Antecedentes científicos del Premio Sveriges Riksbank de Ciencias Económicas en memoria de Alfred Nobel 2013

ENTENDIENDO LOS PRECIOS DE LOS ACTIVOS

compilado por el Comité del Premio de Ciencias Económicas de la Real Academia de Ciencias de Suecia

LA REAL ACADEMIA DE CIENCIAS DE SUECA tiene como objetivo promover las ciencias y fortalecer su influencia en la sociedad.

CAJA 50005 (LILLA FRESCATIVÄGEN 4 A), SE-104 05 ESTOCOLMO, SUECIA

TEL +46 8673 95 00, FAX +46 8 15 56 70, INFO@KVA.SE  HTTP://KVA.SE

1
 ENTENDIENDO LOS PRECIOS DE LOS ACTIVOS

1. Introducción

El comportamiento de los precios de los activos es fundamental para muchas decisiones

importantes, no solo para los inversores profesionales sino también para la mayoría de las
personas en su vida diaria. La elección entre el ahorro en forma de efectivo, depósitos bancarios
o acciones, o quizás una vivienda unifamiliar, depende de lo que uno piense de los riesgos y
beneficios asociados con estas diferentes formas de ahorro. Los precios de los activos también
son de fundamental importancia para la macroeconomía porque brindan información crucial
para las decisiones económicas clave con respecto a las inversiones físicas y el consumo. Si
bien los precios de los activos financieros a menudo parecen reflejar valores fundamentales, la
historia proporciona ejemplos sorprendentes de lo contrario, en eventos comúnmente
etiquetados como burbujas y colapsos. La mala fijación de precios de los activos puede
contribuir a las crisis financieras y, como ilustra la reciente recesión, tales crisis pueden dañar
la economía en general. Dado el papel fundamental de los precios de los activos en muchas
decisiones, ¿qué se puede decir sobre sus determinantes?

El premio de este año otorga trabajos empíricos destinados a comprender cómo se determinan
los precios de los activos. Eugene Fama, Lars Peter Hansen y Robert Shiller han desarrollado
métodos con este fin y los han utilizado en su trabajo aplicado. Aunque todavía no tenemos
explicaciones completas y generalmente aceptadas sobre cómo funcionan los mercados
financieros, la investigación de los galardonados ha mejorado enormemente nuestra
comprensión de los precios de los activos y ha revelado una serie de importantes regularidades
empíricas, así como factores plausibles detrás de estas regularidades.

La cuestión de si los precios de los activos son predecibles es tan central como antigua. Si es
posible predecir con un alto grado de certeza que un activo aumentará más en valor que otro,
hay dinero que ganar. Más importante aún, tal situación reflejaría un mal funcionamiento
bastante básico del mecanismo del mercado. En la práctica, sin embargo, las inversiones en
activos implican riesgos y la previsibilidad se convierte en un concepto estadístico. Una
estrategia de negociación de activos en particular puede dar un alto rendimiento en promedio,
pero ¿es posible inferir rendimientos en exceso a partir de un conjunto limitado de datos

1
históricos? Además, un rendimiento medio alto puede tener el coste de un riesgo elevado, por
lo que la previsibilidad no tiene por qué ser un signo de mal funcionamiento del mercado, sino
simplemente una compensación justa por la asunción de riesgos. Por eso, los estudios de los
precios de los activos implican necesariamente el estudio del riesgo y de sus determinantes.

La previsibilidad se puede abordar de varias formas. Puede investigarse en diferentes horizontes

temporales; Podría decirse que la compensación por el riesgo puede desempeñar un papel menor
en un horizonte corto y, por lo tanto, mirar las predicciones con días o semanas de anticipación
simplifica la tarea. Otra forma de evaluar la previsibilidad es examinar si los precios han
incorporado toda la información disponible públicamente. En particular, los investigadores han
estudiado casos en los que se conoce nueva información sobre activos en el mercado, es decir,
los denominados estudios de eventos. Si la nueva información se hace pública, pero los precios
de los activos reaccionan lentamente a las noticias, es claramente predecible: incluso si la noticia
en sí fuera imposible de predecir, cualquier movimiento posterior lo sería. En un estudio de un
evento seminal de 1969, y en muchos otros estudios, Fama y sus colegas estudiaron la
predictibilidad a corto plazo desde diferentes ángulos. Descubrieron que la cantidad de
previsibilidad a corto plazo en los mercados de valores es muy limitada. Este resultado empírico
ha tenido un profundo impacto en la literatura académica, así como en las prácticas de mercado.

Si los precios son casi imposibles de predecir a corto plazo, ¿no serían aún más difíciles de
predecir en horizontes de tiempo más largos? Muchos lo creían, pero la investigación empírica
demostraría que esta conjetura era incorrecta. El artículo de Shiller de 1981 sobre la volatilidad
del precio de las acciones y sus estudios posteriores sobre la previsibilidad a largo plazo
proporcionaron las ideas clave: los precios de las acciones son excesivamente volátiles a corto
plazo y, en un horizonte de unos pocos años, el mercado general es bastante predecible. En
promedio, el mercado tiende a moverse hacia abajo después de períodos en los que los precios
(normalizados, digamos, por las ganancias de la empresa) son altos y al alza cuando los precios
son bajos.

A largo plazo, la compensación por el riesgo debería desempeñar un papel más importante para
los rendimientos, y la previsibilidad podría reflejar las actitudes hacia el riesgo y la variación
del riesgo de mercado a lo largo del tiempo. En consecuencia, las interpretaciones de los
hallazgos de predictibilidad deben basarse en teorías de la relación entre el riesgo y los precios
de los activos. Aquí, Hansen hizo contribuciones fundamentales primero desarrollando un
método econométrico - el Método Generalizado de Momentos (GMM), presentado en un
artículo en 1982 - diseñado para hacer posible tratar las características particulares de los datos

2
de precios de activos, y luego aplicando en una secuencia de estudios. Sus hallazgos respaldaron
ampliamente las conclusiones preliminares de Shiller: los precios de los activos fluctúan
demasiado como para conciliarlos con la teoría estándar, representada por el llamado Modelo
de fijación de precios de activos de capital de consumo (CCAPM). Este resultado ha generado
una gran ola de nuevas teorías en la fijación de precios de activos. Un capítulo extiende el
CCAPM en modelos más ricos que mantienen el supuesto del inversor racional. Otra vertiente,
comúnmente conocida como finanzas conductuales, un nuevo campo inspirado en los primeros
escritos de Shiller, coloca los sesgos conductuales, las fricciones del mercado y la fijación de
precios erróneos en el centro del escenario.

Un tema relacionado es cómo comprender las diferencias en los rendimientos entre los activos.
Aquí, el modelo clásico de fijación de precios de activos de capital (CAPM), por el que se
otorgó el premio de 1990 a William Sharpe, proporcionó durante mucho tiempo un marco
básico. Afirma que los activos que se correlacionan más fuertemente con el mercado en su
conjunto conllevan más riesgo y, por lo tanto, requieren una mayor rentabilidad en
compensación. En una gran cantidad de estudios, los investigadores han intentado probar esta
propuesta. Aquí, Fama proporcionó conocimientos metodológicos fundamentales y llevó a cabo
una serie de pruebas. Se ha encontrado que un modelo extendido con tres factores, agregando
el valor de mercado de una acción y su relación entre el valor en libros y el valor de mercado,
mejora en gran medida el poder explicativo en relación con el modelo CAPM de un solo factor.
Se ha descubierto que otros factores también influyen en la explicación de las diferencias de
rendimiento entre los activos. Como en el caso del estudio del mercado en su conjunto, la
literatura transversal ha examinado tanto las extensiones de la teoría basada en inversores
racionales como las conductuales para interpretar los nuevos hallazgos.

Este documento está organizado en nueve secciones. La Sección 2 presenta alguna teoría básica
de la fijación de precios de activos como antecedentes y una hoja de ruta para el resto del texto.
Las secciones 3 y 4 analizan la previsibilidad a corto y largo plazo de los precios de los activos,
respectivamente. Las siguientes dos secciones discuten las teorías para interpretar los hallazgos
sobre la predictibilidad y las pruebas de estas teorías, cubriendo la teoría basada en inversores
racionales en la Sección 5 y las finanzas conductuales en la Sección 6. La Sección 7 trata el
trabajo empírico sobre rendimientos de activos transversales. La sección 8 resume brevemente
los hallazgos empíricos clave y analiza su impacto en las prácticas del mercado. La sección 9
concluye este trasfondo científico.

3
 2. Antecedentes teóricos

Con el fin de proporcionar algunos antecedentes para la presentación de las contribuciones de

los galardonados, esta sección revisará algunas teorías básicas de fijación de precios de activos.

2.1 Implicaciones del comercio competitivo

Un conjunto de ideas fundamentales, que se remontan al siglo XIX, se derivan de una

implicación básica del comercio competitivo: la ausencia de oportunidades de arbitraje. Una
oportunidad de arbitraje es una "bomba de dinero", que hace posible obtener cantidades
arbitrarias de devolución de dinero 𝑅𝑎 y 𝑅𝑏, donde 𝑅𝑎 > 𝑅𝑏. Si cada activo puede venderse en
descubierto, es decir, mantenerse en negativo sin asumir ningún riesgo. Para tomar un ejemplo
trivial, suponga que dos activos pagan tasas seguras de montos, se podría obtener una ganancia
de arbitraje vendiendo el activo b al descubierto e invirtiendo las ganancias en el activo a: el
resultado sería una ganancia de tasa segura de 𝑅𝑎 − 𝑅𝑏. Debido a que esta bomba de dinero
podría operarse a cualquier escala, claramente no sería consistente con el equilibrio; en un
mercado competitivo, 𝑅𝑎 y 𝑅𝑏 deben ser iguales. Cualquier activo seguro debe tener el mismo
rendimiento 𝑅𝑓 (𝑓 para seguro); la tasa a la que se "descontan los pagos futuros de cualquier
activo seguro."
Este simple razonamiento puede generalizarse de manera bastante sustancial y, en particular,
puede hacer frente a pagos de activos inciertos. Se puede demostrar que la ausencia de
oportunidades de arbitraje implica que el precio de cualquier activo negociado puede escribirse
como una suma ponderada o descontada de los pagos del activo en los diferentes estados de la
naturaleza en el próximo período, con ponderaciones independientes del activo en pregunta
(véanse, por ejemplo, Ross, 1978 y Harrison y Kreps, 1979). Por tanto, en cualquier momento
t, el precio de cualquier activo dado i viene dado por

Aquí, s denota un estado de naturaleza, s las probabilidades con las que ocurren estos estados y
los pesos de descuento no negativos ms. Las xs son los pagos, que en el caso de las acciones se
definen como el precio del próximo período más dividendos: 𝑥𝑖,𝑡+1 = 𝑃𝑖,𝑡+1 + 𝑑𝑖,𝑡+1. En general,
todos estos elementos dependen del estado de la naturaleza. Tenga en cuenta que los pesos de

4
descuento m son los mismos para todos los activos.1 Son importantes para el precio de un activo
individual i solo porque tanto m y xi dependen de s.

Para un activo seguro f, x no depende de s, y la fórmula se convierte en

.

Por lo tanto, ahora podemos interpretar ∑𝑠 𝜋𝑡+1(s)mt+1(s) como la definición del tiempo t tasa
de descuento libre de riesgo 𝑅𝑓,𝑡, time para activos seguros:

Sin embargo, de manera más general, la dependencia de 𝑚𝑡+1(𝑠) del estado de la naturaleza
capta cómo el descuento puede ser más fuerte en algunos estados de la naturaleza que en otros:
el dinero se valora de manera diferente en diferentes estados. Esto nos permite capturar cómo
el mercado valora el perfil de riesgo de un activo. Si rinde particularmente bien en estados con
pesos bajos, tendrá un precio más bajo.

La fórmula de precios sin arbitraje a menudo se escribe de manera más abstracta como

𝑃𝑖,𝑡 = 𝐸𝑡(𝑚𝑡+1𝑥𝑖,𝑡+1), (1)

donde E ahora subsume la suma y las probabilidades: es la (probabilidad-

investigación empírica sobre precios de activos. Con 𝑥𝑥𝑖𝑖,𝑡𝑡+1 = 𝑃𝑃𝑖𝑖,𝑡𝑡+1 + 𝑑𝑑𝑖𝑖,𝑡𝑡+1, la ecuación
(1) se puede iterar 2 ponderado) valor. Esta fórmula puede verse como una herramienta
organizativa para gran parte de adelante para obtener el precio de una acción como el valor
descontado esperado de los dividendos futuros.

1
Además, si los mercados están completos (es decir, si hay tantos activos independientes como estados de la
naturaleza), el 𝑚𝑚 que determina los precios de todos los activos también es único.

5
¿Son predecibles los precios de los activos?

Supongamos, primero, que consideramos dos puntos en el tiempo muy próximos entre sí. En
este caso, la tasa de interés segura es aproximadamente cero. Además, en un horizonte corto, se
podría suponer que m no varía mucho entre los estados: el riesgo no es un problema. Estos
supuestos equivalen a asumir que m es igual a 1. Si el pago es simplemente el valor de reventa
del activo 𝑃𝑡+1, entonces la ausencia de arbitraje implica que 𝑃𝑡 = 𝐸𝑡𝑃𝑡+1. En otras palabras, el
precio del activo puede subir o bajar mañana, pero cualquier movimiento de este tipo es
impredecible: el precio sigue a una martingala, que es una forma generalizada de caminar al
azar. La hipótesis de la imprevisibilidad ha sido objeto de una enorme literatura empírica, en la
que Fama ha sido un contribuyente clave. Esta investigación se discutirá en la Sección 3.

Riesgo y a largo plazo

En general, no se pueden ignorar el descuento y el riesgo, por lo que las pruebas de las
implicaciones básicas del comercio competitivo deben tener en cuenta las propiedades del factor
de descuento m: qué tan grande es en promedio, cuánto fluctúa y, en general, cuál es su serie
de tiempo. las propiedades son. Por lo tanto, una prueba de la teoría sin arbitraje también implica
una prueba de una teoría específica de cómo evoluciona m, un punto que Fama (1970) enfatizó
por primera vez.

Suponga que miramos un activo sin riesgo f y un activo riesgoso i. Entonces la ecuación (1) nos
permite escribir el precio del activo como

El factor de descuento 𝑚𝑡+1(𝑠) puede considerarse como el valor del dinero en el estado s. Por
lo tanto, la ecuación de precios anterior dice que el valor del activo depende de la covarianza
con el valor del dinero. Si la covarianza es negativa, es decir, si la recompensa xx del activo es
alta cuando el valor del dinero es bajo, y viceversa, entonces el activo es menos valioso que el
valor descontado esperado de la recompensa. Además, el término de discrepancia se puede
factorizar en 𝑣ar𝑡(𝑚𝑡+1), la "carga de riesgo" (cantidad de riesgo) y la "exposición al riesgo"
del activo.

6
Alternativamente, la fórmula de fijación de precios se puede expresar en términos de
rendimientos en exceso esperados sobre el activo libre de riesgo: 𝐸𝑡[(𝑅𝑖,𝑡+1 − 𝑅𝑓,𝑡)𝑚𝑡+1] = 0,
donde 1 + 𝑅𝑖,𝑡+1 = 𝑥𝑖,𝑡+1/𝑃𝑡. Esto nos permite escribir

𝐸𝑡𝑅𝑖,𝑡+1 − 𝑅𝑓,𝑡 = −(1 + 𝑅𝑓,𝑡)𝑐o𝑣𝑡(𝑚𝑡+1𝑅𝑖,𝑡+1).

Un activo cuyo rendimiento es bajo en períodos en los que el factor de descuento estocástico es
alto (es decir, en períodos en los que los inversores valoran más los pagos) debe imponer una
"prima de riesgo" más alta o un rendimiento en exceso sobre la tasa libre de riesgo. ¿Qué tan
grande es el exceso de rendimiento en promedio? ¿Cómo varían con el tiempo? ¿Cómo varían
entre diferentes tipos de activos? Estas cuestiones fundamentales han sido exploradas desde
varios ángulos por Fama, Hansen y Shiller. Sus hallazgos sobre la previsibilidad de precios y
los determinantes y propiedades de las primas de riesgo han profundizado nuestra comprensión
de cómo se forman los precios de los activos para el mercado de valores en su conjunto, para
otros mercados específicos como el mercado de bonos y el mercado de divisas, y para el
mercado de valores cruzado. -sección de acciones individuales. En la Sección 4, discutiremos
la predictibilidad de los precios de los activos a lo largo del tiempo,

2.2 Teorías del factor de descuento estocástico

La teoría básica, descrita anteriormente, se basa en la ausencia de arbitraje. El siguiente paso

obvio es discutir los determinantes del factor de descuento estocástico m. En términos generales,
hay dos enfoques: uno basado en el comportamiento racional del inversor, pero posiblemente
con complicaciones institucionales, heterogeneidad del inversor, etc., y un enfoque alternativo
basado en modelos psicológicos de comportamiento del inversor, a menudo llamado finanzas
conductuales.

7
Teoría del inversor racional

La teoría basada en el supuesto del comportamiento racional del inversor tiene una larga
tradición en la fijación de precios de activos, como en otros campos de la economía. En esencia,
vincula el factor de descuento estocástico con el comportamiento del inversor a través de
supuestos sobre preferencias. Suponiendo que los inversores toman decisiones de cartera para
obtener el tiempo deseado y el perfil de riesgo de consumo, la teoría proporciona un vínculo
entre los precios de los activos que enfrentan los inversores en el equilibrio del mercado y el
bienestar de los inversores. Este vínculo se expresa a través de mm, que captura los aspectos de
utilidad que resultan importantes para la valoración del activo. Normalmente, el vínculo clave
proviene del perfil de tiempo de consumo. Un modelo básico que deriva de este vínculo es el
CCAPM. 2 Amplía la teoría CAPM estática de los precios de las acciones individuales
proporcionando una teoría dinámica basada en el consumo de los determinantes de la valoración
de la cartera de mercado. El CCAPM se basa en supuestos cruciales sobre la función de utilidad
y la actitud de los inversores hacia el riesgo, y gran parte del trabajo empírico ha tenido como
objetivo hacer inferencias sobre las propiedades de esta función de utilidad a partir de los
precios de los activos.

La versión más básica de CCAPM involucra a un “inversionista representativo” con

preferencias aditivas en el tiempo que actúa en entornos de mercado que son completos, es
decir, donde hay al menos un activo independiente por estado de la naturaleza. Por tanto, esta
teoría deriva mm en función de los niveles de consumo del inversor representativo en los
períodos t + 1 y t. Fundamentalmente, esta función no es lineal, lo que ha requerido avances
innovadores en la teoría econométrica para probar CCAPM y modelos relacionados. Estos
pasos fueron tomados y aplicados por primera vez por Hansen.

Con el fin de ajustarse mejor a los hallazgos empíricos, el CCAPM se ha ampliado para abordar
las preferencias de los inversores más complejas (como la no separabilidad temporal, la
formación de hábitos, la aversión a la ambigüedad y la robustez), la heterogeneidad de los
inversores, los mercados incompletos y diversas formas de restricciones de mercado, tales como
como restricciones de endeudamiento y restricciones de márgenes. Estas extensiones permiten
una visión más general de cómo mm depende del consumo y otras variables. Los avances en
esta línea de investigación se discutirán en la Sección 5.

2
El CCAPM tiene su origen en el trabajo de Merton (1973), Lucas (1978) y Breeden (1979).

8
Finanzas conductuales

Otra interpretación de las fluctuaciones implícitas de mm observadas en los datos se basa en la

opinión de que los inversores no son completamente racionales. La investigación en este sentido
se ha desarrollado muy rápidamente durante las últimas décadas, siguiendo las contribuciones
originales de Shiller que comenzaron a fines de la década de 1970. Se han explorado varias
desviaciones específicas de la racionalidad. Un tipo de desviación implica reemplazar la
representación tradicional de la utilidad esperada con funciones sugeridas en la literatura sobre
psicología económica. Un ejemplo destacado es la teoría prospectiva, desarrollada por el
laureado 2002 Daniel Kahneman y Amos Tversky. Otro enfoque se basa en el sentimiento del
mercado, es decir, la consideración de las circunstancias bajo las cuales las expectativas del
mercado son irracionalmente optimistas o pesimistas. Esto abre la posibilidad, sin embargo,
para que los inversores racionales aprovechen las oportunidades de arbitraje creadas por las
percepciones erróneas de los inversores irracionales. El comercio de arbitraje racional haría
retroceder los precios hacia los niveles predichos por las teorías no conductuales. Por lo tanto,
a menudo, los modelos de financiamiento conductual también involucran límites al arbitraje
determinados institucionalmente.

La combinación de elementos de comportamiento con límites al arbitraje puede conducir a

factores de descuento estocásticos basados en el comportamiento, con determinantes diferentes
a los derivados de la teoría tradicional. Por ejemplo, si mm se estima a partir de datos utilizando
la ecuación (1) y asumiendo expectativas racionales (incorrectamente), un valor alto de mm
puede deberse al optimismo y puede no reflejar movimientos en el consumo. En otras palabras,
una ecuación como (1) se satisface en los datos, pero dado que el operador de expectativas
asigna pesos excesivamente altos a los buenos resultados, el econométrico sobreestima mm.
Las explicaciones de las finanzas conductuales se analizarán con más detalle en la Sección 6.

CAPM y la sección transversal de la rentabilidad de los activos

Pasando a la sección transversal de activos, recuerde que el precio de una acción individual se
puede escribir como el valor presente de su pago en el siguiente período, descontado por la tasa
de interés sin riesgo, más un término de prima de riesgo que consiste en la cantidad de riesgo,
𝑣a𝑟𝑡(𝑚𝑡+1), del activo multiplicado por su exposición al riesgo,

9
El último término es la “beta” del activo en particular, es decir, el coeficiente de pendiente de
una regresión que tiene el rendimiento del activo como variable dependiente y mm como
variable independiente. Esto expresa una característica clave del CAPM. Un activo con una beta
alta tiene un precio más bajo (de manera equivalente, da un rendimiento esperado más alto)
porque es más riesgoso, según lo definido por la covarianza con mm. El CAPM representa
específicamente mm por el rendimiento de la cartera de mercado. Este modelo ha sido probado
sistemáticamente por Fama y muchos otros. De manera más general, se pueden identificar
varios determinantes de mm y se pueden especificar modelos multifactoriales más ricos de la
sección transversal de los rendimientos de los activos, ya que las acciones generalmente
covarían de manera diferente con diferentes factores.

3. ¿Son predecibles los rendimientos a corto plazo?

Una larga historia se esconde detrás de la idea de que la rentabilidad de los activos debería ser
imposible de predecir si los precios de los activos reflejan toda la información relevante. Su
origen se remonta a Bachelier (1900), y la idea fue formalizada por Mandelbrot (1963) y
Samuelson (1965), quienes demostraron que los precios de los activos en mercados que
funcionan bien y con expectativas racionales deben seguir una forma generalizada de caminata
aleatoria conocida como una submartingala. Los primeros estudios empíricos de Kendall
(1953), Osborne (1959), Roberts (1959), Alexander (1961, 1964), Cootner (1962, 1964), Fama
(1963, 1965), Fama y Blume (1966), y otros, proporcionaron evidencia que respalda esta
hipótesis.

En un artículo influyente, Fama (1970) sintetizó e interpretó la investigación que se había

realizado hasta el momento y delineó una agenda para el trabajo futuro. Fama enfatizó un
problema fundamental que había sido ignorado en gran medida por la literatura anterior: para
probar si los precios incorporan correctamente toda la información relevante disponible, de
modo que las desviaciones de los retornos esperados sean impredecibles, el investigador
necesita saber cuáles son estos retornos esperados en el primer momento. lugar. En términos
del modelo general de precios descrito en la sección 2, el investigador debe saber cómo se
determina el factor de descuento estocástico m y cómo varía con el tiempo. Postular un modelo
específico de precios de activos como hipótesis mantenida permite estudiar más a fondo si las

10
desviaciones de ese modelo son aleatorias o sistemáticas, es decir, si los errores de pronóstico
implícitos en el modelo son predecibles. Sin embargo, encontrar que las desviaciones son
sistemáticas no significa necesariamente que los precios no incorporen correctamente toda la
información relevante; el modelo de fijación de precios de activos (la hipótesis mantenida)
también podría especificarse incorrectamente. 3 Por lo tanto, formular y probar modelos de
valoración de activos se convierte en una parte integral del análisis. Por el contrario, un modelo
de fijación de precios de activos no se puede probar fácilmente sin asumir que los precios
incorporan racionalmente toda la información relevante disponible y que los errores de
pronóstico son impredecibles. La encuesta de Fama proporcionó el marco para una vasta
literatura empírica que ha enfrentado el problema de las hipótesis conjuntas y proporcionó un
cuerpo de evidencia empírica relevante. Muchas de las primeras contribuciones más
importantes a esta literatura fueron hechas por el mismo Fama. En Fama (1991) evaluó el estado
del arte dos décadas después de la primera encuesta.

En su artículo de 1970, Fama también discutió lo que podría significar la información

"disponible". Siguiendo una sugerencia de Harry Roberts, Fama lanzó la tricotomía de (i)
eficiencia informativa de forma débil, donde es imposible vencer sistemáticamente al mercado
utilizando precios históricos de activos; (ii) eficiencia de la información de forma semi-fuerte,
donde es imposible vencer sistemáticamente al mercado utilizando información disponible
públicamente; y (iii) eficiencia informativa de formato fuerte, donde es imposible vencer
sistemáticamente al mercado utilizando cualquier información, pública o privada. El último
concepto parecería poco realista a priori y también difícil de probar, ya que requeriría acceso a
la información privada de todos los iniciados. De modo que los investigadores se centraron en
probar los dos primeros tipos de eficiencia de la información.

3.1 Previsibilidad a corto plazo

Estudios anteriores de la hipótesis del paseo aleatorio habían probado esencialmente el primero
de los tres conceptos de eficiencia de la información: si los rendimientos pasados pueden
predecir los rendimientos futuros. Este trabajo había abordado si los rendimientos pasados

3
El problema de la hipótesis conjunta ha sido generalizado por Jarrow y Larsson (2012). Demuestran que la proposición
de que los precios incorporan la información disponible en un mercado libre de arbitraje puede probarse si se puede
especificar el proceso correcto para la rentabilidad de los activos. La especificación de un modelo de fijación de precios
de activos puede verse como un caso especial de esto, ya que dicho modelo implica un proceso de equilibrio para los
rendimientos de los activos.

11
tenían algún poder para predecir los rendimientos en el futuro inmediato, días o semanas. Si el
factor de descuento estocástico fuera constante en el tiempo, entonces la ausencia de arbitraje
implicaría que los rendimientos futuros inmediatos no se pueden predecir a partir de los
rendimientos pasados. En general, los primeros estudios encontraron muy poca previsibilidad;
La hipótesis de que los precios de las acciones siguen un recorrido aleatorio no puede
rechazarse. En horizontes cortos (como día a día), el problema de hipótesis conjuntas debería
ser insignificante, ya que el efecto de diferentes rendimientos esperados debería ser muy
pequeño. Respectivamente, los primeros estudios no podían rechazar la hipótesis de la eficacia
informativa de forma débil.

En su disertación de doctorado de 1963, Fama se propuso probar sistemáticamente la hipótesis

del paseo aleatorio mediante el uso de tres tipos de prueba: pruebas de correlación serial,
pruebas de ejecución (en otras palabras, si las series de aumentos o disminuciones de precios
ininterrumpidos son más frecuentes que podría ser el resultado de la casualidad) y pruebas de
filtro. Estos métodos habían sido utilizados por investigadores anteriores, pero el enfoque de
Fama era más sistemático y completo y, por lo tanto, tuvo un fuerte impacto en la investigación
posterior. En 1965, Fama informó que los rendimientos diarios, semanales y mensuales eran
algo predecibles a partir de los rendimientos anteriores para una muestra de grandes empresas
estadounidenses. Los rendimientos tendían a correlacionarse automáticamente de forma
positiva. Sin embargo, la relación fue bastante débil y la fracción de la variación de rendimiento
explicada por la variación en los rendimientos esperados fue inferior al 1% para las acciones
individuales. Más tarde, Fama y Blume (1966) encontraron que las desviaciones de la fijación
de precios al azar eran tan pequeñas que cualquier intento de explotarlas probablemente no
sobreviviría a los costos comerciales. Aunque no es exactamente exacto, la visión básica de no
arbitraje en combinación con rendimientos esperados constantes parecía un modelo de trabajo
razonable. Esta fue la opinión de consenso en la década de 1970.

3.2 Estudios de eventos

Si los precios de las acciones incorporan toda la información disponible públicamente (es decir,
si el mercado de valores es "semifuerte" informacionalmente eficiente, en el sentido utilizado
por Fama, 1970), las noticias relevantes deberían tener un impacto inmediato en el precio
cuando se anuncien, pero más allá de la fecha del anuncio, los retornos. debe seguir siendo
impredecible. Esta hipótesis fue probada en un artículo fundamental de Fama, Fisher, Jensen y

12
Roll, publicado en 1969. El equipo también fue el primero en utilizar el conjunto de datos CRSP
de precios de acciones y dividendos estadounidenses, que se había reunido recientemente en la
Universidad de Chicago. bajo el liderazgo de James Lorie y Lawrence Fisher. Fama y sus
colegas introdujeron lo que hoy en día se llama un estudio de eventos. El evento particular que
Fama y sus coautores consideraron fue una división de acciones, pero la metodología es
aplicable a cualquier nueva información que pueda fecharse con una precisión razonable, por
ejemplo, anuncios de cambios de dividendos, fusiones y otros eventos corporativos.

La idea de un estudio de eventos es observar de cerca el comportamiento de los precios justo

antes y después de que llegue al mercado nueva información sobre un activo en particular ("el
evento"). En un mercado libre de arbitraje, donde los precios incorporan toda la información
pública relevante, no habría una tendencia a rendimientos ajustados al riesgo sistemáticamente
positivos o negativos después de un anuncio de noticias. En este caso, la reacción del precio en
el momento del anuncio de la noticia (después de controlar por otros eventos que ocurren al
mismo tiempo) también sería una estimación no sesgada del cambio en el valor fundamental
del activo implícito en la nueva información.

Los estudios de eventos empíricos se ven obstaculizados por el ruido en los precios de las
acciones; muchas cosas afectan a los mercados de valores al mismo tiempo, lo que hace que los
efectos de un evento en particular sean difíciles de aislar. Además, debido al problema de las
hipótesis conjuntas, es necesario tomar una posición sobre los determinantes de los
rendimientos esperados de la acción, de modo que las reacciones del mercado se puedan medir
como desviaciones de este rendimiento esperado. Si el período de tiempo en estudio - "la
ventana del evento" - es relativamente corto, es poco probable que las exposiciones al riesgo
subyacente que afectan el rendimiento esperado de la acción cambien mucho, y los rendimientos
esperados se pueden estimar utilizando datos de rendimiento anteriores al evento.

Fama y sus colegas manejan el problema de la hipótesis conjunta utilizando el llamado "modelo
de mercado" para capturar la variación en los rendimientos esperados. En este modelo, los
rendimientos esperados 𝑅𝑖∗,𝑡 están dados por

𝑅𝑖∗,𝑡 = 𝛼𝑖 + 𝛽𝑖𝑅𝑚,𝑡

Aquí, 𝑅𝑚,𝑡 es el rendimiento general del mercado contemporáneo, y 𝛼i y 𝛽i son coeficientes

estimados de una regresión de los rendimientos realizados sobre la acción i, 𝑅it sobre los
13
rendimientos generales del mercado utilizando datos antes del evento. Bajo el supuesto de que
𝛽𝑖 captura las diferencias en el rendimiento esperado entre los activos, este procedimiento
aborda el problema de la hipótesis conjunta y aísla la evolución del precio de la acción i del
impacto de los shocks generales en el mercado.
Durante un intervalo de tiempo antes y después del evento, Fama y sus colegas luego rastrearon
la tasa de rendimiento sobre el stock i y calculó el residual 𝜀𝑖,𝑡 = 𝑅𝑖,𝑡 − 𝑅𝑖∗,𝑡. Si un evento contiene
noticias relevantes, los residuos acumulados para el período alrededor del evento deben ser
iguales al cambio en el valor fundamental de la acción debido a estas noticias, más ruido
idiosincrásico con un valor esperado de cero. Dado que la falta de predictibilidad implica que
el ruido idiosincrásico no debe estar correlacionado entre los eventos, podemos estimar el
impacto del valor promediando los valores 𝜀𝑖,𝑡 acumulados entre los eventos.
El evento estudiado en el artículo original fue una división de acciones. Los autores encontraron
que, de hecho, las acciones no muestran rendimientos anormales después del anuncio de una
división una vez que se contabilizan los cambios en los dividendos. Este resultado es consistente
con el precio ajustado completamente a toda la información disponible. El resultado de un
estudio de eventos se presenta típicamente en un diagrama pedagógico. Aquí reproducimos el
diagrama de un estudio de Asquith y Mullins (1986) de la reacción del precio de las acciones
de 88 acciones estadounidenses en el momento en que las empresas anunciaron que
comenzarían a pagar dividendos. La hora 0 marca el día en que se publicó el anuncio del inicio
del dividendo en The Wall Street Journal, lo que implica que el mercado se enteró de las noticias
sobre dividendos el día anterior, es decir, en la hora -1. El diagrama traza los "rendimientos
anormales acumulativos", es decir, el rendimiento residual acumulado 𝜀𝑡𝑖 desde 12 días hábiles
antes hasta 12 días hábiles posteriores a la publicación del anuncio. Como se ve en el diagrama,
las noticias sobre dividendos se incorporan rápidamente en los precios de las acciones, con una
gran reacción del precio de las acciones de alrededor del 5% alrededor del día del anuncio y
rendimientos anormales insignificantes antes o después del anuncio. Este patrón indica que este
tipo de noticias no tiene previsibilidad.

14
 Día de
anuncio de
dividendos

Anuncios de dividendos iniciales

Rendimiento
promedio anormal
acumulado

Figura 1: Rendimientos de acciones anormales para anuncios de dividendos iniciales

La metodología de estudio de eventos puede parecer simple, pero la fuerza del estudio original
de Fama, Fisher, Jensen y Roll y sus resultados crearon un subcampo completamente nuevo
dentro de las finanzas empíricas. Podría decirse que un estudio de eventos ofrece la forma más
limpia de probar si la nueva información se incorpora completamente en los precios, sin generar
movimientos de precios predecibles. En general, la gran mayoría de los estudios de eventos han
apoyado esta hipótesis. Sin embargo, se han encontrado algunas excepciones. El más notable y
omnipresente es probablemente el llamado desvío del anuncio posterior a las ganancias,
documentado por primera vez por Ball y Brown (1968).

Uno de los usos más comunes de los estudios de eventos es medir las consecuencias de valor
de varios eventos. Si el mercado incorpora correctamente la nueva información, los efectos de
valor de un evento en particular, como una decisión corporativa, un anuncio macroeconómico
o un cambio regulatorio, se pueden medir promediando los rendimientos anormales en un gran
número de tales eventos para diferentes activos y períodos de tiempo. Este método se ha vuelto
de uso común para probar las predicciones de varias teorías económicas, en particular en las
finanzas corporativas. Ver MacKinlay (1997) y Kothari y Warner (2007) para revisiones de esta
extensa literatura.

15
3.3 Estudios posteriores de previsibilidad a corto plazo

Una avalancha de estudios empíricos que utilizaron series de tiempo más largas y métodos
econométricos más refinados siguieron los pasos del trabajo inicial sobre la predictibilidad de
Fama y otros. Los investigadores encontraron una previsibilidad a corto plazo estadísticamente
significativa en los rendimientos de las acciones, pero que dicha previsibilidad es de pequeña
magnitud (por ejemplo, French y Roll, 1986, Lo y MacKinlay, 1988, Conrad y Kaul, 1988). La
autocorrelación resulta ser más fuerte para las acciones más pequeñas y que se negocian con
menos frecuencia, lo que indica que explotar esta previsibilidad es muy difícil, dados los costos
de negociación. Centrándose en un horizonte muy corto, French y Roll (1986) comparan la
varianza de los rendimientos por hora entre los momentos en que el mercado está abierto y los
fines de semana y las noches cuando el mercado está cerrado. Resulta que los precios varían
significativamente más cuando el mercado está abierto que durante las noches o los fines de
semana, midiendo la evolución del precio por hora desde el cierre hasta la apertura. Este
hallazgo es intrigante, a menos que la intensidad de las noticias sea, en consecuencia, mucho
mayor cuando el mercado está abierto. Una interpretación es que la “negociación ruidosa”
desinformada provoca desviaciones a corto plazo del precio de su valor fundamental.
Consistente con esto, French y Roll encontraron que las autocorrelaciones de alto orden de los
rendimientos diarios de las acciones individuales son negativas. Aunque la interpretación de
estos hallazgos aún está sujeta a debate, una explicación común es que parte de esta
previsibilidad se debe a los efectos de liquidez, donde la ejecución de grandes operaciones
conduce a presiones de precios a corto plazo y posteriores reversiones (Lehmann, 1990).

El programa de investigación esbozado por Fama en su artículo de 1970 ya ha arrojado

evidencia sistemática de que los rendimientos de las acciones negociadas en bolsa son algo
predecibles en horizontes cortos, pero que el grado de predecibilidad es tan bajo que apenas
quedan ganancias comerciales sin explotar, una vez que los costos de transacción se tienen en
cuenta. En este sentido específico, los mercados de valores parecen estar cerca del modelo sin
arbitraje con errores de pronóstico impredecibles. Sin embargo, la falta de previsibilidad a corto
plazo no impide que los rendimientos del mercado de valores a más largo plazo puedan mostrar
una previsibilidad considerable. Incluso si los rendimientos a corto plazo son casi
impredecibles, es muy posible que los rendimientos sean predecibles en horizontes de tiempo
más largos. En la siguiente sección, examinamos la evidencia sobre la predictibilidad a más
largo plazo.

16
 4. Previsibilidad a más largo plazo

Los estudios de previsibilidad a más largo plazo deben afrontar el problema de las hipótesis
conjuntas de frente. En la medida en que uno esté dispuesto a mantener la hipótesis de la fijación
de precios sin arbitraje, la predictibilidad del rendimiento a largo plazo permitiría inferencias
sobre el modelo correcto de fijación de precios de activos. Por el contrario, encontrar la
previsibilidad a largo plazo puede sugerir la existencia de oportunidades de arbitraje dado un
modelo de valoración de activos en particular.

La previsibilidad a largo plazo de los rendimientos de los activos se convirtió en un tema de

investigación importante en la década de 1980. Las contribuciones fundamentales son
atribuibles a Shiller. Fama también hizo importantes contribuciones iniciales; por ejemplo,
Fama y Schwert (1977) demostraron que la tasa de interés a corto plazo podría usarse para
pronosticar el rendimiento en el mercado de valores.

4.1 Pruebas de razón de varianza

¿Los rendimientos esperados del mercado son constantes a lo largo del tiempo o varían de
manera predecible? Shiller abordó esta cuestión para los mercados de bonos (1979), así como
para los mercados de valores (1981). Se dio cuenta de que la hipótesis simple de no arbitraje,
con un rendimiento esperado constante, podía probarse comparando la varianza de los
rendimientos de los activos a corto y largo plazo. Hasta principios de la década de 1980, la
mayoría de los economistas financieros creían que las noticias sobre el flujo de caja eran el
factor más importante que impulsaba las fluctuaciones del mercado de valores. En el título de
su artículo de 1981, Shiller desafió este punto de vista preguntando: "¿Los precios de las
acciones se mueven demasiado para ser justificados por cambios posteriores en los dividendos?"

Para comprender la visión de Shiller, recuerde que la ecuación de precios básica (1) implica que
el precio de un activo en un mercado libre de arbitraje puede escribirse como un valor presente
esperado de los "fundamentos" futuros: el valor descontado de los flujos de efectivo futuros
(dividendos en el caso de acciones), donde el descuento está representado por valores futuros
de mm. Como se señaló anteriormente, tanto los dividendos como el factor de descuento son
estocásticos. Sea 𝑃𝑖∗,𝑡 la realización del valor fundamental de una acción i en el momento t, es
decir, la suma descontada de los dividendos futuros realizados desde el momento t + 1 en
adelante. Este valor no se conoce en el momento t, pero los inversores deben predecirlo.

17
Cualquier movimiento inesperado en los precios de las acciones debe provenir de un cambio
sorpresivo a 𝑃𝑖∗,𝑡,, ya sea debido a un movimiento de dividendos o un movimiento en el factor
de descuento estocástico. Así, la teoría dice que Pi,t, = Et[P*I,t], de modo que el error de
previsión, Pi,t Pi ,t, debe ser incorrupto con cualquier información disponible hoy en día, en
particular el precio actual.
Para investigar esta relación empíricamente, Shiller (1981a) asumió un factor de descuento
constante, lo que implica que los fundamentos (realizados) están dados por

La serie de tiempo resultante, basada en dividendos en la Bolsa de Valores de Nueva York, se

muestra en la figura siguiente junto con el índice bursátil en sí. El contraste de volatilidad entre
las dos series es sorprendente. Contrariamente a la implicación del modelo de valor presente
con tasas de descuento constantes, la variación del precio es mucho mayor que la variación de
la suma descontada de los dividendos futuros.

Los primeros resultados de exceso de volatilidad fueron cuestionados por motivos

econométricos por Marsh y Merton (1986) y Kleidon (1986), quienes señalaron que las
estadísticas de prueba utilizadas por Shiller (1979, 1981) solo son válidas si las series de tiempo
son estacionarias. Este tema fue abordado por Campbell y Shiller (1987). Utilizaron la teoría de
procesos cointegrados, que había sido desarrollada recientemente por los laureados Clive
Granger y Robert Engle 2003, para diseñar nuevas pruebas del modelo de valor presente que
permitan que los procesos que generan precios y dividendos sean no estacionarios. El modelo
fue nuevamente rechazado, incluso en estas condiciones más generales y realistas. El artículo
de Campbell y Shiller (1987) también fue importante al mostrar cómo los métodos de
cointegración pueden usarse como una extensión natural de la noción de Fama (1970) de
pruebas de “forma débil”.4

4
Campbell y Shiller también se inspiraron en el trabajo de Hansen y Sargent (1980), quienes mostraron cómo el
concepto de causalidad de Granger podría usarse para probar modelos de expectativas racionales.

18
Figura 2: Índice de precios de acciones compuesto Real Standard and Poor's (línea continua p) y precio racional ex post (línea
punteada p *), 1871-1979, ambos sin tendencia al dividir un factor de crecimiento exponencial de largo plazo. La variable p *
es el valor presente de los dividendos reales sin tendencia real subsiguientes, sujeto a una suposición sobre el valor presente en
1979 de los dividendos posteriores.

4.2 Previsibilidad en las devoluciones de acciones

El hallazgo de que los rendimientos de las acciones y los bonos son más volátiles a corto plazo
que a largo plazo implica que los rendimientos son de “reversión media”, es decir, los
rendimientos por encima del promedio tienden a ir seguidos de rendimientos por debajo del
promedio y viceversa. Esto también implica que los rendimientos futuros se pueden predecir a
partir de los rendimientos pasados. La evidencia de que la rentabilidad de las acciones puede
ser predecible a mediano y largo plazo ya había comenzado a surgir en la década de 1970. Basu
(1977, 1983) documentó que las acciones con una alta relación entre ganancias y precio o
dividendo a precio superan a las acciones con bajas relaciones. La investigación de Fama y
Schwert (1977) sobre la relación entre los rendimientos de las acciones y la inflación mostró
que los períodos de altas tasas de interés a corto plazo tienden a ir seguidos de rendimientos
bursátiles posteriores más bajos.

El hallazgo de que los precios de las acciones son excesivamente volátiles en relación con los
dividendos hizo que fuera natural centrarse en los niveles actuales de dividendos como predictor
de los rendimientos futuros. Shiller (1984) estudió los datos del mercado de valores de EE. UU.
Que se remontan a la década de 1870. Al hacer una regresión de la tasa de rendimiento de un
año por delante de la relación precio-dividendo actual, encontró una relación positiva: los

19
dividendos altos en relación con el precio predicen rendimientos superiores a lo normal.
Aparentemente, un inversor podría obtener mayores rendimientos yendo en contra del mercado,
comprando cuando los precios son bajos en relación con los dividendos y vendiendo cuando los
precios son altos. En un artículo posterior, Campbell y Shiller (1988a) estudiaron el poder
predictivo de una media móvil larga de ingresos reales. Descubrieron que esta variable tiene un
gran poder para predecir dividendos futuros y que la relación entre esta variable de ganancias y
el precio actual de las acciones es un poderoso predictor de los rendimientos futuros de las
acciones. Otros estudios tempranos sobre la previsibilidad de la rentabilidad de la población
incluyen a Keim y Stambaugh (1986) y Campbell (1987). Estos y otros estudios identificaron
una variedad de variables que pronostican la rentabilidad futura de las acciones. Por lo general,
estas variables están correlacionadas con indicadores macroeconómicos clave, lo que sugiere
que el factor de descuento varía con el estado del ciclo económico.

De acuerdo con la predictibilidad limitada en horizontes muy cortos discutida en la sección 3,

Fama y French (1988a) documentaron que la predictibilidad aumenta con el horizonte. Este
hallazgo se ilustra en la tabla siguiente, extraída de Cochrane (2001). En un horizonte de un
año, la relación dividendo / precio explica el 15% de la variación en el exceso de rentabilidad,
pero en un horizonte de cinco años, el poder explicativo llega al 60%.

Coeficientes de la regresión de los rendimientos en exceso en

diferentes horizontes sobre la relación entre dividendo y precio

Horizonte (años) Coeficiente R2

(Error estándar)
1 5,3 (2,0) 0,15

2 10 (3,1) 0,23

3 15 (4,0) 0,37

5 33 (5,8) 0,60

En una contribución relacionada, Campbell y Shiller (1988b) exploran los determinantes de la

relación precio-dividendo 𝑑𝑡⁄𝑃𝑡. La teoría básica de precios implica que esta relación debe
reflejar las expectativas de crecimiento futuro de los dividendos y las tasas de descuento. En el

20
caso más simple de ausencia de incertidumbre, crecimiento constante de dividendos a una tasa
gy una tasa de descuento constante R, la expresión de precios se simplifica a 𝑑𝑡⁄𝑃𝑡 = 𝑅 − 𝑔 la
denominada fórmula de Gordon. Sin embargo, en general, dada su no linealidad, implementar
una ecuación de precios de activos para estudios empíricos no es sencillo. La metodología
desarrollada por Campbell y Shiller permite al analista medir hasta qué punto las variaciones
en d / P pueden explicarse por variaciones en los dividendos esperados y las tasas de descuento,
respectivamente. Se basa en una linealización que descompone el logaritmo de d / P en una
suma ponderada de las tasas de descuento logarítmicas futuras esperadas y los cambios
logarítmicos de dividendos. Para generar expectativas, Campbell y Shiller estimaron un sistema
de autorregresión vectorial basado en medidas alternativas de tasas de descuento, por ejemplo,
tasas de interés y crecimiento del consumo. Encontraron alguna evidencia de que d / P se ve
afectado positivamente por el crecimiento futuro de los dividendos. Sin embargo, ninguna de
las medidas de la tasa de descuento utilizadas ayudó a explicar la relación precio-dividendo y,
en general, la mayor parte de la variación de esta relación permaneció sin explicación. La
descomposición de Campbell-Shiller se ha vuelto muy influyente al proporcionar un desafío
empírico para comprender qué impulsa los precios de los activos y al proporcionar una
metodología para abordar este desafío. Encontraron alguna evidencia de que d / P se ve afectado
positivamente por el crecimiento futuro de los dividendos. Sin embargo, ninguna de las medidas
de la tasa de descuento utilizadas ayudó a explicar la relación precio-dividendo y, en general,
la mayor parte de la variación de esta relación permaneció sin explicación. La descomposición
de Campbell-Shiller se ha vuelto muy influyente al proporcionar un desafío empírico para
comprender qué impulsa los precios de los activos y al proporcionar una metodología para
abordar este desafío. Encontraron alguna evidencia de que d / P se ve afectado positivamente
por el crecimiento futuro de los dividendos. Sin embargo, ninguna de las medidas de la tasa de
descuento utilizadas ayudó a explicar la relación precio-dividendo y, en general, la mayor parte
de la variación de esta relación permaneció sin explicación. La descomposición de Campbell-
Shiller se ha vuelto muy influyente al proporcionar un desafío empírico para comprender qué
impulsa los precios de los activos y al proporcionar una metodología para abordar este desafío.

4.3 Previsibilidad en otros mercados de activos

Los hallazgos de exceso de volatilidad y previsibilidad de Shiller y otros resultaron ser un

fenómeno generalizado, no solo en el mercado de valores, sino también en otros mercados de
activos. Como precursor de su trabajo en 1980, Shiller (1979) ya encontró evidencia de un
21
exceso de volatilidad para los bonos del gobierno. Bajo el supuesto de una prima de riesgo
constante (la llamada hipótesis de expectativas), las tasas de interés a largo plazo deben ser
iguales a los promedios ponderados de las tasas futuras esperadas a corto plazo y, en
consecuencia, la volatilidad de las tasas a largo plazo debe ser menor que la volatilidad de tarifas
a corto plazo. Shiller encontró todo lo contrario. La volatilidad de las tasas a largo plazo resultó
ser muchas veces mayor que la volatilidad de las tasas a corto plazo. Al igual que los precios
de las acciones, el exceso de volatilidad de los precios de los bonos a largo plazo implica que
los rendimientos de los bonos son predecibles. Después, Shiller, Campbell y Schoenholtz
(1983), Fama y Bliss (1987) y Campbell y Shiller (1991) encontraron que la pendiente de la
curva de rendimiento del Tesoro de los Estados Unidos predice los rendimientos de los bonos
en todos los vencimientos. Además, Campbell (1987) y Fama y French (1989) mostraron que
la estructura temporal de las tasas de interés también predice el rendimiento de las acciones, y
que los rendimientos excedentes de los bonos y las acciones a largo plazo se mueven juntos.

Se encontraron resultados similares en los mercados de divisas. Según la hipótesis de las

expectativas, los tipos de cambio a plazo deberían ser iguales a los tipos al contado esperados.
La hipótesis de las expectativas implica que el llamado carry trade, que implica pedir prestado
en una divisa de bajo interés e invertir en una divisa de alto interés, no debería generar un exceso
de rendimiento positivo, ya que la tasa de interés más alta debería compensarse con la
depreciación de la moneda. Hansen y Hodrick (1980) desarrollaron pruebas econométricas
utilizando múltiples tasas forward de diferentes vencimientos y pudieron rechazar la hipótesis
de las expectativas en los mercados de divisas.5De manera similar, Fama (1984) mostró que el
coeficiente de la tasa a plazo en una regresión de las tasas futuras al contado es en realidad
negativo, en lugar de más uno, como predeciría la hipótesis de las expectativas. Estos estudios,
así como muchos otros que siguieron, indicaron que los mercados de divisas también exhiben
una significativa previsibilidad de los retornos.

El resultado de estos resultados es que la volatilidad y la previsibilidad de los rendimientos de

acciones, bonos y divisas solo pueden ser compatibles con los mercados libres de arbitraje si el
rendimiento esperado, es decir, el factor de descuento, es muy variable a lo largo del tiempo.
La pregunta entonces es si los modelos teóricos son capaces de generar una variabilidad tan alta
en el factor de descuento.

5
El enfoque econométrico adoptado por Hansen y Hodrick (1980) puede verse como un precursor del GMM de
Hansen (1982), que se analiza en la sección 5.3 a continuación.

22
 5. Prima de riesgo y volatilidad en modelos de agente racional

Los hallazgos de exceso de volatilidad y previsibilidad, y los hallazgos relacionados, como las
primas de alto rendimiento de las acciones, de Shiller y otros investigadores ilustran la
necesidad de una comprensión más profunda de lo que impulsa la variación en los rendimientos
esperados a lo largo del tiempo. Una importante línea de investigación, iniciada en la década de
1970, continúa esforzándose por construir modelos dinámicos de fijación de precios de activos
que se basan en la optimización del comportamiento, lo que implica precios libres de arbitraje.
En un modelo dinámico, las preferencias de riesgo de los inversores pueden variar con el
tiempo, por ejemplo, como resultado de shocks de consumo o riqueza, generando así
fluctuaciones en las primas de riesgo y la previsibilidad de los rendimientos.

5.1 El modelo de fijación de precios de capital-activos de consumo (CCAPM)

El modelo de precios dinámicos más básico, el CCAPM, parte del supuesto de que la economía
puede ser descrita por un agente representativo que maximiza la utilidad esperada dada por

donde u es una función de utilidad del consumo cy β es el factor de descuento subjetivo. Aquí,
escribimos la expectativa condicional 𝐸𝑡(*) como E(*/It) para especificar explícitamente el
conjunto de información It en el que se basa la expectativa. El agente se enfrenta a una simple
restricción presupuestaria

donde 𝑤𝑖,𝑡 es el número de unidades invertidas en el activo de riesgo i en el momento t, 𝑑i,t, t

es el dividendo generado por ese activo y 𝑦𝑦 es el ingreso laboral en el momento t. La ecuación
clave de CCAPM es la condición de primer orden para el máximo de utilidad:

23
Aquí, como antes, 𝑥𝑖,𝑡+1 ≡ 𝑃𝑖,𝑡+1 + d 𝑖,𝑡+1 es el pago del activo en el tiempo t + 1. Un agente de
optimización es indiferente entre consumir una unidad en el tiempo t, por lo que recibe el
marginal utilidad de una unidad en ese momento (el lado izquierdo), e invirtiéndola para obtener
una tasa de rendimiento 𝑥𝑡+1/𝑃𝑡 y obteniendo la utilidad marginal descontada al consumirla en
t + 1 (el lado derecho). Esta llamada ecuación de Euler se puede reescribir como una ecuación
de precios de activos:

La ecuación (2) es, por tanto, una ecuación de valor presente del mismo tipo que la derivada de
la ausencia de arbitraje, ecuación (1), con el factor de descuento estocástico mt + 1 ahora dado
por 𝛽𝑢′(𝑐𝑡+1)/𝑢′(𝑐𝑡), que es la tasa marginal de sustitución entre el consumo de hoy y el de
mañana. Esta ecuación muestra por qué la tasa de descuento sería baja durante las recesiones:
en tiempos malos, los servicios públicos 𝑢′(ct+1)/u’(ct) son correspondientemente bajos (a la
inversa, el factor de descuento debería ser alto durante los auges).
Por tanto, el CCAPM parecería dar una posible explicación cualitativa de los hallazgos de
previsibilidad y exceso de volatilidad basada en un comportamiento racional. ¿Qué pasa con el
contenido cuantitativo de la teoría?

5.2 Prueba del modelo de fijación de precios de activos de capital de consumo (CCAPM)

Enfrentar la teoría económica con los datos es un desafío metodológico, especialmente cuando
la teoría da lugar a ecuaciones dinámicas no lineales. Por esa razón, los investigadores a menudo
evalúan los modelos de manera informal, por ejemplo, mediante el uso de la calibración, donde
los parámetros del modelo se seleccionan en función de criterios no estadísticos y el modelo se
resuelve y simula. Al comparar la serie de tiempo resultante generada por el modelo con los
datos reales, la calibración puede ser útil para evaluar si un modelo puede ser capaz de hacer
coincidir cuantitativamente los datos reales. Un enfoque más riguroso, por supuesto, sería
utilizar métodos estadísticos formales. Pero antes de la década de 1980, los desafíos
metodológicos eran abrumadores, y no fue hasta que Hansen desarrolló el GMM que las pruebas

24
formales del CCAPM se convirtieron en algo común. Por lo tanto, la evaluación empírica del
CCAPM comenzó con métodos informales.

... usando calibración y estadísticas informales

Grossman y Shiller (1981) fueron los primeros en evaluar el CCAPM cuantitativamente.

Supusieron que la utilidad viene dada por una función de potencia (lo que implica una constante
aversión relativa al riesgo). El factor de descuento 𝛽𝑢′(𝑐𝑡+1)/𝑢′(𝑐𝑡) se puede calcular a partir
de los datos de consumo para cualquier valor dado de aversión relativa al riesgo. Sin embargo,
utilizando datos de consumo de EE. UU., Grossman y Shiller encontraron que la volatilidad
observada del precio de las acciones solo podía ser coherente con la CCAPM si la utilidad
marginal del consumo era extremadamente sensible a las variaciones en el consumo, es decir,
si el consumidor representativo era extremadamente reacio al riesgo. Este hallazgo dejó el
exceso de volatilidad como un desafío para la investigación futura de precios de activos.
Posteriormente, Shiller (1982) mostró que el modelo implicaba un límite inferior en la tasa
marginal de sustitución intertemporal.
De paso, Grossman y Shiller también señalaron que el CCAPM implicaba un nivel mucho más
bajo de rendimiento de las acciones que el observado en los datos, lo que proporciona una
ilustración temprana de lo que Mehra y Prescott (1985) posteriormente llamaron el
rompecabezas de la prima de las acciones. En su artículo, Mehra y Prescott destacaron la
extrema dificultad que tienen los modelos tradicionales para hacer coincidir un exceso de
rendimiento observado de las acciones en relación con un activo libre de riesgo de más del 5%
anual, una magnitud que se había observado en los datos de EE. UU. Y muchos más. otros
paises. Para hacer coincidir los datos, se necesitaban coeficientes de aversión relativa al riesgo
de alrededor de 50, y se consideró que tales niveles de aversión al riesgo no eran realistas desde
una perspectiva microeconómica aplicada, al menos para el inversor medio.

… Y usando métodos estadísticos formales

Como se mencionó anteriormente, el CCAPM implica que los rendimientos son predecibles
siempre que los agentes sean reacios al riesgo y se puedan predecir variaciones en el consumo.
Sin embargo, para probar esta teoría, los investigadores se enfrentan a varias dificultades. Una
dificultad es la no linealidad inherente de la principal ecuación de estimación. Otro es la

25
necesidad de especificar un proceso estocástico completo para el consumo. De hecho, estas
dificultades, junto con la correlación en serie de cualquier error en el sistema dinámico, son
compartidas por un gran conjunto de modelos utilizados en economía. A principios de la década
de 1980, la única forma de manejar estas dificultades era hacer una serie de supuestos muy
específicos, supuestos que ni siquiera se percibían como centrales para el problema principal en
cuestión. Por lo tanto,

Hansen y Singleton (1983) dieron una ilustración influyente de este punto, quienes abordaron
las dificultades mediante una combinación de aproximaciones y supuestos específicos.
Suponiendo términos de error distribuidos normalmente de forma conjunta, desarrollaron la
siguiente versión log-lineal de CCAPM:

Esta ecuación expresa los rendimientos logarítmicos esperados como la suma de tres términos:
la tasa logarítmica de preferencia temporal β, un término que es multiplicativo en la tasa de
aversión al riesgo γ y la tasa esperada de cambio de consumo, y un término que depende de
varianzas y covarianzas . Luego, Hansen y Singleton estimaron este modelo linealizado para
los rendimientos mensuales de las acciones, utilizando un estimador de máxima verosimilitud.
Basado en un índice bursátil ponderado por valor, el modelo funcionó relativamente bien, dando
estimaciones de la aversión relativa al riesgo entre cero y dos y mostrando poca evidencia en
contra de las restricciones de los parámetros. Sin embargo, cuando se estimó en base a los
rendimientos de acciones y bonos individuales, el modelo fue fuertemente rechazado. Esta falla
es una indicación temprana de un serio desafío al modelo de fijación de precios de activos
basado en agentes racionales. En ese momento, sin embargo, No estaba claro cuánto del rechazo
se debió a los supuestos del proceso de linealización y error y cuánto fue una limitación
inherente de la teoría. El MMG proporcionó una forma de abordar estos problemas.

26
5.3 El Método Generalizado de Momentos (GMM) El contexto de fijación de precios de
activos

El contexto de fijación de precios de activos

Considere nuevamente la ecuación principal del modelo CCAPM, la ecuación (2). Definiendo
𝑅𝑖,𝑡+1 ≡ 𝑥𝑥𝑖𝑖,𝑡𝑡+1 𝑃𝑃, se puede reescribir como

Esta es una función no lineal de los procesos estocásticos de consumo y rendimiento y

cualquier variable adicional relevante en el conjunto de acondicionamiento It. La expresion

- 1 puede considerarse como un error de pronóstico de un

período de anticipación. Bajo expectativas racionales, este error debe ser independiente
de cualquier información disponible en el momento t. Usemos zjt para denotar una
variable en el conjunto de información It, por ejemplo, el precio histórico de un activo.
Esto implica, para cualquier activo iy variable condicionante o "instrumento" zj, que

Esta ecuación, que es una implicación de la ecuación (3), es la base para la estimación de GMM
de un modelo de precios de activos.

Alguna teoría econométrica

La ecuación (4) puede verse como un elemento en la siguiente ecuación vectorial

𝐸𝒈 (𝒙𝑡, 𝜽) = 𝟎 (5)
27
donde xx es un proceso estocástico vectorial (secuencia de variables aleatorias) y 𝜽 es un vector
de parámetros a estimar. La función de valor vectorial g expresa la condición de ortogonalidad
clave - una ecuación para cada activo i e instrumento zjt. En el ejemplo, xt consiste en c, Ri
(para todos los activos i), y zjt (para al menos un instrumento j), y 𝜽 consiste en 𝛽 y los otros
parámetros en (4). El (i,j)º elemento del vector jt g sería por lo tanto

para el activo 𝑖 y un instrumento particular 𝑧jt. Este elemento tiene expectativa cero y
puede interpretarse como una forma de error de pronóstico.

En un artículo que resultó ser uno de los más influyentes en econometría, Hansen (1982) sugirió
el GMM como un enfoque atractivo para estimar sistemas no lineales como la ecuación (5).
Una de las principales razones por las que este estimador se ha vuelto tan popular es que coloca
solo restricciones muy débiles en el proceso estocástico xt, que puede ser cualquier proceso
ergódico débilmente estacionario, y en g, que puede ser no lineal. Esta generalidad es
particularmente importante en aplicaciones de datos de panel y series de tiempo, como las de
precios de activos, donde el proceso estocástico está correlacionado y las relaciones clave no
son lineales. Las condiciones de momento como (5) se habían utilizado en la estimación de
parámetros desde Pearson (1894, 1900), ver también Neyman y Pearson (1928), pero su uso se
ha limitado a casos en los que los componentes de xt son independientes en el tiempo, por
ejemplo, como en el caso de experimentos independientes repetidos. La contribución de Hansen
fue generalizar la teoría previa de la estimación de momentos al caso donde xt es un proceso
estacionario y ergódico.

El estimador GMM se puede definir utilizando la función de momento muestral

𝒈𝒈𝑇𝑇
y la forma cuadrática

𝑆𝑆𝑇𝑇 (𝜽𝜽) ≡ 𝑇𝑇𝒈𝒈𝑇𝑇 (𝜽𝜽) ′ 𝑾𝑾𝒈𝒈𝑇𝑇 (𝜽𝜽),

28
donde 𝑾 es una matriz de peso definida positiva. El estimador GMM 𝜽t minimiza 𝑆t (𝜽).
Hansen (1982) mostró que este estimador es consistente para el verdadero vector de parámetros
bajo 𝒈(𝒙𝑡, 𝜽). Como ya se indicó, la demostración permite ciertas condiciones de regularidad
temporal estocásticas bastante generales t y que es asintóticamente normal dada la dependencia
de algunas restricciones leves para el proceso estocástico xt.
Además, Hansen definió la matriz de covarianza asintótica

𝜴𝜴 =−1 𝐸𝐸𝒈𝒈𝑡𝑡 (𝜽𝜽) 𝒈𝒈𝑡𝑡 − 𝑗𝑗 (𝜽𝜽) ′. 𝑇𝑇

Hansen mostró que la selección 𝑾 = 𝜴-1 asegura que el estimador resultante 𝜽t minimiza (en
el sentido de la matriz) la matriz de covarianza asintótica del estimador. Este resultado
proporciona un límite de eficiencia asintótico para el estimador GMM, un límite porque no se
conoce el verdadero 𝞨.

Hansen también mostró cómo estimar la matriz de covarianza asintótica y, utilizando su inversa
como matriz de ponderación, derivó la distribución normal asintótica resultante. La
construcción de Hansen de la estimación de 𝜴 se basa en una estimación consistente de 𝜽 para
la muestra en cuestión, pero al mismo tiempo, la estimación de 𝜴 es necesaria para construir
una estimación eficiente de 𝜽 Este acertijo significa que no hay una forma sencilla de obtener
la estimación eficiente. Por lo tanto, Hansen propuso un procedimiento de dos etapas: comenzar
con una matriz de ponderación arbitraria y usarla para construir un estimador consistente y usar
ese estimador para estimar la matriz de covarianza asintótica; luego use esa matriz para obtener
el estimador eficiente de 𝜽. Posteriormente se propusieron procedimientos alternativos para
mejorar este enfoque de dos etapas.

Finalmente, Hansen demostró cómo construir una prueba de sobreidentificación de

restricciones, basada en un método propuesto por Sargan (1958). Bajo la hipótesis nula, este
estadístico de prueba tiene una distribución X2 asintótica con k - r grados de libertad, donde k
es el número de condiciones de momento y r el número de combinaciones lineales de estas
condiciones (para encontrar r parámetros de interés).

En resumen, Hansen proporcionó las herramientas estadísticas necesarias para tratar con la
estimación de modelos económicos dinámicos utilizando datos de panel, donde las variables

29
correlacionadas en serie son comunes y donde especificar un modelo completo no siempre es
deseable o incluso posible; GMM se puede aplicar a un subconjunto de las ecuaciones del
modelo. GMM ha tenido un gran impacto en muchos campos de la economía donde se utilizan
datos de panel dinámico, por ejemplo, para estudiar el consumo, la oferta de mano de obra o la
fijación de precios firmes. En la actualidad, es una de las herramientas más utilizadas en
econometría, tanto para la estimación estructural y la predicción como en aplicaciones
microeconómicas y macroeconómicas.6

La aplicación de fijación de precios de activos

Equipados con GMM, los investigadores que analizan los precios de los activos ahora podrían
ponerse a trabajar. La primera aplicación directa del procedimiento GMM de Hansen se informa
en el documento sobre fijación de precios de activos de Hansen y Singleton (1982). Pero un uso
anterior de la idea esencial detrás de GMM se puede encontrar en el trabajo de Hansen y Hodrick
(1980), quienes analizaron las monedas y preguntaron si los tipos de cambio futuros son
predictores no sesgados de los futuros tipos al contado. La correlación serial en errores y no
linealidades invalida los enfoques tradicionales para este problema, y los autores derivaron
propiedades asintóticas basadas en métodos que resultaron ser un caso especial de GMM.

El propósito principal de Hansen y Singleton (1982) fue probar el CCAPM. Para operacionalizar
el modelo, los autores asumieron la utilidad, al igual que Grossman y Shiller (1981), para
mostrar una aversión al riesgo relativa constante: 𝑢(𝑐) = 𝑐(1−𝛾)/(1 − 𝛾𝑗). Con esta
especificación, un elemento de i, que representa un determinado activo 𝒈 y un instrumento zj,
toma la forma ∙

𝑧𝑗𝑡 con β y γ como parámetros a estimar. La condición de momento correspondiente se

convierte así

6
Véanse los artículos de revisión de Hansen y West (2002) y Jagannathan, Skoulakis y Wang (2002) para ver ilustraciones
del uso de GMM en macroeconomía y finanzas. En microeconometría, GMM también ha sido un modelo comúnmente
utilizado para la estimación con datos de panel - ver Arellano y Bond (1991) y Blundell y Bond (1998).

30
Con n activos y m instrumentos, existen nm tales condiciones de momento. Con menos de nm
parámetros para estimar, el modelo puede probarse en busca de restricciones de
sobreidentificación. Esta formulación de variables instrumentales ilustra el punto planteado por
Fama (1970): probar un modelo de fijación de precios de activos equivale a una prueba conjunta
de la hipótesis generada por el modelo y la falta de errores de pronóstico predecibles. Si se
rechazan las restricciones de sobreidentificación, esto significa que el modelo es incorrecto, es
decir, que se viola la condición de no arbitraje, o que se viola la condición de ortogonalidad de
los instrumentos, o ambas cosas.
Hansen y Singleton (1982) estimaron este modelo por GMM, utilizando valores rezagados de
𝑅𝑖 como instrumentos. Los datos son índices agregados para la Bolsa de Valores de Nueva York,
así como índices para diferentes industrias, y el modelo se estima en series de rendimiento único
y múltiple. Todas las versiones del modelo arrojan estimaciones económicamente significativas
con γ cercano a la unidad (aunque con un gran error estándar) y β ligeramente menor que la
unidad. Sin embargo, cuando se aplican a más de un índice bursátil, las restricciones de
sobreidentificación generalmente se rechazan.7Por lo tanto, de acuerdo con los hallazgos de
exceso de volatilidad de Grossman y Shiller (1981), esta versión simple de CCAPM no se ajusta
muy bien a los datos. Este resultado ha dado lugar a una gran cantidad de investigaciones
destinadas a comprender las deficiencias del modelo básico.

En la búsqueda de un modelo que se ajuste mejor a los datos, sería útil una herramienta de
diagnóstico que establezca las propiedades que debe poseer el factor de descuento estocástico.
Hansen y Jagannathan (1991) demostraron que la denominada relación de Sharpe, expresada
por la relación entre el rendimiento en exceso esperado de un activo sobre la tasa libre de riesgo
y la desviación estándar del rendimiento en exceso, da un límite inferior a la volatilidad de el
factor de descuento. Específicamente,
,

donde el lado izquierdo es la relación entre la desviación estándar del factor de descuento y su
valor esperado y el lado derecho es el índice de Sharpe. Esta relación fue originalmente

7
En un artículo posterior, Hansen y Singleton (1984) corrigieron un error en su serie de datos original. Utilizando los
datos revisados, el CCAPM fue rechazado con más firmeza.

31
establecida por Shiller (1982) para un solo activo de riesgo y generalizada por Hansen y
Jagannathan para cubrir muchos activos y ningún activo libre de riesgo. En un trabajo posterior,
Hansen y Jagannathan (1997) ampliaron su análisis y derivaron pruebas formales del
desempeño de diferentes proxies estocásticos de factores de descuento.

Los límites de Hansen-Jagannathan se han vuelto ampliamente utilizados en aplicaciones

prácticas. Muchos activos y estrategias de inversión, como momentum (compra en acciones con
altos rendimientos pasados y cortocircuito en acciones con rendimientos pasados bajos;
consulte la Sección 7) o carry trade (préstamos en monedas con tasas de interés bajas e
inversiones en monedas con tasas de interés altas) tienen relaciones de Sharpe muy altas. Para
el mercado de valores estadounidense de posguerra, el índice de Sharpe en datos anuales es
alrededor de la mitad, lo que implica que la desviación estándar anualizada del factor de
descuento debe ser al menos del 50%, lo cual es muy alto considerando que la media del factor
de descuento debe ser estar cerca de uno. Esta discrepancia plantea un grave problema para
modelos basados en el consumo como el CCAPM, ya que la baja volatilidad del consumo
observado, junto con un nivel realista de aversión al riesgo,

5.4 Ampliaciones del CCAPM

El rechazo del CCAPM con preferencias estándar no necesariamente rechaza la intuición básica
del modelo, es decir, que la rentabilidad esperada sobre el capital es mayor en los “malos
tiempos” cuando el consumo corriente es bajo. A partir del estudio de Fama y French (1989),
varios estudios han relacionado la predictibilidad con las condiciones del ciclo económico,
mostrando que los rendimientos esperados son más bajos en el pico del ciclo económico y más
altos en el valle. Fama y French (1989) también mostraron que los rendimientos esperados en
los mercados de acciones y los mercados de bonos se mueven juntos, y que la prima de plazo
(la diferencia en los rendimientos entre los bonos a largo y corto plazo) tiene un poder predictivo
adicional para los rendimientos de las acciones, además de rendimientos de dividendos.
Asimismo, variables macro como la relación consumo-riqueza (Lettau y Ludvigson,8 Más bien,
el problema es que la covariación entre los rendimientos de los activos y el consumo no es lo
suficientemente grande como para generar rendimientos esperados y volatilidad lo
suficientemente altos utilizando las preferencias de utilidad esperadas estándar.

8
Consulte Cochrane (2011) para obtener una descripción general.

32
Estos resultados han llevado a muchos investigadores a explorar especificaciones de modelos
alternativos, cambiando los supuestos sobre la utilidad del inversor, la completitud del mercado,
el proceso estocástico para el consumo o estos supuestos en combinación. Varios de estos
enfoques han tenido cierto éxito en explicar las primas de capital, la volatilidad y la
previsibilidad dentro de un marco CCAPM modificado, aunque es justo decir que actualmente
no existe un "modelo de consenso" ampliamente aceptado.

Un enfoque ha sido abordar una de las principales deficiencias del modelo de utilidad esperado
estándar de von Neumann-Morgenstern, a saber, que el mismo parámetro determina tanto la
aversión al riesgo como la sustitución intertemporal, aunque no hay una razón económica o de
comportamiento convincente para que esto sea el caso. Basándose en Kreps y Porteus (1978),
Epstein y Zin (1989) desarrollaron una clase de preferencias recursivas que permiten separar
las preferencias por el riesgo y la sustitución intertemporal y argumentaron que estas
preferencias podrían ayudar a resolver el modelo basado en el consumo. 9Hansen contribuyó a
esta línea de investigación (Eichenbaum, Hansen y Singleton, 1988, y Eichenbaum y Hansen,
1990). Este programa de investigación sigue siendo muy activo, con cierto éxito en la mejora
del ajuste de los modelos con los datos. Utilizando las preferencias de Epstein-Zin, Bansal y
Yaron (2004) propusieron un modelo en el que el consumo y el crecimiento de los dividendos
contienen un pequeño componente predecible a largo plazo y la volatilidad del consumo varía
en el tiempo. Dadas estas preferencias y dinámicas, Bansal y Yaron pudieron generar un factor
de descuento estocástico m que puede justificar la prima de renta variable observada, la tasa
libre de riesgo y la volatilidad de la rentabilidad y que también genera predictibilidad de la
rentabilidad por dividendo. Este enfoque ha sido bastante influyente y ha dado lugar a una serie
de estudios de seguimiento, incluido uno de Hansen, Heaton y Li (2008).

Un segundo enfoque para modificar las preferencias ha sido introducir hábitos en la función de
utilidad (Deaton, 1992) y hacer que la utilidad del consumidor no solo dependa del nivel
absoluto de consumo, sino que también sea sensible a los cambios en los niveles de consumo.
Así, Sundaresan (1989), Constantinides (1990) y Abel (1990) incluyeron la formación de
hábitos en el marco CCAPM y mostraron que los hábitos pueden aumentar la volatilidad del
factor de descuento estocástico. En un estudio muy citado, Campbell y Cochrane (1999)
pudieron explicar el rompecabezas de la prima de capital en un modelo en el que se agrega un

9
Véase también Weil (1989).

33
hábito "externo" (que hace que los agentes se preocupen por los cambios en el agregado, y no
solo por el consumo individual) al estándar. marco de energía-utilidad.

Un tercer enfoque que también ha tenido cierto éxito es considerar la heterogeneidad en las
preferencias de los inversores. En particular, si los inversores tienen diferentes actitudes hacia
el riesgo, el factor de descuento estocástico m que aparece como resultado de la negociación de
mercado estará influenciado no solo por el consumo agregado sino también por su distribución.
Para comprender la prima de capital, por ejemplo, podría ser más relevante probar las
implicaciones de CCAPM utilizando datos del subgrupo de inversionistas que realmente poseen
cantidades significativas de acciones. De hecho, resulta que el consumo de los accionistas
individuales fluctúa más que el consumo agregado, una diferencia que al menos explica parte
del camino hacia la explicación de los acertijos de precios y confirma la heterogeneidad de los
inversionistas como una hipótesis fructífera (ver, por ejemplo, Malloy, Moskowitz y Vissing-
Jorgensen, 2009). Un gran número de estudios sobre la incompletitud del mercado frente a los
riesgos individuales muestran que la heterogeneidad de la riqueza que es el resultado de los
choques salariales individuales genera heterogeneidad en las actitudes frente al riesgo (para
contribuciones tempranas, ver Mankiw, 1986, Heaton y Lucas, 1992, Huggett, 1993, Telmer
1993 y Constantinides y Duffie, 1996). Un hallazgo importante informado en esta literatura es
que el riesgo salarial individual es contracíclico, lo que ayuda a explicar aún más los enigmas
de los precios.

Una característica común de la mayoría de los modelos discutidos aquí es la suposición de que
el consumidor no solo procesa la información de una manera racional y eficiente, sino que
también conoce el verdadero proceso de generación de datos. En un trabajo conjunto con
Thomas Sargent (p. Ej., Hansen y Sargent, 2001, y Cagetti et al., 2002), Hansen ha investigado
las consecuencias de asumir que el agente representativo no está seguro del modelo real y sigue
una política de control robusto a través de un modelo. conjunto de modelos alternativos. Hansen
y Sargent demostraron que la incertidumbre del modelo puede verse como un factor de riesgo
adicional; el temor a un peor resultado hace que la aversión al riesgo de los agentes sea mayor
y puede representar un precio de riesgo más alto que en un modelo estándar equivalente.

34
 6. Exceso de volatilidad y previsibilidad: enfoques de financiación del
comportamiento

6.1 Robert Shiller y las finanzas conductuales

Los hallazgos de exceso de volatilidad y previsibilidad son un desafío para la noción de que los
precios incorporan toda la información disponible o para la teoría estándar de precios de activos,
o para ambos. Basado en sus primeros hallazgos, Shiller (1981b) argumentó que el exceso de
volatilidad que documentó parecía difícil de reconciliar con la teoría básica y, en cambio, podría
ser indicativo de "modas" y reacciones exageradas a los cambios en los fundamentos. En su
artículo de 1984, titulado “Precios de las acciones y dinámica social”, desarrolló estos
argumentos más a fondo. Este documento se convirtió en un importante punto de partida para
una creciente literatura de investigación en “finanzas conductuales”, para la cual Shiller se
convirtió en uno de los proponentes más influyentes.

En su artículo, Shiller describió una serie de argumentos que fueron seguidos y desarrollados
por investigadores posteriores. En primer lugar, argumentó que la falta de previsibilidad de los
precios (ajustados al riesgo) no excluye la existencia de inversores irracionales. La negociación
de dichos inversores podría hacer que los precios fueran excesivamente volátiles y ruidosos, lo
que debería hacer que las desviaciones de un recorrido aleatorio fueran muy difíciles de detectar
en horizontes cortos (especialmente si los inversores racionales tienden a eliminar los errores
de precio más obvios). En trabajos posteriores, Shiller y Perron (1985) y Summers (1986)
argumentaron de manera más formal que es probable que el poder de las pruebas de
predictibilidad a corto plazo sea muy bajo.

En segundo lugar, Shiller revisó parte de la literatura psicológica que muestra que los individuos
están sujetos a sesgos de decisión, como el hallazgo de Tversky y Kahneman (1974) de personas
que reaccionan exageradamente a “evidencia superficialmente plausible” sin ninguna base
estadística. Shiller argumentó que los precios de las acciones son particularmente vulnerables a
los sesgos psicológicos debido a la ambigüedad en el valor real de una acción, debido a la falta
de un modelo de valoración aceptado (es decir, los inversores se enfrentan a una "incertidumbre
Knightiana" en lugar de un riesgo). Estos sesgos psicológicos se ven reforzados y exacerbados
por los "movimientos sociales" porque los inversores están sujetos a la dinámica de la psicología
de grupo, como la presión de grupo. Por lo tanto, es probable que la opinión de un inversor
sobre el valor de una acción se vea afectada por las opiniones de otros. Como resultado, a
medida que las opiniones se difunden entre la población, Los precios de las acciones fluctuarán
35
de manera similar a lo que causarían las modas pasajeras. Shiller también revisó la evidencia
informal que respaldaba la idea de que las modas y las modas habían contribuido a los auges y
caídas del mercado en el pasado.

Finalmente, para ilustrar su argumento de manera más formal, Shiller postuló una economía
modelo simple poblada por inversionistas “comunes”, cuya demanda no responde a los
rendimientos esperados, e inversionistas de “dinero inteligente” que responden racionalmente
a los rendimientos esperados, pero están limitados por su riqueza. En tal modelo, las operaciones
de los inversionistas ordinarios conducirán a desviaciones temporales de los precios de las
acciones de los valores fundamentales, y estas desviaciones pueden generar una reacción
exagerada a las noticias de dividendos, exceso de volatilidad y revertir los precios de las
acciones, de acuerdo con el hallazgo de que los altos rendimientos de dividendos predicen
precios de las acciones más bajos.

En trabajos posteriores, Shiller ha continuado defendiendo la importancia de la psicología

social, utilizando evidencia de encuestas a inversionistas (Shiller, 1987, 1988, 1989, Shiller y
Pound, 1989). También ha extendido su análisis de modas y burbujas a los mercados
inmobiliarios (Case y Shiller, 1987, 1989, 2003).

Siguiendo el trabajo original de Shiller, muchos investigadores recurrieron a la evidencia

psicológica sobre el comportamiento y los sesgos individuales, incluida la teoría prospectiva
(Kahneman y Tversky, 1979), el exceso de confianza (Oskamp, 1965) y la contabilidad mental
(Kahneman y Tversky, 1984 y Thaler, 1985). Este trabajo basado en la psicología ha derivado
nuevos modelos de valoración de activos que podrían explicar las anomalías documentadas en
la valoración de activos.10Algunos modelos atribuyen una reacción exagerada o insuficiente a
la información debido al exceso de confianza y / o la racionalidad limitada, lo que conduce a
un exceso de volatilidad, impulso y reversión media de los precios de los activos (Barberis et
al., 1998, Daniel et al., 1998, Hong y Stein 1999 ). Otros modelos modifican preferencias
basadas en evidencia psicológica como la teoría prospectiva (Benartzi y Thaler, 1995, Barberis
et al., 2001), la aversión a la ambigüedad (Epstein y Wang, 1994, Epstein y Schneider, 2008,
Cagetti et al., 2002) o aversión a la decepción (Routledge y Zin, 2010) para explicar el exceso
de volatilidad, la previsibilidad y la prima de la renta variable. Se puede pensar que muchos de
estos artículos modifican los supuestos de preferencia en modelos de agentes racionales, como

10
Consulte Shleifer (2000) y Barberis y Thaler (2003) para obtener una descripción general de esta literatura.

36
el CCAPM, que ilustra una convergencia entre los modelos racionales y conductuales en
investigaciones recientes.

En su artículo de 1984, Shiller también abordó una seria crítica contra las explicaciones del
comportamiento (a menudo atribuidas a Friedman, 1953), a saber, que incluso si algunos (o la
mayoría) de los inversores son irracionales, los (quizás pocos) inversores racionales en el
mercado podrían ganar dinero como siempre que hubiera oportunidades de arbitraje. Tales
operaciones de arbitraje llevarían a los inversores irracionales a perder dinero y se verían
obligados a salir del mercado, eliminando en última instancia cualquier error de precio. Shiller
argumentó que los inversores racionales controlan muy poca riqueza para que esto funcione en
la práctica. Otro argumento inicial a favor de los límites al arbitraje es la dificultad de vender
en corto acciones sobrevaloradas (Miller, 1977). Posteriormente, varios investigadores
proporcionaron modelos teóricos más rigurosos que explican la capacidad limitada de los
inversores racionales para hacer que los mercados sean eficientes desde el punto de vista de la
información. Un enfoque común es modelar a los arbitrajistas racionales como intermediarios
financieros (por ejemplo, fondos de cobertura), cuyo capital es retirado por los inversionistas
en caso de que experimenten pérdidas persistentes (DeLong et al., 1990a, Shleifer y Vishny,
1997). Debido a tales retiros, los arbitrajistas racionales pueden no ser capaces de negociar
contra precios erróneos sustanciales del mercado, o incluso pueden encontrar óptimo negociar
en la dirección opuesta si se espera que los precios erróneos aumenten en el corto plazo,
aumentando así la fijación de precios errónea en lugar de que disminuirlo (DeLong et al., 1990b,
Abreu y Brunnermeier, 2002, 2003).

6.2. Trabajo adicional en finanzas conductuales

Los primeros estudios de Shiller estimularon una gran cantidad de investigación empírica
destinada a respaldar los argumentos de las finanzas del comportamiento con evidencia
empírica. Muchos de estos estudios se han centrado en aparentes anomalías en la sección
transversal de los rendimientos de las acciones, en lugar de la fijación de precios erróneos en el
mercado en su conjunto, y se revisan en la sección 7.

Uno de los primeros estudios que encontró que la evidencia era difícil de conciliar con la
eficiencia de la información fue la investigación de Roll (1984) sobre el mercado de futuros del
jugo de naranja. Aunque el clima es la influencia más obvia y significativa en los cultivos de

37
naranjas, Roll descubrió que las sorpresas climáticas explican solo una pequeña fracción de la
variabilidad en los precios de futuros.

Varios estudios han documentado desviaciones de la “ley del precio único” en los mercados
financieros y argumentan que estas desviaciones son indicativas de un sentimiento irracional
del mercado. Froot y Dabora (1999) estudiaron compañías de “acciones gemelas” con acciones
negociadas en más de un lugar. Descubrieron que los precios de estos gemelos con frecuencia
difieren entre las ubicaciones comerciales, y que el precio relativo de un gemelo aumenta
cuando el mercado en el que se negocia con mayor intensidad aumenta. Esto sugiere que los
precios de las acciones son impulsados en cierta medida por el sentimiento de los inversionistas
locales, más que simplemente por cambios en los valores fundamentales.

Otro grupo de estudios analiza el llamado "rompecabezas de fondos de capital fijo" descubierto
originalmente por Zweig (1973), es decir, el hallazgo de que los fondos de capital de capital fijo
normalmente se negocian a valores diferentes del valor de mercado de su cartera de acciones
subyacente, y con frecuencia con un descuento sobre su valor liquidativo. 11 Lee, Shleifer y
Thaler (1991) argumentaron que los descuentos en fondos cerrados pueden interpretarse como
una medida del sentimiento irracional de los inversores. Demostraron que los descuentos en
fondos cerrados con carteras de activos muy diferentes exhiben un movimiento simultáneo
significativo a lo largo del tiempo, y también un movimiento simultáneo con los rendimientos
de las acciones pequeñas, un segmento del mercado donde los inversores individuales también
son dominantes. Baker y Wurgler (2007) revisaron la literatura sobre el sentimiento de los
inversionistas y mostraron que un “índice de sentimiento” (que incluye descuentos en fondos
cerrados y otras variables) está altamente correlacionado con los rendimientos agregados de las
acciones.

Otro grupo de artículos documentó los límites aparentes del arbitraje y su efecto sobre los
precios de las acciones. A partir de Shleifer (1986), varios artículos han demostrado que el
precio de una acción tiende a aumentar cuando se incluye en un índice de mercado (como el
S&P 500), en consonancia con la presión de compra de los fondos indexados. Wurgler y
Zhuravskaya (2002) demostraron que el efecto de inclusión del índice es más fuerte entre las
acciones sin sustitutos cercanos, lo que dificulta el arbitraje de los errores de precios.

11
Los fondos cerrados suelen ser propiedad de inversores individuales y son similares a los fondos mutuos, con la
excepción de que los inversores no pueden canjear sus acciones de fondos por efectivo, sino que tienen que vender
sus acciones en el mercado para recuperar su dinero.

38
Shiller desarrolló más sus argumentos en su libro Irrational Exuberance (2000), que tuvo un
impacto considerable en el debate popular. En este libro, utilizó una combinación de evidencia
estadística, datos de encuestas y una revisión de estudios psicológicos y sociológicos para
argumentar que las modas y los ciclos de retroalimentación han contribuido a los auges del
mercado de valores en el pasado. En particular, argumentó que el dramático aumento en los
precios de las acciones, en particular las acciones de tecnología, a fines de la década de 1990
fue impulsado por modas, un argumento que se presentó solo unos meses antes de la
significativa caída del mercado de valores en 2000-2001.

Varios estudios posteriores al libro de Shiller documentaron varias anomalías en el precio de

las acciones de tecnología durante el reciente auge del mercado de valores. Por ejemplo,
Mitchell, Pulvino y Stafford (2002) y Lamont y Thaler (2003) utilizaron escisiones parciales (o
"escisiones") de empresas tecnológicas para mostrar que la valoración de estas acciones
derivadas era irracionalmente alta. En particular, comparando el valor de la escisión con el valor
de la empresa matriz, que todavía tenía una participación parcial en la empresa escindida, la
valoración de la escisión implicaba que los activos restantes de la matriz tenían un valor
negativo. También informaron pruebas de que las limitaciones de las ventas al descubierto,
junto con el hecho de que los precios erróneos a menudo aumentaban antes de que finalmente
desaparecieran, dificultaban y arriesgaban que un arbitrajista se beneficiara de estos precios
erróneos. En la misma linea, Brunnermeier y Nagel (2004) mostraron que los inversores
sofisticados, como los fondos de cobertura, prefirieron adquirir acciones tecnológicas y "montar
la burbuja" a finales de la década de 1990 en lugar de vender estas acciones en corto. Más
recientemente, Xiong y Yu (2011) documentaron una burbuja en el precio de los warrants
chinos a fines de la década de 2000, que mostraron que se negociaban muy por encima de su
valor fundamental, y argumentaron que las restricciones de las ventas al descubierto
nuevamente impidieron que la fijación de precios fuera arbitraria.12

En los últimos años, Shiller ha seguido explorando el impacto de los factores psicológicos en
los mercados financieros en libros populares como Shiller (2008) y Akerlof y Shiller (2010).

Un cuerpo de literatura también se enfoca en las burbujas de precios de activos en un entorno experimental. Véase,
12

por ejemplo, Smith, Suchanek y Wiliams (1988).

39
 7. ¿Qué determina las diferencias en los rendimientos esperados entre los
activos?

La investigación revisada hasta ahora se ha centrado principalmente en el patrón de series de

tiempo de los precios de los activos. Una pregunta relacionada se refiere al patrón transversal
de precios, en particular para las acciones. ¿Por qué una acción en particular es más valorada
que otra en el mismo momento? Según la ecuación (1), la respuesta depende de los flujos de
efectivo futuros esperados, {xi, t + j}, y las tasas de descuento (requisitos de rendimiento), mm.
Las tasas de descuento deben reflejar las preferencias temporales de la economía, así como las
primas de riesgo. Dado que los inversores generalmente son reacios al riesgo, deberían exigir
un rendimiento esperado más alto para los activos más riesgosos. Una idea central, que se
remonta al modelo de cartera de Markowitz (1959), es que los inversores solo deben exigir una
compensación por el riesgo sistemático, es decir, el riesgo que no puede eliminarse manteniendo
una cartera bien diversificada. Pero, ¿qué riesgos sistemáticos impulsan la rentabilidad de las
acciones y en qué medida se compensan a los inversores en términos de mayores rendimientos
esperados? Alternativamente, en la medida en que las modas y la irracionalidad de los
inversores afecten los precios de las acciones, como sugirió Shiller (1984), ¿cómo afectaría esto
a las diferencias en los rendimientos esperados entre las acciones?

7.1 Primeras pruebas del modelo de valoración de activos de capital (CAPM)

El CAPM fue desarrollado por Sharpe (1964), Lintner (1965) y Mossin (1966). William Sharpe
recibió el premio de 1991 por su contribución al desarrollo del CAPM, que sigue siendo un
modelo fundamental de valoración de activos que se enseña a los estudiantes. Según el CAPM
estático, el rendimiento esperado 𝑅𝑖∗ de un activo financiero dado

donde 𝑅𝑓 es la tasa libre de riesgo, R es el rendimiento esperado de la cartera de mercado (es

decir, una cartera de todos los activos de la economía) y 𝛽𝑖 es la medida clave del riesgo
sistemático, que debería compensarse con una tasa más alta de retorno - igual a la covarianza
del activo i con la cartera de mercado (la “beta” de la acción). A mediados de la década de 1960,

40
este modelo proporcionaba una explicación prometedora de los precios de los activos, pero aún
no se había probado empíricamente de manera rigurosa.

¿Qué tan bueno es el CAPM para explicar la sección transversal de los precios de los activos?
Después de su desarrollo a mediados de la década de 1960, los economistas se propusieron
probar el modelo empíricamente. Estas pruebas comenzaron a partir de regresiones de series de
tiempo de los rendimientos de las acciones sobre los rendimientos de los índices para generar
estimaciones de los coeficientes beta específicos de las acciones, βi. Suponiendo que las
expectativas del mercado son racionales, de modo que los rendimientos observados 𝑅𝑖,𝑡 son
iguales a los rendimientos esperados más un error aleatorio 𝜀𝑖,,𝑡 - El CAPM se puede probar con
base en esta ecuación:

Si el CAPM es correcto, entonces 𝛾ot = 𝑅f, la tasa libre de riesgo, y 𝐸(Y1,t) = 𝑅*m − 𝑅f, el
rendimiento esperado en el mercado en exceso de la tasa libre de riesgo. Las primeras pruebas
de Douglas (1969), Black y Scholes (1973) y Black, Jensen y Scholes (1972) utilizaron datos
de stock de series de tiempo para estimar
𝛽𝑖 en un primer paso, y luego datos transversales para hacer una regresión del
rendimiento de beta en un segundo paso. Los resultados generalmente arrojaron una
relación positiva de acuerdo con la teoría, pero el coeficiente estimado implicaba un valor
increíblemente alto para la tasa de rendimiento sin riesgo. Además, estos estudios no
tuvieron en cuenta la fuerte correlación transversal en los rendimientos de las acciones
que es causada por los shocks comunes que afectan a grupos de acciones al mismo tiempo.
No tener en cuenta dicha correlación conduce a una inferencia sesgada. Normalmente, los
errores estándar estimados están sesgados a la baja.13

Fama y MacBeth (1973) sugirieron un enfoque alternativo para probar el CAPM, y su enfoque
se ha convertido en un método estándar para probar modelos transversales de fijación de precios
de activos. Su idea simple pero poderosa fue que la falta de previsibilidad, con rendimientos
esperados constantes a lo largo del tiempo, implica que los rendimientos de las acciones no
están correlacionados a lo largo del tiempo, aunque estén correlacionados entre las acciones en

13
Por ejemplo, Black, Jensen y Scholes (1972) notaron que sus pruebas CAPM dieron "valores t irrazonablemente
altos".

41
un momento dado. Con base en esta idea, Fama y MacBeth (1973) presentaron un enfoque de
dos pasos para abordar el problema de la correlación transversal.

El primer paso estima una secuencia de regresiones transversales, digamos, mes a mes, de los
rendimientos de las acciones sobre las características que deberían determinar los rendimientos
esperados de acuerdo con el modelo de valoración de activos. En el caso del CAPM, cada prueba
transversal hace una regresión de los rendimientos de las acciones en una beta estimada (que a
su vez se había estimado utilizando datos de, digamos, los cinco años anteriores). El segundo
paso calcula el promedio de la serie temporal de los coeficientes de las regresiones transversales
y prueba si estos promedios se desvían significativamente de los valores esperados según la
teoría. Los coeficientes de cada regresión transversal pueden interpretarse como rendimientos
de carteras ponderados por estas características (una interpretación desarrollada por Fama,
1976, capítulo 9). Estos rendimientos no deben correlacionarse en serie bajo la hipótesis
conjunta de que los errores de pronóstico son impredecibles y que los regresores de la primera
etapa incluyen todos los determinantes relevantes de los rendimientos esperados. El error
estándar correcto para la prueba se puede calcular a partir de la variabilidad de series de tiempo
de los coeficientes de las regresiones transversales.
Usando su metodología, Fama y MacBeth encontraron que las betas CAPM parecían explicar
las diferencias en los rendimientos esperados entre las acciones. Sin embargo, encontraron que
la intersección (𝛾0,𝑡) en la regresión fue mayor que la tasa libre de riesgo, lo cual es inconsistente
con el CAPM de SharpeLintner-Mossin, pero posiblemente consistente con la versión “beta
cero” del CAPM debido a Black (1972).
El enfoque de dos pasos de Fama-MacBeth rápidamente se volvió ampliamente utilizado en la
investigación empírica de precios de activos, debido tanto a su simplicidad en la
implementación como a su solidez. A pesar de que CAPM fue refutado en pruebas posteriores,
como se analiza a continuación, el procedimiento Fama-MacBeth sigue siendo un método
estándar para probar modelos de precios de activos transversales de múltiples factores y se ha
utilizado en miles de aplicaciones.

7.2 anomalías CAPM

Aunque las primeras pruebas CAPM parecían prometedoras, el apoyo empírico del modelo se
cuestionó cada vez más hacia fines de la década de 1970.

42
Primero, en un artículo influyente, Roll (1977) criticó las pruebas del CAPM, mostrando que
cualquier prueba CAPM presuponía un conocimiento completo de la cartera de mercado. Según
la teoría CAPM, la cartera de mercado contiene todos los activos individuales de la economía,
incluido el capital humano, y por lo tanto es inherentemente inobservable. El uso de un índice
bursátil como sustituto de la cartera de mercado, que se habían realizado pruebas anteriores,
conduciría, por tanto, a resultados sesgados y engañosos.

En segundo lugar, numerosos estudios probaron los determinantes de las diferencias

transversales en los rendimientos, utilizando las metodologías desarrolladas en las pruebas
anteriores. Estas pruebas llevaron al descubrimiento de una serie de “anomalías” de CAPM,
donde las características específicas de las acciones parecían estar relacionadas con diferencias
en los rendimientos. Un hallazgo consistente fue que varias versiones de (el inverso de) "precio
de las acciones escalado", como la relación ganancias / precio (E / P) (Basu, 1977, 1983), la
relación "libro-mercado" (es decir, el El valor contable del capital social dividido por el valor
del capital social de mercado; Statman, 1980, Rosenberg, Reid y Landstein, 1985), y la relación
deuda / capital (Bhandari, 1988), se relacionaron positivamente con los rendimientos esperados,
incluso después de que el CAPM beta hubiera sido controlado. por.

Además, DeBondt y Thaler (1985) mostraron que las acciones que habían tenido un rendimiento
superior en horizontes más largos, como los últimos tres a cinco años, tendían a tener un
rendimiento inferior en los años siguientes (y viceversa). Por último, se demostró que las
acciones de empresas con un valor de mercado de acciones más pequeño tenían rendimientos
esperados más altos (Banz, 1981) que las acciones de empresas más grandes, el llamado "efecto
de tamaño". Para empeorar las cosas para el CAPM, varios estudios indicaron que el CAPM
beta no parecía muy exitoso en explicar los rendimientos cuando se extendió el período de
muestra de las pruebas anteriores (Reinganum, 1981, y Lakonishok y Shapiro, 1986) o cuando
se controlaron otros factores macroeconómicos factores (Chen, Roll y Ross, 1986).

La mayoría de estos resultados se integraron en el artículo ampliamente citado por Fama y

French (1992), que estableció de manera convincente que el CAPM beta prácticamente no tiene
poder explicativo adicional una vez que se han tenido en cuenta el tamaño y el valor del libro
al mercado.

43
7.3 El modelo de tres factores Fama-French

El cuerpo de trabajo discutido anteriormente se sintetizó en el modelo de tres factores de Fama

y French (1993). Sobre la base del rechazo de la versión simple de CAPM en su artículo anterior
(Fama y French, 1992), el artículo presentó un modelo que agregó dos nuevos factores al CAPM
y sugirió una metodología para construir y probar dichos factores, basándose en Fama y
Macbeth. (1973). Los dos factores, el valor de mercado "pequeño-menos-grande" (SMB) y la
relación libro-mercado "alto-menos-bajo" (HML), se basan en carteras de acciones clasificadas
de acuerdo con las dos características que se han encontrado para correlacionar con los
rendimientos esperados, el tamaño y el valor contable de mercado. Cada factor es equivalente
a una cartera de arbitraje de costo cero que toma una posición larga en acciones de alto valor
contable al mercado (tamaño pequeño) y lo financia con una posición corta en acciones de bajo
valor contable al mercado (tamaño grande). Fama y French demostraron que los factores SMB
y HML, además de explicar las diferencias en los rendimientos esperados entre las acciones,
también explican una cantidad significativa de variación en la serie temporal, es decir, las
acciones con una exposición similar a estos factores se mueven juntas. Por lo tanto,
argumentaron, SMB y HML son factores de riesgo valorados y el modelo de tres factores debe
interpretarse como un modelo multifactorial en el sentido de Merton (1973) y Ross (1976).
Durante los años siguientes, Fama y French ampliaron este trabajo en varios artículos. Por
ejemplo, en un estudio publicado en 1996, encontraron que el modelo de tres factores captura
las diferencias de retorno de otras anomalías, incluyendo E / P, apalancamiento y la inversión
de retorno de DeBondt y Thaler (1985). También mostraron que HML en particular tiene un
poder explicativo similar para los rendimientos de las acciones internacionales (Fama y French,
1998) y está presente en los datos estadounidenses antes que los utilizados para su estudio
original (Davis, Fama y French, 2000).

7.4 Explicaciones racionales y de comportamiento para la sección transversal de la

rentabilidad de las acciones

Empíricamente, el enfoque de Fama-French ha proporcionado una forma eficaz de simplificar

y unificar la vasta literatura sobre la sección transversal de la rentabilidad de las acciones, y su
método se ha utilizado ampliamente como modelo de referencia para la investigación académica

44
y como guía práctica para inversores profesionales. .14 Una debilidad del modelo de tres factores
es que es principalmente un modelo empírico que describe los rendimientos de las acciones,
pero no dice nada sobre las razones económicas subyacentes por las que estos factores de riesgo
tienen precios distintos de cero.

Como muestra Ball (1978), características tales como el valor contable al mercado y el tamaño
son esencialmente la inversa de un precio de acción escalado y, por lo tanto, pueden
considerarse como aproximaciones del factor de descuento estocástico para la acción, como se
evidencia en la simple relación de valor presente. En consecuencia, las variables de precios
escaladas deben estar relacionadas con los rendimientos esperados cuando se agregan a
cualquier modelo de valoración de activos mal especificado.15

En su trabajo original, Fama y French desarrollaron una interpretación racional de múltiples

factores de sus resultados, argumentando que HML y SMB están capturando factores de riesgo
fundamentales por los cuales los inversionistas exigen compensación. En apoyo de este
argumento, Fama y French (1995) demostraron que un valor contable elevado al mercado
predice menores ganancias, y argumentaron que, por lo tanto, el rendimiento excesivo de HML
debería interpretarse como una compensación por el riesgo de angustia.

Por el contrario, otros investigadores interpretaron la importancia de HML y SMB como la

captura de los efectos de los precios erróneos del mercado y la irracionalidad de los inversores
en la línea de Shiller (1984). Lakonishok, Shleifer y Vishny (1994) argumentaron que el exceso
de rendimiento de las acciones de valor contable alto, o "acciones de valor", se debe al hecho
de que los inversores las subvaloran, mientras que las acciones de valor contable bajas están
sobrevaloradas " “glamour” acciones que posteriormente tienen un rendimiento inferior al del
mercado.

Si bien el tamaño y los efectos de libro a mercado podrían ser consistentes con modelos de
precios erróneos de los inversores y sesgos psicológicos, investigaciones recientes han
encontrado un considerable movimiento simultáneo entre acciones con ratios de libro a mercado
similares, es decir, valor (bajo valor contable a mercado). mercado) versus acciones de
crecimiento (libro a mercado alto) (ver, por ejemplo, Campbell y Vuolteenaho, 2004), y que las
acciones de valor se mueven conjuntamente con las "estrategias de valor" en otras clases de
activos, como la renta fija y las divisas (ver Asness et al., 2013), lo cual es consistente con

14
Más tarde, Carhart (1997) sugirió agregar el impulso como un cuarto factor, que ahora se agrega comúnmente al
modelo de referencia de FamaFrench.
15
Véase también Berk (1995).

45
atribuir el mayor rendimiento excedente a las acciones de valor a un factor de riesgo
común.16Campbell y Vuolteenaho (2004), Campbell. Polk y Vuolteenaho (2009) y Campbell et
al. (2012) argumentan que el efecto libro-mercado puede explicarse mediante un modelo CAPM
intertemporal (en el sentido de Merton, 1973) en el que los inversores se preocupan más por los
movimientos permanentes impulsados por el flujo de efectivo que por los movimientos
temporales impulsados por la tasa de descuento en el mercado de valores agregado. En su
modelo, el rendimiento requerido de una acción no está determinado por su beta general con el
mercado, sino por dos betas separadas, una con choques permanentes de flujo de efectivo en el
mercado (a los que las acciones de alto valor contable-mercado son más sensibles), y el otro
con choques temporales en las tasas de descuento del mercado (a las que las acciones de
“crecimiento” de libro a mercado bajo son más sensibles). Recientemente, Campbell et al.

Un desafío más serio para la eficiencia de la información es el descubrimiento de Jegadeesh y

Titman (1993) del “impulso” en los precios de las acciones.17Descubrieron que una estrategia
de inversión que compra acciones que se han desempeñado bien y vende acciones que han
tenido un desempeño deficiente durante los últimos 3 a 12 meses genera un exceso de
rendimiento significativo durante el año siguiente. El hecho de que “las acciones ganadoras
siguen ganando y las perdedoras siguen perdiendo” es coherente con una historia en la que la
información relevante solo se difunde gradualmente en los precios, y este patrón parece poco
probable que se explique por cambios en el riesgo, dado el horizonte relativamente corto.
Además, a diferencia de muchas de las otras anomalías, el modelo de tres factores Fama-French
no captura el impulso.

Sobre la base de estos hallazgos, una serie de artículos sobre finanzas conductuales han
construido teorías basadas en la psicología del inversor para explicar tanto los efectos del libro
al mercado como el impulso, por ejemplo, basado en la reacción insuficiente de los
inversionistas a las noticias a corto plazo (lo que lleva al impulso). y reacción exagerada a largo
plazo (que conduce a reversiones o efectos de contabilización al mercado). Daniel, Hirshleifer
y Subrahmanyam (1998), Barberis, Shleifer y Vishny (1998) y Hong y Stein (1999) han
presentado ejemplos. Además, de acuerdo con los límites al arbitraje, se ha demostrado que el
impulso es particularmente pronunciado entre las acciones más pequeñas y menos líquidas, y

16
Aunque Campbell y Vuolteenaho (2004) también encontraron un movimiento conjunto similar con respecto al
tamaño, los rendimientos excedentes de las poblaciones pequeñas parecen ser mucho más débiles, o incluso han
desaparecido en gran medida en los datos recientes.
17
En palabras de Eugene Fama: “De todos los posibles problemas para la eficiencia del mercado, el impulso es el
principal” (Fama y Litterman, 2012).

46
las estrategias de impulso conllevan un riesgo sustancial debido a la alta correlación dentro de
las industrias (Moskowitz y Grinblatt, 1999).

Otra vertiente de la literatura ha mantenido (o ha permanecido agnóstico) el supuesto estándar

de inversores racionales con preferencias estándar, pero en su lugar introdujo fricciones en los
mercados financieros para explicar los patrones de precios de activos. Un grupo de artículos ha
introducido la segmentación del mercado, lo que implica un reparto limitado del riesgo entre
los inversores. Esto, a su vez, conduce a curvas de demanda de activos con pendiente negativa
a corto plazo y a una reversión media debido a la lenta evolución del capital en los mercados
(Duffie, 2010). Otro grupo de artículos se ha centrado en las fricciones debidas a los
intermediarios financieros que están restringidos por la regulación y / o problemas de agencia
en su negociación de activos financieros. Estas fricciones pueden llevar a la venta de activos a
corto plazo cuando el capital o la liquidez de los intermediarios escasean (Brunnermeier y
Pedersen, 2009, y Coval y Stafford, 2007). Finalmente, varios estudios se han centrado en la
liquidez y su impacto en el precio de los activos. En estos modelos, los inversores exigen una
prima de riesgo adicional por mantener activos ilíquidos que no pueden venderse fácilmente
cuando los inversores necesitan liquidez, por ejemplo, para el consumo (Amihud y Mendelson,
1986, Pastor y Stambaugh, 2003, y Acharya y Pedersen, 2005). Se ha demostrado que los
modelos basados en fricciones financieras y liquidez tienen poder explicativo durante la reciente
crisis financiera (Brunnermeier, 2009).

8. Influencias en las prácticas de mercado

El precio de los activos es uno de los campos de la economía donde la investigación académica
ha tenido el mayor impacto en la práctica no académica. Aunque todavía no existe un amplio
consenso con respecto a la interpretación de algunos resultados, la investigación iniciada por
Fama, Shiller y Hansen ha producido un conjunto de hallazgos empíricos sólidos, que tienen
importantes implicaciones prácticas:

1. A corto plazo, la previsibilidad de los rendimientos de las acciones es muy limitada, lo que
es coherente con los precios de las acciones que reflejan rápidamente la nueva información
pública sobre los flujos de efectivo futuros. En la medida en que se pueda encontrar la

47
 posibilidad de predecir el rendimiento a corto plazo, es demasiado pequeño para
beneficiarse debido a los costos de transacción.
2. A más largo plazo, existe una previsibilidad económicamente significativa en los
rendimientos de las acciones, indicativa de variaciones en los rendimientos esperados o en
las tasas de descuento. En particular, los rendimientos esperados en tiempos "buenos" (en
el pico del ciclo económico, cuando las medidas de valoración relativa como la relación
precio / dividendo son altas) son rendimientos más bajos que los esperados en tiempos
"malos".
3. En la sección transversal de acciones, varios factores, como el valor contable al mercado,
predicen diferencias en los rendimientos esperados. Las acciones con una exposición similar
a estos factores se mueven conjuntamente, lo que implica que los rendimientos más altos
conllevan un mayor riesgo.

Los primeros hallazgos sobre la falta de previsibilidad a corto plazo en los precios de las
acciones tuvieron un impacto práctico considerable. Una implicación es que debería ser
extremadamente difícil para los administradores de activos generar rendimientos excesivos
ajustados al riesgo. En uno de los primeros estudios sobre este tema, Jensen (1968) evaluó el
desempeño de los fondos mutuos y encontró que la mayoría de los fondos no generaban
rendimientos excesivos ajustados al riesgo. Los estudios posteriores sobre el rendimiento de los
fondos mutuos generalmente no han logrado encontrar un rendimiento excesivo positivo (y, a
menudo, han encontrado un rendimiento excesivo negativo) después de las comisiones del
fondo. Recientemente, Fama y French (2010) han documentado que solo las colas extremas de
los fondos mutuos activos generan rendimientos excesivos ajustados al riesgo significativos
(negativos y positivos, respectivamente) antes de comisiones. y que la cartera agregada de
fondos mutuos activos de hecho está cerca de la cartera de mercado. Esto último significa que
el sector en su conjunto ofrece un exceso de rendimiento negativo a los inversores.

Inspirados por el trabajo de Fama, Jensen y otros, los llamados fondos indexados comenzaron
a surgir a principios de la década de 1970. 18En la actualidad, existen fondos administrados
pasivamente, como los fondos indexados y los fondos cotizados en bolsa (ETF), para una gran
variedad de índices y clases de activos, incluidos el tamaño y la reserva de mercado. En 2012,

El primer fondo indexado del mundo se inició en el banco estadounidense Wells Fargo en 1971, administrado en
18

nombre de Samsonite Corporation (“Samsonite Luggage Fund”). Unos años más tarde, en 1975, Vanguard lanzó el
primer fondo indexado dirigido a inversores minoristas. Ver Bernstein (2005)

48
estos fondos tenían más de $ 3.6 billones (EE. UU.) Bajo administración y representaron el 41%
de los flujos mundiales hacia fondos mutuos.

La investigación sobre la predictibilidad del mercado y sobre las diferencias de rendimiento

transversales entre los activos financieros también ha tenido un impacto práctico considerable
y ha contribuido al crecimiento de la "gestión cuantitativa de inversiones", donde los inversores
utilizan factores cuantitativos y modelos estadísticos para tomar decisiones de inversión. Por
ejemplo, muchos inversores profesionales utilizan modelos de factores como el modelo Fama-
French para guiar sus decisiones de cartera, y los inversores institucionales a largo plazo suelen
utilizar variables que, según se ha demostrado, predicen los rendimientos del mercado de
valores a medio plazo para ajustar la fracción del capital en relación con los bonos. en sus
carteras.

El trabajo académico sobre los determinantes de los rendimientos transversales también ha

tenido un gran impacto en la práctica de la medición del rendimiento de la cartera. Dado que un
administrador de cartera puede obtener una tasa o un rendimiento más altos en su cartera
simplemente invirtiendo en activos con mayor riesgo, debe ser evaluado en función de los
rendimientos ajustados al riesgo. Jensen (1968) introdujo una medida de desempeño ajustado
al riesgo, el llamado "alfa de Jensen", que es esencialmente la intersección de una regresión de
rendimientos excesivos sobre factores de riesgo, como los tres factores Fama-
French.19Intuitivamente, dado que un inversor puede lograr una alta rentabilidad simplemente
invirtiendo en activos con cargas elevadas en los factores Fama-French, un gestor de carteras
solo debería ser recompensado por un rendimiento excesivo en relación con estos factores, es
decir, en alfa. Alpha se ha convertido en una herramienta estándar para evaluar administradores
de cartera y fondos mutuos (utilizada, por ejemplo, por Morningstar). Además, siguiendo el
trabajo de Fama y French, se ha convertido en estándar evaluar el desempeño en relación con
los puntos de referencia de “tamaño” y “valor”, en lugar de simplemente controlar los
rendimientos generales del mercado.

Los resultados de la investigación de la fijación de precios de activos empíricos también han

tenido un impacto práctico fuera de la industria de gestión de inversiones. La metodología de
estudio de eventos de Fama, Fisher, Jensen y Roll (1969) se ha convertido en una herramienta
importante en la práctica legal para evaluar daños en juicios, por ejemplo, en casos de fraude
de valores (Mitchell y Netter, 1994). Las autoridades de competencia también han utilizado

En el estudio original de Jensen, midió el alfa en relación con el "modelo de mercado", es decir, controlando el
19

CAPM beta.

49
estudios de eventos para evaluar el efecto competitivo de las fusiones al observar la reacción
del precio de las acciones de una fusión en las otras empresas de la industria (por ejemplo,
Beverley, 2007).

Otra área de impacto práctico es la medición de la rentabilidad de los activos y los índices de
precios. El conjunto de datos CRSP creado en la Universidad de Chicago fue la primera base
de datos completa del mercado de valores que existió. Ha tenido un impacto profundo no solo
en la investigación académica sino también en las estrategias de inversión cuantitativa utilizadas
por la industria.

Más allá de los precios de las acciones, Case y Shiller (1987) elaboraron los primeros índices
sistemáticos y de alta calidad de los precios de la vivienda en Estados Unidos. El índice S&P
Case-Shiller es ahora el índice estándar de precios inmobiliarios en los EE. UU., Ampliamente
utilizado por profesionales y legisladores. El interés de Shiller en la construcción de índices fue
motivado por la idea de que la volatilidad de los precios de la vivienda constituye un riesgo
importante para muchos hogares. En su libro Macro Markets de 1991, Shiller destacó el hecho
de que los principales riesgos de la sociedad, como los riesgos relacionados con el precio de la
vivienda, no son asegurables a pesar de su importancia. Argumentó que el desarrollo de
mercados para contratos de derivados basados en índices de precios ayudaría a los hogares a
protegerse contra tales riesgos. En particular, tales contratos permitirían a los hogares quedarse
cortos en el mercado de la vivienda. Pero también permitiría a los hogares especular contra un
mercado inmobiliario sobrevalorado. Shiller también ha traducido estos conocimientos en
práctica y ha ayudado a establecer un mercado de futuros de precios de la vivienda liquidados
en efectivo en la Bolsa Mercantil de Chicago basado en los índices S&P Case-Shiller.

9. Conclusiones

Eugene Fama, Lars Peter Hansen y Robert Shiller han desarrollado métodos empíricos y los
han utilizado para obtener conocimientos importantes y duraderos sobre la determinación de
los precios de los activos. Sus métodos han dado forma a la investigación posterior en el campo
y sus hallazgos han sido muy influyentes tanto académica como prácticamente. Las oleadas de
investigación que siguieron a las contribuciones originales de los galardonados constituyen un
ejemplo histórico de interacción muy fructífera entre el trabajo teórico y empírico.

50
Ahora sabemos que los precios de los activos son muy difíciles de predecir en horizontes de
tiempo cortos, pero que siguen movimientos en horizontes más largos que, en promedio, se
pueden pronosticar. También sabemos más sobre los determinantes de la sección transversal de
los rendimientos de diferentes activos. Se ha demostrado que nuevos factores, en particular el
valor contable a mercado y la relación precio-ganancias, contribuyen significativamente a la
comprensión previa de los rendimientos basados en el CAPM estándar. Sobre la base de estos
hallazgos, la investigación posterior ha investigado más a fondo cómo los precios de los activos
están determinados fundamentalmente por el riesgo y las actitudes hacia el riesgo, así como por
factores de comportamiento.

51
REFERENCIAS

Abel, AB (1990), “Fijación de precios de activos bajo la formación de hábitos y ponerse al día
con los vecinos”, American Economic Review 80, 38-42.

Abreu, D. y M. Brunnermeier (2002), “Riesgo de sincronización y arbitraje retrasado”, Journal

of Financial Economics 66 (2-3), 341-360.

Abreu, D. y M. Brunnermeier (2003), “Bubbles and crashes”, Econometrica 71 (1), 173204.

Acharya, V. y LH Pedersen (2005), “Fijación de precios de activos con riesgo de liquidez”,

Journal of Financial Economics 77, 375-410.

Akerlof, G. y R. Shiller (2010), Espíritus animales: cómo la psicología humana impulsa la

economía y por qué es importante para el capitalismo global. Prensa de la Universidad
de Princeton.

Alexander, SS (1961), “Los movimientos de precios en los mercados especulativos: tendencias

o paseos aleatorios”, Industrial Management Review 2, 7-26.

Alexander, SS (1964), “Movimientos de precios en mercados especulativos: Tendencias o

paseos aleatorios. No. 2. " En: Cootner, Paul (ed.), El carácter aleatorio de los precios
de las acciones. Cambridge: MIT

Amihud, Y. y H. Mendelson (1986), "Fijación de precios de activos y el margen de oferta y

demanda", Journal of Financial Economics 17, 223-249.

Arellano, M. y S. Bond (1991), “Algunas pruebas de especificación para datos de panel:

evidencia de Monte Carlo y una aplicación a las ecuaciones de empleo”, Review of
Economic Studies 58, 277-298.

Asness, CS, TJ Moskowitz y LH Pedersen (2013), “Valor e impulso en todas partes”, Journal
of Finance 68, 929-985.

Asquith P. y DW Mullins (1986), “Señalización con dividendos, recompra de acciones y

emisiones de acciones”, Financial Management Otoño, 27-44.

Licenciado, L. (1900), Théorie de la Speculation, París.

Baker, M. y J. Wurgler (2007), “Sentimiento de los inversores en el mercado de valores”,

Journal of Economic Perspectives 21 (2), 129-151.

52
Ball, R. (1978), "Anomalías en las relaciones entre los rendimientos de los valores y los
sustitutos de rendimiento", Journal of Financial Economics 6, 103-126.

Ball, R. y P. Brown (1968), "Una evaluación empírica de los números de ingresos contables",
Journal of Accounting Research 6, 159-178.

Bansal, R. y A. Yaron (2004), “Riesgos a largo plazo: una resolución potencial de los
rompecabezas de precios de activos”, Journal of Finance 59 (4), 1481-1509.

Banz, RW (1981), "La relación entre el rendimiento y el valor de mercado de las acciones
ordinarias", Journal of Financial Economics 9, 3-13.

Barberis, N., M. Huang y J. Santos (2001), “Teoría de perspectivas y precios de activos”,

Quarterly Journal of Economics 116, 1-53.

Barberis, N., A. Shleifer y R. Vishny (1998), "Un modelo de sentimiento de los inversores",
Journal of Financial Economics 49, 307-343.

Barberis, N. y R. Thaler (2003), "Una encuesta sobre las finanzas conductuales". En:
Constantinides, GM, M. Harris y RM Stulz (ed.), Handbook of the Economics of
Finance, vol. 1, cap. 18, 1053-1128, Elsevier.

Basu, S. (1977), “Rendimiento de la inversión de acciones ordinarias en relación con sus ratios
de precio-beneficio: una prueba de la hipótesis de los mercados eficientes”, Journal of
Finance 32, 663-682.

Basu, S. (1983), “La relación entre el rendimiento de las ganancias, el valor de mercado y el
rendimiento de las acciones ordinarias de la NYSE: más pruebas”, Journal of Financial
Economics 12, 129-156.

Benartzi, S. y RH Thaler (1995), “Myopic loss averssion and the equity premium puzzle”,
Quarterly Journal of Economics 110 (1), 73-92.

Berk, JB (1995), "Una crítica de las anomalías relacionadas con el tamaño", Revisión de
estudios financieros 8 (2), 275-286.

Bernstein, PL (2005), Ideas de capital: Los orígenes improbables del Wall Street moderno.
John Wiley e hijos.

Beverley, L. (2007), “Estudios de eventos bursátiles y consultas de comisiones de

competencia”, Mimeo, Comisión de Competencia del Reino Unido.

53
Bhandari, LC (1988), “Relación deuda / capital y rentabilidad esperada de las acciones
ordinarias: evidencia empírica”, Journal of Finance 43, 507-528.

Black, F. (1972), “Equilibrio del mercado de capitales con préstamos restringidos”, Journal of
Business 45, 444-455.

Black F., MC Jensen y M. Scholes (1972), "El modelo de fijación de precios de los activos de
capital: algunas pruebas empíricas". En: M. Jensen, ed., Estudios en la teoría de los
mercados de capitales. Praeger.

Black, F. y M. Scholes (1973), “La fijación de precios de opciones y pasivos corporativos”,

Journal of Political Economy 81, 637-654.

Blundell, RW y S. Bond (1998), "Condiciones iniciales y restricciones de momento en modelos

de datos de panel dinámico", Journal of Econometrics 87, 115-143.

Breeden, DT (1979), “Un modelo de fijación de precios de activos intertemporal con consumo
estocástico y oportunidades de inversión”, Journal of Financial Economics 7, 265-296.

Breeden, DT, MR Gibbons y RH Litzenberger (1989), “Pruebas empíricas del CAPM orientado
al consumo”, Journal of Finance 44, 231-262.

Brunnermeier, M. (2009), “Descifrando la crisis de liquidez y crédito de 2007-2008”, Journal

of Economic Perspectives 23 (1), 77-100.

Brunnermeier, M. y S. Nagel (2004), “Hedge funds and the technology bubble”, Journal of
Finance 59, 2013-2040.

Brunnermeier, M. y LH Pedersen (2009), “Liquidez del mercado y liquidez de la financiación”,

Revisión de estudios financieros 22 (6), 2201-2238.

Cagetti, M., LP Hansen, TJ Sargent y N. Williams (2002), “Robustez y fijación de precios con
crecimiento incierto”, Revisión de estudios financieros 15 (2), 363-404.

Campbell, JY (1987), “Rentabilidad de las acciones y estructura temporal”, Journal of Financial

Economics 18 (2), 373-399.

Campbell, JY (1993), “Fijación de precios de activos intertemporales sin datos de consumo”,

American Economic Review 83 (3), 487-512.

Campbell, JY y JH Cochrane (1999), "Por la fuerza del hábito: una explicación basada en el
consumo del comportamiento del mercado de valores agregado", Journal of Political
Economy 107, 205-251.

54
Campbell, JY, C. Polk y T. Vuolteenaho (2009), "Crecimiento o glamour: Fundamentos y riesgo
sistemático en los rendimientos de las acciones", Revisión de estudios financieros 23
(1), 305-344.

Campbell, JY, S. Giglio, C. Polk y R. Turley (2012), “Un CAPM intertemporal con volatilidad
estocástica”, documento de trabajo NBER 18411.

Campbell, JY y RJ Shiller (1987), “Cointegración y pruebas de modelos de valor presente”,

Journal of Political Economy 95, 1062-1088.

Campbell, JY y RJ Shiller (1988a), "La relación precio-dividendo y expectativas de dividendos

futuros y factores de descuento", Revisión de estudios financieros 1, 195-227

Campbell, JY y RJ Shiller (1988b), “Precios de las acciones, ganancias y dividendos

esperados”, Journal of Finance 43, 661-676.

Campbell, JY y RJ Shiller (1991), "Diferenciales de rendimiento y movimientos de tipos de

interés: una vista de pájaro", Revisión de estudios económicos 58, 495-514.

Campbell, JY y T. Vuolteenaho (2004), “Bad beta, good beta”, American Economic Review 94
(5), 1249-1275.

Carhart, MM (1997), “Sobre la persistencia del desempeño de los fondos mutuos”, Journal of
Finance 52 (1), 57-82.

Case, KE y RJ Shiller (1987), “Precios de viviendas unifamiliares desde 1970: Nuevos índices
para cuatro ciudades”, New England Economic Review septiembre / octubre, 45-56.

Case, KE y RJ Shiller (1989), “La eficiencia del mercado de viviendas unifamiliares”, American
Economic Review 79 (1), 125-137.

Case, KE y RJ Shiller (2003), "¿Hay una burbuja en el mercado de la vivienda?" Documentos

de Brookings sobre actividad económica.

Chen, H., R. Roll y SA Ross (1986), "Fuerzas económicas y el mercado de valores", Journal of
Business 56, 383-403.

Cochrane, JH (2001), Asset Pricing, Princeton University Press, 2001.

Cochrane, JH (2007), "El perro que no ladró: una defensa de la previsibilidad del retorno",
Revisión de estudios financieros 21, 1533-1575.

Cochrane, JH (2011), “Dirección presidencial: tasas de descuento”, Journal of Finance 66 (4),

1047-1108.

55
Conrad, J. y G. Kaul (1988), "An anatomy of trading Strategies", Revisión de estudios
financieros 11, 489-519.

Constantinides, GM (1990), “Formación de hábitos: una resolución del rompecabezas de la

prima de equidad”, Journal of Political Economy 98, 519-543.

Constantinides, GM y D. Duffie (1996), “Fijación de precios de activos con consumidores

heterogéneos”, Journal of Political Economy 104, 219-240.

Cootner, P. (1962), “Precios de las acciones: cambios aleatorios frente a cambios sistemáticos”,
Industrial Management Review 3, 24-45.

Cootner, P. (1964). El carácter aleatorio de los precios de las acciones. Cambridge: MIT

Coval, J. y E. Stafford (2007), “Ventas (y compras) de activos disparados en los mercados de

valores”, Journal of Financial Economics 86, 479-512.

Cowles, A. (1933), "¿Pueden pronosticar los pronosticadores del mercado de valores?"

Econometrica 1, 309-324.

Daniel, K., D. Hirshleifer y A. Subrahmanyam (1998), "Psicología del inversor y reacciones

negativas y excesivas del mercado de seguridad", Journal of Finance 53 (6), 1839-1884.

Dann, LV (1981), “Recompras de acciones ordinarias: un análisis de los rendimientos para los
tenedores de bonos y accionistas”, Journal of Financial Economics 9, 113-138.

Davis, JL, EF Fama y KR French (2000), “Características, covarianzas y rendimientos

esperados: 1928-1997”, Journal of Finance 55, 389-406.

Deaton, A. (1992), Comprensión del consumo, Princeton University Press.

DeBondt, WFM y R. Thaler (1985), "Does the stock market overreact?" Journal of Finance 40,
793-805.

DeLong, B., A. Shleifer, L. Summers y R. Waldmann (1990a), "Riesgo de ruido del comerciante
en los mercados financieros", Journal of Political Economy 98, 703-738.

DeLong, B., A. Shleifer, L. Summers y R. Waldmann (1990b), "Estrategias de inversión de

retroalimentación positiva y especulación racional desestabilizadora", Journal of
Finance 45, 375-395.

Dolley, JC (1933), "Características y procedimiento de la división de acciones ordinarias",

Harvard Business Review 11, 316-326.

56
Douglas, GW (1969), "Riesgo en los mercados de valores: una evaluación empírica de la
eficiencia del mercado", Ensayos económicos de Yale

Duffie, D. (2010), “Dinámica de precios de activos con capital de movimiento lento”, Journal
of Finance 65, 1237-1267.

Eichenbaum, MS y LP Hansen (1990), "Estimación de modelos con sustitución intertemporal

utilizando datos agregados de series de tiempo", Journal of Business and Economic
Statistics 8 (1), 53-69.

Eichenbaum, MS, LP Hansen y KJ Singleton (1988), "Un análisis de series de tiempo de

modelos de agentes representativos de consumo y elección de ocio bajo incertidumbre",
Quarterly Journal of Economics 103 (1), 51-78.

Engle, RF y CWJ Granger (1987), “Cointegración y corrección de errores: representación,

estimación y prueba”, Econometrica 55, 251-276.

Epstein, LG y M. Schneider (2008), "Ambigüedad, calidad de la información y precio de los

activos", Revista de finanzas 63, 197–228.

Epstein, LG y T. Wang (1994), “Fijación de precios de activos intertemporales bajo

incertidumbre de Knight”, Econometrica 62, 283-322.

Epstein, LG y SE Zin (1989), “Sustitución, aversión al riesgo y comportamiento temporal del

consumo y los rendimientos de los activos: un marco teórico”, Econometrica 57 (4),
937969.

Fama, EF (1963), “Mandelbrot y la hipótesis estable de Paretian”, Journal of Business 36 (4),

420-429.

Fama, EF (1965), "El comportamiento de los precios del mercado de valores", Journal of
Business 38, 34-105.

Fama, EF (1970), “Mercados de capital eficientes: una revisión de la teoría y el trabajo

empírico”, Journal of Finance 25, 383-417.

Fama, EF (1976), Foundations of Finance: Portfolio Decisions and Securities Prices, Basic
Books, Nueva York.

Fama, EF (1984), “Tipos de cambio a plazo y al contado”, Journal of Monetary Economics 14,
319-338.

Fama, EF (1991), “Efficient capital market II”, Journal of Finance 46, 1575-1618.

57
Fama, EF (1998), “Eficiencia del mercado, rendimientos a largo plazo y finanzas conductuales”,
Journal of Financial Economics 49, 283-306.

Fama, EF y RR Bliss (1987), “La información en tasas a plazo a largo plazo”, American
Economic Review 77, 680-692.

Fama, EF y ME Blume (1966), "Reglas de filtro y negociación del mercado de valores", Journal
of Business 39: II, 226-241.

Fama, EF, L. Fisher, M. Jensen y R. Roll (1969), “El ajuste de los precios de las acciones a la
nueva información”, Revista Económica Internacional 10, 1-21.

Fama, EF y KR French (1988a), “Rendimientos de dividendos y rendimientos esperados de las

acciones”, Journal of Financial Economics 22, 3-26.

Fama, EF y KR French (1988b), “Componentes permanentes y temporales de los precios de las

acciones”, Journal of Political Economy 96, 246-273.

Fama, EF y KR French (1989), “Condiciones comerciales y rendimientos esperados de acciones

y bonos”, Journal of Financial Economics 25, 23-50.

Fama, EF y KR French (1992), “La sección transversal de los rendimientos esperados de las
acciones”, Journal of Finance 47, 427-466.

Fama, EF y KR French (1993), “Factores de riesgo comunes en los rendimientos de acciones y

bonos”, Journal of Financial Economics 33, 3-56.

Fama, EF y KR French (1995), “El tamaño y los factores de mercado en ganancias y

rendimientos”, Journal of Finance 50, 131-156.

Fama, EF y KR French (1996), “Explicaciones multifactoriales para anomalías en el precio de

los activos”, Journal of Finance 51 (1), 55-84.

Fama, EF y KR French (1998), “Valor versus crecimiento: la evidencia internacional”, Journal

of Finance 53 (6), 1975-1999.

Fama, EF y KR French (2010), “Suerte versus habilidad en la sección transversal de retornos

de fondos mutuos”, Journal of Finance 65 (5), 1915-1947.

Fama, EF y R. Litterman (2012), “Una visión experimentada de los mercados y la inversión”,

Financial Analysts Journal 68 (6), 1-5.

Fama, EF y JD MacBeth (1973), “Riesgo, rendimiento y equilibrio: pruebas empíricas”, Journal

of Political Economy 81, 607-636.

58
Fama, EF y GW Schwert (1977), “Rendimientos de activos e inflación”, Journal of Financial
Economics 5, 115-146.

French, KR y R. Roll (1986), "Variaciones en el rendimiento de las acciones: la llegada de

información y la reacción de los comerciantes", Journal of Financial Economics 17, 5-
26.

Friedman, M. (1953), "El caso de tipos de cambio flexibles". En: Ensayos sobre economía
positiva, Chicago University Press.

Froot, K. y E. Dabora (1999), "¿Cómo se ven afectados los precios de las acciones por la
ubicación del comercio?" Revista de economía financiera 53, 189-216.

Gibbons, MR, SA Ross y J. Shanken (1989), "Una prueba de la eficiencia de una cartera dada",
Econometrica 57 (5), 1121-1152.

Grossman, SJ y RJ Shiller (1981), "Los determinantes de la variabilidad de los precios del

mercado de valores", American Economic Review 71, 222-227.

Grossman, SJ y JE Stiglitz (1980), "Sobre la imposibilidad de los mercados informacionalmente

eficientes", American Economic Review 70, 393-408.

Hansen, BE y KD West (2002), “Método generalizado de momentos y macroeconomía”,

Journal of Business and Economic Statistics 20 (4), 460-469.

Hansen, LP (1982), “Propiedades de muestras grandes de estimadores del método generalizado

de momentos”, Econometrica 50, 1029-1054.

Hansen, LP (1985), “Un método para calcular límites en las matrices de covarianza asintóticas
de estimadores del método generalizado de momentos ”, Journal of Econometrics 30, 203-
238.

Hansen, LP, JC Heaton y N. Li (2008), “El consumo contraataca? Medir a largo plazo

riesgo ”, Journal of Political Economy 116, 260-302.

Hansen, LP, JC Heaton y M. Ogaki (1988), "Límites de eficiencia implicados por restricciones
de momentos condicionales de múltiples períodos", Revista de la Asociación
Estadounidense de Estadística 83

59
Hansen, LP, JC Heaton y A. Yaron (1996), “Propiedades de muestra finita de algunos
estimadores alternativos de GMM”, Journal of Business & Economic Statistics 14.

Hansen, LP y JA Scheinkman (1995), "Regreso al futuro: generar implicaciones de momento

para procesos de Markov en tiempo continuo", Econometrica 63, 767-804

Hansen, LP y RJ Hodrick (1980), “Tipos de cambio a plazo como predictores óptimos de los
tipos futuros al contado: un análisis econométrico”, Journal of Political Economy 88
(5), 829853.

Hansen, LP y R. Jagannathan (1991), "Implicaciones de los datos del mercado de seguridad

para modelos de economías dinámicas", Journal of Political Economy 99, 225-262.

Hansen, LP y R. Jagannathan (1997), "Evaluación de errores de especificación en modelos de

factores de descuento estocásticos", Journal of Finance 52 (2), 557-590.

Hansen, LP y SF Richard (1987), “El papel de condicionar la información en la deducción de

restricciones comprobables implícitas en los modelos dinámicos de precios de activos”,
Econometrica 55, 587613.

Hansen, LP y TJ Sargent (1980), “Formulación y estimación de modelos de expectativas

racionales lineales dinámicos”, Journal of Economic Dynamics and Control 2, 7-46.

Hansen, LP y TJ Sargent (2001), “Control robusto e incertidumbre del modelo”, American

Economic Review 91 (2), 60-66.

Hansen, LP y TJ Sargent (2008), Robustez, Princeton Universty Press.

Hansen, LP y KJ Singleton (1982), “Estimación de variables instrumentales generalizadas de

modelos de expectativas racionales no lineales”, Econometrica 50 (5), 1269-1286.

Hansen, LP y KJ Singleton (1983), “Consumo estocástico, aversión al riesgo y

comportamiento temporal de los precios de los activos”, Journal of Political Economy 91 (2),
249-265. Hansen, LP y KJ Singleton (1984) “Errata: estimación de variables instrumentales
generalizadas de modelos de expectativas racionales no lineales”, Econometrica 52 (1), 267-
268.

Harrison, JM y DM Kreps (1978), “Comportamiento del inversor especulativo en un mercado

de valores con expectativas heterogéneas”, Quarterly Journal of Economics 92 (2), 323-
336.

60
Harrison, JM y DM Kreps (1979), “Martingalas y arbitraje en mercados de valores de períodos
múltiples”, Journal of Economic Theory 20, 381-408.

Heaton, J. y D. Lucas, (1992), "Los efectos de los mercados de seguros incompletos y los costos
de negociación en un modelo de precios de activos basado en el consumo", Journal of
Economic Dynamics and Control 16, 601-620.

Hong, H. y J. Stein (1999), “Una teoría unificada de reacción insuficiente, intercambio de

impulso y reacción exagerada en los mercados de activos”, Journal of Finance 54 (6),
2143-2184.

Huggett, M. (1993), “La tasa libre de riesgo en economías con seguros incompletos de agentes
heterogéneos”, Journal of Economic Dynamics and Control 17, 953-969.

Jagannathan, R., G. Skoulakis y Z. Wang (2002), “Método generalizado de momentos:

aplicaciones en finanzas”, Journal of Business and Economic Statistics 20 (4), 470-481.

Jagannathan, R. y Z. Wang (1998), “Una teoría asintótica para estimar modelos de precios beta
mediante regresión transversal”, Journal of Finance 53 (4), 1285-1309.

Jarrow, RA y M. Larsson (2012), “El significado de la eficiencia del mercado”, Mathematical

Finance 22 (1), 1-30.

Jegadeesh, N. y S. Titman (1993), “Retornos para comprar ganadores y vender perdedores:

implicaciones para la eficiencia del mercado de valores”, Journal of Finance 48 (1), 65-
91.

Jensen, MC (1968), “El desempeño de los fondos mutuos en el período 1945-1964”, Journal of
Finance 23 (2), 389-416.

Kahneman, D. y A. Tversky (1979), “Teoría de la perspectiva: un análisis de la decisión bajo

riesgo”, Econometrica 47, 263-292.

Kahneman, D. y A. Tversky (1984), “Choices values and frames”, American Psychologist 39,
341-350.

Keim, DB (1983), "Anomalías relacionadas con el tamaño y estacionalidad del rendimiento de

las acciones", Journal of Financial Economics 12, 13-32.

Keim, DB y RF Stambaugh (1986), "Predicción de rendimientos en los mercados de acciones y

bonos", Journal of Financial Economics 17, 357-390.

61
Kendall, MG (1953), "El análisis de series de tiempo económicas, Parte I: Precios", Revista de
la Royal Statistical Society 96, 11-25.

Kleidon, AW (1986), "Pruebas de límites de varianza y modelos de valoración del precio de las
acciones", Journal of Political Economy 94 (5), 953-1001.

Kothari, SP y JB Warner (2007), "Econometría de estudios de eventos". En: Eckbo, BE (ed.),

Handbook of Corporate Finance: Empirical Corporate Finance, Volumen 1,
Elsevier, pág. 3-36.

Kreps, DM y EL Porteus (1978), “Resolución temporal de la incertidumbre y teoría de la

elección dinámica”, Econometrica 46, 185-200

Lakonishok, J. y AC Shapiro (1986), “Riesgo sistemático, riesgo total y tamaño como

determinantes de la rentabilidad del mercado de valores”, Journal of Banking and
Finance 10, 115-132.

Lakonishok, J., A. Shleifer y RW Vishny (1994), "Inversión contraria, extrapolación y riesgo",

Journal of Finance 49 (5), 1541-1578.

Lamont, O. y R. Thaler (2003), “¿Puede el mercado sumar y restar? Precios erróneos en las
escisiones de acciones tecnológicas ”, Journal of Political Economy 111 (2), 227-268.

Lee, CMC, A. Shleifer y RH Thaler (1991), "El sentimiento de los inversores y el rompecabezas
de los fondos cerrados", Journal of Finance 46 (1), 75-109.

Lehmann, BN (1990), “Modas, martingalas y eficiencia del mercado”, Quarterly Journal of

Economics 105 (1), 1-28.

LeRoy, SF y R. Porter (1981), “La relación de valor presente: pruebas basadas en límites de
varianza implícitos”, Econometrica 49, 55-74.

Lettau, M. y S. Ludvigson (2001), “Resurrecting the (C) CAPM: Una prueba transversal cuando
las primas de riesgo varían en el tiempo”, Journal of Political Economy 109 (6), 1238-
1287.

Lintner, J. (1956), “Distribución de los ingresos de las corporaciones entre dividendos,

ganancias retenidas e impuestos”, American Economic Review 46 (2), 97-113.

Lintner, J. (1965), “La valoración de activos de riesgo y la selección de inversiones de riesgo

en carteras de acciones y presupuestos de capital”, Revisión de Economía y Estadística
47, 13-37.

62
Lo, AW y AC MacKinlay (1988), "Los precios del mercado de valores no siguen caminos
aleatorios: evidencia de una prueba de especificación simple", Revisión de estudios
financieros 1, 41-66.

Lucas, RE (1978), "Los precios de los activos en una economía de intercambio", Econometrica
46, 1429-1446.

MacKinlay, AC (1997), “Estudios de eventos en economía y finanzas”, Journal of Economic

Literature 35 (1), 13-39.

Malloy, CJ, TJ Moskowitz y A. Vissing-Jorgensen (2009), “Riesgo de consumo de accionistas

a largo plazo y rendimiento de activos”, Journal of Finance 64 (6), 2427-2479.

Mandelbrot, B. (1963), "La variación de ciertos precios especulativos", Journal of Business 36,
394-419.

Mankiw, NG (1986), "La prima de capital y la concentración de shocks agregados", Revista de

economía financiera 17, 211-219.

Mankiw, NG y MD Shapiro (1986), “Riesgo y rendimiento: beta de consumo frente a beta de

mercado”, Review of Economics and Statistics 48, 452-459.

Markowitz, H. (1959), Selección de cartera: diversificación eficiente de inversiones, Prensa de

la Universidad de Yale.

Marsh, TA y RC Merton (1986), “Variabilidad de dividendos y pruebas de límites de varianza

para la racionalidad de los precios de las acciones”, American Economic Review 76 (3),
483-498.

Mehra, R. y E. Prescott (1985), "The Equity Premium Puzzle", Journal of Monetary Economics
15, 145-161.

Merton, RC (1973), “Un modelo de fijación de precios de activos intertemporal”, Econometrica

41 (5), 867-887.

Miller, E. (1977), “Riesgo, incertidumbre y diferencias de opinión”, Journal of Finance 32 (4),

1151-1168.

Mitchell, ML y JM Netter (1994), "El papel de la economía financiera en casos de fraude de

valores: solicitudes en la Comisión de Bolsa y Valores", Abogado de Negocios, febrero
de 1994.

63
Mitchell, M., T. Pulvino y E. Stafford (2002), “Arbitraje limitado en mercados de valores”,
Journal of Finance 57 (2), 551-584.

Modigliani, F. y RA Cohn (1979), “La inflación, la valoración racional y el mercado”, Financial

Analysts Journal 35 (2), 24-44.

Moskowitz, TJ y M. Grinblatt (1999), "Do industries explican el impulso?" Revista de Finanzas

54 (4), 1249-1290.

Mossin, J. (1966), "Equilibrium in a capital asset market", Econometrica 34 (4), 768-783.

Nelson, CR y MJ Kim (1993), “Rendimientos predecibles de acciones: el papel del sesgo de

muestras pequeñas”. Journal of Finance 48, 641–661.

Neyman, J. y ES Pearson (1928), “Sobre el uso e interpretación de ciertos criterios de prueba

para propósitos de inferencia estadística, Parte II”, Biometrika 20A, 263-294.

Ofek, E. y M. Richardson (2003), "DotCom mania: El aumento y la caída de los precios de las
acciones de Internet", Journal of Finance 58 (3), 1113-1137.

Osborne, MFM (1959), “Movimiento browniano en el mercado de valores”, Investigación de

operaciones 7, 145-173.

Oskamp, S. (1965), "Exceso de confianza en juicios de estudios de casos", Journal of Consulting

Psychology 29, 261-265.

Pastor, L. y RF Stambaugh (2003), “Riesgo de liquidez y rentabilidad esperada de las acciones”,

Journal of Political Economy 111, 642-685.

Pearson, K. (1894), "Contribuciones a la teoría matemática de la evolución", Transacciones

filosóficas de la Royal Society of London, A 185, 71-110

Pearson, K. (1900), "Sobre el criterio de que un sistema dado de desviaciones de lo probable

en el caso de un sistema correlacionado de variables es tal que se puede suponer
razonablemente que ha surgido de un muestreo aleatorio", Philosophical Magazine 5th
Series 50, 157175.

Reinganum (1981), “Especificación errónea de la fijación de precios de los activos de capital:

anomalías empíricas basadas en los rendimientos de las ganancias y los valores de
mercado”, Journal of Financial Economics 9, 19-46.

Roberts, HV (1959), “Patrones del mercado de valores y análisis financiero. Sugerencias

metodológicas ”Journal of Finance 14, 1-10.

64
Roll, R. (1977), “Una crítica de las pruebas de la teoría de los precios de los activos Parte I:
Sobre la probabilidad pasada y potencial de la teoría”, Journal of Financial Economics
4 (2), 129-176.

Roll, R. (1984), "Jugo de naranja y clima", American Economic Review 74, 861-880.

Rosenberg, B., K. Reid y R. Lanstein (1985), “Evidencia persuasiva de la ineficiencia del

mercado”, Journal of Portfolio Management 11, 9-17.

Ross, SA (1976), "La teoría de precios de arbitraje de los precios de los activos de capital",
Journal of Economic Theory 13, 341-360.

Ross, SA (1978), "Un enfoque simple para la valoración de corrientes de riesgo", Journal of
Business 51 (3), 453-475.

Routledge, BR y SE Zin (2010), "Aversión generalizada a la decepción y precios de los activos",

Revista de finanzas 65, 1303-1332.

Rozeff, MS y WR Kinney (1976), “Estacionalidad del mercado de capitales: el caso de los

rendimientos de las acciones”, Journal of Financial Economics 3, 379-402.

Samuelson, PA (1965), “Prueba de que los precios anticipados adecuadamente fluctúan al azar”,
Industrial Management Review 6, 41-49.

Sargan, JP (1958), “La estimación de relaciones económicas usando variables instrumentales”,

Econometrica 26, 393-415.

Shanken, J. (1992), “Sobre la estimación de modelos de precios beta”, Revisión de estudios

financieros 5 (1), 1-33.

Sharpe, WF (1964), “Precios de los activos de capital: una teoría del equilibrio del mercado en
condiciones de riesgo”, Journal of Finance 19 (3), 425-442.

Sharpe, WF (1966), "Rendimiento de fondos mutuos", Journal of Business 39, 119-138.

Shiller, RJ (1979), “La volatilidad de las tasas de interés a largo plazo y los modelos de
expectativas de la estructura temporal”, Journal of Political Economy 87, 1190-1219.

Shiller, RJ (1981a), "¿Se mueven demasiado los precios de las acciones como para ser
justificado por cambios posteriores en los dividendos?" American Economic Review
71, 421-436.

Shiller, RJ (1981b), "El uso de medidas de volatilidad en la evaluación de la eficiencia del

mercado", Journal of Finance 36 (2), 291-304.

65
Shiller, RJ (1982), “Consumo, mercados de activos y fluctuaciones macroeconómicas”, Serie
de conferencias Carnegie Rochester sobre políticas públicas 17, 203-238.

Shiller, RJ (1984), “Precios de las acciones y dinámica social”, Serie de conferencias Carnegie
Rochester sobre políticas públicas, 457-510.

Shiller, RJ (1987), “Comportamiento del inversor en la caída del mercado de valores de 1987:
evidencia de la encuesta”, documento de trabajo de NBER núm. 2446.

Shiller, RJ (1988), “Los seguros de cartera y otras modas de los inversores como factores en la
caída del mercado de valores de 1987”, NBER Macroeconomics Annual 3, 287-297.

Shiller, RJ (1989), Market Volatility, MIT Press.

Shiller, RJ (2000), Irrational Exuberance, Princeton University Press.

Shiller, RJ (2008), La solución subprime: cómo ocurrió la crisis financiera global de hoy y qué
hacer al respecto, Princeton University Press.

Shiller, RJ, JY Campbell y KL Schoenholtz (1983), “Forward rates and future policy:
interpretando la estructura temporal de las tasas de interés ”, Brookings Papers on
Economic Activity 1, 173-223.

Shiller, RJ y P. Perron (1985), “Prueba de la hipótesis del paseo aleatorio: potencia frente a
frecuencia de observación”, Economics Letters 18, 381-386.

Shiller, RJ y J. Pound (1989), “Encuesta de evidencia sobre la difusión de interés e información

entre inversionistas”, Journal of Economic Behavior and Organization 12, 47-66.

Shleifer, A. (1986), "¿Las curvas de demanda de las acciones se inclinan hacia abajo", Journal
of Finance 41 (3), 579-590.

Shleifer, A. (2000), Mercados ineficientes: Introducción a las finanzas conductuales.

Conferencias Clarendon en Economía, Oxford University Press.

Shleifer, A. y R. Vishny (1997), "Los límites del arbitraje", Journal of Finance 52 (1), 3555.

Slovic, P. (1972), “Estudio psicológico del juicio humano: implicaciones para la toma de
decisiones de inversión”, Journal of Finance 27 (4), 779-801.

Smith, VL, GL Suchanek y AW Williams (1988), “Burbujas, caídas y expectativas endógenas

en los mercados al contado experimentales”, Econometrica 56 (5), 1119-1151.

Stambaugh, RF (1999), “Predictive regressions”, Journal of Financial Economics 54, 375421.

66
Statman, D. (1980), "Valores contables y rentabilidad de las acciones", The Chicago MBA: A
Journal of Selected Papers 4, 25-45.

Summers, LH (1986), "¿El mercado de valores refleja racionalmente los valores

fundamentales?" Revista de Finanzas 41 (3), 591-601.

Sundaresan, SM (1989), “Preferencias dependientes intertemporalmente y la volatilidad del

consumo y la riqueza”, Revisión de estudios financieros 2, 73-89.

Telmer, C. (1993), "Acertijos de fijación de precios de activos y mercados incompletos", Journal

of Finance 48, 1803-1832.

Thaler, RH (1985), "Contabilidad mental y elección del consumidor", Marketing Science 4,

199214.

Thaler, RH y S. Benartzi (2004), “Save More Tomorrow ™: uso de la economía del

comportamiento para aumentar el ahorro de los empleados”, Journal of Political
Economy 112 (suplemento), S164S187.

Tirole, J. (1985), "Burbujas de activos y generaciones superpuestas", Econometrica 53, 1499-

1528.

Tversky, A. y D. Kahneman (1974), "Juicio bajo incertidumbre: heurística y sesgos", Science

185, 1124-1131.

Weil, P. (1989), "El rompecabezas de la prima de las acciones y el rompecabezas de la tasa libre
de riesgo", Journal of Monetary Economics 24, 401-421.

Wurgler, J. y E. Zhuravskaya (2002), "¿El arbitraje aplana las curvas de demanda de acciones?"
Journal of Business 75 (4), 583-608.

Xiong, W. y J. Yu (2011), “The Chinese warrants bubble”, American Economic Review 101,
2723-2753.

Zweig, ME (1973), “Un modelo predictivo del precio de las acciones de las expectativas de un
inversor utilizando primas de fondos cerrados”, Journal of Finance 28 (1), 67-78.

67