para poder capturar este efecto se ha creado una dummy que
toma el valor de uno cuando la rentabilidad es mayor (en valor absoluto) a dos
veces la desviación estándar; y cero en el resto de casos; resultando
altamente significativa.
Rx  1   2 Dummy  U t
1
Campbell; Lo & Mackinlay, “op.cit”, pp. 84-97.

CUADRO Nº 2: OBSERVACIONES ATÍPICAS

Rentabilidad de la Número de Significancia de la
Accion Outliers Dummy
t – Student Prob.
RATACOI1 76 8,437853 0,0000
RBACKUSI1 66 4,849029 0,0000
RCORARE1 82 8,626333 0,0000
RCREDITC1 54 6,977969 0,0000
REDEGELC1 103 3,655098 0,0000
RLUSURC1 77 4,150390 0,0000
RMINSURI1 86 8,438353 0,0000
RTELEFBC1 76 7,268887 0,0000
RVOLCABC1 79 10,01995 0,0000
FUENTE: Elaboración Propia en base a los resultados de Eviews 5.0
2.2. Características de las series
En el cuadro Nº 3, se presentan las propiedades estadísticas de la

rentabilidad en soles de cada una de las acciones que pertenecen a la
muestra, incluyendo el Índice General.
Se observa que la rentabilidad promedio esta alrededor de cero, siendo

CORAREI1 y ATACOI1 las que poseen la más alta rentabilidad y VOLCABC1
Y TELEFBC1 aquellas que tienen la mayor desviación estándar, no existiendo
una relación de riesgo y rentabilidad. Si se realiza un análisis individual de
cada acción, un individuo adverso al riesgo deberá seleccionar aquellas
acciones que tienen un menor coeficiente de variación (desviación estándar
entre la rentabilidad) que son LUSURC1, MINSURI1 y EDEGELC1.
El coeficiente de asimetría Skewness2 (S), indica que la distribución de

los retornos alrededor de la media esta sesgada hacia la derecha (S>0),
siendo las acciones de CREDITC1 y MINSURI1 las que presentan mayor
asimetría. El coeficiente de Kurtosis 3 señala que las rentabilidades de
ATACOI1, BACKUSI1, CORAREI1, CREDITC1, VOLCABC1 e IGBVL siguen
una distribución leptocúrtica (K>3), es decir existe una mayor acumulación de
los datos alrededor de la media, mientras que las rentabilidades de
EDEGELC1, LUSURC1, MINSURI1 y TELEFBC1 siguen una distribución
placticúrtica con mayor acumulación de los datos en las colas, mostrando
distribuciones con colas anchas. Estos dos coeficientes sirven como insumos
 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
RATACOI1 RBACKUSI1 RCORAREI1 RCREDITC1 REDEGELC1

Mean 0.001498 0.000334 0.001542 0.001102 0.001002
Median 0.000000 0.000000 0.000000 0.000000 0.000000
Maximum 0.166667 0.095652 0.161765 0.300345 0.082192
Minimum -0.122449 -0.066667 -0.114286 -0.224771 -0.088608
Std. Dev. 0.030299 0.016912 0.023664 0.018057 0.012318
Skewness 0.544750 0.593497 0.769485 2.433.203 0.355464
Kurtosis 6.709.364 6.949.701 9.324.998 7.926.878 1.071.330
Jarque-Bera 8.706.272 9.907.798 2.468.287 340215.5 3.495.026

Probability 0.000000 0.000000 0.000000 0.000000 0.000000
Sum 2.093.768 0.467124 2.155.922 1.541.233 1.400.993

Sum Sq. Dev. 1.282.521 0.399567 0.782331 0.455489 0.211975
Observations 1398 1398 1398 1398 1398
RLUSURC1 RMINSURI1 RTELEFBC1 RVOLCABC1 RIGBVL

Mean 0.001395 0.001397 0.000492 0.001145 0.000436
Median 0.000000 0.000000 0.000000 0.000000 0.000000
Maximum 0.152466 0.150000 0.300000 0.185185 0.055693
Minimum -0.146497 -0.079545 -0.239336 -0.166667 -0.057173
Std. Dev. 0.014508 0.016435 0.030547 0.032746 0.008752
Skewness 0.597123 1.130.590 0.665503 0.631115 0.040926
Kurtosis 2.565.288 1.271.181 1.805.742 8.163.500 8.857.150
Jarque-Bera 29974.25 5.791.925 13309.98 1.645.851 1.998.727

Probability 0.000000 0.000000 0.000000 0.000000 0.000000
Sum 1.949.905 1.953.367 0.687847 1.600.524 0.609073

Sum Sq. Dev. 0.294052 0.377346 1.303.563 1.498.031 0.107017
Observations 1398 1398 1398 1398 1398

FUENTE: Elaboración propia en base a los resultados de Eviews 5.0
Si graficamos los retornos de las series (anexo 1), se observa un

comportamiento estacionario ya que no presentan tendencia ni intercepto
(revierten a su media) y el correlograma de cada serie muestra una memoria
corta debido a que los shocks se disipan en el corto plazo. Es característica
de estas series encontrar períodos de alta volatilidad seguidos de períodos de
baja volatilidad. En el anexo 2 se presentan los resultados de la aplicación de
4
El estadístico Jarque Bera: JB 
6

N k 2
S  0.25K  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,

las pruebas de Dickey Fuller, rechazando la hipótesis de existencia de raíces

unitarias al ser el estadístico mayor a los valores críticos; por lo tanto todas
las series de la muestra son estacionarias.
La presencia de conglomerados de volatilidad significa que grandes

variaciones en los precios son persistentes en un período de tiempo, y
pequeñas variaciones de los precios también persisten por algún período de
tiempo, estos conglomerados de volatilidad hacen que la varianza no sea
homocedástica a lo largo del período de la muestra. Para verificar la
existencia de heterocedasticidad en las series se aplicaron las pruebas Arch 5
para un rezago, en el anexo 2 se presentan los resultados, para un nivel de
confianza del 95% se rechaza la hipótesis de existencia de homocedasticidad
ya que el valor del estadístico es mayor al valor crítico dado por la tabla Chi-
cuadrado, a excepción de las rentabilidades de la acción del Banco de Crédito
que sigue un comportamiento homocedástico pero existe heterocedasticidad
de segundo orden.
Al evaluar si los retornos de las series presentan autocorrelación se

observa que existe una dependencia lineal de corto plazo, por ejemplo en el
anexo 2 se presenta los resultados de la prueba de autocorrelación de
Breusch Godfrey6 (LM Test) para los retornos de las diferentes acciones. Los
retornos de EDEGELC1, LUSURC1 y MINSURI1 presentan autocorrelación
de primer orden, es decir lo que pasó ayer afecta mis decisiones de hoy; la
rentabilidad de las acciones CREDITC1, MINSURI1 presentan autocorrelación
de orden dos y CORAREI1, LUSURC1,y VOLCABC1 presentan
autocorrelación de orden 4, siendo los acontecimientos sucedidos hace una
semana lo que afecta la rentabilidad de hoy. El resto de las acciones no
presente ningún grado de autocorrelación.
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.

III. MARCO TEÓRICO
En los últimos años, dada la globalización de las economías, el

mercado de capitales ha logrado tener una mayor importancia en el desarrollo
económico de un país. Es por ello que surge la interrogante de que si éstos
tienden a ser eficientes para lograr una mejor canalización de los recursos.
Actualmente la Hipótesis de Eficiencia en los mercados es muy discutida
debido a que existe evidencia que pone en duda su vigencia.
3.1. Hipótesis de la Eficiencia de los Mercados
El término eficiencia es muy amplio, su definición abarca desde un

mercado competitivo o de equilibrio, hasta la eficiencia Paretiana en la cual
los recursos se asignan a su mejor uso alternativo. Esta eficiencia al referirse
al mercado de capitales implica, además de los conceptos anteriores, que
toda la información sea reflejada en el precio de los activos financieros por lo
cual ningún inversor puede obtener ganancias superiores al promedio del
mercado.
Fue Maurice Kendall (1953), el primero en asociar eficiencia con

modelos de random walk7; según el cual, el precio de los activos financieros
tienen un comportamiento estocástico (aleatorio) siendo imposible de
predecir. Mas tarde Paul Samuelson (1965), relaciona eficiencia con los
modelos de Martingala 8 , estos modelos demostraron que el precio de los
activos reflejaba toda la información disponible o determinaban cuanta
información es reflejada en ellos. Siendo Fama (1970) el que caracteriza la
eficiencia como un juego justo9 incluyendo las expectativas racionales que el
inversor realiza al usar la información disponible para inferir acerca de futuros
eventos.
Quienes se dedicaron al estudio de la determinación del

comportamiento de los precios son dos grupos de analistas financieros: los
analistas fundamentales quienes en base al estudio de las empresas,
intentan descubrir nuevas perspectivas de inversión, su horizonte es de largo
plazo. Los analistas técnicos, en base al estudio del comportamiento
pasado de la serie (ciclos y tendencias), tratan de determinar alguna
alternativa de inversión, cuya visión es de corto plazo.
La eficiencia de los mercados de capitales se puede clasificar en tres

niveles dependiendo de la información adquirida por el inversor.
En el primer nivel, la eficiencia débil, el precio de los activos

financieros solo refleja la información pasada de éstos; bajo este nivel de
eficiencia, no debe existir ningún grado de autocorrelación ni comportamiento
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.

estacional de la serie que permita brindar alguna información futura de los

precios.
En el segundo nivel, la eficiencia semifuerte, abarca la eficiencia

débil, además de incluir toda la información pública, tales como repartición de
dividendos, nuevas inversiones, ampliación del mercado, información
obtenida de los estados financieros, etc.
En el tercer nivel, la eficiencia fuerte, contiene los dos niveles

anteriores e incluye también toda la información que puede ser adquirida
mediante un análisis detallado de la empresa y de la economía, esta
información es difícil de medir con precisión porque generalmente solo tienen
acceso los mismos accionistas de la empresa, es información privilegiada.
3.1.1. Supuestos.
Para que la Hipótesis de Mercados Eficientes se cumpla, se debe tener

en cuenta los siguientes 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.
b. El mercado debe ser líquido, es decir que exista un gran número de

inversores (compradores y vendedores) que transan en el mercado.
c. Cualquier inversor puede entrar o salir del mercado.
d. Los agentes que participan en el mercado de capitales son racionales.
e. Exista en el mercado diversificación de productos financieros.
f. Los precios se determinan mediante la oferta y demanda.
3.1.2. Críticas
Son muchas las críticas que se plantean a la hipótesis de eficiencia,

dentro de las cuales tenemos:
a. En el mercado de capitales muchas veces los inversionistas se dejan

llevar por elementos psicológicos derivados del efecto imitación que le
impide actuar de manera racional.
b. En todo mercado de capitales existen inversionistas especulativos de corto

plazo que buscan obtener rentabilidades basados en las tendencias que
ellos creen que el precio seguirá; o, por alguna información privilegiada
que le permita obtener rendimientos superiores a los normales.
c. Es difícil que la información necesaria, para que el mercado sea eficiente,

este disponible en forma oportuna y sin costo alguno. En la mayoría de

mercados emergentes esta información es escasa y debido a ello el

inversionista no puede tomar las mejores decisiones para lograr maximizar
su utilidad.
d. En algunos países emergentes donde el mercado de capitales no esta

muy desarrollado es difícil encontrar una amplia gama de inversores que
participen en dicho mercado; por lo tanto, éste no se comportaría como un
mercado competitivo ya que puede existir manipulación del precio de los
activos al ser el mercado ilíquido.
e. Muchas veces los costos de transacción son muy elevados que restringe
la entrada de muchos potenciales inversionistas.
3.2. Modelos de Series de Tiempo
Para aplicar la metodología de Box Jenkins, la serie debe cumplir con

el supuesto de estacionariedad.
“Un proceso estocástico es estacionario si su media y su varianza son

constantes en el tiempo y su valor de la covarianza entre dos períodos
depende solamente de la distancia o rezago entre estos dos periodos de
tiempo en el cual se ha calculado la covarianza”10.
Una serie de tiempo puede presentar tendencia determinística o

tendencia estocástica; la primera de ellas se caracteriza de ser predecible, y
al extraerle la tendencia se vuelve estacionaria en tendencia; la segunda
mantiene un comportamiento parecido a un random walk, la cual no es
predecible, solamente diferenciando la serie se vuelve estacionaria
(estacionaria en diferencias).
Para establecer si una serie es estacionaria, tenemos que analizar el

gráfico y el correlograma de la serie, observando si existen shocks
permanentes que no permitan volver al equilibrio, luego tenemos que aplicar
las pruebas de raíces unitarias 11 que nos indican que al existir una raíz
unitaria la serie no es estacionaria, por lo que se tendría que corregir
diferenciando la serie.
Si partimos del siguiente modelo: Yt  Yt 1  et , donde et es un ruido

blanco ; si   1 , se dice que la variable estocástica Yt tiene una raíz unitaria,
12
es decir, es un random walk. Si al sacar la primera diferencia de la serie, ésta

se vuelve estacionaria se denomina integrada de orden uno I(1).
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 .

Existen dos tipos de modelos de series de tiempo, los modelos

autorregresivos de orden “p”, AR(p); y los modelos de promedios móviles de
orden “q”, MA(q); analizaremos brevemente cada uno de ellos:
Modelos AR(p): si la serie Yt se modela como un proceso autorregresivo con

“p” rezagos, tenemos la siguiente expresión:
Yt    a1Yt 1  a2Yt  2  ...................  a pYt  p  et
Modelos MA(q): si la serie Yt se modela como un proceso de medias móviles

con “q” rezagos:
Yt    b1et 1  b2et  2  ..........  bq et  q  et
Combinando los dos modelos anteriores, tenemos los modelos ARMA (p,q)
Yt    a1Yt 1  a2Yt  2  ...  a pYt  p  b1et 1  b2et  2  ...  bq et  q  et
Para estimar estos modelos, Yt debe ser estacionaria, si no lo es, al

diferenciarla obtenemos los modelos ARIMA (p,d,q), donde “d” indica el orden
de diferenciación que vuelve estacionaria la serie.
La metodología de Box Jenkins, determina que existen tres etapas en

la modelación de series de tiempo: la etapa de identificación, estimación y
predicción.
La etapa de identificación, analiza el gráfico de la serie estacionaria, y a

través del correlograma determinamos el orden (p,q) del modelo. El orden “p”
se establece de aquellos rezagos que son significativos en el correlograma
parcial, y el orden “q” se establece de los rezagos significativos del
correlograma total.
Luego se estima el modelo planteado en la etapa de identificación, este

modelo no debe presentar autocorrelación, y debe tener el menor número de
variables a estimar (cuando existen varios modelos estimados que no
presentan el problema de autocorrelación, se escoge aquel modelo que tenga
menor Akaike y Schwarz13).
Del mejor modelo de la etapa anterior se realiza la predicción ya sea

ex-post o ex-ante, para el período que se estima conveniente. La predicción
ex-post permite evaluar si el modelo está realizando una buena predicción a
través del estadístico U-Theil14 (se recomienda la predicción estática). Este
estadístico se encuentra en el rango de 0 y 1, donde cero indica una
13
Estos criterios proporcionan una medición de la información, encontrando un balance entre la bondad de
predicción y la parsimonia en la especificación de un modelo.
14
Para mayor información ver Pindyck Robert y Daniel Rudinfeld, “Econometrics Models and Economic
Forescats”, Fourth edition, Mc Graw Hill, 1998.

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.
El estadístico U-Theil, incluye tres indicadores que son los siguientes:

La proporción del sesgo, indica el error sistemático que presenta la serie
(tendencia); la proporción de la varianza, establece en qué proporción el
modelo estimado replica la variabilidad promedio de la serie modelada y la
proporción de la covarianza mide el error no sistemático (refleja la correlación
del verdadero modelo y el modelo predicho). Se recomienda para una buena
predicción que la proporción de la covarianza tenga la mayor participación
seguida de la proporción de la varianza.
3.3. Modelos de Heterocedasticidad Condicional
Engle (1982) determinó varios modelos que tratan de explicar el

comportamiento de la varianza cuando ésta es heterocedástica15. Si partimos
de un modelo AR(p), al modelar la varianza de et como un proceso
autorregresivo tenemos la siguiente ecuación:
2 2 2 2
et  α0  α1et 1  α2 et  2  .......  αq et  q  vt
Donde “ v t ” es un ruido blanco.
Si los parámetros  0 ,  1 ,  2 , ........ ,  q son iguales a cero, la varianza

estimada es simplemente la constante  0 (es homocedástica), en caso
contrario si los parámetros son significativos, la varianza muestra un
comportamiento autorregresivo por esta razón se define un modelo de
Heterocedasticidad Condicional Autorregresivo [ARCH(q)] que parte del
supuesto que la varianza del error no es homocedástica. Al modelar un
ARCH(q), éste debería solucionar el problema de heterocedasticidad que
presenta la varianza de la serie.
Los modelos GARCH(p,q)16 son una extensión de Bollerslev (1986) al

trabajo de Engle, los cuales parten de un modelo ARMA(p,q). Estos modelos
asumen que el error esta definido por et  vt ht donde  v2  1 y la varianza
condicional de “ et ” esta definida por:
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.

Engle y Bollerslev muestran que la persistencia de los shocks de

volatilidad dependen de la suma de los parámetros  i   i , si es menor a la
unidad implica una menor persistencia a la shocks de volatilidad que va
aumentando a medida que se acerca a la unidad. Por el contrario si es igual a
la unidad existe una raíz unitaria (daría lugar a los modelos IGARCH) y si es
mayor a uno la persistencia de los shocks de volatilidad se incrementa a
medida que pasa el tiempo.
Los modelos GARCH_M (p,q), estiman la ecuación de la media en

función de la varianza del modelo, es decir la ecuación de la media esta
definida:
Yt  ut  S1ht   t
Donde:  t  N (0, ht ) , siendo ht la varianza estimada en la ecuación anterior
La generalización del modelo ARCH(q) es el modelo GARCH(p,q) que

tiene componentes autorregresivos y de promedios móviles en la varianza
heterocedástica. Si todos los  i , estimados, son iguales a cero, el modelo
GARCH(p,q) es equivalente a un modelo ARCH(q). Un modelo ARCH de
mayor orden puede tener una mayor parsimonia 17 si se estima un modelo
GARCH, este modelo no debe poseer ningún problema de correlación y de
heterocedasticidad.
3.4. Otros Modelos de Heterocedasticidad
EGARCH. En 1993 Engle et. all (Journal. of Finance), definen la curva de

impactos asimétricos, en la cual hacen notar que en el mercado de capitales
no repercuten igual las buenas noticias que las malas noticias, los
movimientos a la baja en el mercado vienen con mayores volatilidades que a
la alza.
Cuando el rendimiento cae por abajo de lo esperado nos lleva a un

escenario donde las noticias son malas esto viene asociado a observar que la
volatilidad se incrementa y por otra parte cuando las noticias son buenas la
volatilidad disminuye.
En 1990 Pagan y Schwert y en 1991 Nelson, trabajaron el modelo

exponencial GARCH, denotado como EGARCH, el cual esta definido como:
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.

Éste tiene la propiedad de ser un proceso que aparentemente, por su

gráfica, se ve estacionario en covarianza, sin embargo, arroja pocas
observaciones pero extremadamente largas, o sea su varianza
sorpresivamente da saltos muy largos. El parámetro θ dicta la asimetría del
proceso, recuerde que log(σ 2 )  w si y solo si σ 2  exp(w) por lo que la
varianza viene definida exponencialmente, de allí su nombre.
Un modelo GARCH tiene la limitación de que trata los efectos de modo

simétrico debido a que utiliza los cuadrados de las innovaciones. Otra
importante limitación son las desigualdades que tienen que cumplir los
parámetros, estas restricciones eliminan el comportamiento al azar-oscilatorio
que pueda presentar la varianza condicional. En un modelo EGARCH no hay
restricciones en los parámetros.
TARCH. El segundo tipo de modelos que son capaces de producir efectos

asimétricos son los llamados modelos TARCH, (Threshold Heteroskedastic
Autoregresive Models) son modelos que dependen de un umbral ( threshold)
por medio del cual definen su reacción.
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
Si la innovación es negativa el umbral esta prendido por lo que el

efecto sobre la varianza condicional es mayor por una contribución, mientras
que si la innovación es positiva el umbral esta apagado y no hay contribución
a la varianza condicional. Por lo que mide el peso que tienen las malas
noticias, por lo que si es cero no hay efecto asimétrico, este punto es vital
para decidir si un modelo pertenece a esta familia puesto que se hace la
estimación y se procede a realizar la prueba de hipótesis =0 utilizando el
estadístico t-student común y corriente. En resumen, el efecto que hay sobre
la varianza condicional es que las buenas noticias pesan  mientras que las
malas noticias pesan 
3.5. Capital Asset Pricing Model (CAPM)
El CAPM de Sharpe (1964) y Lintner (1965), es un modelo de

valorización de activos financieros, cuya característica fundamental es ser
espectacional, al cuantificar el rendimiento esperado de un determinado
activo; y de equilibrio al asumir que existen ajustes permanentes en el

mercado. Son varios los supuestos que comprende este modelo, dentro de
los cuales tenemos:
a. Los inversionistas son tomadores de precios y tienen el mismo período de

vencimiento.
b. Los inversionistas están supeditados a transar acciones públicamente no

existiendo costos de transacción.
c. Los inversionistas son racionales y tienen expectativas homogéneas.
Bajo estos supuestos todos los inversionistas deben diversificar

minimizando su riesgo invirtiendo en un índice de mercado, ya que la
información es la misma para todos. El rendimiento esperado de un activo
financiero, bajo el modelo CAPM, está determinado por:
Covrx , 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”.
El parámetro “  ” siempre debe ser positivo, ya que refleja la relación

directa entre riesgo y rentabilidad. Si   1 , significa que el rendimiento de la
acción es mucho más sensible a las variaciones del rendimiento de mercado
(es una acción agresiva), en caso contrario que   1 la acción es menos
sensible a las variaciones del mercado (acción defensiva), y si   1 la acción
refleja el comportamiento del mercado.
Podemos reformular la ecuación anterior de la siguiente manera:
Rx     Rm  et
Donde: Rx   E rx   rf ; Rm  E rm   rf ; se espera que  = 0.
Si   0 , el activo “x” está permanentemente subvaluado, rinde más de

lo que determina el modelo de equilibrio, es decir se obtienen rendimientos
superiores a los normales considerando el riesgo del activo con el mercado;
en caso contrario, si   0 los rendimientos obtenidos son inferiores a los
normales, el activo está sobrevaluado.

La volatilidad de una acción esta medida por su desviación estándar

que es igual al riesgo único18 más el riesgo de mercado, bajo el modelo de
CAPM el riesgo único es cero, es decir que el rendimiento esperado de una
acción depende solo del riesgo de mercado que lo determina el Beta (  ).
3.6. Evidencia Empírica
Existe una variedad de trabajos realizados en diferentes países, para

determinar si el mercado de capitales es eficiente; estos han sido
desarrollados aplicando diferentes metodologías en las cuales cada autor
manifiesta su punto de vista para analizar el tema. A continuación
mencionaremos algunos de ellos que nos servirán de referencia para el
desarrollo de la presente investigación.
3.6.1. Pruebas de corridas, Autocorrelación y el modelo CAPM:
En un trabajo realizado para evaluar el nivel de eficiencia en el

mercado accionario de México, Jorge Mejía, Mónica Grados y Nelly Meunier
(1992), analizaron durante el período 1989-1990 los retornos diarios de 32
acciones que cotizaban en la Bolsa Mexicana de Valores, elegidas en base a
su índice de bursatilidad. Los resultados reflejaron que no todos todas las
acciones siguen un comportamiento aleatorio y que en la mayoría de ellas
existe una autocorrelación de primer orden, encontrando acciones que
experimentan retornos superiores a lo requerido según el nivel de riesgo.
Se concluye en el trabajo que el mercado accionario mexicano es

ineficiente en su forma débil ya que los precios no reflejan en cualquier
momento toda la información contenida en sus series históricas. Esta
ineficiencia se debe a que el mercado de capitales de México es pequeño en
volumen lo que origina la falta de negociaciones y carencia de continuidad,
siendo las de mayor negociación un número reducido de empresas emisoras.
3.6.2. Modelos GARCH(p,q)
En 1999, Mecagni y Shawky realizaron un estudio para determinar el

nivel de eficiencia en el mercado de capitales de Egipto utilizando cuatro
índices agregados muy conocidos en este mercado (CMAI, EFGI, HFI, PIPO).
La muestra incluye datos mensuales durante el período 1992 – 1997; dadas
las características de estos índices, estima un modelo GARCH_M (p,q) de tal
manera que la varianza condicional de los retornos de los índices (como
medida de variación de riesgo) capture la interdependencia entre los retornos
esperados y el cambio de volatilidad de los mismos. Al estimar un modelo
GARCH para cada uno de los índices, los parámetros  i , y  i , resultaron
significativos, confirmando la hipótesis de que existen períodos de alta
volatilidad.
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.

Los resultados mostraron que en tres de los índices, la duración de los

shocks es solamente de unos cuantos días, al ser  i   i menor a uno,
mientras que para el índice PIPO se encontró que la suma de estos
parámetros esta alrededor de la unidad lo que implica que los shocks tienen
una duración de aproximadamente un mes.
Al final se concluye que existe una desviación de la eficiencia de los

mercados en los precios de las acciones, motivado por una variedad de
factores que influyen en el procesamiento de nueva información, existiendo un
estrecho vínculo entre la medida de volatilidad condicional y los retornos de
las acciones.
3.7. Estacionalidad en el comportamiento de los retornos
Algunos autores argumentan que al existir comportamientos

estacionales en los retornos de los activos financieros, el mercado de
capitales es ineficiente; otros afirman que el comportamiento estacional es
consecuencia de la mala especificación del modelo de valoración de activos
financieros (CAPM), más no que el mercado sea ineficiente. A continuación
mencionaremos algunos de los trabajos de investigación realizados con
respecto a este tema.
3.7.1. Efecto Tamaño
Existe evidencia de que los retornos de los activos financieros que

corresponden a pequeñas empresa (denominado así por su menor valor de
mercado) son más elevados que el establecido por el CAPM. Fama y
MacBeth (1973), encuentran que la relación positiva que existe entre riesgo y
rentabilidad, como lo establece el CAPM, es débil estadísticamente por lo que
ha llevado a establecer una relación entre el tamaño de las empresas y sus
retornos.
Banz (1981), encontró una relación negativa entre el retorno promedio

para los activos y el valor de mercado. Varios autores que analizan el efecto
tamaño en la empresa concluyen que éste es evidencia de una mala
especificación del CAPM más no de una ineficiencia en el mercado.
3.7.2. Efecto Enero:
Para analizar la estacionalidad de los retornos, Brow, Keim, Kleidon, y

March (1983), elaboran un índice de valor de mercado ponderado para los
diferentes activos cotizados en el mercado de capitales de Australia, durante
el período mensual 1958-1981. Establecen diez portafolios que contienen
activos de menor valor a mayor valor de mercado.
Basándose en un método paramétrico, establecen la siguiente relación:
12
R pt  a p1   a pi Dumit  e pt i  2,3,........12
i 2

Donde, “ R pt ” es el retorno sobre el portafolio “p” en el período “t”;

“ Dumit ” es la variable dummy estacional que toma el valor de uno en el mes
“i” y cero para los demás casos; “ a p1 ” es el retorno promedio para el mes de
enero y “ a pi ” son las diferencias entre el retorno promedio de enero y cada
mes respectivamente.
Los resultados muestran que el portafolio uno (conformado por

pequeñas empresas) muestra altos retornos, en promedio, en comparación a
los otros portafolios, además los coeficientes de las variables dummy son
negativos para la mayoría de los meses, excepto para enero y julio, indicando
que en enero tiene rentabilidades mas altas en comparación a los otros
meses. La prueba conjunta “F” de Fischer no rechaza la hipótesis nula de que
no existe diferencia entre los diferentes meses para los portafolios 1,7,8,9;
siendo rechazada para los demás portafolios.
Si analizamos la estacionalidad a partir del modelo CAPM de Sharpe –

Lintner, tenemos:
12
R pt  rf t  a p1   p Rmt  rf t    a pi Dumit  e pt
i 2
Si los retornos anormales exhiben un modelo estacional y los mercados

son eficientes, existe algún riesgo sistemático que no esta siendo capturado
por el CAPM. Se evalúa la hipótesis nula que no exista exceso de retorno: Ho:
a p1  0 ; a pi  0 , que se contrasta con una prueba “F” de Fischer.
Existen varias hipótesis que tratan de explicar el comportamiento

estacional en el mes de enero, estas son: la hipótesis de la venta del escudo
tributario (tax-loss selling), establece que de acuerdo a las leyes tributarias,
éstas inducen a los inversionistas a vender activos que han disminuido su
precio de tal manera que esta pérdida de capital pueda ser compensada por
el ingreso tributario; como los activos de las pequeñas empresas tienen altas
varianzas y mayor probabilidad de que sus precios caigan es más aplicada
esta hipótesis a este tipo de empresas (para el caso de EE.UU.). La hipótesis
de Información, debido al incremento de la incertidumbre es más difícil poder
diseminar la información que afectan los precios; además existen otras
explicaciones tales como outliers19, información mal procesada, etc.
M. Gultekin y B. Gultekin (1983) analizan el efecto enero en diecisiete

países utilizando los índices reportados en Capital International Perspective
(CIP) durante el período 1959-1979 con datos mensuales. Este análisis de
estacionalidad lo realiza aplicando pruebas no paramétricas; al final, el autor
concluye que existe evidencia de un modelo estacional en los retornos de los
activos en la mayoría de los países analizados, siendo el mes de mayores
retornos, el mes de enero.
19
Es una observación atípica que no se encuentra dentro de la distribución del proceso estocástico.

3.7.3. Efecto Fin de Semana
La mayoría de los analistas financieros concuerdan que no existe

distribuciones idénticas para los días de la semana, siendo el día lunes el que
muestra varianzas mayores en comparación a los demás días, según Fama
(1970). Posteriormente Gibbons y Hess(1981) analizan el efecto fin de
semana para el índice S&P 500 tomando datos diarios comprendidos entre
1962-1978, la metodología aplicada es parecida al análisis del efecto enero
en el cual plantea el siguiente modelo:
Rit  a1i Dum1t  a2i Dum2t  a3i Dum3t  a4i Dum4t  a5i Dum5t  vit
Donde:
Rit : es el retorno del índice “i” en el periodo “t”.

2
vit : es la perturbación estocástica IID ~ N(0, )
Dum1t : es la variable dummy para el día lunes (igual a 1, para

los días lunes y cero para los demás casos).
Dum2t ........Dum5t : son las variables dummys para los días martes –
viernes.
a1i ........a51 : son los retornos promedios que corresponden al día
lunes, martes, miércoles, jueves y viernes.
Para confirmar el supuestos de distribuciones idénticas, se necesita

que se cumpla la siguiente hipótesis: Ho: a1i  a2i  a3i  a4i  a5i que se
contrasta con una “F” de Fischer con k, n-k grados de libertad; siendo k = 5
(número de variables explicativas) y “n” el tamaño de la muestra.
Si la varianza del error no es homocedástica, la ecuación se divide por la

desviación estándar de cada activo en el período “t”. Los resultados muestran
que en la mayoría de períodos muéstrales se rechaza Ho, siendo las
distribuciones diferentes para cada día de la semana.
3.8. Indicadores Bursátiles
El Índice General de la Bolsa de Valores de Lima (IGBVL) es un índice

de precios20 de Laspeyres, que entra en vigencia partir del año 1982. El Índice
Selectivo (ISBVL) es un indicador promedio ponderado que mide las
variaciones en las cotizaciones de las acciones más representativas de la
Bolsa de Valores de Lima.
Las acciones que conforman el IGBVL, ha variado en los últimos años,
en 1990 fueron 67 las acciones que pertenecían al índice, siendo solo de 30
acciones en 1999. A diferencia del ISBVL que esta conformada por 15
20
Un índice de precios muestra la evolución de los precios de un conjunto de bienes homogéneos. En el caso
de los índices Bursátiles, se les define como índices temporales complejos que tiene por objeto reflejar la
evolución de los títulos cotizados en bolsa explicando el comportamiento del mercado con respecto a una
fecha base.

acciones que muestran una participación significativa dentro del mercado

bursátil. Este último índice entra en vigencia a partir del mes de julio de 1993.
La cartera de acciones que conforman el IGBVL y el ISBVL son
seleccionadas teniendo en cuenta ciertos indicadores de liquidez (acciones
más negociadas en el mercado), que se miden a través de:
a. Número de Operaciones, o de transacciones realizadas con cada valor

(compra y venta).
b. Monto efectivo Negociado de cada valor, importe total de todas las

operaciones realizadas.
c. Frecuencia de Cotización, se calcula en base a las últimas 20 ruedas en

las cuales se establece cotización de cierre al haber negociado un monto
efectivo mínimo de S/ 5000.
Actualmente se toma en cuenta un filtro acerca de la frecuencia de

intermediarios (que es más estricto al calcular el ISBVL), que mide el número
de intermediarios promedio que intervienen en la negociación de un valor. Se
requiere un promedio mínimo de cuatro intermediarios para decir que la
acción es líquida, por lo general, la cartera del IGBVL cambia cada 12 meses
y la del ISBVL cada 6 meses.
El ISBVL se elabora diariamente durante la rueda de bolsa
considerando las transacciones realizadas y utilizando la información de las
cotizaciones de cierre o mejores propuestas de compra y venta. Para el
cálculo del ISBVL se utiliza la formula de Laspeyres de acuerdo a la siguiente
expresión:
Pij
P * wj *c j
ISBVL 
oj
w j
Donde:
Pij : Precio de la acción “j” en la fecha “i”.
P0 j : Precio de la acción “j” en la fecha base.
wj : Peso o ponderación relativa de la acción “j”.
cj : Factor de corrección por entregas de beneficios (dividendos en

efectivos y/o acciones liberadas) de la acción “j”.
Los precios son ajustados por un factor de corrección cada vez que se
produzca alguna entrega de dividendos, ya sea dividendos en efectivo y/o
acciones liberadas, evitando con ello distorsiones en el cálculo del índice
selectivo.

IV. HIPÓTESIS A CONTRASTAR
4.1. Hipótesis General
Existen diferentes factores, estacionales, autorregresivos, riesgo

(medido a través de la volatilidad), efectos asimétricos de las noticias; que
influyen en la rentabilidad de un activo financiero lo que hace posible
modelarla y poder pronosticar su tasa de retorno para los siguientes periodos
debido a que nuestro mercado de capitales no cumple con la Teoría de los
Mercados Eficientes.
4.2. Hipótesis Específicos
4.2.1. Los modelos dinámicos permiten solucionar los problemas de

autocorrelación que presenta la rentabilidad de los activos financieros
4.2.2. Existe en nuestro mercado de capitales la presencia de factores

estacionales, tales como el efecto fin de semana y el efecto mes que
influyen sobre la rentabilidad de un activo financiero
4.2.3. Los shocks de volatilidad que existen, permiten que la varianza

condicional sea cambiante en el tiempo lo que hace necesario
incorporar la varianza como una variable determinante sobre la
rentabilidad de un activo financiero
4.2.4. La rentabilidad de las acciones que pertenecen al ISBVL se ven

influenciadas por diferentes acontecimientos que generan un
comportamiento asimétrico en la volatilidad, de tal manera que los
movimientos a la baja en el mercado de capitales vienen acompañados
de mayores volatilidades que a la alza.

V. ANÁLISIS DE LA RENTABILIDAD DE LAS ACCIONES
5.1. Análisis de la Rentabilidad de la acción ATACOI1
La Compañía Minera ATACOCHA, es una sociedad anónima

constituida en el Perú en febrero de 1936. Se dedica a la extracción,
concentración y comercialización de minerales, sustancialmente de Zinc y de
Plomo 21 . ATACOCHA opera la unidad minera de Atacocha ubicada en el
distrito de Yanacancha, provincia y departamento de Pasco – Perú.
La empresa tiene dos subsidiarias La corporación Minera San Manuel y

la Empresa Enérgica de Chaprín de las cuales ATACOCHA posee el 99% de
sus capitales. Esta empresa tiene en circulación acciones de Inversión y
acciones de Capital, que a diciembre del 2004 ascendían a 143,630,532
acciones comunes con un valor nominal de 1.0 nuevo sol y 71,815,259
acciones de Inversión con un valor nominal de 1.0 nuevo sol.
Al realizar una evaluación de la rentabilidad de la empresa ATACOCHA

se ha seleccionada la acción de inversión porque es la que cuenta con mayor
liquidez y pertenece a la cartera del Índice Selectivo de la Bolsa de Valores de
Lima a enero del 2004.
La rentabilidad de la acción de ATACOCHA (RATACOI1) se caracteriza

por ser estacionaria, heterocedástica y no presentar autococorrelación, para
modelar su comportamiento se ha estimado el siguiente modelo TARCH (1,2)
Planteamiento del Modelo TARCH (1,2)22
RATACOI 1T  1  2 D _ ATAT  3RIGBVLT  4 RIGBVLT 1  5 RATACOI 1T 1  T
 T2    1 T21   DT 1 *  T21    2 T22  1 T21  DMAR
Donde:
RATACOI 1 : es la rentabilidad de la acción ATACOI1

D _ ATA : es la variable dummy que captura el efecto de los outliers (d=1
si existe outliers y cero en caso contrario)
RIGBVL : es la rentabilidad del Índice general de la Bolsa de Valores de
Lima
DMAR : es la dummy que captura el efecto estacional del mes de marzo
(D=1 en el mes de marzo y cero en caso contrario)
2t : es la varianza condicional heterocedástica
2t-1 : es el error cuadrático de la regresión en el periodo t-1
Dt 1 *  t21 : componente asimétrico
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.

Resultados del Modelo
Dependent Variable: RATACOI1

Method: ML - ARCH (Marquardt) - Normal distribution
Date: 03/06/07 Time: 10:02
Sample (adjusted): 1/06/1999 5/13/2004
Included observations: 1397 after adjustments
Convergence achieved after 27 iterations
Variance backcast: ON
GARCH = C(6) + C(7)*RESID(-1)^2 + C(8)*RESID(-2)^2 + C(9)*RESID(
-1)^2*(RESID(-1)<0) + C(10)*GARCH(-1) + C(11)*DMAR
Coefficient Std. Error z-Statistic Prob.
C -0.000368 0.000759 -0.484565 0.6280

D_ATA 0.030360 0.001580 19.21824 0.0000
RIGBVL 1.635912 0.058235 28.09176 0.0000
RIGBVL(-1) 0.209193 0.088522 2.363164 0.0181
RATACOI1(-1) -0.100242 0.028983 -3.458633 0.0005
Variance Equation
C 3.91E-05 6.73E-06 5.819452 0.0000

RESID(-1)^2 0.173854 0.026137 6.651543 0.0000
RESID(-1)^2*(RESID(-1)<0) -0.105362 0.020707 -5.088140 0.0000
RESID(-2)^2 -0.065184 0.018749 -3.476658 0.0005
GARCH(-1) 0.894631 0.014697 60.87333 0.0000
DMAR -2.50E-05 6.64E-06 -3.766711 0.0002
R-squared 0.287556 Mean dependent var 0.001499

Adjusted R-squared 0.282416 S.D. dependent var 0.030310
S.E. of regression 0.025676 Akaike info criterion -4.551864
Sum squared resid 0.913722 Schwarz criterion -4.510588
Log likelihood 3190.477 F-statistic 55.94169
Durbin-Watson stat 1.985311 Prob(F-statistic) 0.000000
Interpretación de los resultados
El modelo Tarch(1,2) no presenta ningún grado de heterocedasticidad,

logrando capturar el comportamiento asimétrico de la volatilidad de la acción
durante el periodo de estudio, además de no presentar autocorrelación.
Este modelo nos dice que la rentabilidad de la acción esta influenciada

por factores autorregresivos de tal manera que lo que sucedido el día de ayer
afecta la rentabilidad de hoy (modelo dinámico AR(1)).
Si la rentabilidad del IGBVL aumenta en 10% la rentabilidad de la

acción aumenta en 16.35% siendo una acción agresiva o de alto riesgo, de

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.
Al realizar una modelación de la volatilidad de la acción, ya que

presenta heterocedasticidad, notamos que los acontecimientos o shock que
se puedan presentar en el mercado afecta la volatilidad de la acción de
manera asimétrica, debido a que los inversionistas en cada instante están
evaluando la composición de sus carteras. Los componentes autorregresivos
de la varianza y los de promedios móviles al igual que las nuevas noticias
afectan la volatilidad de la rentabilidad de la acción. En nuestra economía es
muy común que en el mes de marzo, el proceso de pago de impuestos, afecta
la volatilidad de la acción, disminuyéndola debido a que en este mes los
agentes económicos tienden a vender sus activos financieros para poder
obtener liquidez y pagar sus impuestos, por lo tanto la rentabilidad tiende a
disminuir lo que provoca un efecto estacional sobre la volatilidad.
Si realizamos una evaluación del riesgo de la rentabilidad de la acción,

observamos en el gráfico Nº1 que existen shock que se disipan en el corto
plazo lo que nos infiere el análisis de los acontecimientos que ocasionaron el
shock para determinar su duración.
GRAFICO Nº1: VOLATILIDAD DE LA ACCIÓN ATACOI1

.06
.05
.04
.03
.02
.01
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
Conditional Standard Deviation
En el periodo enero 1999 - enero 2000 la volatilidad de la acción tiene

a fluctuar entre un rango de 0.02 y 0.03 mostrando una menor volatilidad,
siendo las malas noticias las que generan un aumento de la volatilidad pero
que se disipan en el muy corto plazo, se aprecia que la volatilidad se

encuentra alrededor de su media. En agosto de 1999 se produce un

incremento de las cotizaciones internacionales del Zinc y Plomo provocando
mejores resultados en la cotización de esta acción y logrando una mayor
volatilidad.
En el periodo febrero – mayo 2000 se observa una mayor volatilidad

debido a la incertidumbre que vivimos con la situación de Fujimori y
Montesinos y posteriormente en el gobierno de transición. En el periodo julio
2001 - abril 2003 se observa mayor fluctuación de la volatilidad, entre un
rango de 0.015 y 0.05, que se explica por factores internos y externos, por
ejemplo el cambio de gobierno que resultó ganador en segunda vuelta
Alejandro Toledo, la situación política de Argentina que logro un
comportamiento negativo en la BVL, la disminución del precio internacional de
los metales (junio 2001) logrando una disminución considerable en el precio
de la acción de la empresa ATACOCHA y posteriormente el efecto del
atentado de las torres gemelas en EE.UU lo que provoca cierta incertidumbre
en los mercados al cambiar la política económica de EE.UU vía los ajustes de
la tasa de interés, que realizaba la FED para efectos de disminuir la recesión.
Además durante este periodo el precio internacional de los metales se
incrementó, ocasionando un efecto positivo sobre las exportaciones de los
minerales que realiza la empresa; en este periodo los shocks no se disipan en
el muy corto plazo, logrando un efecto rezago afectando la rentabilidad de la
acción.
Si deseamos realizar una predicción dentro de la muestra, obtenemos

los siguientes resultados, presentados en el gráfico Nº 2.
Observamos que el estadístico U-Theil asciende a 0.54 lo que nos

señala que existe un bajo ajuste entre lo pronosticado y lo observado, lo ideal
para tener un buen ajuste es que sea cercano a cero. Pero aún así con los
resultados obtenidos hemos podido modelar la volatilidad de la acción de
ATACOI1 explicando como los factores exógenos afectan a su
comportamiento, siendo los shocks los que afectan la volatilidad de manera
prolongada en el periodo 2001-2003 que fue el impacto sobre nuestro
mercado del atentado de las torres gemelas en EE.UU que generó
posteriormente un incremento de los precios internacionales de los metales.

GRÁFICO Nº2: PRONOSTICO DE ATAOCI1
.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
5.2. Análisis de la Rentabilidad de la acción BACKUSI1
Cervecería Backus y Johnston S.A. hoy Unión de Cervecerías

Peruanas Backus Y Johnston S.A.A., se constituyó el 10 de Mayo de 1955,
asumiendo el activo y pasivo de la empresa Backus & Johnston Brewery
Company Limited, una empresa fundada en Londres el 13 de Setiembre de
1889, la cual a su vez adquirió de los señores Jacobo Backus y Howard
Johnston la fábrica de cerveza establecida en el Rimac el 17 de enero de
187923.
Por escritura pública extendida ante el Notario Público de Lima, Doctor

Felipe de Osma, el 31 de diciembre de 1996, se formalizó la fusión por
23
Memoria 2004: Unión de Cervecerías Backus y Johnston

absorción de Cervecerías Backus y Johnston S.A., Compañía Nacional de

Cerveza S.A. (“CNC”), Sociedad Cervecera de Trujillo S.A. y Cervecería del
Norte S.A., mediante la absorción de estas tres últimas empresas, que fueron
disueltas sin liquidarse.
La Compañía y sus 15 subsidiarias, directas e indirectas (21 al 31 de

diciembre del 2003), conforman un conglomerado económico dividido en
cinco segmentos de negocio. De estas empresas, 4 están centradas en la
actividad principal del Grupo (hasta el 16 de diciembre del 2004 fueron 6
empresas) y 9 en actividades complementarias.
La actividad económica principal del Grupo consiste en la elaboración,

envasado, venta y distribución de cerveza y toda clase de negociaciones con
bebidas malteadas y, en menor medida, de agua mineral y gaseosas,
representando esta actividad principal aproximadamente el 80% de las ventas
netas del conglomerado. Para ello cuenta con diversas plantas en las
distintas regiones del país y dos en el exterior.
La empresa Backus y Johnston, tiene en circulación dos tipo de

acciones, al 31 de diciembre del 2004 el capital social de la Compañía está
representado por 105,014,011, acciones comunes de S/.10.00 de valor
nominal cada una, suscritas y pagadas, divididas en 87,189,867 acciones
Clase A y 17,824,144 acciones preferenciales Clase B. Del total de las
acciones el 76% pertenecen a inversionistas extranjeros y el 24% a
inversionistas nacionales. Además cuenta con acciones de inversión que está
representada por 514,012,303 acciones de inversión de S/.1.00 de valor
nominal cada una.
Para el análisis de la rentabilidad se ha seleccionada la acción de

Inversión por pertenecer al índice Selectivo de la Bolsa de Valores de Lima.
La rentabilidad de la acción de BACKUS (RBACKUSI1) se caracteriza por ser
estacionaria, heterocedástica y no presentar autococorrelación, para modelar
su comportamiento se ha estimado un modelo EGARCH (1,1) (Modelo
Exponencial)
Planteamiento del Modelo: EGARCH(1,1)24
RBACKUSI 1T  1  2 D _ BAC T  3DVIERNES T  4 RIGBVLT  T
 T 1  
Ln T2     1  1  T 1   1 Ln T21  DENET  DVIERNES T
 T 1   T 1 
Donde:
RBACKUSI 1 : es la rentabilidad de la acción BACKUSI1

D _ BAC : es la variable dummy que captura el efecto de los outliers (d=1
24
Mejor modelo obtenido de acuerdo a las características propias de la acción Backus

DVIERNES : es la dummy que captura el efecto fin de semana del día

viernes
(D=1 en el día viernes y cero en caso contrario)
RIGBVL : es la rentabilidad del Índice general de la Bolsa de Valores
de Lima
DENE : es la dumy que captura el efecto estacional del mes de Enero
(D=1 en el mes de Enero y cero en caso contrario)
Ln 2t : es el logaritmo natural de la varianza condicional
heterocedástica
Dependent Variable: RBACKUSI1

Method: ML – ARCH
Date: 03/06/07 Time: 11:16
Sample: 1/05/1999 5/13/2004
LOG(GARCH) = C(5) + C(6)*ABS(RESID(-1)/@SQRT(GARCH(-1))) +
C(7)*RESID(-1)/@SQRT(GARCH(-1)) + C(8)*LOG(GARCH(-1)) +
C(9)*DENE + C(10)*DVIERNES
C 0.000470 0.000474 0.991407 0.3215

D_BAC 0.008105 0.000887 9.135685 0.0000
DVIERNES -0.003580 0.000847 -4.227021 0.0000
RIGBVL 0.832334 0.034534 24.10178 0.0000
Variance Equation
C(5) -4.888168 0.565251 -8.647786 0.0000

C(6) 0.415421 0.039183 10.60217 0.0000
C(7) 0.038682 0.026986 1.433383 0.1517
C(8) 0.458644 0.065747 6.975864 0.0000
C(9) 0.175341 0.082422 2.127350 0.0334
C(10) -0.186706 0.094885 -1.967721 0.0491


Interpretación de los Resultados
Para modelar la rentabilidad de la acción de BACKUS se ha

incorporado efectos estacionales, encontrado evidencia de un efecto fin de
semana, es decir la rentabilidad de la acción tiene a disminuir en promedio el
día viernes, en mayor proporción de los otros días de la semana. Es decir los
días viernes la rentabilidad disminuye en 0.35% a comparación del promedio
del resto de días. Lo que nos permite tomar previsiones para los
inversionistas recomendando comprar la acción los días viernes, a diferencia
de los otros días de la semana. Siendo la empresa una empresa líder en el
sector de alimentos y bebidas, se considera un acción defensiva, es decir su
rentabilidad en promedio aumenta menos que el mercado al igual que
disminuye menos que el mercado, lo que es contrastado en este modelo
porque el Beta (de acuerdo al modelo CAPM) es menor a uno (4 <1); lo que
nos muestra que si la rentabilidad del IGBVL aumenta en 1% la rentabilidad
de la acción aumenta en 0.83% y si la rentabilidad del IGBVL disminuye en
1% la rentabilidad de Backus, solo disminuye en 0.83%, siendo una acción
poco riesgosa y para un individuo adverso al riesgo debería incorporarla
dentro de su portafolio de inversión.
Como el modelo presenta problemas de heterocedasticidad se ha

incorporado la estimación del la varianza condicional a través de un modelo
EGARCH. Observamos que existen componentes asimétricos en el efecto de
los shocks negativos sobre la volatilidad de la acción, además de existir
también componentes estacionales que explican la volatilidad de manera
logarítmica.
El efecto semana y el efecto mes sirven para capturar la estacionalidad

que presenta la volatilidad, los días viernes la volatilidad tiene a disminuir lo
que se contrasta a los menores niveles de rentabilidad que presenta en esos
días y siendo lo meses de enero donde existe mayor volatilidad debido a las
consecuencias de las fiestas navideñas y de año nuevo. El modelo estimado
logra capturar la heterocedasticidad, y no presenta problema de
autocorrelación.
Si analizamos la volatilidad de la acción, observamos en el gráfico Nº 3

que los shocks tiene una memoria de corto plazo, ya que se disipan y no son
persistentes.
Observamos en el gráfico que existen momentos en que la volatilidad

se incrementa de manera alarmante a comparación de los demás periodos,
pero siempre revierte alrededor de su media de largo plazo. Se nota que en
cada momento la acción sobrereacciona a las noticias o eventos que suceden
en el mercado pero al ser una acción conservadora o de menor riesgo los
agentes económicos logran tomar sus decisiones actuando de manera
inmediata logrando capturar la noticia y siendo ésta ya incorporada en el
mercado.

GRAFICO Nº3: VOLATILIDAD DE LA ACCIÓN DE BACKUSI1

.04
.03
.02
.01
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
Las consecuencias de la crisis Asiáticas y las Crisis Rusa en el año

1998, junto la crisis brasileña en enero de 1999 provocó una fuerte caída en
los precios de las acciones y al ser considerada una acción conservadora los
inversionistas deciden aumentar la demanda hacia la acción de Backus por
tomar en cuenta las consecuencias del sector externo, logrando un
incremento en su cotización.
A fines de 1999 las expectativas por la definición de la candidatura del

Presidente Alberto Fujimori a las elecciones presidenciales del 2000 generan
un menor movimiento en las negociaciones de nuestro mercado de capitales
En el año 2000 existe mucha expectativa por parte de los inversionistas

a los resultados de las elecciones generales el 9 de abril, lo que genera un
comportamiento negativo de la Bolsa de Valores de Lima debido a la
liquidación de posiciones en acciones, además de la decisión de la FED para
regular las tasas de interés. Un hecho que favoreció el mercado fue el
anuncio de la Compañía Unión de cervecería Peruanas Backus y Johnston de
comprar mediante una Oferta Pública de Adquisición, el 100% de las acciones
representativas del capital social de la Compañía Cervecera del Sur, lo que
daría lugar a un sólido grupo cervecero peruano, llevándose a cabo a fines de
Abril. El 16 de setiembre, el presidente de la República Alberto Fujimori
anuncia su decisión irrevocable de convocar a nuevas elecciones
presidenciales en las que no participaría; así como la desactivación del
Servicio de Inteligencia Nacional (SIN), lo que genera una mayor
incertidumbre entre los inversionistas nacionales y extranjeros.
En marzo del 2001 la empresa Backus realiza una operación cruzada

de acciones comunes por un monto de 200 millones de Nuevos Soles lo que
logra aumentar el volumen negociado en la BVL pero el IGBVL disminuye
motivado por efectos exógenos tales como la Política de Argentina y la
disminución en medio punto porcentual de la tasa de interés determinada por
la FED. Posteriormente en junio asciende a la presidencia Alejandro Toledo
en segunda vuelta lo que provoca una mayor tranquilidad para los
inversionistas

En el año 2002 se realizaron operaciones atípicas con montos

elevados en acciones de Backus “A” siendo la acción considerada el valor
más transado en el mercado. A fines de este año las operaciones con títulos
de renta variable alcanzaron un total de 1,499 millones de soles, lo cual
representó un incremento del 479% respecto al mes anterior; este resultado
fue producto de la operación cruzada llevada a cabo el 20 de diciembre en la
que el grupo Venezolano Polar vendió el total de sus acciones de Backus “A”
(19.26 millones) al grupo Colombiano Bavaria aun precio de S/56.03 por
acción lo que hace un importe de 1,072 millones de soles; estos
acontecimientos generaron un incremento en la cotización de la acción de
Backus.
En Marzo del 2003 continuó la tendencia alcista de la acción debido a

una operación extraordinaria con acciones de Backus “A”, ya que Esmeralda
Holding, filial de Unión de Cervecería Peruanas Backus y Johnston, anunció
la compra del 100% de las acciones de inversión y del 11% de las acciones
comunes de Vidrios Planos El 30 de diciembre del 2003 se constituyó
Corporación Novasalud, como consecuencia de la escisión patrimonial de la
subsidiaria Corporación Backus y Johnston S.A, convirtiéndose la empresa
recién constituida en propietaria de Novasalud Perú S.A. EPS. En el mes de
febrero del 2004, la compañía efectuó la venta de sus inversiones en
Corporación Novasalud; esta venta generó una perdida de S/. 30,856,000, lo
que generó una disminución de la cotización de la acción.
Además a finales del 2003, Corporación Backus y Johnston S.A.

absorbió a las subsidiarias San Matías S.A., Aficomo S.A., Asbe S.A.,
Compañía de Inversiones Comerciales Odracir S.A., Distribuidora Chaclacayo
S.A. y Compañía Santo Tomás de Aquino S.A.
En el año 2004 la entrada de una nueva cerveza (Grupo Ambev)

genera mayor incertidumbre en los tenedores de la acción por lo que se
tiende a incrementar la volatilidad.
Una vez que hemos modelado la rentabilidad de la acción al igual que

su volatilidad, realizaremos un pronostico dentro de la muestra para evaluar la
capacidad predictiva del modelo, obteniendo resultados presentados en el
Gráfico Nº 4. El estadístico U-Theil nos muestra que existe un error de
predicción del 59%, que solamente el modelo muestra una capacidad
predictiva del 41%, pero aún así, podemos explicar el comportamiento de la
volatilidad dados los acontecimientos sucedidos en el periodo de la muestra.

GRAFICO Nº4: PRONOSTICO DE BACKUSI1
.12
Forecast: RBACKUSI1F
Actual: RBACKUSI1
.08 Forecast sample: 1/05/1999 5/13/2004
.04 Root Mean Squared Error 0.014695

.00 Theil Inequality Coefficient 0.595175
-.08
1999 2000 2001 2002 2003
RBACKUSI1F
.0014
.0012
.0010
.0008
.0006
.0004
.0002
.0000
1999 2000 2001 2002 2003
5.3. Análisis de la Rentabilidad de la acción CORAREI1
Corporación Aceros Arequipa es una empresa industrial que se

constituye el 31 de diciembre de 1997, como resultado de la fusión de Aceros
Arequipa S.A. y su subsidiaria Aceros Calibrados S.A. Sus plantas de acería y
laminación están ubicadas en la cuidad de Arequipa y Pisco,
respectivamente. La compañía se dedica a la fabricación de fierro corrugado,
alambrón para construcción, perfiles de acero y otros derivados del hierro y
acero que comercializa en el territorio nacional y una parte menor de su
producción la comercializa en Bolivia. La empresa tiene una subsidiaria
“Transportes Barcino” la cual posee el 99.9% de las acciones comunes25.
25
Memoria 2004: Corporación Aceros Arequipa

La empresa tiene en circulación dos tipos de acciones que conforman

su capital, al 31 de diciembre tiene 249,310,675 acciones comunes con un
valor nominal de S/1.0 y 53,186,877 acciones de inversión con un valor
nominal de S/1.0.
Para efectos de modelar la rentabilidad de la empresa Corporación

Aceros Arequipa se ha seleccionado la Acción de Inversión que es la que se
encuentra en el Índice Selectivo de la Bolsa de Valores de Lima. La
rentabilidad de la acción de Corporaciones Aceros Arequipa (RCORAREI1) se
caracteriza por ser estacionaria, heterocedástica y presentar
autococorrelación de orden 4. Para modelar su comportamiento se ha
estimado el siguiente modelo TARCH(3,3)26
Planteamiento del Modelo TARCH (3,3)
RCORARE1     D _ COR  RIGBVL   RCORAREI1   CORAREI1    

T 1 2 T 3 T 4 T 1 5 T 4 6 T 1 T
 T2    1 T21   DT 1 *  T21    2 T22   3 T23  1 T21   2 T22   3 T23   1 DJUE   2 DENE
Donde:
RCORAREI 1 : es la rentabilidad de la acción CORAREI1

D _ COR : es la variable dummy que captura el efecto de los outliers (d=1
Lima
DJUEV : es la dummy que captura el efecto estacional del día jueves
(D=1 en el día jueves y cero en caso contrario)
DENE : es la dummy que captura el efecto estacional en el mes de
Enero (D=1 en cada día del mes de enero y cero en caso
contrario)
t
2
: es la varianza condicional heterocedástica
 t-1
2
: es el error cuadrático de la regresión en el periodo t-1
Dt 1 *  t 1
2
: componente asimétrico
Dependent Variable: RCORAREI1

Method: ML – ARCH
Date: 03/06/07 Time: 11:36
Sample (adjusted): 1/11/1999 5/13/2004
MA backcast: 1/08/1999, Variance backcast: ON
GARCH = C(7) + C(8)*RESID(-1)^2 + C(9)*RESID(-2)^2 + C(10)
*RESID(-3)^2 + C(11)*RESID(-1)^2*(RESID(-1)<0) + C(12)
26
Mejor modelo que logra reflejar las características propias de la acción.

*GARCH(-1) + C(13)*GARCH(-2) + C(14)*GARCH(-3) + C(15)

*DJUEVES + C(16)*DENE
C -0.000371 0.000438 -0.846480 0.3973

D_COR 0.028002 0.001176 23.81073 0.0000
RIGBVL 0.921034 0.045954 20.04264 0.0000
RCORAREI1(-1) 0.101167 0.040886 2.474381 0.0133
RCORAREI1(-4) -0.062259 0.024793 -2.511177 0.0120
MA(1) -0.228966 0.048164 -4.753884 0.0000
Variance Equation
C 1.74E-05 9.88E-06 1.761292 0.0782

RESID(-1)^2 0.144315 0.014944 9.657305 0.0000
RESID(-1)^2*(RESID(-1)<0) -0.083168 0.015086 -5.512997 0.0000
RESID(-2)^2 0.022776 0.008588 2.651962 0.0080
RESID(-3)^2 0.080060 0.010050 7.966569 0.0000
GARCH(-1) -0.186600 0.016617 -11.22932 0.0000
GARCH(-2) 0.085454 0.015860 5.388003 0.0000
GARCH(-3) 0.775391 0.018854 41.12529 0.0000
DJUEVES 0.000172 1.81E-05 9.521055 0.0000
DENE 6.24E-05 1.72E-05 3.635833 0.0003

Inverted MA Roots .23
Para modelar la rentabilidad de la acción CORARE1 se ha estimado un

modelo ARMA(4,1) que es un modelo autorregresivo de orden 4 y de
promedios móviles de orden 1, no existiendo factores estacionales que
afectan la rentabilidad de la acción.
La acción CORAREI1 que pertenece al sector Industrial se considera

de bajo riesgo sistemático al esperar que su Beta sea menor que uno. Su
rentabilidad esta muy asociada a la rentabilidad del IGBVL manteniendo una
correlación positiva a lo largo del periodo. Es así que el Beta, según el modelo
CAPM, es igual a 0.92 <1 (3 <1) lo que demuestra que es una acción
conservadora o de bajo riesgo. Por ejemplo si la rentabilidad de la bolsa en
promedio sube en 1% la rentabilidad de CORAREI1 aumenta en 0.92% y si la
rentabilidad del índice disminuye, RCORARE1 disminuye en menor

proporción. Para un inversionista adverso al riesgo es de esperar que la

incorpore en su portafolio de inversión.
Al analizar la rentabilidad diaria de la acción CORAREI1 notamos que

los inversionistas actúan motivados de acuerdo a lo que sucedió en el pasado
existiendo un proceso autorregresivo en donde lo que pasó ayer y hace cuatro
días influye en la rentabilidad de hoy. Si el día de ayer la rentabilidad de la
acción aumenta en promedio en 1%, se espera que aumente la rentabilidad
en promedio en 0.10% y si hace cuatro días la rentabilidad de la acción
aumenta en 1%, se espera que la rentabilidad de hoy disminuye en 0.06%, lo
que muestra que los inversionistas constantemente están tomando decisiones
de compra de venta, lo que tiende a modificar la rentabilidad.
Al considerarse una acción conservadora, existen otros factores o

variables que afectan la rentabilidad y que no están incorporados en el
modelo es por ello que el grado de ajuste del modelo es de solo del 20%;
estos otros factores son capturados por los residuos que de alguna muestra
que los acontecimientos sucedidos el día de ayer, capturados por otros
variables, influye la rentabilidad de hoy (proceso de medias móviles Ma(1)).
El modelo estimado de manera inicial por Mínimos Cuadrados

Ordinarios, nos muestra la presencia de heterocedasticidad por lo que es
conveniente utilizar otro método de estimación que pueda modelar la varianza
condicional. El modelo que logra capturar la heterocedasticidad, eliminándola
y modelando la varianza condicional es un modelo TARCH(3,3) que incorpora
efectos estacionales en los días jueves y el mes de enero, logrando aumentar
la varianza en mayor proporción al promedio del resto de días y meses. Las
noticias o acontecimientos buenos o malos no generan el mismo efecto sobre
la rentabilidad, lo que demuestra que existe asimetría en la disipación de los
shocks sobre la varianza condicional. Este modelo TARCH no tiene
problemas de heterocedasticidad ni de autocorrelación, siendo adecuado para
realizar un pronóstico de la volatilidad.
En el gráfico Nº 5, se presenta la volatilidad de la acción, durante el

periodo de estudio. Observamos que existen periodos que hace que la
volatilidad llegue a nuevos puntos máximos, mostrando la sobrereacción en la
rentabilidad de la acción ante un shock o noticia negativa.
En el periodo enero 1999 –marzo 2000 observamos que la volatilidad

fluctúa entre 0.01 y 0.03 mostrando pequeños movimientos cíclicos que
cambian de tendencia en periodos de alrededor de cuatro meses (se
observan cuatro ciclos).
En el periodo marzo 2000 – mayo 2000 la volatilidad aumenta a niveles

de 0.05 lo que muestra una sobrerreacción a los acontecimientos políticos
sucedidos en aquel periodo ya que se incrementan las expectativas de los
inversionistas a los resultados de las elecciones generales, en las que se
determina como presidente Alberto Fujimori lo que logra estabilizar el
comportamiento en el mercado de capitales. Posteriormente el 16 de
setiembre del 2000, el presidente manifestó su decisión irrevocable de

convocar a nuevas elecciones generales en las cuales no participara, así

como la desactivación del Sistema Nacional de Inteligencia lo que generó una
caída en la BVL de 5.72% que fue la mayor caída en los últimos tres año;
además del incremento del precio del petróleo lo que originó una disminución
de la rentabilidad de la bolsa limeña y de las internacionales.
GRAFICO Nº5: VOLATILIDAD DE LA ACCIÓN CORAREI1

.06
.05
.04
.03
.02
.01
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
En junio del 2001, las elecciones presidenciales en segunda vuelta fue

el hecho más importante, donde resultó ganador como nuevo presidente del
Perú Econ. Alejandro Toledo lo que generó un crecimiento moderado superior
al 10% en el precio de la acción de CORAREI1
En Mayo – Junio del 2002 ocurrió un hecho que afectó el

comportamiento de la BVL al igual que sus acciones, fue resultado de la
inestabilidad política y de factores externos que han determinado una
creciente cautela e incertidumbre entre los inversionistas; dentro los cuales
podemos mencionar el conflicto en Arequipa por la privatización de Egasa y
Egesur, la publicación de irregularidades contables en WorldCom que se
suma al caso de Enron, etc.
En el año 2004, el incremento de los precios internacionales de los

metales ha generado un incremento en la rentabilidad de la Bolsa de Valores
de Lima lo que se ha traducido en mayor volatilidad de la acción CORAREI1
llegando a registrar niveles máximos del precio del petróleo.
Si realizamos un pronóstico de la rentabilidad de la acción, observamos

en el gráfico Nº 6 que el estadístico U-Theil muestra que el ajuste es muy bajo
pero aún así refleja la sobrerreacción de los agentes económicos ante los
nuevos acontecimientos.

GRAFICO Nº6: PRONOSTICO DE CORAREI1
.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

-.05 Theil Inequality Coefficient 0.606242
-.10 Variance Proportion 0.355055
Covariance Proportion 0.644816
-.15
1999 2000 2001 2002 2003
RCORAREI1F
.0036
.0032
.0028
.0024
.0020
.0016
.0012
.0008
.0004
.0000
1999 2000 2001 2002 2003
5.4. Análisis de la Rentabilidad de la acción CREDITC1
El Banco de Crédito tiene solamente una acción en circulación que es

CREDITC1, es una acción común o de capital que a diciembre del 2004 tiene
1,226.4 millones de acciones en circulación con un valor nominal de 1.0. El
Banco es una sociedad anónima constituida en 1889, subsidiaria de Credicorp
Ltd. (un Holding constituido en Bermuda en 1995) que posee el 96.22% de su
capital social a diciembre del 200427.
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

operar como sociedad, agente de Bolsa, establecer y administrar fondos

mutuos, entre otros, a condición de que constituya subsidiarias con ese
propósito
La rentabilidad de la acción del Banco de Crédito (RCREDITC1) se

caracteriza por ser estacionaria, heterocedástica solamente de orden 2 y
presenta autococorrelación de orden 2, para modelar su comportamiento se
ha estimado el siguiente modelo GARCH(1,1)28
Planteamiento del Modelo GARCH(1,1)
RCREDITC1T  1  2 D _ CRET  3RIGBVLT  4 RCREDITT 2  5 RIGBVLT 1  T
 T2    1 T21  1 T21
Donde:
RCREDITC1 : es la rentabilidad de la acción CREDITC1

D _ CRE : es la variable dumy que captura el efecto de los outliers (d=1 si
existe outliers y cero en caso contrario)
Lima
t
2
 t-1
2
Dependent Variable: RCREDITC1

Method: ML – ARCH
Date: 03/06/07 Time: 11:47
Sample (adjusted): 1/07/1999 5/13/2004
GARCH = C(6) + C(7)*RESID(-1)^2 + C(8)*GARCH(-1)
C -0.000237 0.000139 -1.710901 0.0871

D_CRE 0.012032 0.000562 21.42426 0.0000
RIGBVL 0.312373 0.014166 22.05077 0.0000
RCREDITC1(-2) -0.056748 0.020043 -2.831288 0.0046
RIGBVL(-1) 0.181979 0.017668 10.30010 0.0000
Variance Equation
28
Después de realizar varios modelos, se presenta un GARCH(1,1) que logra capturar las características propias
de la acción.

C 0.000100 2.16E-06 46.41202 0.0000

RESID(-1)^2 2.017777 0.084733 23.81330 0.0000
GARCH(-1) 0.047705 0.004585 10.40515 0.0000

La acción del Banco de Crédito se caracteriza por no tener

componentes estacionales lo que determina que la rentabilidad es explicada
por otras variables, tales como el índice general, procesos autorregresivos
etc. Notamos que es la acción cuya rentabilidad en el periodo de estudio tiene
menos observaciones atípicas a comparación del resto de acciones, siendo la
variable dumy que captura esos outliers altamente significativa. AL analizar la
rentabilidad, esta muestra cierta homocedasticidad de primer orden, pero que
no es válida para órdenes superiores, lo que nos induce a modelar un
GARCH (1,1) que logra capturar la heterocedasticidad que presenta la
rentabilidad. Siendo el Banco de Crédito una empresa líder en el sector
Financiero las noticias o shocks positivos o negativos tienen un efecto
simétrico sobre la volatilidad de la acción.
La acción del Banco de Crédito se considera de poco riesgo, muy

conservadora ante sucesos que afectan a la Bolsa de Valores de Lima, es así
que nuestro modelo nos confirma que el Beta estimado, de acuerdo al modelo
CAPM es menor a uno, (3 = 0.31) lo que nos dice que ante un incremento de
la rentabilidad del IGBVL del 10%, la rentabilidad del Banco solamente
aumenta en 3.1%, igual impacto tiene si la rentabilidad del IGBVL disminuye.
Para inversionistas muy adversos al riesgo, seria conveniente que

mantengan esta acción en su cartera. La acción del Banco de Crédito se ha
caracterizado por pertenecer siempre a la cartera del IGBVL siendo
considerada muy líquida, segura, bajo riesgo y de baja rentabilidad (existe
una relación directa entre riesgo y rentabilidad). Existe componentes
autorregresivos que afectan a la rentabilidad del Banco, por ejemplo si ayer la
rentabilidad del IGBVL aumentó en 10%, hoy la rentabilidad del Banco
aumenta en solo en 1.8%; además los acontecimientos pasados en la misma
acción afectan mi rentabilidad de hoy, si hace dos días la rentabilidad del
banco aumentó en 10%, hoy la rentabilidad disminuye en promedio en 0.57%.
Puede considerarse que existen otras variables que afectan al modelo

ya que solo tiene un ajuste del 11%, pero al menos hemos demostrado que
existe una memoria corta en las decisiones de los inversionistas al transar
esta acción (componentes autorregresivos) y presenta cierta
heterocedasticidad de segundo orden, lo que nos lleva a modelar la varianza

condicional. De acuerdo a los resultados de la estimación de la varianza, la

suma de los coeficientes alfa y betas suman mayor a dos, lo que nos induce a
pensar que existe una situación agresiva de impacto lo que no es contrastado
con el gráfico de la volatilidad que nos muestra un escenario de convergencia
hacia su media de largo plazo.
GRAFICO Nº7: VOLATILIDAD DE LA ACCIÓN CREDITC1

.4
.3
.2
.1
.0
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
Observamos en el gráfico Nº 7, que los diferentes acontecimientos que

han sucedido a lo largo del periodo de estudio no ha generado una mayor
volatilidad, a excepción del periodo mayo –Julio de 1999, donde se da el
quiebre de gobierno de Fujimorí con el problema de Montesinos; que logra
aumentar la volatilidad a niveles de 0.40, lo que no se logra repetir en otros
periodos. Durante este periodo se conoce la fusión del banco de Lima
Sudamerís con el Banco Wiese lo que al BCP le permite reforzar su solidez y
respaldo patrimonial, manteniéndose como el banco líder del Sistema
Financiero.
La entrada del gobierno de transición PANIAGUA en el periodo 2000

genera una volatilidad relativa, el proceso electoral al llegar Toledo y Alan
García a segunda vuelta genera una leve volatilidad, posteriormente a partir
de abril del 2002 se muestra que la volatilidad se disipa alrededor de cero, por
lo tanto no estamos de acuerdo que al ser los coeficientes del modelo de la
varianza mayor a uno no genera una situación agresiva de impacto.
A partir de julio del 2002 la volatilidad se disipa alrededor de la media

de largo plazo lo que mantiene una cierta estabilidad en el comportamiento de
la acción lo que nos muestra su fortalecimiento; es así que en Diciembre del
2002, el BCP adquirió el 99.94% del Banco Santander Central Hispano, a
través de una oferta pública de adquisición, (fusión por absorción) lo que se
realizó para efectos legales el 28 de febrero del 2003. En marzo del mismo
año el Banco adquirió el 45% del capital de su subsidiaria Solución Financiera
de Crédito del Perú, acumulando su participación al 100% de su capital.
Si realizamos una predicción de la volatilidad, nos muestra el Gráfico

Nº 8 que no existe un buen ajuste, dado que el modelo estimado solamente
las variables exógenas logran explicar el 11% del comportamiento de la
rentabilidad de la acción. Pero la estimación de la varianza tiene un buen

ajuste lo que significa que captura los cambios de volatilidad que se producen
en el periodo de análisis
GRAFICO Nº8: PRONOSTICO DE LA ACCIÓN CREDITC1
.8
Forecast: RCREDITC1F
Actual: RCREDITC1
Forecast sample: 1/05/1999 5/13/2004
.4 Adjusted sample: 1/07/1999 5/13/2004

-.4 Bias Proportion 0.001893
-.8
1999 2000 2001 2002 2003
RCREDITC1F
.16
.12
.08
.04
.00
1999 2000 2001 2002 2003
5.5. Análisis de la Rentabilidad de la acción EDEGELC1
Edegel S.A.A. (en adelante “la Compañía”) es una subsidiaria de

Generandes Perú S.A. y fue constituida en el Perú en agosto de 1996, como
resultado de la escisión de Talleres Moyopampa S.A. (antes Empresa de
Generación Eléctrica de Lima S.A.). Generandes Perú S.A. es una empresa
en la que Endesa, S.A., una empresa domiciliada en España, posee el 59 por
ciento del capital social, a través de Endesa Chile S.A., una empresa
domiciliada en Chile.

La actividad principal de la Compañía es la generación y

comercialización de energía y potencia eléctrica a empresas privadas y
públicas locales 29 . Para ello, la Compañía cuenta con siete centrales
hidroeléctricas y una central térmica, ubicadas en los departamentos de Lima
y Junín, cuya capacidad de generación al 31 de diciembre de 2004 y de 2003
es de aproximadamente 985 Mw (aproximadamente 748 Mw generada por las
centrales hidroeléctricas y 237 Mw por la central térmica) y 1,029 Mw
(aproximadamente 748 Mw generada por las centrales hidroeléctricas y 281
Mw por la central térmica), respectivamente.
La empresa solamente tiene en circulación acciones comunes que al

31 de diciembre del 2004, el capital social de la Compañía está representado
por 2,000 millones de acciones comunes, íntegramente suscritas y pagadas,
cuyo valor nominal por acción es de S/0.98 (valor nominal por acción de S/1.0
al 31 de diciembre de 2003).
La rentabilidad de la acción de EDEGEL (REDEGELC1) se caracteriza

por ser estacionaria, heterocedástica y presentar autococorrelación de primer
orden. Para modelar su comportamiento se ha estimado el siguiente modelo
TARCH(1,1)30
REDEGELC1T  1  2 D _ EDET  3RIGBVLT  4 REDEDELC1T 1  T
 T2    1 T21   DT 1 *  T21   1 T21
Donde:
REDEGELC1 : es la rentabilidad de la acción EDEGELC1

D _ EDE : es la variable dummy que captura el efecto de los outliers (d=1
Lima
t
2
Dt 1 *  t 1
2
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

Dependent Variable: REDEGELC1

Method: ML – ARCH
Date: 03/06/07 Time: 12:03
Sample (adjusted): 1/06/1999 5/13/2004
GARCH = C(5) + C(6)*RESID(-1)^2 + C(7)*RESID(-1)^2*(RESID(-1)<0)
+ C(8)*GARCH(-1)
C 0.000416 0.000361 1.153061 0.2489

D_EDE 0.007887 0.000498 15.82216 0.0000
RIGBVL 0.354242 0.021128 16.76648 0.0000
REDEGELC1(-1) -0.097680 0.029947 -3.261753 0.0011
Variance Equation
C 4.26E-05 3.90E-06 10.90598 0.0000

RESID(-1)^2 0.528569 0.057986 9.115497 0.0000
RESID(-1)^2*(RESID(-1)<0) -0.414046 0.059096 -7.006290 0.0000
GARCH(-1) 0.431260 0.036557 11.79695 0.0000

Al modelar la rentabilidad de la acción de Edegel observamos que

existen factores autorregresivos de primer orden (AR(1)) que explican su
propia rentabilidad existiendo una memoria corta; lo que sucede ayer afecta
de manera inversa en 0.09% la rentabilidad de hoy, es decir, por cada punto
porcentual que se modifique la rentabilidad el día de ayer.
La empresa Edegel al pertenecer al sector eléctrico, se considera una

acción de poco riesgo, es decir los acontecimientos que afectan al IGBVL le
afectan en menor medida ocasionando una menor variación a comparación
del mercado. Este resultado se refleja en el Beta obtenido en la regresión que
es igual a 0.35 lo que indica, que si la rentabilidad del IGBVL aumenta en 10%
la rentabilidad de Edegel aumenta solo en 3.5% y si sucede un shock
negativo a la rentabilidad del IGBVL, la rentabilidad de la acción Edegel

disminuye en menor proporción al mercado. En este modelo dinámico, las

variables exógenas solo explican el 10% del comportamiento de la variable
endógena por lo que existen otras variables que deberíamos incorporara para
lograr un mayor ajuste. Al presentar heterocedasticidad, se realizó una
estimación del modelo TARCH (1,1) que incluye componentes asimétricos,
siendo los acontecimientos o shocks negativos los que impactan de manera
asimétrica la rentabilidad de la acción a comparación de los shocks positivos.
En este modelo no existen efectos estacionales que afecten a la

rentabilidad de la acción. Si deseamos analizar la volatilidad de la acción,
observamos en el Gráfico Nº 9, que existen periodos de alta y de baja
volatilidad.
GRAFICO Nº9: VOLATILIDAD DE LA ACCIÓN DE EDEGEL

.06
.05
.04
.03
.02
.01
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
Los siguientes acontecimientos generaron una mayor volatilidad de la

acción:
En noviembre de 1999 los volúmenes negociados en la Bolsa de

Valores de Lima se incrementaron debido a un gran acontecimiento que fue la
venta de 120 millones de acciones de la Empresa de Generación Eléctrica de
Lima (EDEGEL) de propiedad del estado peruano (84 millones de nuevos
soles) lo que se vio reflejada en una gran volatilidad.
En el periodo Julio – Setiembre del 2000 existió gran incertidumbre

política, al convocar el Presidente a nuevas elecciones en las cuales no
participaría, además del anuncio de la desactivación del Sistema Nacional de
Inteligencia, lo que generó un periodo de gran volatilidad para la acción,
además del incremento del precio del petróleo lo que generó protestas a nivel
regional.
En Junio del 2002 se generó un incremento de la volatilidad de la

acción al negociarse 80 millones de soles de la acción EDEGELC1, siendo
considerado el valor más negociado en el mes, al aportar el 26% del volumen
contratado en dicho periodo.

Si realizamos un pronóstico de la rentabilidad de la acción, tal como se

muestra en el grafico Nº 10, el modelo no tiene un buen ajuste ya que el
estadístico U-Theil es relativamente alto de 0.71, siendo el valor de cero el
indicador de una buena predicción, pero esta predicción me permite modelar
los cambios en la volatilidad, ya que la proporción de la varianza representa el
53%.
GRAFICO Nº10: PRONOSTICO DE LA ACCIÓN DE EDEGEL
.12
Forecast: REDEGELC1F
Actual: REDEGELC1
.08
Forecast sample: 1/05/1999 5/13/2004
Adjusted sample: 1/06/1999 5/13/2004

-.12
1999 2000 2001 2002 2003
REDEGELC1F
.0030
.0025
.0020
.0015
.0010
.0005
.0000
1999 2000 2001 2002 2003
5.6. Análisis de la Rentabilidad de la acción LUSURC1
La empresa Luz del Sur S.A.A., una subsidiaria de Ontario Quinta

S.R.L., (antes Ontario Quinta A.V.V. de Aruba), que posee el 61.16% de las
acciones de capital en el 2004 y 2003, fue constituida en Lima, Perú el 24 de
agosto de 1996, como resultado de la escisión acordada por los accionistas

de Tecsur S.A. (antes Luz del Sur Servicios S.A.), y la escisionaria Ontario
Quinta A.V.V.
En mayo de 2003 sus accionistas acordaron reorganizar la sociedad,

transfiriendo su domicilio legal de Aruba al Perú, y transformándola de una
sociedad exenta de Aruba, a una sociedad comercial de responsabilidad
limitada (S.R.L.). Al 31 de diciembre de 2004 y 2003, el 99.9952% de sus
participaciones sociales son de propiedad de Peruvian Opportunity Company
S.A.C., una entidad domiciliada en el Perú, constituida por PSEG Americas
Ltd. y Sempra Energy Internacional Holding B.V. quienes individualmente
poseen el 50% de sus acciones de capital31.
De acuerdo con la normatividad legal aplicable a un proceso de

escisión, la compañía es solidariamente responsable con la escisionaria ante
cualquier contingencia originada por situaciones ocurridas con anterioridad a
la fecha de escisión.
Mediante Oferta Pública de Adquisición de acciones del 9 de setiembre

de 1999, Peruvian Opportunity Company S.A.C., adquirió el 22.89% de las
acciones de la compañía; y mediante Oferta Pública de Venta de acciones del
1ro. de abril de 2004 redujo su porcentaje de participaciones en la compañía
de 22.89% a 12.79%.
El 18 de agosto de 1994, el Estado Peruano, representado por la

Comisión Nacional de Inversiones y Tecnologías Extranjeras - CONITE (hoy
Agencia de Promoción de la Inversión Privada - PROINVERSION), y la
Empresa de Distribución Eléctrica de Lima Sur S.A. - EDELSUR S.A.
suscribieron un Convenio de Estabilidad Jurídica, al amparo de lo dispuesto
en los Decretos Legislativos No. 662 y 757, así como por el Decreto Supremo
No. 162-92-EF. Este Convenio tuvo una vigencia de 10 años, contados a
partir de la fecha de su suscripción, y garantizó el régimen tributario referido al
Impuesto a la Renta según el D.Legislativo 774 y los regímenes de
contratación de trabajadores vigentes a esa fecha. El Convenio venció el 31
de diciembre de 2003.
Por escritura pública de fecha 13 de febrero de 1995, EDELSUR S.A.,

cambió su denominación social a Luz del Sur S.A. Posteriormente, mediante
escritura pública de fecha 24 de agosto de 1996, cambió nuevamente su
denominación social por la de Luz del Sur Servicios S.A., la cual se escindió,
subsistiendo como tal y dando nacimiento a la compañía.
El 25 de abril de 1997, CONITE mediante un Addendum modificatorio

del Convenio de Estabilidad Jurídica, que había celebrado con la Empresa de
Distribución Eléctrica de Lima Sur S.A. - EDELSUR S.A., autorizó la
transferencia de los derechos contenidos en el referido Convenio a favor de la
compañía y de la escisionaria, la misma que se encuentra amparada por el
Decreto Supremo No. 120-96-EF.
31
Memoria 2004: Empresa Luz del Sur

La actividad económica de la compañía es el servicio público de

distribución de energía eléctrica en el área asignada según contrato de
concesión, pudiendo efectuar actos y operaciones civiles, industriales,
comerciales y de cualquier otra índole que estén relacionadas con su objeto
social principal.
La Ley de Concesiones Eléctricas exige que toda empresa

concesionaria de distribución de electricidad debe tener contratos vigentes
con empresas generadoras que le garanticen su requerimiento de potencia y
energía para los siguientes 24 meses como mínimo. En la actualidad, la
compañía tiene firmados siete contratos de suministro de energía con seis
empresas generadoras pertenecientes al SINAC, por una potencia total
contratada de 700 MW, que le garantizan para los próximos años, la
capacidad suficiente de poder suministrar energía y demanda de potencia
requerida por los usuarios del servicio público de electricidad, ubicados dentro
del área de concesión que le ha sido asignada.
Al 31 de diciembre de 2004, el capital está representado por

486,951,371 acciones comunes de S/.0.75 de valor nominal cada una (S/.0.90
al 31 de diciembre de 2003), autorizadas, emitidas y pagadas.
La rentabilidad de la acción de la empresa Luz del Sur (RLUSURC1) se

autococorrelación de orden 1 y 4. Para modelar su comportamiento se ha
estimado el siguiente modelo TARCH(3,3)32
RLUSURC1T  1  2 D _ LUST  3RIGBVLT  4 RIGBVLT 1  5 RLUSURC1T 1  6 T 1  T
 T2    1 T21   DT 1 *  T21    2 T22   3 T23  1 T21   2 T22   3 T23
Donde:
RLUSURC1 : es la rentabilidad de la acción LUSURC1

D _ LUS : es la variable dummy que captura el efecto de los outliers (d=1
Lima
t
2
 t-1
2
Dt 1 *  t 1
2
32
Se considera este modelo porque logra capturar todas las características propias de la acción .

Dependent Variable: RLUSURC1

Method: ML – ARCH
Date: 03/06/07 Time: 18:19
Sample (adjusted): 1/06/1999 5/13/2004
MA backcast: 1/05/1999, Variance backcast: ON
GARCH = C(7) + C(8)*RESID(-1)^2 + C(9)*RESID(-2)^2 + C(10)
*RESID(-3)^2 + C(11)*RESID(-1)^2*(RESID(-1)<0) + C(12)
*GARCH(-1) + C(13)*GARCH(-2) + C(14)*GARCH(-3)
C 0.001275 0.000439 2.906613 0.0037

D_LUS 0.008196 0.000564 14.54088 0.0000
RIGBVL 0.277649 0.020963 13.24454 0.0000
RIGBVL(-1) 0.133733 0.047268 2.829264 0.0047
RLUSURC1(-1) -0.473167 0.131046 -3.610705 0.0003
MA(1) 0.451359 0.138679 3.254699 0.0011
Variance Equation
C 6.45E-05 2.14E-06 30.11041 0.0000

RESID(-1)^2 0.157047 0.004405 35.65430 0.0000
RESID(-1)^2*(RESID(-1)<0) -0.015368 0.000943 -16.29252 0.0000
RESID(-2)^2 0.162386 0.005066 32.05585 0.0000
RESID(-3)^2 0.133506 0.004151 32.16275 0.0000
GARCH(-1) -0.447276 0.000640 -699.0396 0.0000
GARCH(-2) -0.164673 0.001903 -86.51819 0.0000
GARCH(-3) 0.724015 0.001169 619.2353 0.0000

S.E. of regresión 0.014044 Akaike info criterion -6.057300
Inverted MA Roots -.45
Existen componentes autorregresivos y de promedios móviles que

afectan a la rentabilidad de la acción LUSURC1. El modelo estimado es un
ARMA(1,1) . La empresa Luz del Sur, pertenece al sector Servicios, subsector
eléctricas y generalmente se caracteriza por ser una acción muy

conservadora ante cualquier evento exógeno que suceda en la bolsa de

valores; esta acción mantiene menores niveles de volatilidad. De acuerdo a la
estimación del modelo CAPM, la acción posee un Beta menor a uno (3 =
0.28) lo que indica que por cada punto porcentual que se altere la rentabilidad
del IGBVL, se modifica en 0.28% la rentabilidad de la acción, mostrando un
mínimo nivel de riesgo sistemático o de mercado.
El modelo estimado es un modelo dinámico que incluye variables

autorregresivas de primer orden lo que indica una memoria corta al momento
de tomar decisiones los inversionistas. Por ejemplo si el día de ayer la
rentabilidad del IGBVL aumenta en 10%, la rentabilidad de hoy aumenta solo
en 1.33% y si ayer la rentabilidad de la acción aumento en 10%, influye en la
rentabilidad de hoy disminuyéndola en 4.73% por lo tanto existe un proceso
de sobrerreacción, de tal manera que los inversionistas constantemente están
comprando y vendiendo la acción, al hacerla muy líquida y muy demandada.
Este proceso autorregresivo también influye sobre los errores del pasado,
existen variables que no están incluidas en el modelo y que están siendo
capturadas por el error del modelo, pero que su comportamiento de ayer
afecta de manera significativa a la rentabilidad de la acción.
Como el modelo estimado presenta problemas de heterocedasticidad,

se modelo un TARCH (3,3) que logra modelar la varianza condicional del
modelo existiendo un efecto asimétrico en el impacto que generan las malas
noticias sobre las buenas noticias en la rentabilidad de la acción.
Si deseamos analizar la volatilidad del modelo, en el Gráfico Nº 11 se

observa su comportamiento a lo largo del periodo de estudio.
GRAFICO Nº11: VOLATILIDAD DE LA ACCIÓN LUSURC1

.08
.06
.04
.02
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
Observamos que existen ciertos acontecimientos que origina una

mayor volatilidad principalmente durante las siguientes fechas:
A partir del 5 de agosto de 1999 se difunde la Oferta Pública de

Adquisición de las acciones de Luz del Sur, elevando su cotización e

impulsando a los índices Genera y Selectivo, en este sentido se llego a

negociar la acción en S/3.30 el 13 de agosto y finalmente descender al cierre
de agosto en 2.66 mostrando una gran volatilidad.
El proceso electoral del 9 de abril genera una mayor incertidumbre a

los inversionistas, lo que logra posteriormente estabilizarse al resultar ganador
Alberto Fujimori, lo que genera una mayor volatilidad en la rentabilidad de la
acción, así como el proceso electoral del año 2001, donde resulta ganador en
segunda vuelta Alejandro Toledo.
La volatilidad de esta acción, muestra que converge a una medida de

largo plazo, siendo los acontecimientos negativos los que originan mayor
volatilidad, pero estos tienden a disiparse en el corto plazo, a partir del año
2002 la acción ha mostrado un menor nivel de volatilidad, siendo contrastado
que la suma de los componentes ARCH y GARCH en el modelo estimado es
menor a uno, lo que muestra una aptitud de convergencia de los shocks en el
corto plazo.
Si realizamos una predicción de la rentabilidad de la acción,

observamos en el gráfico Nº 12 que no existe un buen ajuste en la predicción,
ya que el estadístico U-Theil es 0.77 mostrando una mala predicción en
función al modelo planteado, lo que nos sugiere mejorar el modelo para
mejorar su predicción, siendo los cambios de volatilidad capturados por esta
predicción, ya que el sesgo de la varianza representa el 65%.

GRAFICO Nº12: PRONOSTICO DE LA ACCION LUSURC1
.15
Forecast: RLUSURC1F
Actual: RLUSURC1
.10
Forecast sample: 1/05/1999 5/13/2004
Adjusted sample: 1/06/1999 5/13/2004

-.15
1999 2000 2001 2002 2003
RLUSURC1F
.005
.004
.003
.002
.001
.000
1999 2000 2001 2002 2003
5.7. Análisis de la Rentabilidad de la acción MINSURI1
La empresa Minsur se constituye en el Perú en Octubre de 1977, sus

actividades se encuentran reguladas por la Ley general de Minería. La
compañía es subsidiaria de Inversiones Breca S.A. empresa domiciliada en
Perú, la que posee el 98.74% de las acciones representativas del capital
social de la compañía.
Su actividad principal es la producción de Metálico de estaño que es

producido en su planta de fundición localizada en la Ciudad de Pisco. El

metálico de estaño se produce utilizando concentrado estaño extraído de la

Mina de San Rafael, ubicado en el departamento de Puno y es comercializado
en un 99% en el mercado internacional a través de agentes de ventas33.
La empresa Minsur tiene en circulación dos tipos de acciones; a

diciembre del 2004 cuenta con 197,842,530 acciones de inversión con un
valor nominal de 1.0 y 3,956,868 acciones comunes con un valor nominal de
S/. 1.0.
La rentabilidad de la acción de la empresa MINSUR (RMINSURI1) se

autococorrelación de primer y segundo orden. Para modelar su
comportamiento se ha estimado el siguiente modelo TARCH(3,3)34
RMINSURI1T  1  2 D _ MINT  3RIGBVLT  4 RMINSURI1T 1  T
 T2    1 T21   DT 1 *  T21    2 T22   3 T23  1 T21   2 T22   3 T23
Donde:
RMINSURI 1 : es la rentabilidad de la acción MINSURI1

D _ MIN :es la variable dummy que captura el efecto de los outliers (d=1
RIGBVL :es la rentabilidad del Índice general de la Bolsa de Valores de
Lima
t
2
Dt 1 *  t 1
2
Dependent Variable: RMINSURI1

Method: ML – ARCH
Date: 03/06/07 Time: 18:30
Sample (adjusted): 1/06/1999 5/13/2004
GARCH = C(5) + C(6)*RESID(-1)^2 + C(7)*RESID(-2)^2 + C(8)*RESID(
-3)^2 + C(9)*RESID(-1)^2*(RESID(-1)<0) + C(10)*GARCH(-1) +
C(11)*GARCH(-2) + C(12)*GARCH(-3)
C 0.000297 0.000296 1.004677 0.3151
33
Memoria 2004: Empresa Minsur
34
Mejor modelo estimado que logra capturar las características propias de la acción

D_MIN 0.014560 0.000571 25.50758 0.0000

RIGBVL 0.687122 0.032117 21.39432 0.0000
RMINSURI1(-1) 0.062105 0.022908 2.711108 0.0067
Variance Equation
C 6.10E-05 5.05E-06 12.06698 0.0000

RESID(-1)^2 0.266959 0.029059 9.186683 0.0000
RESID(-1)^2*(RESID(-1)<0) -0.218269 0.027549 -7.922831 0.0000
RESID(-2)^2 0.026621 0.011585 2.297834 0.0216
RESID(-3)^2 0.133525 0.017209 7.759239 0.0000
GARCH(-1) 0.674021 0.031722 21.24782 0.0000
GARCH(-2) -0.763671 0.033583 -22.73980 0.0000
GARCH(-3) 0.510271 0.028886 17.66524 0.0000

La acción MINSURI1 pertenece al sector Minería que generalmente se

ha caracterizado este sector por presentar una mayor volatilidad al ser muy
sensible ante shocks que suceden y que afecta los precios internacionales de
los metales, por lo que se consideran acciones de alto riesgo a comparación
de las acciones que pertenecen a otro sector. La empresa Minsur exporta
metales tales como el Zinc y Estaño que no han sufrido mayor variación en el
precio internacional a comparación del Oro y la Plata, es así que a pesar de
ser una acción Minera no muestra mayor volatilidad a comparación de las
demás acciones mineras que pertenecen a su mismo sector. Es así que el
beta estimado muestra ser menor a uno (0.687) que determina ser una acción
conservadora y de poco riesgo, ya que si la RIGBVL aumenta en 100% la
rentabilidad de la acción aumenta solo en 68% y si disminuye la rentabilidad
genera una menor pérdida a comparación del mercado. También existen
factores autorregresivos que influyen en la rentabilidad de la acción es así que
se ha estimado un modelo AR(1) donde los acontecimientos de ayer influyen
de manera positiva en la rentabilidad de hoy afectando en 0.06% por cada
punto porcentual que se altere la rentabilidad de ayer.
El modelo estimado presenta elevados niveles de heterocedasticidad,

lo que se decide modelar un TARCH (3,3) que permita capturar el
comportamiento de la varianza condicional, lo que nos muestra que existen
componentes asimétricos en los shocks que suceden, de tal manera que
estas variables han resultado ser altamente significativas, logrando modelar
la volatilidad de la acción.

Si analizamos el Gráfico Nº 13 de la volatilidad de la acción a lo largo

del periodo muestral, observamos que la volatilidad se mantiene dentro de su
rango de occilación que es de 0.01 y 0.02 pero existe una fecha que logra que
la volatilidad se incremente enormemente a comparación del resto de
periodos.
GRAFICO Nº13. VOLATILIDAD DE LA ACCIÓN MINSURI1

.08
.06
.04
.02
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01
La volatilidad de la acción MINSURI1 se ha mantenido alrededor de

media de largo plazo; pero es a partir de Julio del 2000 empieza a generar
una mayor volatilidad generada por la incertidumbre del proceso electoral,
pero después del atentado terrorista de setiembre del 2001 se genera una
mayor volatilidad por la incertidumbre sobre la situación económica de EE.UU.
Se observa que en Agosto del 2002 la acción mostró un incremento del 4.9%,
el mayor incremento a través de la historia explicado por el incremento de los
precios internacionales de los metales contribuyendo a una mejora en el
Índice General de la Bolsa de Valores de Lima.
Si deseamos realizar una predicción de la rentabilidad de la acción

dentro de la muestra, observamos en el Gráfico Nº 14 que debido a que el
coeficiente de determinación en el modelo es de 23%, el estadístico U-Theil
nos muestra que existe un error de predicción del 60% lo que significa que no
es un buen modelo para predecir el comportamiento de la rentabilidad de la
acción.

GRAFICO Nº14: PRONOSTICO DE LA ACCIÓN MINSURI1
.16
Forecast: RMINSURI1F
.12 Actual: RMINSURI1
Forecast sample: 1/05/1999 5/13/2004
.08 Adjusted sample: 1/06/1999 5/13/2004
.04
.00
-.04
-.12
1999 2000 2001 2002 2003
RMINSURI1F
.005
.004
.003
.002
.001
.000
1999 2000 2001 2002 2003
5.8. Análisis de la Rentabilidad de la acción TELEFBC1
Telefónica del Perú S.A.A, es una empresa de telecomunicaciones,

subsidiaria de la empresa Telefónica S.A. (Constituida en España), que brinda
los servicios de Telefonía fija local, telefonía de uso público, transmisión de
datos y servicios portadores de larga distancia nacional e internacional de
todo el Perú. La empresa es el principal operador de Telecomunicaciones en
el Perú y sus actividades se encuentran supervisadas por el Organismo
Supervisor de Inversión Privada en Telecomunicaciones OPSITEL35
35
Memoria 2004: Empresa Telefónica

El capital social de la empresa, esta constituido por 1,721,964,417

acciones comunes, suscritas y pagadas a diciembre del 2004 con un valor
nominal de S/1.25.
La rentabilidad de la acción de la empresa Telefónica del Perú

(TELEFBC1) se caracteriza por ser estacionaria, heterocedástica y no
presentar autococorrelación. Para modelar su comportamiento se ha estimado
el siguiente modelo TARCH(1,1)
RTELEFBC 1T  1  2 D _ TELT  3RIGBVLT  T
 T2    1 T21   DT 1 *  T21   1 T21
Donde:
RTELEFBC 1 : es la rentabilidad de la acción TELEFBC1

D _ TEL : es la variable dummy que captura el efecto de los outliers (d=1
Lima
t
2
 t-1
2
Dt 1 *  t 1
2
Dependent Variable: RTELEFBC1

Date: 03/19/07 Time: 11:49
Sample: 1/05/1999 5/13/2004
+ C(7)*GARCH(-1)
C -0.001370 0.000561 -2.441173 0.0146

D_TEL 0.034816 0.001394 24.97281 0.0000
RIGBVL 1.147216 0.049723 23.07214 0.0000
Variance Equation
C 5.09E-05 5.05E-06 10.08632 0.0000

RESID(-1)^2 0.502946 0.026226 19.17749 0.0000
RESID(-1)^2*(RESID(-1)<0) -0.364599 0.026010 -14.01740 0.0000

GARCH(-1) 0.710524 0.012835 55.35702 0.0000

La acción de telefónica pertenece al sector Servicios subsector de

Telecomunicaciones y se caracteriza por ser una acción que es muy sensible
a los acontecimientos que suceden en el entorno es así que su Beta estimado
refleja un nivel de riesgo sistemático similar al índice general de la Bolsa de
Valores de Lima; siendo éste considerado una acción que se comporta de
acuerdo al mercado, lo que significa si la rentabilidad del IGBVL se
incrementa en 10%, la rentabilidad de Telefónica se incrementa en 11.4%
ligeramente superior al promedio de mercado. Si realizamos un test de Wald
observamos que se acepta la hipótesis nula que el coeficiente 3 es igual a la
unidad.
La rentabilidad de la acción muestra que no existen factores

estacionales tales como el efecto fin de semana y el efecto mes, lo que indica
que los acontecimientos que están siendo capturados por el IGBVL también
afectan de manera significativa la rentabilidad de la acción; se observa en la
regresión que las variables exógenas solo explican el 16% del
comportamiento de la variable endógena. Al modelar la rentabilidad de la
acción de Telefónica encontramos la existencia de heterocedasticidad de
primer y segundo orden lo que nos lleva a poder estimar un modelo TARCH
(1,1) ya que las noticias generan un impacto asimétrico siendo las malas
noticias las que generan mayor volatilidad de las buenas noticias. Este
modelo logra modelar la varianza condicional que recoge todos los
acontecimientos que han generado mayor volatilidad en la acción (Gráfico Nº
15).
GRAFICO Nº15: VOLATILIDAD DE LA ACCIÓN DE TELEFONICA

.20
.15
.10
.05
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01

En el periodo Enero – Abril del 2000 existe una mayor incertidumbre en

los inversionistas por las elecciones en el mes de Abril, lo que genera
comportamientos negativos en la Bolsa de Valores de Lima, además de los
cambios en la tasa de interés por parte de la FED. Posteriormente después de
los resultados electorales siendo Alberto Fujimori reelegido, en el mes de
Junio y Julio los inversionistas aumentaron la demanda de acciones de
telefónica del Perú, lo que logró recuperar la Bolsa de Valores, esta mayor
demanda se debió a la cercanía de la Oferta de Intercambio planteada por
Telefónica S.A. (España), lo cual dado el peso de la acción peruana en los
principales indicadores accionarios, repercutió favorablemente en ellos.
En el periodo Abril – Junio del 2001 la BVL se caracterizó por tener

mayor volatilidad debido al proceso electoral, resultando en segunda vuelta
ganador Alejandro Toledo generando mayor nerviosismos a los inversionistas
ya que su principal contrincante fue Alan García; además de la situación de
Argentina, generó un impacto negativo en nuestro mercado de capitales.
Posteriormente, factores internos, tales como los políticos como

factores externos, atentados, la situación de Argentina, el ajuste de tasas de
interés por parte de la FED, incremento del precio internacional de los metales
y del petróleo han generado una mayor incertidumbre en el mercado de
capitales, teniendo como consecuencia una mayor volatilidad.
Si realizamos un pronostico de la volatilidad de la acción tenemos en el

Gráfico Nº 16 que no existe un buen ajuste en los datos predichos sobre la
misma muestra ya que el estadístico U-Theil es igual 0.63 lo que indica que
solamente el ajuste se realiza en un 37%.

GRAFICO Nº16: PRONOSTICO DE LA RENTABILIDAD DE TELEFBC1
.4
Forecast: RTELEFBC1F
.3 Actual: RTELEFBC1
Forecast sample: 1/05/1999 5/13/2004
.1
.0 Mean Absolute Error 0.016762
-.3
-.4
1999 2000 2001 2002 2003
RTELEFBC1F
.032
.028
.024
.020
.016
.012
.008
.004
.000
1999 2000 2001 2002 2003
5.9. Análisis de la Rentabilidad de la acción VOLCABC1
Volcán Compañía Minera, es una sociedad anónima abierta peruana,

constituida el 01 de febrero de 1998, mediante la fusión de Volcán Compañía
Minera S.A. constituida en Junio de 1943 y empresa Minera Mahr Túnel S.A.
empresa que fue adquirida por el Grupo mediante proceso de privatización en
1997.
El Grupo se dedica a la Exploración y Explotación de denuncios

mineros por cuenta propia y su correspondiente extracción, concentración,
tratamiento y comercialización de minerales polimetálicos. Para llevar a cabo
sus actividades, el Grupo opera cuatro centros mineros propios ubicados en
los departamentos de Pasco y Junín, sierra central del Perú, en los que
produce concentrados de Zinc, plomo y plata. En general esta autorizado a

realizar cualquier actividad relacionado directa o indirectamente con la

minería36.
La empresa en el año 2004 tiene en circulación dos tipos de acciones :

las acciones comunes de clase A que a la fecha ascendía a 249,310,675 y las
acciones comunes de clase B que ascienden a 412,590,494. Además de
tener en circulación 1,217,871 acción de Inversión. Todas con un valor
nominal de S/1.0
La rentabilidad de la acción de la empresa Minera Volcán (VOLCABC1)

se caracteriza por ser estacionaria, heterocedástica y presentar
autococorrelación de orden 4 y 5. Para modelar su comportamiento se ha
estimado el siguiente modelo TARCH(1,1)
RVOLCABC1T  1  2 D _ VOLT  3RIGBVLT  T
 T2    1 T21   DT 1 *  T21   1 T21
Donde:
RVOLCABC 1 : es la rentabilidad de la acción VOLCABC1

D _ VOL : es la variable dummy que captura el efecto de los outliers (d=1
Lima
2t : es la varianza condicional heterocedástica
 t-1
2
Dt 1 *  t 1
2
Dependent Variable: RVOLCABC1

Date: 03/19/07 Time: 21:32
Sample: 1/05/1999 5/13/2004
+ C(7)*GARCH(-1)
C -0.000289 0.000667 -0.432752 0.6652

D_VOL 0.022161 0.001481 14.96091 0.0000
36
Memoria 2004: Empresa Minera Volcán

RIGBVL 1.298950 0.048918 26.55368 0.0000
Variance Equation
C 1.58E-05 2.92E-06 5.403727 0.0000

RESID(-1)^2 0.113692 0.011755 9.671776 0.0000
RESID(-1)^2*(RESID(-1)<0) -0.026923 0.013605 -1.978870 0.0478
GARCH(-1) 0.884782 0.008070 109.6326 0.0000

La acción VOLCABC1 pertenece al sector Minería y como tal se debe

esperar que sea una acción agresiva de alto riesgo, es así que al estimar el
modelo observamos que existe una Beta mayor a uno, que es igual a 1.30 lo
que significa que si la rentabilidad del IGBVL aumenta en 1%, la rentabilidad
de la acción aumenta en 1.3%, al igual si la Bolsa cae su rentabilidad, esta
acción también cae su rentabilidad pero en mayor proporción que la caída del
índice. Al realizar la modelación de la rentabilidad se observa que no existen
efectos estacionales que logren explicar el comportamiento de la rentabilidad,
la estimación del modelo nos lleva a tratar de modelar la varianza condicional
a través de una modelo TARCH (1,1) ya que existía heterocedasticidad, al
estimar este modelo asimétrico observamos que logra modelar la varianza
condicional incluyendo efectos asimétricos sobre los acontecimientos que
suceden diariamente. Las variables exógenas incluidas en el modelo solo
explican el 27% del comportamiento de la rentabilidad de la acción, es así que
en el Gráfico Nº 17 se observa la modelación de la volatilidad durante el
periodo de análisis
GRAFICO Nº17: VOLATILIDAD DE LA ACCION DE VOLCABC1

.08
.06
.04
.02
.00
99M07 00M01 00M07 01M01 01M07 02M01 02M07 03M01 03M07 04M01

En Junio de 1999 la actividad bursátil registró resultados positivos,

debido a la mejora de las cotizaciones de los metales en el mercado
internacional y por el ingreso a operación de algunas minas, generando
retornos promedios superiores al 50% en el primer semestre, ya que a fines
de 1998 la crisis rusa y la crisis asiática, además de la crisis brasileña
provocaron una fuerte caída en los precios de las acciones, lo que genero una
mayor incertidumbre entre los inversionistas. Además en este periodo la
Minera Volcán adquirió la mina Paragsha para dinamizar sus operaciones.
En setiembre del 2001 el atentado de las torres gemelas en EE.UU.

genera un impacto en los mercados de capitales a nivel internacional, siendo
la Bolsa de Valores de Lima la menos afectada, a partir de este
acontecimiento, aunado a los problemas internos de nuestra economía, tales
la nueva política de Alejandro Toledo, trae como consecuencia una mayor
volatilidad para la rentabilidad de la acción. Posteriormente el incremento de
los precios de los metales y el aumento del precio del petróleo genera una
mayor incertidumbre para los inversionistas tenedores de acciones mineras.
Hasta el mes de setiembre de 2003, debido a la recesión mundial y a

los elevados inventarios de minería a nivel mundial, la cotización internacional
de los minerales, a base de London Metal Exchange, mantuvo los niveles de
años anteriores de cotizaciones bajas, como consecuencia Volcán incurrió en
pérdidas y severas deficiencias de capital de trabajo para atender sus
actividades de operación y cumplir con el pago oportuno de sus obligaciones
y otros. Posteriormente después de setiembre del 2003 la recuperación del
precio de los metales internacionales mejoró los resultados de la empresa a
partir del 2004.
Si realizamos una predicción dentro de la muestra para evaluar el

ajuste que se realiza obtenemos los resultados del Gráfico Nº 18 donde el
estadístico U-Theil es de 0.61 lo que nos muestra que no existe un buen
ajuste.

GRAFICO Nº18: PRONOSTICO DE VOLCABC1
.3
Forecast: RVOLCABC1F
Actual: RVOLCABC1
.2 Forecast sample: 1/05/1999 5/13/2004

.0 Theil Inequality Coefficient 0.611085
-.2
1999 2000 2001 2002 2003
RVOLCABC1F
.007
.006
.005
.004
.003
.002
.001
.000
1999 2000 2001 2002 2003

CONCLUSIONES
En el presente trabajo se han investigado nueve acciones que se caracterizan

por haber pertenecido al Índice Selectivo de la Bolsa de Valores de Lima en la
cartera de enero del 2004. El análisis se centra en establecer cuales son los factores
que afectan la rentabilidad de cada una de las acciones y establecer a que se debe
el comportamiento de su volatilidad. El periodo de análisis incluye cotizaciones
diarias, obtenidas de la Base de datos de Economática durante el periodo
05/01/1999 al 13/05/2004. Del análisis realizado se han llegado a las siguientes
conclusiones:
1. Al realizar una análisis individual de la rentabilidad de las acciones encontramos

que las acciones con mayor rentabilidad no son necesariamente las de mayor
riesgo (medido a través de la desviación estándar) lo que nos lleva a determinar
el coeficiente de variación como una medida relativa del riesgo de acuerdo a la
rentabilidad ofrecida por cada acción, encontrando que las acciones LUSURC1;
MINSURI1 y EDEGELC1 son las de menor coeficiente variación lo que sería
recomendable para un inversionista adverso al riesgo si desea determinar donde
quiere invertir.
2. Todas las acciones analizadas se caracterizan por que su rentabilidad es

estacionaria, es decir no se comportan como un random walk, lo que nos lleva a
determinar que existe alguna manera de poder modelarlas en el corto plazo,
además resulta que no cumplen con el supuesto de normalidad, ya que
generalmente los datos se encuentran acumulados alrededor de la media
(leptocúticas) y presentan una asimetría a la derecha.
3. Existe presencia de heterocedasticidad de primer y segundo grado en la mayoría

de las acciones de la muestra, lo que muestra que la varianza no es
homocedástica, siendo necesario estimar modelos ARCH que logran capturar la
heterocedasticidad mediante factores autorregresivos de varianza condicional.
La acción CREDITC1 su rentabilidad solo presenta heterocedasticidad de
segundo orden.
4. Las rentabilidades de las acciones presentan algún grado de autocorrelación

siendo necesario incorporar en el modelo variables dinámicas que logran
capturar el proceso autorregresivo o la memoria corta que presentan los
modelos, solo las acciones ATACOI1, BACKUSI1 y TELEFBC1 no presentan
ningún grado de autocorrelación.
Con respecto a la estimación de los modelos, se puede concluir lo siguiente:
1. Existen factores estacionales, autorregresivos, efectos asimétricos, que son

característicos de cada tipo de acción que estemos analizando. Como la mayoría
de modelos estimados a través de Mínimos Cuadrados Ordinarios presentaban
algún grado de heterocedasticidad se han estimado en cada caso modelos
TARCH y GARCH para poder modelar la varianza condicional.
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.
4. Para el caso del Subsector Telecomunicaciones (sector Servicios) la acción

Telefónica se ha modelado a través de un TARCH(1,1) que logra capturar los
efectos asimétricos de los acontecimientos sucedidos, observamos también que
la acción se comporta de acuerdo al mercado (IGBVL), lo que ha llevado que
como la RIGBVL se ha mostrado muy volátil por lo diferentes acontecimientos
sucedidos en el periodo 2000 – 2004 también a afectado la volatilidad de la
acción. El estadístico U-Theil que resultó de la predicción es de 0.63 resultando
un ajuste demasiado bajo.
5. Existen dos acciones que pertenecen al sector Industrial BACKUSI1, y

CORAREI1. Ambas se caracterizan por presentar factores estacionales que
afectan a la rentabilidad como a la volatilidad de la acción, además se
consideran acciones muy conservadoras, al resultar su beta menor a uno. Para
el caso de Backus se ha estimado un modelo EGARCH(1,1) dado el
comportamiento de su gran volatilidad a lo largo del periodo, se ha estimado un
modelo exponencial que logre capturar los efectos asimétricos que tienen las
noticias sobre el comportamiento de la acción; dado que pertenece al sub sector
Alimentos y Bebidas, existe un efecto fin de semana, al ser el día viernes
aquellos días de menor volatilidad y de menor rentabilidad a comparación de los
otros días de la semana, además existe también un efecto mes, donde en el mes
de Enero se caracteriza porque aumenta la volatilidad de la acción. Para el caso
de la acción de Corarei1, se estimado un modelo TARCH(3,3) logrando capturar

los efectos asimétricos de las noticias que suceden durante el periodo de la

muestra. Existen componentes autorregresivos y de promedios móviles que
afectan la rentabilidad de la acción, es así que se estimó un ARMA(4,1) para la
media, siendo la varianza condicional la que presenta factores estacionales en
los días Jueves y en el mes de Enero. Al realizar un análisis de la volatilidad de
la acción, se observa que ésta se manifiesta en forma de ciclos consecutivos que
cambian cada 4 meses, presentando mayor volatilidad en el periodo 2001 –
2004. El estimador U-Theil nos arroja un pequeño ajuste, siendo éste igual a
0.60.
6. Por último la acción CREDITC1 que pertenece al Sector Bancos y Finanzas se

ha modelado a través de una GARCH (1,1) lo que muestra que no existen
efectos asimétricos sobre el impacto de las noticias buenas o malas,
Observamos que existen componentes autorregresivos que afectan la
rentabilidad de la acción (AR(2)) siendo los acontecimientos pasados los que
influyen en la rentabilidad de hoy. Se considera una acción muy conservadora ya
que según el modelo estimado, su Beta es igual a 0.31, siendo afectando en
menor proporción por los acontecimientos del entorno. Analizando su volatilidad,
observamos que en el periodo mayo-Julio de 1999 donde presenta una mayor
volatilidad explicada por el problema político entre Fujimori y Montesinos.
Tampoco se ha obtenido un buen resultado con la predicción.

BIBLIOGRAFÍA
Libros:
1. BREALEY, Richard y Stewart C., MYERS; “Principios de Finanzas

Corporativas”, quinta edición, Mc Graw Hill Interamericana de España S.A. U.,
1998.
3. CAMPBELL, John; Andrew W, LO y Craig, MACKINLAY; “The Econometrics

of Financial Markets”, Princeton University Press, New Jersey in the United
Kingdom, 1997.
4. ENDERS, Walters; “Applied Econometric Time Series”, Wiley Series in

Probability and Mathematical Statistics, New York, 1995.
5. GUJARATI, Damodar; “Econometría”, tercera edición, Mc Garw Hill

Interamericana S.A., Colombia, 1997.
6. HOGG, Robert y A., CRAIG; “Introduction to Mathematical Statistic”, fourth

edition, Mc Milton Publishing Co,1978.
7. PINDYCK, Robert y Daniel, RUDINFELD; “Econometric Models and Economic

Forescats”, fourth edition, Mc Graw Hill, 1998.
Revistas
1. ANTONIOU, A.; N., ERGUL; P., HOLMES y R., PRIESTLEY; “Technical

Analysis, Trading Volume and Market Efficiency: Evidence from an Emerging
Market”, Applied Financial Economics, No 7, 1997, pp. 361-365.
2. BALL, Ray; “Anomalies in Relationship Between Securities’ Yield and Yield-

Surrogates”; Journal of Financial Economics, Vol. 6, 1978, pp. 103-126.
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.
4. BASU, Sanjoy; “Investment Performance of Common Stocks in Relation to

their Price Earnings Ratios. A Test of the Efficient Market Hypothesis”; Journal
of Finance, Vol. 32, 1977, pp. 663-682.
5. BASCH, Miguel y Carlos, BUDNEVICH; “Volatilidad y eficiencia en el

mercado accionario: Evidencia reciente para el caso chileno”; Cuadernos de
Economía de la Facultad de Ciencias Económicas y Administrativas de la
Universidad de Chile, año 31, No 92, abril 1994, pp. 59-87.
6. BLUME, Marshall E. y Robert F., STAMBAUGH; “Biases in Computed

Returns. An Application to the Size Effect”; Journal of Financial Economics,
Vol. 12, No 3, November 1983, pp. 387-404.

7. BOLLERSLEV, T.; “Generalized Autoregressive Conditional

Heteroskedasticity”, Journal of Econometrics, Vol. 31, 1986, pp. 307-327.
8. BOLLERSLEV, T. y J. M., Wooldridge; “Quasi-Maximum Likelihood,

Estimation and Inference in Dynamic Models with Time Varying Covariances”,
Econometrics Review, Vol. 11, 1992, pp. 143-172.
9. BOX, G y D., PIERCE; “Distribution of Residual Autocorrelation in

Autoregressive-Integrated Moving Average Time Models”, Journal of the
American Statistical Association, Vol. 65, 1970, pp. 1509-1526.
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.
13. CHOPRA, Navin; Josef, LAKONISHOK y Jay R., RITEER; “Measuring

Abnormal Performance”, Journal of Financial Economics, Vol. 31, No 2, April
1992, pp. 235-268.
14. COCHRANE, J.; “Volatility Test and Efficient Market”, Journal of Monetary
Economics, Vol. 27, 1991, pp. 463-485.
15. CONRAD, Jennifer y Gautam, KAUL; “Time-Variation in Expected Returns”,

Journal of Business, Vol. 61, No 4, October 1988, pp. 411-425.
16. COWLES, A. y H., JONES; “Some A Probabilities in Stock Market Action”,

Econometrica, Vol. 5, 1937, pp. 280-294.
17. D’ALESSIO, Fernando y José Luis, NORIEGA; “Una evaluación de la

eficiencia en el mercado bursátil peruano. El caso de la división de acciones”;
Cuadernos de Investigación, ensayos sobre la realidad Económica Peruana II,
Universidad del pacífico (CIUP), 1997, pp. 152-181.
18. DELGADO, V. y Alberto, HUMALA; “El mercado bursátil peruano y la hipótesis

del mercado eficiente”, Estudios Económicos del Banco Central de Reserva
del Perú, octubre 1997, pp. 73-92.
19. ENGLE, R.; “Autoregressive Conditional Heteroskedasticity with Estimates of

the Variance of UK Inflation”, Econometrica, Vol. 50, 1982, pp. 987-1008.
20. FAMA, Eugene: “Efficient Capital Markets. Review of Theory and Empirical
Work”, Journal of Finance, Vol. 25, 1970, No 2, pp. 383-417.

21. FAMA, Eugene: “Market Efficiency, Long-Term Returns and Behavioral

Finance”, Journal of Financial Economics, Vol. 49, No 3, September 1998, pp.
283-306.
22. FAMA, Eugene y Kenneth, FRENCH: “Permanent and Temporary

Components of Stocks Prices”, Journal of Political Economy, Vol. 96, No 2,
April 1988(a), pp. 246-273.
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.
24. FAMA, Eugene y Kenneth, FRENCH; “Business Conditions and Expected

Returns on Stocks and Bonds”, Journal of Financial Economics, Vol. 25, No1,
November 1989, pp. 23-49.
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.
27. GAMARRA, A. Guazú; “Los precios de las acciones peruanas y la hipótesis

del Random Walk”; Ciencia Económica, Revista de la Facultad de Economía
de la Universidad de Lima, año XIX, No 42, diciembre 1998, pp. 137-157.
28. GANGOPADHYAY, Partha y Marc, REINGANUM; “Interpreting Mean

Reversion in Stock Returns”, The Quarterly Review of Economics and
Finance, Vol. 36, No 3, 1996, pp. 377-394.
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.
30. GULTEKIN, Mustaga y Bulent, GULTEKIN; “Stocks Market Seasonality”,

Journal of Financial Economics, Vol. 12, No 14, December 1983, pp. 469-481.
31. HODRICK, R. y E., PRESCOTT; “Postwar U.S. Business Cycles: An Empirical

Investigation”, Journal of Money, Credit and Banking, Vol. 29, 1997, pp. 1-16.
32. JEGADEESH, Narasimhan; “Seasonality in Stock Price Mean Reversion

Evidence from the US and the UK”; Journal of Finance, Vol. 46, 1991, pp.
1427-1444.
33. JEGADEESH, Narasimhan y Sheridan, TITMAN; “Returns to Buying Winners

and Selling Loser: Implications for Stocks Market Efficiency”, Journal of
Finance, Vol. 48, No 1, March 1993, pp. 65-91.
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
38. LEROY, Stephen; “Efficient Capital Market and Martingales”, Journal of

Economic Literature, Vol. XXVII, No 4, December 1989, pp. 1583-1621
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.
41. LUCAS, Robert; “Asset Prices in an Exchange Economy”, Econometrica, Vol.

46, No 6, November 1978, pp. 1429-1445
42. MECAGNI, Mauro y Maged, SHAWKY; “The Egyptian stocks market:

efficiency test and volatility effects”, en International Monetary Found, Working
Paper WP/99/48, April 1999, pp. 1-27.
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.
44. NEWEY, W. Y K., WEST; “A Simple Positive, Semi-Definitive,

Hetroskedasticity and Autocorrelation Consistent Covariance Matrix”,
Econométrica, Vol. 55, 1987, pp. 703-708.
45. PEÑA, Ignacio; “Contratación asincrónica, riesgo sistemático y contrastes de

eficiencia”, Cuadernos de Economía, Vol. 1, No 50, 1992, pp.81-89. ICE.
46. POTERBA y SUMMERS; “Mean Reversion in Stock Prices: Evidence and

Implications”, Journal of Financial Economics, Vol. 22, No 1, October 1988,
pp. 27-59.
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.

49. SAMUELSON, Paul; “Proof that Properly Anticipated Prices, Fluctuate

Randomly”, Ind. Manage Review, No 6, 1965, pp. 41-49.
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.
53. TERRONES, Marco y Javier, NAGAMINE; “Mercado de capitales y eficiencia:

una evaluación de las propiedades estadísticas del Índice General Bursátil de
la Bolsa de Valores de Lima”, Notas para el Debate, Grade, octubre 1995, pp.
41-78.
54. TORRES, Jorge; Mario, GUERRERO y Pablo, NANO; “Ensayo de

Investigación sobre la Eficiencia de la Información en la Formación de las
Cotizaciones en el Mercado Bursátil de Lima”, Bolsa de Valores de Lima,
1998, pp. 1-55.
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
1. Revista Valores, CONASEV, varios números.

2. Vademécum Bursátil, Bolsa de Valores de Lima, 1998-1999-2000.
3. Bolsa de Valores de Lima, http://www.bvl.com.pe
4. Memoria Anual 2004: de cada una de las empresas analizadas

ANEXOS

ANEXO Nº 1:
EVOLUCION DE LAS RENTABILIDADES DE LAS ACCIONES QUE

PERTENECEN AL ISBVL. – PERIODO 1999 -2004
ANEXO Nº1: GRÁFICO DE LA RENTABILIDAD HISTÓRICA DE LAS ACCIONES QUE PERTENECEN AL ISBVL
RATACOI1 RBACKUSI1 RCORAREI1 RCREDITC1

.20 .12 .20 .4
.15 .15 .3
.08
.10 .10 .2
.04
.05 .05 .1
.00 .00 .0
.00
-.05 -.05 -.1

-.04
-.10 -.10 -.2
-.15 -.08 -.15 -.3

1999 2000 2001 2002 2003 1999 2000 2001 2002 2003 1999 2000 2001 2002 2003 1999 2000 2001 2002 2003
REDEGELC1 RIGBVL RLUSURC1 RMINSURI1

.10 .06 .16 .20
.12
.04 .15
.05 .08
.02 .10
.04
.00 .00 .00 .05
-.04
-.02 .00
-.05 -.08
-.04 -.05
-.12
-.10 -.06 -.16 -.10

1999 2000 2001 2002 2003 1999 2000 2001 2002 2003 1999 2000 2001 2002 2003 1999 2000 2001 2002 2003
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
Fuente: Elaboración propia

ANEXO Nº2:
EVALUACIÓN DE LA ESTACIONARIEDAD Y HETEROCEDASTICIDAD
Test de Dickey - Test ARCH _ lags

Rentabilidad Fuller =1 Orden de
de la acción T - Student Prob. F-Fisher Prob Autocorrelación*
RATACOI1 -37,60609 0,0000 17,67561 0,0000 No hay Autocorrelación
RBACKUSI1 -36,3229 0,0000 42,15767 0,0000 No hay Autocorrelación
RCORARE1 -36,61489 0,0000 47,16324 0,0000 Existe de orden 4
RCREDITC1 -36,09398 0,0000 0,063192 0,8016 Existe de orden 2
REDEGELC1 -42,47092 0,0000 112,3737 0,0000 Existe de orden 1
RLUSURC1 -34,8411 0,0000 5,167203 0,0232 Existe de orden 1 y 4
RMINSURI1 -32,44343 0,0000 14,73309 0,0000 Existe de orden 1 y2
RTELEFBC1 -35,81208 0,0000 4,969763 0,0260 No hay Autocorrelación
RVOLCABC1 -35,58915 0,0000 55,28672 0,0000 Existe de orden 5
* según el test de LM
FUENTE: Elaboración propia en base a los reportes de Eviews 5.0

Trabajo de Volatilidad

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo de Volatilidad

Cargado por

Copyright:

Formatos disponibles

PROGRAMA DE DOCTORADO EN CIENCIAS

TÉCNICAS DE INVESTIGACIÓN ECONÓMICA Y FINANCIERA

Dr. MANUEL OTÁROLA BEDOYA

“DETERMINANTES DE LA RENTABILIDAD DE LAS ACCIONES QUE

ECON. BRENDA LIZ SILUPÚ GARCÉS

II. EL PROBLEMA DE LA INVESTIGACIÓN 6

III. MARCO TEÓRICO 12

IV. HIPÓTESIS A CONTRASTAR 25

V. ANÁLISIS DE LA RENTABILIDAD DE LAS ACCIONES 26

ECON. BRENDA LIZ SILUPÚ GARCÉS Magíster en Finanzas 2

Los inversionistas en cada momento tienen que tomar decisiones de inversión

Durante el periodo de estudio, 1999 – 2004 han existido diferentes

Aunque este trabajo no logra llegar a realizar un buen pronóstico de los

ECON. BRENDA LIZ SILUPÚ GARCÉS Magíster en Finanzas 3

Actualmente son muchos los trabajos de investigación orientados a encontrar

En el presente trabajo se analiza la rentabilidad de las principales acciones

El desarrollo de la presente investigación se ha estructurado en cinco tópicos,

ECON. BRENDA LIZ SILUPÚ GARCÉS Magíster en Finanzas 4

1.1. Objetivo General:

Analizar los factores que explican el comportamiento de la rentabilidad

1.2. Objetivos Específicos

1.2.1. Aplicar la metodología de Box Jenking para determinar si existen

1.2.3. Analizar los shocks de volatilidad que influyen de manera positiva en la

1.2.4. Verificar efectos asimétricos sobre el comportamiento de la volatilidad

ECON. BRENDA LIZ SILUPÚ GARCÉS Magíster en Finanzas 5

II. EL PROBLEMA DE LA INVESTIGACIÓN

Desde 1990, el mercado de capitales peruano ha tenido como objetivo

En los últimos años, esta canalización de recursos no se ha dado de

Terrones y Nagamine (1995), al analizar el mercado de capitales en la

Actualmente, existe mucha evidencia que muestra que los mercados

El presente trabajo pretende analizar los diferentes factores que

¿Existen factores autorregresivos que explican el comportamiento de la

¿Existen factores estacionales, tales como el efecto fin de semana y el

Existe evidencia en otros países que muchas veces la rentabilidad

¿Son las olas de optimismo y de pesimismo las que influyen en la

ECON. BRENDA LIZ SILUPÚ GARCÉS Magíster en Finanzas 6

¿Existen algunos otros factores que afectan la rentabilidad de un activo

Para la realización del trabajo se tomará una muestra de las principales

2.1. Descripción de la muestra

Para realizar el estudio, se han seleccionado nueve acciones de las

CUADRO Nº 1: ACCIONES SELELCIONADAS QUE PERTENECEN AL ISBVL

Acciones de Inversión Sector Nemónico Prob. Neg Obs.

El periodo de estudio, incluye 1399 observaciones, incluyendo los días

ECON. BRENDA LIZ SILUPÚ GARCÉS Magíster en Finanzas 7

cotización del día anterior. Para el cálculo de la rentabilidad se aplicó la

Existe dentro de la muestra, el problema de la no negociación, para

Luego se procede a completar las rentabilidades teniendo en cuenta el

“Si la acción negoció en el período t, pero en el periodo t-1 no

Después del tratamiento del problema del Tradyng No Sincrónico se

En el cuadro Nº 2 se presenta el número de outliers que se encontró en

ECON. BRENDA LIZ SILUPÚ GARCÉS Magíster en Finanzas 8

CUADRO Nº 2: OBSERVACIONES ATÍPICAS

2.2. Características de las series

En el cuadro Nº 3, se presentan las propiedades estadísticas de la

Se observa que la rentabilidad promedio esta alrededor de cero, siendo

El coeficiente de asimetría Skewness2 (S), indica que la distribución de

ECON. BRENDA LIZ SILUPÚ GARCÉS Magíster en Finanzas 9

RATACOI1 RBACKUSI1 RCORAREI1 RCREDITC1 REDEGELC1

Jarque-Bera 8.706.272 9.907.798 2.468.287 340215.5 3.495.026

Sum 2.093.768 0.467124 2.155.922 1.541.233 1.400.993

Observations 1398 1398 1398 1398 1398

RLUSURC1 RMINSURI1 RTELEFBC1 RVOLCABC1 RIGBVL

Jarque-Bera 29974.25 5.791.925 13309.98 1.645.851 1.998.727