TEMAS AVANZADOS EN

FINANZAS Y MERCADOS
FINANCIEROS
SESIÓN N° 13: Otras medidas de evaluación de resultados

Profesor: J. David Moreno

1
ÍNDICE
1. Medidas de performance basadas en modelos multifactoriales
2. Resultados empíricos de gestores de fondos de inversión
3. Otras medidas de performance
• Medidas de performance para carteras pasivas
• Appraisal Ratio
• Information Ratio
4. Market timing

2
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• En el tema anterior estudiamos una medida de performance muy relevante para

académicos y profesionales → Alfa de Jensen

• El alfa de Jensen ( ) mide la rentabilidad de una cartera en exceso de la rentabilidad

teórica que debería ofrecer según el modelo CAPM.

 p  R p  [ R f   p ( RM  R f )]

• Otra forma de interpretar alfa: Alfa mide la el exceso de rentabilidad de una

cartera una vez ajustada al riesgo.

3
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• Alfa multifactorial modelo general

• Podemos tener un alfa diferente dependiendo del modelo de valoración de activos
que utilicemos para calcular los rendimientos ajustados al riesgo.

• En términos generales:

𝛼𝑝 = 𝑅𝑝 − (𝛽1 𝐹1,𝑡 + 𝛽2 𝐹2,𝑡 + 𝛽3 𝐹3,𝑡 + ⋯ + 𝛽𝐾 𝐹𝐾,𝑡 )

• Rp es la rentabilidad de la cartera o fondo de inversión
• 1 es el riesgo sistemático asociado al factor de riesgo 1 que tiene el fondo
• F1 es el factor de riesgo 1

• ¿Cómo funciona?
• Si j aumenta → 4
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• Alfa multifactorial modelo general: ¿Cómo funciona?

𝛼𝑝 = 𝑅𝑝 − (𝛽1 𝐹1,𝑡 + 𝛽2 𝐹2,𝑡 + 𝛽3 𝐹3,𝑡 + ⋯ + 𝛽𝐾 𝐹𝐾,𝑡 )

• ¿Cómo funciona alfa?
• F1,…FK→ Representan primas de riesgo asociadas a ese riesgo sistemático. Deberían
tomar un valor positivo históricamente (ejemplo: RM-Rf)

• j → Mide la exposición a ese factor de riesgo.

• Si j > 0 → El fondo o cartera está expuesto a ese riesgo sistemático y según el modelo
de valoración de activos, debería dar una rentabilidad asociada a ese riesgo (j*Fj)

• Si j aumenta → La rentabilidad exigida a el fondo también aumentará. 5

SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• Existen dos modelos de valoración de activos muy populares que darán lugar a dos
medidas de performance de alfa.

• Modelo de Fama-French (1992)

• Modelo de 3 factores
• Factores de riesgo:
• Factor de mercado → (Rm-Rf)
• Factor tamaño (capitalización) → SMB
• Factor book-to-market → HML

• Modelo de Carhart (1997)

• Añade el factor momentum al modelo de 3-factores de Fama-Frech
• Factor momentum → WML 6
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• Modelo de Fama- French (FF)

𝐸 𝑅𝑖 = 𝑅𝑓 + 𝛽𝑖,𝑀 [𝑅𝑀 − 𝑅𝑓 ] + 𝛽𝑖,𝑆𝑀𝐵 [𝑆𝑀𝐵] + 𝛽𝑖,𝐻𝑀𝐿 𝐻𝑀𝐿 + 𝜖

• Alfa de Fama-French
• Es la diferencia entre el rendimiento del fondo o cartera y la rentabilidad teórica
según el modelo de FF.

𝛼𝑝 = 𝑅𝑝 − [𝑅𝑓 +𝛽𝑝,𝑀 (𝑅𝑀 − 𝑅𝑓 ) + 𝛽𝑝,𝑆𝑀𝐵 (𝑆𝑀𝐵) + 𝛽𝑝,𝐻𝑀𝐿 (𝐻𝑀𝐿)]

7
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• Ejemplo: Suponer que tenemos un fondo de inversión americano que durante los 3 años
anteriores ha ofrecido los siguientes datos:
• Rentabilidad media anual = 14%
• Beta de mercado = 1.1
• Beta de tamaño = 0.4
• Beta de HML = 0.5

• Además, se dispone de los siguientes datos generales para el mercado durante esos 3
años:
• Rentabilidad libre de riesgo = 2%
• Rentabilidad del SP500 = 10%
• Factor SMB = 5%
• Factor HML = 7%

A. Determine su alfa de Jensen

B. Determine su alfa de Fama y French 8
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales
• Ejemplo (Solución)

• Alfa de Jensen:

• = 0.14 – 0,02-1.1*0,1 = 1%
• Alfa de FF

• = 0.14 – 0,02-1.1*0,1 – 0.4*0.05 – 0.5*0.07 = -4.5%

• Vemos como el alfa de Jensen y de FF son diferentes.
• Si un gestor está invirtiendo en acciones pequeñas (o con alto book-to-market), está
asumiendo un riesgo sistemático adicional, y el alfa de Jensen no le penaliza.
• No es correcto no penalizar por un riesgo adicional. 9
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• Pregunta
• Si un gestor de carteras sabe que será evaluado por el alfa de Jensen, existe alguna
estrategia que le permita obtener una rentabilidad adicional de acuerdo a esa medida de
performance?

• Respuesta

• Si, el gestor podría invertir en acciones pequeñas (baja capitalización) o empresas

value (alto ratio book-to-market)
• Estas acciones ofrecen una mayor rentabilidad aunque contienen un mayor riesgo
(medido por la Beta de tamaño y Beta de HML)
• El modelo FF corríge este problema y penaliza a aquellos gestores que asumen más
riesgo de tamaño o de book-to-market
10
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• Modelo de Carhart (1997)

𝐸 𝑅𝑖 = 𝑅𝑓 + 𝛽𝑖,𝑀 [𝑅𝑀 − 𝑅𝑓 ] + 𝛽𝑖,𝑆𝑀𝐵 [𝑆𝑀𝐵] + 𝛽𝑖,𝐻𝑀𝐿 𝐻𝑀𝐿 + 𝛽𝑖,𝑊𝑀𝐿 𝑊𝑀𝐿 + 𝜖

• Alfa de Carhart
• Es la diferencia entre el rendimiento del fondo o cartera y la rentabilidad teórica
según el modelo de 4-factores.

𝛼𝑝 = 𝑅𝑝 − [𝑅𝑓 +𝛽𝑝,𝑀 (𝑅𝑀 − 𝑅𝑓 ) + 𝛽𝑝,𝑆𝑀𝐵 (𝑆𝑀𝐵) + 𝛽𝑝,𝐻𝑀𝐿 (𝐻𝑀𝐿) + 𝛽𝑝,𝑊𝑀𝐿 (𝑊𝑀𝐿)]]

11
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• Ejemplo: Suponer que tenemos un fondo de inversión americano que durante los 3 años
anteriores ha ofrecido los siguientes datos:
• Rentabilidad media anual = 14%, Beta de mercado = 1.1
• Beta de tamaño = 0.4, Beta de HML = 0.5
• Beta de momentum = - 0.3

• Además, se dispone de los siguientes datos generales para el mercado durante esos 3
años:
• Rentabilidad libre de riesgo = 2% , Factor SMB = 5%
• Factor HML = 7%, Factor WML =6%,
• Rentabilidad del SP500 = 10%

A. Determine su alfa de Jensen, alfa de FF, y el alfa de Carhart

B. ¿Por qué el alfa de Carhart es mayor que el de FF?
12
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• Ejemplo (Solución)

• Alfa de Jensen:
• = 0.14 – 0,02-1.1*0,1 = 1%

• Alfa de FF
• = 0.14 – 0,02-1.1*0,1 – 0.4*0.05 – 0.5*0.07 = -4.5%
• Alfa de Carhart
• = 0.14 – 0,02-1.1*0,1 – 0.4*0.05 – 0.5*0.07 – (-0.3*0.0’6) = - 2,70%

• ¿Por qué alfa 4-factores es mayor que alfa 3-factores?

• Porque la cartera tiene una beta de momentum negativa.
• Eso significa que ha inveritido en acciones losers, y no se ha beneficiado de la mayor rentabilidad
que ofrecen las acciones winners. 13
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Modelos Multifactoriales

• ALFA Y REGRESIÓN LINEAL: ¿Cómo podemos calcular alfa de FF y Carhart en la

realidad?
• Para poder calcular el alfa multifactorial → Necesario hacer una Regresión Lineal
• El término independiente será alfa
• Definimos rendimientos en exceso → rp=Rp-Rf y. rM=RM-Rf

𝑟𝑝 = 𝛼 + 𝛽𝑀 𝑟𝑀 + 𝛽𝑆𝑀𝐵 𝑆𝑀𝐵 + 𝛽𝐻𝑀𝐿 𝐻𝑀𝐿 + 𝛽𝑊𝑀𝐿 𝑊𝑀𝐿 + 𝜀

• Necesitamos datos históricos (diarios, semanales, mensuales) de:

• Rendimientos del fondo (Rp)
• SMB
• HML Se pueden descargar de la página web de French
• RM-Rf https://mba.tuck.dartmouth.edu/pages/faculty/ken.french/dat
• Rf a_library.html 14
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Evidencia empírica

• EVIDENCIA EMPÍRICA DE PERFORMANCE EN FONDOS DE INVERSIÓN

• CON MODELO DE 1 FACTOR:

• En la lección anterior vimos que, generalmente, se observaba:
a. Alfa medio negativo
b. Distribución de alfas con asimetría negativa
c. Muy pocas alfas significativas estadísticamente

• CON MODELO DE 3 y 4 FACTORES:

• Se observa que generalmente:
a. Alfa medio más negativos (distribución de alfas se desplaza a la izqda)
b. Betas de tamaño, hml, y momentun significativas y positivas.
c. El modelo explica mucho mejor los rendimientos (R2-ajustado ↑)
15
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Evidencia empírica

• EVIDENCIA EMPÍRICA DE PERFORMANCE EN FONDOS DE INVERSIÓN

• En la siguiente tabla se muestran los resultados de un trabajo de Moreno y Rodríguez

(2006) Journal of Banking and Finance.
• Con datos del mercado americano de fondos de inversión
• Para 4 categorías de fondos de renta variable
Observamos que para todas las
categorías el alfa medio es más
negativo en el caso del modelo de
Carhart.

En paréntesis aparecen las

estadísticos-t, que indican que no
son parámetros estadísticamente
significativos en media.
16
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• Medidas de performance para fondos de gestión pasiva

• EN GESTIÓN ACTIVA
• En la lección anterior y en la primera parte de este tema hemos visto medidas de
performance para evaluar a gestores de carteras que buscan batir a un índice o que
realizan una gestión pasiva.
• Cuando invertimos en un fondo de gestión activa buscamos batir al mercado o al
índice de referencia.
• El gestor trata de conseguir mayores rendimientos-ajustados- al riesgo que los que
proporciona una cartera pasiva.

• EN GESTIÓN PASIVA
• No se busca batir a un índice sino replicarlo o seguirlo lo mejor posible.
• Menos desviación es mejor. 17
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• MEDIDAS DE PERFORMANCE PARA GESTIÓN PASIVA

• TRACKING ERROR (TE)

• Mide las desviaciones entre los rendimientos de una cartera y los rendimientos del
benchmark.
• Cuanto más pequeño, mejor sigue el fondo al benchmark, y mejor es la gestión pasiva
que se realiza.

• Si el TE = 0 → Réplica perfecta del benchmark.

• Es complicado conseguir TE=0 porque los gestores de fondos tienen:
• Costes de transacción
• Restricciones de liquidez (3% en efectivo)
• Restricciones de diversificación, etc.
18
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• MEDIDAS DE PERFORMANCE PARA GESTIÓN PASIVA

• TRACKING ERROR (TE)

• Fórmula para cálculo TE:

𝑡=𝑇
− 𝑅𝐵,𝑡 )2
𝑡=1 (𝑅𝑝,𝑡
𝑇𝐸 =
𝑇−1

• TE es la desviación típica de las diferencias de rentabilidad entre el fondo y el

benchmark.
• RB,t = Rendimiento del benchmark en el periodo t
• Rp,t = Rendimiento del fondo p en periodo t
• T = Número de observaciones 19
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• Ejemplo de Tracking Error.

• Suponga los siguientes precios de dos fondo de gestión pasiva español y del índice de
mercado Ibex-35 al que el fondo debería seguir. ¿Qué fondo se ha comportado
mejor?
Fechas Fondo A Fondo B Ibex-35
01/01/2019 100 230 9050
01/02/2019 101 250 9080
01/03/2019 101 270 9124
01/04/2019 103 260 9250
01/05/2019 101 250 9080
01/06/2019 98 220 9055
01/07/2019 96 199 8999
01/08/2019 93 178 8970
01/09/2019 94 188 9045
01/10/2019 99 199 9030
01/11/2019 101 203 9100
01/12/2019 105 210 9090 20
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• Ejemplo de Tracking Error (solución).

• Como son fondos pasivos debemos usar el TE.
• Lo primero es calcular rendimientos, porque tenemos precios.
Ibex-35 RA RB RM
9050
Fechas Fondo A Fondo B Ibex-35
01/01/2019 100 230 9050 9080 0,010 0,087 0,003
01/02/2019 101 250 9080 9124 0,000 0,080 0,005
01/03/2019 101 270 9124 9250 0,020 -0,037 0,014
01/04/2019 103 260 9250
9080 -0,019 -0,038 -0,018
01/05/2019 101 250 9080 𝑃𝑡 − 𝑃𝑡−1 9055
01/06/2019 98 220 9055 𝑅𝑡 = -0,030 -0,120 -0,003
𝑃𝑡−1
01/07/2019 96 199 8999 8999 -0,020 -0,095 -0,006
01/08/2019 93 178 8970 8970 -0,031 -0,106 -0,003
01/09/2019 94 188 9045
9045 0,011 0,056 0,008
01/10/2019 99 199 9030
01/11/2019 101 203 9100 9030 0,053 0,059 -0,002
01/12/2019 105 210 9090 9100 0,020 0,020 0,008
21
9090 0,040 0,034 -0,001
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• Ejemplo de Tracking Error (solución).

• Ahora calculamos las series de Diferencias (D)
RM DA DB
Ibex-35 RA RB RM
9050
0,003 0,007 0,080
9080 0,010 0,087 0,003
0,005 -0,005 0,085
9124 0,000 0,080 0,005
0,014 0,006 -0,043
9250 0,020 -0,037 0,014
-0,018 -0,001 -0,037
9080 -0,019 -0,038 -0,018
-0,003 -0,027 -0,093
9055 -0,030 -0,120 -0,003 D𝑡 = 𝑅𝑝 − 𝑅𝑀
-0,006 -0,014 -0,081
8999 -0,020 -0,095 -0,006
-0,003 -0,028 -0,078
8970 -0,031 -0,106 -0,003
9045 0,011 0,056 0,008 0,008 0,002 0,054
9030 0,053 0,059 -0,002 -0,002 0,055 0,004
9100 0,020 0,020 0,008 0,008 0,012 0,008
9090 0,040 0,034 -0,001 -0,001 0,041 -0,006 22
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• Ejemplo de Tracking Error (solución).

• Ahora calculamos la desviación estándar de esa serie de diferencias.
• EsoRMsería el TE DA DB

0,003 0,007 0,080

0,005 -0,005 0,085
0,014 0,006 -0,043
-0,018 -0,001 -0,037
-0,003 -0,027 -0,093
-0,006 -0,014 -0,081 El fondo A tiene un menor
-0,003 -0,028 -0,078 TE y por tanto, ha
0,008 0,002 0,054
-0,002 0,055 0,004
gestionado mejor su
0,008 0,012 0,008 cartera.
-0,001 0,041 -0,006 Es más similar al
benchmark.
TE 0,0254 0,0633
23
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• APPRAISAL RATIO
• Esta medida de performance nos proporciona información del alfa por unidad de
riesgo idiosincrático (o tracking error).
• Fórmula:
𝛼𝑝
𝐴𝑅 =
𝜎𝜀𝑝
• Cuanto más elevada mejor es la gestión del fondo
• Para fondos de gestión activa (buscan alfa)
• Interpretación: AR mide el rendimiento extra (alfa) que obtiene un gestor por cada unidad de
riesgo idiosincrático (desviación de la cartera de mercado).
• Un buen gestor → Aquel que consigue alfa positivo sin desviarse mucho del benchmark
24
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• INFORMATION RATIO
𝑅𝑝 −𝑅𝐵 𝐷
𝐼𝑅 = =
𝜎𝐷 𝜎𝐷

• D= Diferencia de rentabilidades entre benchmark y cartera p.

• Esta medida de performance es muy parecida al Ratio de Sharpe

• Se calcula como el rendimiento en exceso partido del tracking error.
• Cuanto más elevado mejor
25
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• Ejemplo de Information Ratio.

• Suponga los siguientes precios de dos fondo de gestión activa español y del índice de
mercado Ibex-35 al que el fondo debería seguir. ¿Qué fondo se ha comportado
mejor atendiendo al Ratio de Información?
Fechas Fondo A Fondo B Ibex-35
01/01/2019 100 230 9050
01/02/2019 101 250 9080
01/03/2019 101 270 9124
01/04/2019 103 260 9250
01/05/2019 101 250 9080
01/06/2019 98 220 9055
01/07/2019 96 199 8999
01/08/2019 93 178 8970
01/09/2019 94 188 9045
01/10/2019 99 199 9030
01/11/2019 101 203 9100
01/12/2019 105 210 9090 26
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• Ejemplo de Information Ratio (solución).

• Lo primero es calcular rendimientos, porque tenemos precios.

Ibex-35 RA RB RM
9050
Fechas Fondo A Fondo B Ibex-35
01/01/2019 100 230 9050 9080 0,010 0,087 0,003
01/02/2019 101 250 9080 9124 0,000 0,080 0,005
01/03/2019 101 270 9124 9250 0,020 -0,037 0,014
01/04/2019 103 260 9250
9080 -0,019 -0,038 -0,018
01/05/2019 101 250 9080 𝑃𝑡 − 𝑃𝑡−1 9055
01/06/2019 98 220 9055 𝑅𝑡 = -0,030 -0,120 -0,003
𝑃𝑡−1
01/07/2019 96 199 8999 8999 -0,020 -0,095 -0,006
01/08/2019 93 178 8970 8970 -0,031 -0,106 -0,003
01/09/2019 94 188 9045
9045 0,011 0,056 0,008
01/10/2019 99 199 9030
01/11/2019 101 203 9100 9030 0,053 0,059 -0,002
01/12/2019 105 210 9090 9100 0,020 0,020 0,008
27
9090 0,040 0,034 -0,001
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• Ejemplo de Information Ratio (solución).

• Ahora calculamos las series de Diferencias (D)
RM DA DB
Ibex-35 RA RB RM
9050
0,003 0,007 0,080
9080 0,010 0,087 0,003
0,005 -0,005 0,085
9124 0,000 0,080 0,005
0,014 0,006 -0,043
9250 0,020 -0,037 0,014
-0,018 -0,001 -0,037
9080 -0,019 -0,038 -0,018
-0,003 -0,027 -0,093
9055 -0,030 -0,120 -0,003 D𝑡 = 𝑅𝑝 − 𝑅𝑀
-0,006 -0,014 -0,081
8999 -0,020 -0,095 -0,006
-0,003 -0,028 -0,078
8970 -0,031 -0,106 -0,003
9045 0,011 0,056 0,008 0,008 0,002 0,054
9030 0,053 0,059 -0,002 -0,002 0,055 0,004
9100 0,020 0,020 0,008 0,008 0,012 0,008
9090 0,040 0,034 -0,001 -0,001 0,041 -0,006 28
 SESIÓN N° 13 – Otras medidas de evaluación de resultados- Otras medidas

• Ejemplo de Information Ratio (solución).

• Ahora calculamos el numerador (media de cada serie D) y el denominador (desviación
típica de cada sería D)
RM DA DB

0,003 0,007 0,080

0,005 -0,005 0,085
0,014 0,006 -0,043
-0,018 -0,001 -0,037
-0,003 -0,027 -0,093
-0,006 -0,014 -0,081
-0,003 -0,028 -0,078
0,008 0,002 0,054
-0,002 0,055 0,004
0,008 0,012 0,008
-0,001 0,041 -0,006
El fondo A tiene un
media (D) 0,004 -0,010
Desv. Tipica (D) 0,025 0,063
mayor IR
IR 0,172 -0,155 Por tanto, es mejor. 29
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Market Timing

• MARKET TIMING
• Podemos distinguir dos habilidades de los gestores que les pueden permitir obtener
resultados extraordinarios:

• Security Selection:
• Habilidad de encontrar activos infravalorados (por debajo de su valor fundamental).
• Los gestores sobreponderan esos activos (acciones, bonos,…) infravalorados y esperan a
que el mercado reconozca su valor.

• Market Timing
• Habilidad de predecir el comportamiento o movimiento del mercado en general
• No estudian los activos individuales, sino el mercado en global.
• Los gestores aumentan la Beta de la cartera si prevén un mercado alcista, y reducen la
beta si creen que habrá un mercado bajista.
• Así consiguen una rentabilidad superior al mercado 30
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Market Timing

• MARKET TIMING ESTRATEGIAS

• ¿Cómo puede un gestor modificar el riesgo sistemático de su cartera?

1. MODIFICANDO LAS ACCIONES QUE MANTIENE EN SU CARTERA

• Podemos aumentar acciones defensivas, si queremos reducir el riesgo sistemático
(por ejemplo).
1. Acciones defensivas = Beta<1
2. Acciones agresivas = Beta >1

2. MODIFICANDO EL ASSET-ALLOCATION DE LA CARTERA

• Asset-allocation hace referencia a los pesos de las grandes clases de activos (renta
variable, renta fija, y liquidez).
• Si queremos reducir la beta de la cartera porque tenemos previsiones de un mercado bajista
(RM-Rf<0), podemos aumentar el peso de renta fija y liquidez, y reducir el peso de acciones. 31
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Market Timing

• ¿Cómo será el comportamiento de un fondo con habilidad de market timing?

• Si un gestor hace market timing, eso significa que su beta no será constante
• Recordar la beta es la pendiente de la recta de regresión entre rp y rM.

rp rp rp

rM rM rM

32
Beta constante – No hay Market Timing Beta varía con rM– Si hay Market Timing
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Market Timing

• ¿Cómo medir la habilidad de Market Timing?

• La habilidad de Market Timing o de Sincronización se puede medir con dos modelos

clásicos:

1. Modelo de Treynor y Mazuy (1966)

2. Modelo de Henriksson and Merton (1981)

33
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Market Timing

• Modelo de Treynor y Mazuy (1966)

• El modelo supone que los gestores son capaces de variar la beta de su cartera
progresivamente según cambia la prima de riesgo del mercado (rM)
• Recordar que rM=RM-Rf
• Suponemos una relación cuadrática entre rp y rM

rp

rM

34
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Market Timing

• Modelo de Treynor y Mazuy (1966)

• Podemos medir si hay habilidad de sincronización añadiendo un término cuadrático

en el modelo clásico → rM2
• Fórmula:
2
𝑟𝑝 = 𝛼 + 𝛽𝑀 𝑟𝑀 + 𝛾 𝑟𝑀 +𝜀

• Alfa → mide habilidad de selección de activos

• Gamma → mide habilidad de sincronización
• Si Gamma>0 → Si tiene habilidad de sincronización
• Podemos ver si Gamma es estadísticamente significativa (estadístico-t)
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Market Timing

• Modelo de Henriksson and Merton (1981)

• Este modelo asume que los gestores no son capaces de variar la beta su cartera de
forma continua según cambian las estimaciones de la prima de riesgo del
mercado (rM)
• Los autores asumen que es más realista pensar que los gestores de carteras
solamente tienen dos estados de la naturaleza, y por tanto, dos tipos de betas.
• La beta de la cartera será alta si la prima de riesgo es positiva (rM>0)
• La beta de la cartera será baja si la prima de riesgo es positiva (rM<0) rp

rM

36
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Market Timing

• Modelo de Henriksson and Merton (1981)

• Podemos representar la no-linealidad de beta con una regresión lineal con una
variable dummy (Dt)
• Dt = 0 si RM<Rf (Mercado bajista)
• Dt= -1 si RM>Rf (Mercado alcista)

• Modelo a estimar:
𝑟𝑝 = 𝛼 + 𝛽𝑀 𝑟𝑀 + 𝛽1 𝐷 ∗ 𝑟𝑀 + 𝜀

• Donde:
• B1 mide la habilidad de sincronización
• Si B1>0 → Si hay habilidad de sincronización o market timing
37
SESIÓN N° 13 – Otras medidas de evaluación de resultados- Market Timing

• Evidencia empírica de Market Timing

• Independientemente del modelo utilizado para evaluar la habilidad de market timing,
los estudios realizados en diferentes mercados y países revelan que:

1. El parámetro de timing es no significativo

2. En muchosc casos es negativo (y no significativo)

38