Tesis 23-02

UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE ADMINISTRACIÓN Y ECONOMÍA
Departamento de Economía
Testeo de burbujas racionales para el S&P 500: Una aproximación

econométrica
Nicolás Godoy Valdivia

Diego Silva Espinoza
Brayan Tobar Acevedo
Profesor Guía: Robinson Dettoni Hidalgo
Trabajo de titulación para optar el título de Ingeniero

Comercial en Economía.
SANTIAGO-CHILE
2023
© Nombre Completo, 2023
Licencias Creative Commons
Escoja licencia del menú desplegable (letras azules)
Si desea que se pueda utilizar con fines académicos pero no comerciales, escoja Atribución–
NoComercial o Atribución–NoComercial–Sin Deivadas
Si no desea que su tesis sea utilizada, o que le pidan autorización por escrito para usarla con fines
académicos, escoja Todos los derechos reservados.
Hoja de resumen
Título de la tesis: Testeo de burbujas racionales para el S&P 500: Una aproximación
estadística
Autor(es): Nicolás Godoy, Diego Silva y Brayan Tobar
Carrera: Ingenieria comercial mencion economia
Profesor Guía: Robinson Dettoni
Año: 2023
Resumen
La presente investigación tiene como objetivo detectar la presencia de burbujas racionales en el
índice estadounidense S&P 500 en el periodo 1870-2022, mediante la utilización de técnicas
econométricas tales como el análisis de cointegración y el análisis de dependencia de duración
propuesto por Mqueen & Thorley (1994). El análisis de cointegración tiene por objetivo medir si
existe una relación estable de largo plazo entre los precios y dividendos del índice para evaluar
si sus variaciones son explicadas por su variable fundamental principal, mientras que ,el caso del
análisis de dependencia de duración requiere identificar retornos anormales construyendo
modelos factoriales con las variables macroeconómicas principales en el desempeño del índice.
Como conclusión no existe evidencia estadística de presencia de burbujas racionales para el
índice S&P 500 en el periodo analizado.
Palabras claves: Burbujas racionales, dependencia de duración, S&P 500, cointegración,

rachas.
i
Dedicatoria
Escriba Aquí su Dedicatoria.
Por ejemplo:
Para mi Padre, Juan González.

5 de marzo de 1936 – 6 de octubre de 2011
ii
Agradecimientos
No está permitido incluir ningún tipo de declaración que pudiese ser considerada ofensiva.
Sus agradecimientos no deben sobrepasar esta hoja.
iii
Tabla de Contenido
Introducción ........................................................................................................................................................ 1
Capítulo 1: Marco Teórico ................................................................................................................................. 3
Capítulo 2: Modelo de burbujas racionales ..................................................................................................... 9
2.1 Modelo de características de los retornos (Blanchard & Watson): ............................................................ 9
2.2 Modelo de Diba & Grossman..................................................................................................................... 9
2.5 Modelo de McQueen & Thorley: .............................................................................................................. 10
Capítulo 3: Modelo econométrico ................................................................................................................... 13
3.1 Modelo econométrico Diba & Grossman análisis de cointegración ........................................................ 13
3.1.1 La prueba eigenvalor máximo.......................................................................................................... 13
3.1.2 La prueba de la traza ....................................................................................................................... 13
3.2 Modelo econométrico McQueen & Thorley ............................................................................................. 14
Capítulo 4: Marco Metodológico ..................................................................................................................... 15
4.1 Selección de datos .................................................................................................................................. 15
4.2 Procedimiento y Análisis Estadístico ....................................................................................................... 18
Capítulo 5: Resultados y Análisis ................................................................................................................... 19
5.1 Test de Cointegración:............................................................................................................................. 19
5.2 Resultados de prueba de McQueen & Thorley........................................................................................ 20
5.2.1 Prueba utilizando retornos nominales:............................................................................................. 20
5.2.2 Prueba utilizando retornos reales: ................................................................................................... 24
Capítulo 6: Análisis de robustez ..................................................................................................................... 29
6.1 Análisis de cointegración para precios y dividendos reales .................................................................... 29
6.2 Modelo paramétrico Log-Logistic............................................................................................................. 29
6.3 Modelo McQueen & Thorley utilizando covariables macroeconómicas alternativas ............................... 30
6.3.1 Utilizando datos en frecuencia mensual .......................................................................................... 30
6.3.2 Análisis utilizando covariables con frecuencia cuatrimestral ........................................................... 33
6.4 Modelo GARCH ....................................................................................................................................... 37
6.4.1 Prueba con frecuencia mensual ...................................................................................................... 37
6.4.2 Prueba con frecuencia semanal ...................................................................................................... 42
6.4.3 Prueba con frecuencia diaria ........................................................................................................... 47
Conclusiones .................................................................................................................................................... 54
Referencias Bibliográficas .............................................................................................................................. 55
iv
Índice de Tablas
Tabla 1. Estadísticas de Resumen S&P 500...................................................................................................... 15
Tabla 2. Tabla de prueba de traza para precios y dividendos nominales .......................................................... 19
Tabla 3. Tabla de prueba de Eigenvalor para precios y dividendos nominales ................................................. 19
Tabla 4. Estimación de retornos nominales ....................................................................................................... 20
Tabla 5. Resumen de rachas de retornos nominales ......................................................................................... 21
Tabla 6. Estimación modelo paramétrico usando retornos nominales ............................................................... 22
Tabla 7. Estimación de retornos reales .............................................................................................................. 24
Tabla 8. Resumen de rachas de retornos reales ............................................................................................... 25
Tabla 9. Estimación modelo paramétrico usando retornos reales ..................................................................... 26
Tabla 10. Prueba de la traza para precios y diviendos reales ........................................................................... 29
Tabla 11. Estimación de modelo paramétrico Log-Logistic usando rachas de retornos nominales .................. 29
Tabla 12. Estimación de modelo paramétrico Log-Logistic usando rachas de retornos reales ......................... 29
Tabla 13. Estimación modelo factorial usando covariables período 1960-2010 ................................................ 30
Tabla 14. Resumen de rachas período 1960-2010 ............................................................................................ 31
Tabla 15. Estimación modelo paramétrico Weibull ............................................................................................ 31
Tabla 16. Estimación de modelo factorial usando covariables período 1960-2010, frecuencia cuatrimestral ... 34
Tabla 17. Resumen de rachas período 1960-2010, frecuencia cuatrimestral .................................................... 34
Tabla 18. Estimación de modelo paramétrico Weibull ....................................................................................... 34
Tabla 19. Resumen AIC para especificaciones ARMA, frecuencia mensual ..................................................... 37
Tabla 20. Resumen estimación ARMA, frecuencia mensual ............................................................................. 37
Tabla 21. Resumen estimación GARCH, frecuencia mensual ........................................................................... 38
Tabla 22. Resumen de rachas modelo GARCH, frecuencia mensual ............................................................... 39
Tabla 23. Estimación modelo Weibull-GARCH .................................................................................................. 40
Tabla 24. Resumen AIC para especificaciones ARMA, frecuencia semanal ..................................................... 42
Tabla 25. Resumen estimación ARMA, frecuencia semanal ............................................................................. 43
Tabla 26. Resumen estimación GARCH, frecuencia semanal ........................................................................... 44
Tabla 27. Resumen de rachas modelo GARCH, frecuencia semanal ............................................................... 45
Tabla 29. Resumen AIC para especificaciones ARMA, frecuencia diaria .......................................................... 48
Tabla 30. Resumen estimación ARMA, frecuencia diaria .................................................................................. 48
Tabla 31. Resumen estimación GARCH, frecuencia diaria................................................................................ 49
Tabla 32. Resumen de rachas modelo GARCH, frecuencia diaria .................................................................... 50
v
Índice de Ilustraciones
Ilustración 1. S&P Histórico ................................................................................................................................ 16

Ilustración 2. Descomposición de la serie temporal del S&P 500 ...................................................................... 16
Ilustración 3. Retornos nominales S&P 500 ....................................................................................................... 17
Ilustración 4. Retornos Reales S&P 500 ............................................................................................................ 17
Ilustración 5. Valores estimados vs valores observados de los retornos nominales S&P 500 .......................... 20
Ilustración 6. Empirical Hazard usando retornos nominales .............................................................................. 22
Ilustración 7. Función de sobrevivencia Weibull................................................................................................. 23
Ilustración 8. Función de riesgo Weibull ............................................................................................................. 23
Ilustración 9. Kaplan Meier usando retornos nominales..................................................................................... 24
Ilustración 10. Valores estimados vs valores observados de los retornos reales S&P 500. .............................. 25
Ilustración 11. Empirical Hazard usando retornos reales ................................................................................... 26
Ilustración 12. Función de sobrevivencia Weibull............................................................................................... 27
Ilustración 13. Función de riesgo Weibull ........................................................................................................... 27
Ilustración 14. Kaplan Meier usando retornos reales ......................................................................................... 28
Ilustración 17. Kaplan Meier ............................................................................................................................... 33
Ilustración 21. Residuos modelo ARMA S&P 500, frecuencia mensual............................................................. 38
Ilustración 22. Valores estimados vs valores observados de estimación GARCH ............................................ 39
Ilustración 23. Empirical Hazard ......................................................................................................................... 40
Ilustración 27. Residuos modelo ARMA S&P 500 .............................................................................................. 43
Ilustración 28. Valores estimados vs Valores observados de estimación GARCH ............................................ 44
Ilustración 33. Residuos modelo ARMA S&P 500 .............................................................................................. 49
Ilustración 34. Valores estimados vs Valores observados de estimación GARCH ............................................ 50
vi
Introducción
El mercado financiero desde hace más de 200 años es uno de los tópicos más importantes de la
economía mundial y con mucha más fuerza después de la revolución industrial. Desde los orígenes
se han recorrido muchas etapas en su historia, desde los cuales las burbujas financieras de los
últimos años han sido factores muy decisivos a la hora de hablar de crisis económicas. Siendo la
crisis asiática, la burbuja punto com, la crisis subprime y el crack de las criptomonedas en el 2018,
las que más han marcado los mercados financieros dejando ver entrelíneas que cada cierto periodo
de tiempo existe la posibilidad de la existencia de burbujas surgiendo desde los mercados, lo que
trae consigo una atención especial a estas por las consecuencias que puede causar el estallido.
Primero debemos buscar una definición ad-hoc a las burbujas.
El surgimiento y el trato hacia las burbujas financieras es un tema bastante estudiado, autores como
DeRosas (2021) consideran la existencia de burbujas utilizando la definición de la teoría moderna
de burbujas, esto quiere decir que una burbuja racional ocurre cuando los inversionistas compran
activos que ellos saben que poseen valores sobrevalorados, sin embargo, creen que en el futuro
serán capaces de vender el mismo activo, pero con un buen margen de utilidad. Además, Sornette
(2014) aclara que el fenómeno del sobreprecio en las burbujas no debe confundirse con las
incertidumbres sobre el valor fundamental en condiciones de ruido. Bajo la existencia de burbujas,
la retroalimentación que tiene el mercado produce cambios en su funcionamiento, lo que refleja que
este se comporta impulsado por el sentimiento de los agentes y ya no refleja ningún valor subyacente
real.
Mishkin (2008) simplificó el ciclo de las burbujas en la siguiente cadena de sucesos: Unas altas
expectativas sobre los mercados financieros o perspectivas económicas aumentan la demanda de
ciertos activos, lo que refleja un aumento en los precios. Este aumento en los precios estimula a los
préstamos contra aquellos activos que están con demanda creciente, lo que estimula aún más
aquella demanda y así sucesivamente. Creando un bucle de retroalimentación que trae como
consecuencia el crecimiento de la burbuja financiera. La burbuja además tiene como aliada el relajo
de los estándares crediticios dada la baja preocupación por los pagos de préstamos, dejando toda
la atención en el aumento del activo adquirido.
La pregunta que surge ahora es: ¿Por qué es importante estudiar la existencia de burbujas
financieras? La respuesta es simple, las consecuencias que trae consigo el estallido de una burbuja.
Lo siguiente siendo el ciclo del estallido de una burbuja: Cuando los precios del activo caen, el mismo
bucle de retroalimentación causa que los préstamos caigan, no hay oferta de crédito, lo que causa
la caída en demanda del activo y de nuevo el ciclo de caída en el precio. Resultando todo, según
1
Mishkin (2008), en daños en instituciones financieras, lo que significa caída en préstamos,
deprimiendo el gasto de las empresas y los hogares, por lo tanto, también aumenta el riesgo
macroeconómico en los mercados. Si bien no todas las burbujas financieras pueden tener estas
consecuencias tan catastróficas, los casos extremos han demostrado que el estallido de una burbuja
puede traer consigo el colapso en el funcionamiento del sistema financiero en su conjunto.
“En algún momento, a menudo cuando la liquidez comienza a agotarse debido a que los bancos
centrales elevan las tasas y/o el capital extranjero ya no llega, los inversionistas comienzan a
cuestionar si el proceso es sostenible. Lo que en poco tiempo significó el colapso del activo en el
mercado.” (Sornette, 2014)
En el presente trabajo se realizará un conjunto de pruebas econométricas para detectar la existencia

de burbujas racionales de forma robusta para uno de los mercados bursátiles con mayor impacto en
el mundo, el estadounidense, para esto se utilizará como índice de referencia el S&P500, este índice
se define como el conjunto de las 500 mayores empresas que cotizan en las bolsas de Estados
Unidos ponderadas según su capitalización bursátil.
El S&P 500 posee un conjunto de características que lo aventajan para realizar los
test de burbujas por sobre otros índices, dentro de las cuales se puede mencionar que:
• Es el índice que considera un mayor número de compañías por lo que es mucho más
generalizado de la economía estadounidense que otros como el Dow Jones o el NASDAQ.
• Considera acciones de 11 distintos sectores, por lo que no solo el número de compañías
que posee es relevante, sino que no posee mayor sesgo en favor de un sector u otro, por
tanto, testear el S&P 500 estará considerando todos los sectores de la economía.
• Las empresas que representan el índice son las más robustas e importantes de la economía
americana, entre ellas, podemos destacar a Apple, Microsoft, Amazon, Tesla, y otras
muchas más compañías importantes a nivel internacional.
• Es el índice más representativo del mundo, ya que sus movimientos y noticias afectan de
forma directa al resto de mercados y a los diferentes activos que se negocian dentro de
éstos.
La realización de las pruebas de burbujas pude resultar de fundamental interés, ya que, los
procedimientos confiables para la detección de burbujas proporcionan información que puede ser de
gran relevancia para los encargados de la política económica de un país, esto dado que, puede
ayudar a generar normativa macro prudencial o adoptar alguna política económica ya sea monetaria
o fiscal para mitigar el daño que puede ser causado por el colapso de burbuja en los mercados
financieros
2
Capítulo 1: Marco Teórico
Desde finales del siglo XX una serie de trabajos que se han dedicado especialmente a crear las
herramientas para el diagnóstico de burbujas financieras: En 1982, Blanchard & Watson, a través de
su trabajo “Bubbles, Rational Expectations and Financial Markets” realizaron una investigación para
demostrar una posible existencia de burbujas financieras en mercados con participantes racionales,
contraponiéndose así con el pensamiento económico de la época. Este trabajo presentó distintas
formas de probar la existencia de burbujas racionales, como el estudio de las varianzas del precio
de un activo y a través del estudio de prueba de rachas. A partir de la aplicación de estas pruebas
con respecto al precio del oro, los resultados fueron poco concluyentes al rechazar la hipótesis de
no burbuja usando la prueba de rachas, pero se encontró sustento en la prueba de kurtosis.
Diba & Grossman (1988) años después buscaron analizar la existencia de burbujas racionales en
el mercado bursátil, trabajando con una base compuesta por dividendos, precios, tasa de interés,
dividendos después de impuestos, entre otras variables financieras en su trabajo “Explosive Rational
Bubbles in Stock Prices?”. Dónde mediante pruebas se demostró que en las primeras series que
estimaron precios y dividendos eran no estacionarias, concluyendo en primera instancia la existencia
de burbujas racionales. Por otra parte, al trabajar con test alternativos existieron conclusiones mixtas,
lo que a priori dejó entrever que los modelos pueden ser débiles a la hora de testear la existencia de
burbujas racionales.
Complementario a lo anterior, para seguir testeando las burbujas en los mercados financieros
McQueen & Thorley (1994) en su trabajo “Bubbles, Stock Returns, and Duration Dependence”
describen que las burbujas racionales permiten que los precios de las acciones se desvíen de sus
valores fundamentales, sin necesariamente que existan inversores irracionales. Para testear la
existencia de burbujas racionales, se presentan las pruebas de burbujas que comparan precios
versus sus valores fundamentales (siguiendo la línea de Shiller (1981) y West (1987)) comparando
los precios con sus dividendos. Sin embargo, existe otra categoría de pruebas que examinan los
atributos de los retornos: autocorrelación, kurtosis, skewness. Los autores citan a Blanchard &
Watson recalcando que en su investigación fallan al rechazar la no hipótesis de burbujas en el
mercado de oro usando su run test (autocorrelación) y tail test (kurtosis). También citan a Evans
(1983) utilizando el median test (skewness). Dado que las anteriores pruebas diagnostican
características que no son únicas de una burbuja, utilizaron un modelo de dependencia de duración.
La idea de la prueba es medir la probabilidad de que una racha de retornos positivos anormales
finalice, disminuyendo a medida que la racha va extendiéndose.
3
Ya a inicios del siglo XXI autores cómo J. Cuñado, L.A Gil-Alana y F. Pérez de gracia (2004) en
su trabajo “A test for rational bubbles in the Nasdaq stock index: a fractionally integrated approach”
realizaron una prueba para detectar burbujas racionales en el mercado bursátil estadounidense,
utilizando el Nasdaq en el periodo de 1994:06-2003:11 (usando frecuencia mensual ,semanal y diaria
) basado en la metodología de método fraccionales, los resultados concluyeron que no se podía
rechazar la hipótesis de raíz unitaria usando data mensual, lo que sustentaría la existencia de burbuja
racional en el NASDAQ pero para el caso de data semanal y diaria si se rechaza esa hipótesis.
Yvette S. Harman y Thomas W. Zuehlke (“Duration dependence testing for speculative bubble”) en
el mismo año exploraron la sensibilidad de las pruebas de dependencia de duración para las pruebas
de burbujas especulativas, se observó que estos test son sensibles a la elección de un periodo de
muestra. Esta sensibilidad se da en base a opciones de especificación cuestionando la eficacia de
usar modelos de riesgo para comprobar la existencia de burbujas especulativas.
Bing Zhang en su trabajo “Duration dependence test for rational bubles in Chinese stock market”
(2008) utiliza la prueba de dependencia de duración para analizar burbujas racionales en el mercado
bursátil chino (utilizando el Chinese Shangai composite index y el Shenzhen composite index usando
datos mensuales y semanales). La estimación de retornos haciéndola por medio de modelos
GARCH. Concluyendo que los retornos semanales muestran una probabilidad de que la racha
positiva decrece mientras aumenta el largo de la racha (Hazard de pendiente negativa), esto siendo
consistente con la presencia de burbujas racionales, lo anterior dice Zhang que puede deberse a
características institucionales del mercado chino. En el año siguiente se realizó también un testeo
de burbujas, pero en este caso para el mercado bursátil de Estados Unidos, el trabajo “Intrinsic
bubbles and Granger causality in the S&P 500: Evidence from long-term data” (2009) de An-Sing
Chen, Lee-Young Cheng y Kuang-Fu Cheng. Contó con la hipótesis de estudio en que la detección
de burbujas es importante para predecir la rentabilidad futura de las acciones. Para esto se utilizó la
prueba de causalidad de Granger y la prueba de burbujas intrínsecas. A partir de esto se comprobó
la existencia de burbujas intrínsecas durante todo el periodo de la muestra, desde 1871 a 2004.
Keith Anderson, Chris Brooks y Apostolos Katsaris (2010) examinaron la presencia de burbujas
especulativas que colapsan periódicamente en el trabajo Speculative bubbles in the S&P 500: Was
the tech bubble confined to the tech sector? trabajando con el índice S&P500 y sus componentes
para demostrar que los sectores de recursos y tecnologías de la información se han afectado
significativamente por burbujas especulativas en los últimos 25 años implicando que otros sectores
permanecieron libres de burbujas. Empleando datos de los 10 sectores GICS para el período de
enero de 1973 a junio de 2004, estos índices representando los diez principales sectores
económicos. Estimaron dos modelos de comportamiento especulativo: un modelo de van Norden y
Schaller (1997), y un modelo aumentado propuesto por Brooks y Katsaris (2005b). Además, se
estimaron cinco modelos alternativos que capturan hechos estilizados sobre rendimientos de valores
4
y que se anidan dentro de los modelos de comportamiento especulativo. Concluyendo que el modelo
de comportamiento especulativo aumentado tiene un poder explicativo superior a todos los modelos
alternativos para 4 de cada 10 sectores. Así, para la muestra examinada, el S&P 500 Composite y
estos 4 sectores parecen contener una burbuja.
En el año 2016 Giglio, Maggiori y Stroebel presentaron “No-Bubble Condition: Model-Free Tests
in Housing Markets” dónde se utilizó una novedosa prueba sobre la condición de transversalidad al
comparar formas alternativas de propiedad inmobiliaria en Reino Unido y Singapur, Giglio señala
que la existencia de burbujas es una cuestión empírica y a diferencia de otras prueba su enfoque
está libre de modelos y por tanto no está sobrecargado por el problema de hipótesis conjunta
señalado por Fama. Para ellos la transversalidad está en el corazón del concepto de burbuja racional.
En Reino Unido y Singapur, las peculiares características constitucionales de los bienes raíces
ofrecen una prueba directa de la condición de transversalidad en estos países, ya que, los bienes
raíces pueden ser otorgados por arrendamiento o propiedad absoluta. El test consistió en tomar la
diferencia entre freeholds precio y leasehold reflejando el valor actual de una reclamación a la
propiedad después del contrato de arrendamiento y por tanto es una medida empírica directa de la
condición de transversalidad, tomando esa diferencia como el valor aproximado de la burbuja.
Concluyendo en que su test no pudo detectar violaciones a la condición de transversalidad y por
implicancia los mercados no tendrían presencia de burbujas racionales.
“Arrendamientos son contratos de vencimiento finito, prepago y propiedad negociable con

vencimiento que comúnmente supera los 700 años, los freeholds por su parte son contratos de
madurez infinita” Por su parte, en la senda del análisis de burbujas en los mercados bursátiles, Bala
Arshanapalli en el mismo año, en su trabajo “Explosive Rational Bubbles in Stock Prices?” señala
que los movimientos más agresivos de precios en el tiempo en comparación a los dividendos, puede
ser considerado como una burbuja, lo que será utilizado por otros investigadores en un futuro.
Explicando que, si el precio de un activo y los dividendos de este poseen relaciones inestables de
largo plazo entonces podemos estar en presencia de una burbuja.
En el año 2017, en el trabajo “Do speculative bubbles migrate in the Chinese stock
market?” de Qing He, Zongxin , Zhe Fei y Terence Tai-Leung Chong, desarrollan una
prueba de dependencia de duración para probar la existencia de burbujas especulativas en el
mercado bursátil chino. Para el análisis agregado, utilizaron los rendimientos semanales
ponderados por valor de las acciones A de las bolsas de Shanghái y Shenzhen desde el 1 de
junio de 1992 hasta el 31 de diciembre de 2013, mientras que para el análisis sectorial los
rendimientos semanales del sector desde el 4 de enero de 2002 hasta el 31 de diciembre de
2013 se extraen de los 10 índices sectoriales de China Securities Index Company Limited
(CSI). En concreto, antes de la reforma de división de acciones implementada se observan
5
pruebas sobre la existencia de burbujas. Antes de la reforma mencionada la probabilidad de
que la burbuja estalle aumentaba con la duración de la burbuja. Tras la reforma, la
contribución del componente burbuja al precio agregado de las acciones se reduce. Este
resultado sugiere que esto se debió a un cambio estructural del mercado a nivel sectorial.
Específicamente, las burbujas existían en el sector de las telecomunicaciones antes de la
reforma, pero migraron al sector sanitario después de esta. Finalmente, concluyeron que los
instrumentos de política monetaria eran eficaces para suprimir las burbujas antes de la
reforma de las acciones fraccionadas, pero su eficacia ha disminuido considerablemente
después de la reforma.
El testeo de burbujas financieras tal cómo se ha podido apreciar a lo largo de estas últimas
décadas no sólo son exclusivas de los mercados bursátiles y Christian Hafner (“Testing for bubbles
in cryptocurrencies with time-varying volatility” (2018)) buscó comprobar la existencia de burbujas
especulativas explosivas en el mercado de las criptomonedas bajo un contexto general de no
estacionariedad y ,en particular, de heterocedasticidad global, utilizando pruebas secuenciales del
tipo Dickey Fuller, aplicando además, test recursivos de las pruebas clásicas de raíz unitaria dada la
dificultad para determinar el valor intrínseco de una criptomoneda concreta utilizando la información
de las 11 mayores criptomonedas a la fecha 31/12/2017. Los resultados sugirieron un
comportamiento de burbuja más fuerte en el Bitcoin tomando en cuenta los p-valores corregidos por
tamaño, esto se explicado por la atracción que el Bitcoin genera al público al ser la criptomoneda
más conocida. Otro mercado dónde las burbujas financieras han estado en boca de los especialistas
es el inmobiliario, en el estudio “Bubble tests in the London housing market: A borough level analisis”
de Petris, Dotsis y Alexakis (2020) se aplicaron test recursivos para investigar la existencia de
burbujas en el mercado inmobiliario de Londres, con una base de datos que contenía el precio de
las viviendas de distintas sectores de Londres desde el año 1995 hasta 2016. Los autores
concluyeron, mediante las pruebas utilizadas, la existencia de burbujas en Newham, Barking y
Dagenham, incluso siendo más flexibles se podía concluir la existencia de burbujas en Bexley.
Recalcando además que, si bien no todos los sectores testeados resultaron capturar evidencia de
burbuja en los precios de las viviendas, no se puede descartar que a largo plazo pueda existir el
riesgo de caída abrupta de los precios.
Quynh Nhu Nguyen y George A Waters (Detectiong peridically collapsing bubbles in S&P500) en
el año 2021 Utilizando datos del S&P desde 1871-2020 llevaron a cabo 2 tipos de pruebas para
detectar burbujas, en primer lugar se midió la estacionariedad de los ratios precio-dividendos y
precio-ganancias, a priori la relación precio-ganancias parece ser estacionaria mientras que precio-
dividendos no se rechazaba la no estacionariedad y por tanto se concluye que no hay evidencia para
burbujas excepto por la relación precio-dividendos, no obstante, este tipo de test puede presentar
problemas para identificar periódicamente el colapso de burbujas. Para solucionar este problema, se
6
testeó a través de las pruebas Residuals augmented dickey fuller,sup augmented dickey fuller y
generalized augmented dickey fuller. En las dos primeras pruebas RADF Y SADF se rechaza la
hipótesis de existencia de burbujas, mientras que en la prueba de GSADF se puede detectar algunos
episodios de burbujas para la muestra estudiada. Bajo la misma metodología ese mismo año
Muhammad Umar, Chi-Wei Su, Syed Kumail Abbas Rizvi y Oana-Ramona Lobont presentaron
“Driven by fundamentals or explode by emotions: detecting bubbles in oil prices”, trabajo que trabajo
se tomó una data mensual de 2000 a 2020 para los precios del crudo de petróleo, para realizar test
econométricos SADF Y GSADF cuyos enfoques están basados en Monte Carlo y bootstrap de
valores críticos. Se detectaron múltiples burbujas en diferentes periodos (8 de las cuales 3 fueron
durante 2020 el resto en 2000, 2009,2014 y 2016)
En el último año se presentaron trabajos empíricos para el testeo de burbujas con métodos antes
no probados cómo el desarrolló un estadístico unificado (IVX-BUB Wald) que robustece el testeo de
una burbuja potencial y predictores altamente persistentes en el modelo de regresión predictivo por
parte de Bingduo Yang, Wei Long y Zihui Yang (Testing predictability of stock returns under possible
bubbles (2022)) demostrando que el método IVX-BUB propuesto funciona razonablemente bien
comparado con el método IVX-KMS, pues este último al no tener en cuenta el efecto burbuja, sufre
una distorsión de tamaño severa en ambos modelos predictivos univariados y multivariados. Yang
Hu por su parte, en el trabajo “A review of Phillips-type right-tailed unit root bubble detection tests
(2022) ” cubre una amplia gama de artículos empíricos que adoptan el procedimiento de prueba e
informes de PWY o PSY en algunos intentos de extender estos procedimientos de prueba de varias
maneras, enfocando el método PSY con el nuevo procedimiento bootstrap al famoso Railway Mania
de UK de la década de 1840. Los resultados de la prueba proporcionando evidencia de un
comportamiento explosivo en los precios de las acciones de los ferrocarriles en 1835/1836 y 1846,
que están relacionados con el auge ferroviario en 1836. Y el trabajo de Lajos Horváth, Hemei Li y
Zhenya Liu (“How to identify the different phases of stock market bubbles statistically?” (2022))
presentando el método no paramétrico de punto de cambio para la comprobación de burbujas
aplicándolo exitosamente para identificar las diferentes fases de las burbujas bursátiles.
También el año 2022 contó con trabajos cómo el de Valeriy Zakamulin (Revisiting the duration
dependence in the US stock market cycles (2022) que analizó probabilidad de terminación de un
estado de mercado dependiendo de su antigüedad, para esto, usando más de dos siglos de datos
del índice bursátil de EE. UU., sugiriendo como resultado que la dependencia de la duración para
los mercados alcistas y bajistas no es una lineal función del estado de edad. Otro artículo sobre
burbujas presentó evidencia de que los especuladores generalmente en el corto plazo juegan un
papel crucial en el ciclo (Speculative dynamics of prices and volume (2022) Anthony A. DeFusco,
Charles G. Nathansona, Eric Zwick). Ligado al último artículo citado Pedro Bordalo, Nicola Gennaioli,
y Andrei Shleifer presentando el caso de la reacción exagerada en las expectativas para abordar
7
desafíos financieros y macroeconómicos. (Overreaction and Diagnostic Expectations in
Macroeconomics (2022))
Por último, este año se presentó el trabajo Using covariates to improve the efficacy of univariate
bubble detection methods (2023) de Sam Astill , A.M. Robert Taylor, Neil Kellard y Ioannis Korkos
dónde los autores buscaron desarrollar métodos confiables para detección de burbujas extendiendo
la detección de burbujas univariante más popular y los procedimientos de estampado de fecha
asociados en la literatura desarrollados en PWY y PSY, tal como trabajó Yang Hu, para permitir la
incorporación de información adicional de covariables estacionarias así conduciendo a una
estimación más precisa del coeficiente autorregresivo líder. Se emplearon implementaciones
bootstrap asintóticamente válidas de las pruebas, los resultados de la simulación Monte Carlo
demostraron que las pruebas de arranque aumentadas por covariables muestran propiedades de
detección-falsa estaban bien controladas, y que la inclusión de covariables relevantes pueden
conducir a ganancias considerables en la eficacia de los procedimientos de detección de burbujas y
sellado de fecha, en relación con los correspondientes procedimientos univariados.
8
Capítulo 2: Modelo de burbujas racionales
Dentro de los primeros trabajos realizados para testear la existencia de burbujas racionales en los
mercados financieros, tenemos los estudios enfocados en analizar las características o momentos
de los retornos del activo analizado, siendo las principales de interés: La autocorrelación, skewness
y kurtosis. Ya que, con estos podemos encontrar existencia de rachas de retornos anormales
positivos y colapsos de precios, uno de los trabajos pioneros en este tema es el de Blanchard &
Watson, en el trabajo de McQueen & Thorley también se realiza este tipo de análisis, pero los autores
advierten que estas características no son exclusivas de burbujas:
2.1 Modelo de características de los retornos (Blanchard & Watson):
En el presente trabajo llevamos a cabo un conjunto de pruebas para detectar presencia de

burbujas racionales en el mercado accionario estadounidense.
El primer análisis realizado al S&P500 es analizando las características de los retornos, tal cual se
hace en el trabajo de Blanchard y Watson. Los cuales señalan que en presencia kurtosis, skewness
y autocorrelación hay consistencia con la presencia de burbujas racionales.
2.2 Modelo de Diba & Grossman
Presentan un test para burbujas racionales en mercado accionario asumiendo una tasa de
descuento constante esto permite que alguna variable no observable afecte los fundamentales como
también permite diferentes expectativas de ganancias de capital y dividendos. Trabajan los
movimientos de los precios explicado por su variable fundamental principal, siendo estos los
dividendos.
(1) 𝑃𝑡 = (1 + 𝑟)−1 𝐸𝑡 (𝑃𝑡 + 𝛼𝑑𝑡+1 + 𝑢𝑡+1 )
Dónde 𝑃𝑡 corresponde al precio de la acción en la fecha t.

𝑟 es la tasa de interés real a valor constante.
𝐸𝑡 refleja las expectativas.
𝛼 es una constante de valorización de los dividendos esperados.
𝑑𝑡+1 es el dividendo real antes de impuestos.
𝑢𝑡+1 considera una variable de mercado que el investigador no observa.
Valor fundamental del mercado siendo expresado cómo:
9
∞
(2) 𝐹𝑡 = ∑(1 + 𝑟)−𝑗 𝐸𝑡 (𝛼𝑑𝑡+𝑗 + 𝑢𝑡+𝑗 )

𝑗=1
Reordenando los términos de la ecuación (2) y sustituyendo el resultado para Ft, se obtiene la
siguiente ecuación de rendimientos (3):
∞ ∞
−1 −1 1−𝑗
(3) 𝑃𝑡 − 𝛼𝑟 𝑑𝑡 = 𝐵𝑡 + 𝛼𝑟 [∑(1 + 𝑟) 𝐸𝑡 ∆𝑑𝑡+𝑗 ] + ∑(1 + 𝑟)−𝑗 𝐸𝑡 𝑢𝑡+𝑗
𝑗=1 𝑗=1
Si la variable no observable en los fundamentales del mercado, 𝑢𝑡 , es estacionaria en niveles, si los

dividendos son estacionarios en primera diferencia, y si no existen burbujas racionales, entonces la
suma dada por el lado derecho de la ecuación (3) es estacionaria. Así, aunque 𝑃𝑡 y 𝑑𝑡 son no
estacionarios, su combinación lineal 𝑃𝑡 − 𝛼𝑟 −1 𝑑𝑡 , dada por el lado izquierdo de la ecuación (3), es
estacionaria. Si los procesos que generan ∆𝑑𝑡 y 𝑢𝑡 son estacionarios y si 𝐵𝑡 es igual a cero, entonces
𝑃𝑡 y 𝑑𝑡 están cointegrados de orden (1,1) con el vector de cointegración (1, −𝛼𝑟 −1 ).
2.5 Modelo de McQueen & Thorley:
Una condición de mercado eficiente es que los retornos esperados de un activo son igual al retorno
requerido:
(1)𝐸𝑡 [𝑅𝑡+1 ] = 𝑟𝑡+1
𝑝𝑡+1 −𝑝𝑡+𝑑𝑡+1
Dónde 𝐸𝑡 denota la esperanza obtenida en un periodo 𝑡, 𝑅𝑡+1 ≡ , y 𝑟𝑡+1 es la tasa de
𝑝𝑡
retorno requerida al variar un periodo. En término de precios, la condición de equilibrio competitivo

en (1) es correspondiente a que los precios de los activos son iguales a los precios y dividendos
futuros descontando la tasa de impuestos correspondiente.
(12) 𝑝𝑡 = 𝐸𝑡 [𝑝𝑡+1 + 𝑑𝑡+1 ]/(1 + 𝑟𝑡+1 )
Resolviendo (2) recursivamente se produce una solución a la condición de equilibrio: El valor

fundamental del activo:
𝐸𝑡 [𝑑𝑡+𝑖 ]
(3) 𝑝𝑡∗ ≡ ∑∞
𝑖=1 ∏𝑖
𝑗=1(1+𝑟𝑡+𝑗 )
10
Sin embargo, otros autores cómo Shiller (1978), Blanchard and Watson (1982) y West (1987),
describen el precio del activo de la forma:
(4) 𝑝𝑡 = 𝑝𝑡∗ + 𝑏𝑡 , 𝑑𝑜𝑛𝑑𝑒 𝐸𝑡 [𝑏𝑡+1 ] = (1 + 𝑟𝑡+1 )𝑏𝑡 ,
Esta condición nos dice que el precio de mercado puede desviarse de su valor fundamental por una
burbuja racional de factor 𝑏𝑡 . Basado en los trabajos de Blanchard and Watson (1982) el proceso
tiene las posibilidades:
(1 + 𝑟𝑡+1 )𝑏𝑡 1 − 𝜋
𝑏𝑡+1 = − 𝑎0 , 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝜋
𝜋 𝜋
𝑏𝑡+1 = 𝑎0 , 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 (1 − 𝜋).
En este proceso, el factor de la burbuja crece por el monto exacto necesario para compensar a los
inversionistas por la probabilidad (1 − 𝜋) de que la burbuja explote y el precio se revertirá a un valor
inicial, 𝑎0 , el cual es mayor a 0.
Para que el modelo de Blanchard y Watson (1982) sea consistente con las dos características
tradicionales de burbujas, la subida de precios al largo plazo seguida por una caída, la probabilidad
de que la burbuja continúe, 𝜋, debe ser mayor a ½, Blanchard y Watson (1982). Muestran que la
duración esperada de la burbuja es (1 − 𝜋)−1 , por lo tanto, la restricción 𝜋 > 1/2 resulta en que
la burbuja promedio dure más de dos periodos.
El modelo de burbujas racionales especulativas permite variaciones de precios inesperadas, 𝜖𝑡+1 ≡

(𝑅𝑡+1 − 𝑟𝑡+1 )𝑝𝑡 , de dos fuentes inobservables: cambios inesperados en el valor fundamental:
∗
(5) 𝜇𝑡+1 = 𝑝𝑡+1 + 𝑑𝑡+1 − (1 + 𝑟𝑡+1 )𝑝𝑡∗ ,
Y cambios inesperados en la burbuja,
(6) 𝜂𝑡+1 = 𝑏𝑡+1 − (1 + 𝑟𝑡+1 )𝑏𝑡
La variación inesperada observada de los precios, 𝜇𝑡+1 = 𝜂𝑡+1, iguala la suma de la fundamental
y los cambios de la burbuja,
11
(1 − 𝜋)
(7) 𝜖𝑡+1 = 𝜇𝑡+1 + ((1 + 𝑟𝑡+1 )𝑏𝑡 − 𝑎0 ) , 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝜋
𝜋
𝜖𝑡+1 = 𝜇𝑡+1 − (1 + 𝑟𝑡+1 )𝑏𝑡 + 𝑎0 , 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 (1 − 𝜋)
Un requisito de las condiciones de mercados eficientes es que el valor esperado del precio total en
innovación es cero. Por lo tanto, la probabilidad de innovación positiva o retornos anormales es
mayor que ½ aún si el valor fundamental de la innovación aproxima a cero. Esto debido a la
inherencia de skewness a las innovaciones de la burbuja. Si la burbuja continúa, esa innovación es
positiva y pequeña comparado a una infrecuente pero larga y negativa innovación si la burbuja
estalla. La asimetría de la innovación de las burbujas resultó en observaciones de excesos de
retornos con tendencia positiva si la burbuja continúa, causando autocorrelación y excesos de
retornos positivos prolongados comparados a los esperados independiente de la serie temporal. Con
propósitos ilustrativos, se asume que 𝜇𝑡+1 es una distribución unimodal y simétrica con media cero.
Reemplazando en (7), la probabilidad de una innovación negativa 𝜆𝑡+1 ≡ 𝑃𝑟𝑜𝑏[ 𝜖𝑡+1 < 0] es:
(1 − 𝜋)
(8) 𝜆𝑡+1 = 𝜋𝐹 [ ((1 + 𝑟𝑡+1 )𝑏𝑡 − 𝑎0 )] + (1 − 𝜋)𝐹[(1 + 𝑟𝑡+1 )𝑏𝑡 − 𝑎0 ]
𝜋
Dónde F(.) es la función de densidad acumulada para 𝜇𝑡+1 . Para valores de 𝑎0 , y por consiguiente
𝑏𝑡 mayor a cero, se observó un exceso de retornos con distribución negativa sesgada entonces 𝜆𝑡+1
es menor a ½. Específicamente, la probabilidad de una innovación negativa disminuye con el factor
de la burbuja.
𝜕𝜆𝑡+1 (1 − 𝜋)
(9) = −(1 − 𝜋)(1 + 𝑟𝑡+1 )[𝑓 (− ((1 + 𝑟𝑡+1 )𝑏𝑡 − 𝑎0 ) − 𝑓((1 + 𝑟𝑡+1 )𝑏𝑡 − 𝑎0 )] < 0
𝜕𝑏𝑡 𝜋
Esto demuestra que las innovaciones fundamentales son distribuidas asimétricamente.
12
Capítulo 3: Modelo econométrico
3.1 Modelo econométrico Diba & Grossman análisis de cointegración
Para testear la existencia de burbujas y analizando la cointegración de los precios y dividendos se

utilizará la prueba de Johansen, ya que esta permite evidenciar si estas dos series de tiempo se
mueven en la misma tendencia a lo largo del tiempo, teniendo estabilidad en las diferencias entre
ellas, se dirá que las series están integradas si existe una combinación lineal entre ellas que sea
estacionaria. La hipótesis para contrastar es:
𝐻0 : 𝑟 = 0 , es decir, no existe existencia de cointegración entre las variables en estudio
𝐻1 : 𝑟 > 0, es decir, hay presencia de una relación de cointegración entre las variables.
Se utilizarán dos estadísticos de prueba: La prueba de eigenvalor máximo y la prueba de la traza.
3.1.1 La prueba eigenvalor máximo
𝐿𝑀𝑉(𝑟)
Esta prueba está basada en la razón de máxima verosimilitud 𝑙𝑛 [𝐿𝑀𝑉(𝑟+1) ], y se efectúa
secuencialmente para:
𝑟 = 0,1, … , 𝑛 − 1
Esta prueba corrobora la hipótesis nula de que el rango de cointegración es r versus la alterna de
que el rango de cointegración es 𝑟+1
El estadístico de prueba es:
𝑇
∗
𝑙𝑟+1 − 𝑙𝑟∗ = − ln (1 − 𝜆̂
𝑟+1 )
2
3.1.2 La prueba de la traza
𝐿𝑀𝑉(𝑟)
Esta prueba se basa en la razón de máxima verosimilitud 𝑙𝑛 [ 𝐿𝑀𝑉(𝑛) ] y es efectuada
secuencialmente para 𝑟 = 𝑛 − 1, … ,1,0 . Esta prueba comprueba la hipótesis nula de que el rango de
cointegración es r frente a la alternativa que el rango de cointegración es n El estadístico de prueba
es:
13
𝑛
𝑇
𝑙𝐴∗ − 𝑙0∗ = − ∑ log ( 1 − 𝜆̂𝑖 )
2
𝑖=𝑟+1
La cointegración nos dirá si es que existe una relación estable de largo plazo entre dividendos y
precios, ya que, en presencia de burbujas racionales los precios y dividendos presentan relaciones
inestables lo que es equivalente a que no estén cointegrados.
3.2 Modelo econométrico McQueen & Thorley
Para explicar los sobreprecios de los activos financieros, es necesario en primer lugar encontrar un
conjunto de variables fundamentales macro financieras que puedan explicar los retornos, de esta
manera los retornos anormales vendrán dados por los residuos de esas estimaciones, permitiendo
construir el número de rachas positivas de los retornos, lo que representa la duración en los modelos
de dependencia de duración.
El modelo para estimar tiene la forma de uno de rezagos distribuidos finitos:
𝑌𝑡 = 𝛼 + 𝛽1 𝑌𝑡−1 + 𝛽2 𝑋𝑡−1 + ⋯ + 𝛽𝑛 𝑌𝑡−𝑛 + 𝛽𝑚 𝑋𝑡−𝑚 + 𝑢𝑡
Finalmente, para probar la hipótesis de existencia de burbujas racionales se realizará un análisis de

duración sobre los residuos del modelo, dada la distribución de la duración se utilizará un modelo
paramétrico con una Weibull que tiene. expresiones simples para la función de supervivencia, la
tasa de riesgo marginal y acumulada 𝑆𝑇(𝑡), ℎ𝑇(𝑡) y 𝐻𝑇(𝑡).
La función de densidad es:
ℎ𝑇(𝑦𝑖 |𝑧𝑖 ) = 𝛼𝛾(𝛼𝑡)𝛾−1 𝑒𝑥𝑝(𝑧𝑇𝜑)
La función de riesgo ℎ𝑇(𝑡) queda expresada de la forma:

ℎ𝑇(𝑡) = 𝛼𝛾(𝛼𝑡)𝛾−1 .
Para testear la existencia de burbujas, el parámetro de interés en este caso es gamma.
Si el valor es mayor a 1, significa que la probabilidad de que una racha se reviente es más grande a
medida que crece la racha, lo que significa que no existe evidencia de burbujas racionales, por otro
lado, si la función de riesgo posee pendiente negativa o dicho de otra manera el parámetro gamma
es menor a 1, no rechazaríamos la existencia de una burbuja racional en el índice bursátil S&P 500.
14
Capítulo 4: Marco Metodológico
4.1 Selección de datos
Las pruebas se realizaron utilizando data del S&P 500 desde el año 1871 hasta el año 2022 en
frecuencia mensual, en el caso de las pruebas de dependencia de duración utilizando retornos
nominales y reales.
Tabla 1. Estadísticas de Resumen S&P 500
S&P500 Retornos Nominales Retornos Reales

Recuento 1823 1822 1822
Año mín 1871 1871 1871
Año max 2022 2022 2022
Min 2,730 -0,254 -0,254
Cuartil 1 7,920 -0,015 -0,017
Mediana 17,700 0,007 0,006
Cuartil 3 167,360 0,027 0,026
Max 4676,990 0,518 0,526
Media 355,970 0,005 0,003
Desviación Estándar 758,766 0,041 0,041
Skewness 2,970 0,531 0,622
Kurtosis 12,631 21,298 21,442
Fuente: Elaboración Propia
15
Ilustración 1. S&P Histórico
Ilustración 2. Descomposición de la serie temporal del S&P 500
16
Ilustración 3. Retornos nominales S&P 500
Ilustración 4. Retornos Reales S&P 500
17
4.2 Procedimiento y Análisis Estadístico
Consistente con la presencia de burbujas la serie presenta autocorrelación, kurtosis y skewness.

Desafortunadamente, las pruebas de diagnóstico de burbujas basadas en autocorrelación positiva,
sesgo o kurtosis no son concluyentes, incluso si son significativas, porque los movimientos
fundamentales de los precios también se pueden asociar con estos atributos según McQueen &
Thorley (1994).
Para detectar la presencia de una burbuja racional se deben realizar otros tipos de pruebas como
las que se mostraran a continuación.
La primera de las pruebas será analizar la cointegración de precios y dividendos del índice S&P 500.
En segundo lugar, se realiza la prueba de dependencia de duración. Para poder realizar esta prueba,
se procede a estimar el modelo factorial con las principales variables fundamentales de los retornos
del índice S&P500:
𝑠𝑝𝑣𝑎𝑟𝑡 = 𝛼 + ∑ 𝛽𝑖 𝑑𝑦𝑠𝑝𝑡−𝑖 + 𝛽3 𝑑𝑦𝑠𝑝𝑡 + 𝛽4 𝑠𝑝𝑣𝑎𝑟𝑡−1 + 𝑢𝑡

𝑖=1
𝑠𝑝𝑣𝑎𝑟𝑅𝑡 = 𝛼 + ∑ 𝛽𝑖 𝑑𝑦𝑠𝑝𝑡−𝑖 + 𝛽3 𝑑𝑦𝑠𝑝𝑡 + 𝛽4 𝑠𝑝𝑣𝑎𝑟𝑅𝑡−1 + 𝛽5 𝑙𝑖𝑟 + 𝑢𝑡

𝑖=1
Dónde :
 𝒔𝒑𝒗𝒂𝒓𝒕 : es la variación mensual del precio nominal del índice S&P 500
 𝒔𝒑𝒗𝒂𝒓𝑹𝒕 : es la variación mensual del precio real del índice S&P 500
 𝒅𝒚𝒔𝒑𝒕 : consiste en el correspondiente Dividend Yield del índice bursátil trabajado
 𝒍𝒊𝒓𝒕 : es la Tasa de interés de Largo Plazo a 10 años
 𝒖𝒕 : es el termino del error
18
Capítulo 5: Resultados y Análisis
5.1 Test de Cointegración:
Testeando precios y dividendos nominales, utilizando prueba de la traza:
Tabla 2. Tabla de prueba de traza para precios y dividendos nominales
test 10pct 5pct 1pct

r<=1 22,4 7,52 9,24 12,97
r=0 96,99 17,85 19,96 24,60
Considerando un nivel de significancia de 𝛼 = 5% cuando 𝑟 = 0, el estadístico de prueba es mayor

a su valor crítico (96,99>19,96), lo que implica rechazar H0, por lo tanto, hay evidencia estadística
de presencia de cointegración entre los precios y los dividendos del S&P 500.
Testeando precios y dividendos nominales, utilizando prueba de Eigenvalor:
Tabla 3. Tabla de prueba de Eigenvalor para precios y dividendos nominales

r<=1 22,4 7,52 9,24 12,97
r=0 74,59 13,75 15,67 20,20
Utilizando la prueba de Eigenvalor se puede apreciar que se rechaza la hipótesis nula, por lo tanto,
al igual que en la prueba anterior se concluye que hay presencia estadística de cointegración entre
precios y dividendos del S&P500.
19
5.2 Resultados de prueba de McQueen & Thorley
5.2.1 Prueba utilizando retornos nominales:
La estimación de los retornos anormales viene dada por los residuos de la regresión que se muestra
a continuación:
Tabla 4. Estimación de retornos nominales
REGRESIÓN RETORNOS NOMINALES

Coeficiente Std Error t value Pr(>|t|)
Intercepto 0,008128 0,001134 7,171 1,08E-12
dysp -0,156249 0,001849 -8,450 < 0,0000000000000002
dysp_Lag1 0,214286 0,004626 4,632 < 0,0000000000000002
dysp_Lag2 -0,0593 0,003826 -1,550 < 0,0000000000000002
spvar_Lag1 0,35203 0,021984 1,601 < 0,0000000000000002
Ilustración 5. Valores estimados vs valores observados de los retornos nominales S&P 500
20
Análisis de rachas de retornos anormales:
Tabla 5. Resumen de rachas de retornos nominales
21
Ilustración 6. Empirical Hazard usando retornos nominales
Prueba de dependencia de duración utilizando los retornos anormales:
1
𝛾= 𝛼 = exp (𝑖𝑛𝑡𝑒𝑟𝑐𝑒𝑝𝑡)
𝑠𝑐𝑎𝑙𝑒
Tabla 6. Estimación modelo paramétrico usando retornos nominales
SURVIVAL MODEL - WEIBULL_RETORNOS NOMINALES

Coeficiente Std Error z value Pr(>|z|)
Intercepto 0,9437 0,0431 21,91 < 0,0000000000000002
Log Scale -0,2075 0,0331 -6,28 3,5E-10
Scale 0,813
Gamma 1,2300123
Dados los resultados obtenidos se puede observar que el parámetro de interés Gamma tiene un
valor de 1,23 > 1, lo que es consistente con afirmar que no existe evidencia para la existencia de
burbujas racionales cuando modelamos los retornos nominales, gráficamente se puede apreciar
22
por la positividad de la pendiente de la función de riesgos, tal como se muestra a continuación:
Ilustración 7. Función de sobrevivencia Weibull
Ilustración 8. Función de riesgo Weibull
23
Ilustración 9. Kaplan Meier usando retornos nominales
5.2.2 Prueba utilizando retornos reales:
La estimación de los retornos anormales viene dada por los residuos de la regresión que se muestra
a continuación:
Tabla 7. Estimación de retornos reales
REGRESIÓN RETORNOS REALES

Intercepto 0,007361 0,0015763 4,67 0,00000324
dysp -0,152599 0,0020757 -73,52 < 0,0000000000000002
dysp_Lag1 0,2020135 0,0048393 41,74 < 0,0000000000000002
dysp_Lag2 -0,050382 0,0039363 -12,8 < 0,0000000000000002
spvar_real_Lag1 0,2926415 0,0224127 13,06 < 0,0000000000000002
lir -0,000337 0,0002015 -1,67 0,0951
24
Ilustración 10. Valores estimados vs valores observados de los retornos reales S&P 500.
Análisis de rachas de retornos anormales:
Tabla 8. Resumen de rachas de retornos reales
25
Ilustración 11. Empirical Hazard usando retornos reales
Prueba de dependencia de duración utilizando los retornos anormales:
Tabla 9. Estimación modelo paramétrico usando retornos reales
SURVIVAL MODEL - WEIBULL_RETORNOS REALES

Intercepto 0,9182 0,0382 24,05 < 0,0000000000000002
Log Scale -0,2978 0,0322 -9,24 < 0,0000000000000002
Scale 0,742
Gamma 1,34770889
Las conclusiones cuando modelamos los retornos reales son las mismas que las obtenidas en el
caso de los retornos nominales, ya que, el parámetro Gamma es mayor a uno y la función de riesgos
también tiene pendiente positiva. Siendo esto consistente con la no existencia de burbujas
racionales.
26
27
Ilustración 14. Kaplan Meier usando retornos reales
Para robustecer los resultados obtenidos en la sección anterior, se realizó un análisis de

cointegración entre los precios y los dividendos reales del índice S&P500, para obtener los valores
reales se deflactaron los valores nominales utilizando el consumer price index al igual que en la
sección anterior, además de este análisis, se realizaron dos análisis con la metodología de los
modelos de duración. La primera, utilizando los retornos nominales, pero en lugar de utilizar una
distribución Weibull se usa un modelo paramétrico con una función Log-logística. Y en el segundo
caso, se usó la metodología GARCH estimando los retornos anormales reales y nominales.
28
Capítulo 6: Análisis de robustez
6.1 Análisis de cointegración para precios y dividendos reales
Testeando precios y dividendos reales, utilizando prueba de la traza:
Tabla 10. Prueba de la traza para precios y diviendos reales

r<=1 20,4 7,52 9,24 12,97
r=0 51,46 17,85 19,96 24,6
Al igual que en el análisis de cointegración de las variables nominales, se observa que a un nivel de
significancia del 5% se rechaza la hipótesis nula, por lo tanto, existe evidencia estadística de
cointegración entre los precios y los dividendos reales del S&P500.
6.2 Modelo paramétrico Log-Logistic
Análisis de rachas de retornos nominales:
Tabla 11. Estimación de modelo paramétrico Log-Logistic usando rachas de retornos nominales
LOG-LOGISTIC RETORNOS NOMINALES

Intercepto 0,519 0,0302 17,2 < 0,0000000000000002
Log Scale -1,0366 0,0387 -26,8 < 0,0000000000000002
Scale 0,355
Gamma 2,817
Análisis de rachas de retornos reales:
Tabla 12. Estimación de modelo paramétrico Log-Logistic usando rachas de retornos reales
LOG-LOGISTIC RETORNOS REALES

Intercepto 0,5168 0,0326 15,9 < 0,0000000000000002
Log Scale -0,9739 0,0393 -24,8 < 0,0000000000000002
Scale 0,378
Gamma 2,646
29
En este caso se puede observar que el parámetro estimado gamma es positivo, por lo tanto, tal como
el análisis realizado en Mqueen & Thorley, se evalúa que este no sea negativo, por ende se rechaza
la hipótesis de existencia de burbujas racionales.
6.3 Modelo McQueen & Thorley utilizando covariables macroeconómicas alternativas
6.3.1 Utilizando datos en frecuencia mensual
En esta sección se analizarán las covariables testeadas por Sam Astill, Robert Taylor, A.M. Neil
Kellar y Ioannis Korkos que puedan influir en la formación se burbujas en el precio de los activos
financieros, para esto se estima el siguiente modelo de regresión realizada para un periodo desde
1960 hasta el 2010:
𝑠𝑝𝑣𝑎𝑟 = 𝐴𝐴𝐴 + 𝐵𝐴𝐴 + 𝑙𝑡𝑦 + 𝑛𝑡𝑖𝑠 + 𝑐𝑜𝑟𝑝𝑟 + 𝑐𝑠𝑝 + 𝑏𝑚
𝑠𝑝𝑣𝑎𝑟: Rendimiento del índice S&P500

𝐴𝐴𝐴: Diferencial del crédito AAA
𝐵𝐴𝐴: Rendimiento de los bonos corporativos BAA de moody’s seasoned
𝑙𝑡𝑦: Rendimiento a largo plazo de los bonos estadounidenses
𝑛𝑡𝑖𝑠: Rendimiento a largo plazo de los bonos del tesoro americano
𝑐𝑜𝑟𝑝𝑟: Rendimiento de los bonos corporativos a largo plazo con calificación AAA y BAA
𝑏𝑚: Ratio book to market para el promedio industrial Dow Jones
Tabla 13. Estimación modelo factorial usando covariables período 1960-2010

Intercept 0,04062 0,008151 4,983 0,000000857817374056 ***
AAA -5,76021 1,07809 -5,343 0,000000138277531818 ***
BAA 2,74316 0,691541 3,967 0,000083339033705947 ***
lty 2,81525 0,595987 4,724 0,000003001593666961 ***
ntis -0,335285 0,123771 -2,709 0,006978 **
corpr 0,713873 0,084601 8,438 0,000000000000000338 ***
csp 6,9708 1,44370 4,828 0,000001823641864991 ***
bm -0,035157 0,009172 -3,833 0,000142 ***
30
Análisis de rachas:
Tabla 14. Resumen de rachas período 1960-2010
MENSUAL
Largo racha Rachas positivas Rachas negativas Hazard rate positivas Hazard rate negativas
1 65 77 0,471014 0,553957
2 42 38 0,575342 0,612903
3 16 13 0,516129 0,541667
4 7 6 0,466667 0,545455
5 4 3 0,5 0,6
6 2 1 0,5 0,5
7 2 0 1
8 0 1 1
Total 138 139
Test de dependencia de duración:
Tabla 15. Estimación modelo paramétrico Weibull

Intercepto 0,8026 0,0536 14,98 <0.0000000000000002
Log Scale -0,5263 0,0608 -8,66 < 0,0000000000000002
Scale 0,591
Gamma 1,69204738
31
32
Ilustración 17. Kaplan Meier
Dado los resultados anteriores, se puede observar que el coeficiente 𝛾 de la función de riesgo fue
de 1,69204738 > 1, por lo tanto, se rechaza la hipótesis de existencia de burbujas es en el S&P 500.
6.3.2 Análisis utilizando covariables con frecuencia cuatrimestral
𝑠𝑝𝑣𝑎𝑟 = 𝐴𝐴𝐴 + 𝐵𝐴𝐴 + 𝑙𝑡𝑦 + 𝑛𝑡𝑖𝑠 + 𝑐𝑜𝑟𝑝𝑟 + 𝑐𝑠𝑝 + 𝑏𝑚
𝑠𝑝𝑣𝑎𝑟: Rendimiento del índice S&P500

𝐴𝐴𝐴: Diferencial del crédito AAA
𝐵𝐴𝐴: Rendimiento de los bonos corporativos BAA de moody’s seasoned
𝑙𝑡𝑦: Rendimiento a largo plazo de los bonos estadounidenses
𝑛𝑡𝑖𝑠: Rendimiento a largo plazo de los bonos del tesoro americano
𝑐𝑜𝑟𝑝𝑟: Rendimiento de los bonos corporativos a largo plazo con calificación AAA y BAA
𝑏𝑚: Ratio book to market para el promedio industrial Dow Jones
33
Tabla 16. Estimación de modelo factorial usando covariables período 1960-2010, frecuencia cuatrimestral

Intercept 0,1143 0,0259 4,4050 0,00001900 ***
AAA -17,0287 3,5151 -4,8450 0,00000292 ***
BAA 8,6127 2,3583 3,6520 0,000349 ***
lty 7,7922 1,7961 4,3380 0,00002500 ***
ntis -0,7719 0,3916 -1,9710 0,050401 .
corpr 0,4560 0,1332 3,4240 0,000780 ***
csp 16,5244 4,3735 3,7780 0,000221 ***
bm -0,1079 0,0283 -3,8170 0,000191 ***
Análisis de las rachas:

Tabla 17. Resumen de rachas período 1960-2010, frecuencia cuatrimestral
CUATRIMESTRAL
1 11 20 0,28947 0,52632
2 14 8 0,51852 0,44444
3 7 3 0,53846 0,3
4 2 4 0,33333 0,57143
5 3 2 0,75 0,66667
7 0 1 1
11 1 0 1
Total 38 38
Test de dependencia de duración:
Tabla 18. Estimación de modelo paramétrico Weibull

Intercepto 1,045 0,11 9,47 < 0,0000000000000002
Log Scale -0,457 0,111 -4,11 0,000039
Scale 0,633
Gamma 1,580
34
35
En base a los resultados obtenidos, el valor estimado para 𝛾 es de 1,580>1, por lo tanto, rechazamos
la hipótesis de existencia de burbujas racionales para el S&P 500 en frecuencia cuatrimestral para
el periodo de 1960-2010.
Dentro de las limitaciones a considerar dentro del trabajo, tal cómo se señala en el trabajo de J.
Cuñado (2005) los resultados de las pruebas pueden ser sensibles a la frecuencia de los datos, estas
diferencias pueden ser explicadas bajo dos argumentos: siendo primero el problema de la agregación
temporal y el segundo el tamaño de la muestra. El problema de la agregación temporal implicaría
que el uso de datos de baja frecuencia puede sesgar los resultados hacia hallazgos de lenta
convergencia o aleatorios, que para el contexto de detección de burbujas financieras significaría que
el uso de datos mensuales en vez de diarios o semanales puede producir sesgo en las pruebas
aplicadas. Por otra parte, el problema del tamaño de muestra sería argumentado cómo cuando se
analiza un resultado de comportamiento en una serie de tiempo determinada, al examinar ese
comportamiento al largo plazo este comportamiento desaparecerá o tenderá a desaparecer.
Para identificar si las limitaciones señaladas por J. Cuñado afectan a nuestras estimaciones previas,
se estimarán modelos con distintas frecuencias de datos.
36
6.4 Modelo GARCH
En este apartado utilizando la metodología GARCH, tal como lo propone Zhang (2008) en su
investigación sobre test de burbujas racionales aplicados a los índices bursátiles chinos.
6.4.1 Prueba con frecuencia mensual
En primer lugar, utilizando frecuencia mensual se lleva a cabo una estimación de distintas
especificaciones ARMA de las cuales se seleccionará la de mejor desempeño, esto con el objetivo
de demostrar si es que los datos permiten este tipo de estimaciones.
Tabla 19. Resumen AIC para especificaciones ARMA, frecuencia mensual
Modelo ARMA S&P500 nominal mensual 1960-2010

AIC_arma p q
-2375,90 0 1
-2374,16 0 2
-2370,32 1 0
-2374,21 1 1
-2373,18 1 2
-2372,45 2 0
-2373,11 2 1
-2371,56 2 2
Tabla 20. Resumen estimación ARMA, frecuencia mensual

MA(1) Intercepto
Coeficiente 0,3023 0,0057
s.e. 0,0397 0,0018
Sigma2 0,001187
Log Likelihood 1190,95
AIC -2375,9
Analizando los residuos del modelo se puede apreciar que existe evidencia de heteroscedasticidad
lo cual viola los supuestos del modelo.
37
Ilustración 21. Residuos modelo ARMA S&P 500, frecuencia mensual
Para enfrentar este problema se emplea un modelo GARCH para modelar la varianza de los errores,
siendo los parámetros del modelo
Tabla 21. Resumen estimación GARCH, frecuencia mensual

Estimate Std, Error t value Pr(>|t|)
mu 0,007339 0,001592 4,6107 0,000004
ma1 0,2582 0,0044953 5,7438 0,000000
omega 0,000098 0,000038 2,5442 0,010951
alpha1 0,132537 0,035707 3,7119 0,000206
beta1 0,793188 0,048393 16,3907 0,000000
Los retornos anormales modelados vienen dados por:
38
Ilustración 22. Valores estimados vs valores observados de estimación GARCH
El resumen de rachas positivas y negativas obtenidas del modelo GARCH:
Tabla 22. Resumen de rachas modelo GARCH, frecuencia mensual
1 75 66 0,496688742 0,437086093
2 37 44 0,486842105 0,517647059
3 17 23 0,435897436 0,56097561
4 10 14 0,454545455 0,777777778
5 6 2 0,5 0,5
6 4 1 0,666666667 0,5
7 1 1 0,5 1
8 1 0 1
Total: 151 151
39
Ilustración 23. Empirical Hazard
Modelando la tasa de riesgo a través de la metodología de los modelos de dependencia de duración,

usando una distribución Weibull, se observan los siguientes resultados:
Tabla 23. Estimación modelo Weibull-GARCH
WEIBULL-GARCH RETORNOS MENSUALES NOMINALES 1960-2010

Intercepto 0,8379 0,0549 15,27 <0,0000000000000002
Log Scale -0,4566 0,0589 -7,75 <0,0000000000000091
Scale 0,633
Gamma 1,580
40
41
Observando los resultados obtenidos, podemos robustecer las conclusiones de los modelos de
duración estimados en las secciones previas, ya que, el parámetro estimado 𝛾1 y visto de otra
forma, la función de riesgo tiene pendiente positiva, lo que es consistente con rechazar la hipótesis
de existencia de burbujas racionales en el mercado bursátil norteamericano (S&P 500).
6.4.2 Prueba con frecuencia semanal
Estimando distintas especificaciones ARMA y seleccionando la de mejor desempeño
Tabla 24. Resumen AIC para especificaciones ARMA, frecuencia semanal
Modelo ARMA S&P500 nominal semanal 1960-2010

AIC_arma p q
-12847,27 0 1
-12849,34 0 2
-12847,52 1 0
-12848,74 1 1
-12847,35 1 2
-12849,18 2 0
-12847,17 2 1
-12857,24 2 2
42
Tabla 25. Resumen estimación ARMA, frecuencia semanal

AR(1) AR(2) MA(1) MA(2) Intercept
Coeficiente -0,579 -0,8418 0,5429 0,8574 0,0014
s.e. 0,0669 0,0805 0,0663 0,0754 0,0004
Sigma2 0,0004647
AIC -12857,24
Analizando los residuos del modelo podemos detectar presencia de heteroscedasticidad:
Ilustración 27. Residuos modelo ARMA S&P 500
43
Para enfrentar el problema de la heteroscedasticidad se estima un modelo GARCH:
Tabla 26. Resumen estimación GARCH, frecuencia semanal

mu 0,001921 0,000212 9,0665 0,000000
ar1 0,199742 0,013439 14,8631 0,000000
ar2 0,754417 0,013393 56,3271 0,000000
ma1 -0,235637 0,000591 -398,5515 0,000000
ma2 -0,735141 0,000091 8076,2034 0,000000
omega 0,000014 0,000005 2,5180 0,011788
alpha1 0,144280 0,013345 10,8116 0,000000
beta1 0,831540 0,011151 74,5688 0,000000
Retornos anormales están dados por:
Ilustración 28. Valores estimados vs Valores observados de estimación GARCH
44
El resumen de rachas positivas y negativas del modelo GARCH:
Tabla 27. Resumen de rachas modelo GARCH, frecuencia semanal
1 321 333 0,48710 0,50455
2 168 168 0,49704 0,51376
3 77 71 0,45294 0,44654
4 38 56 0,40860 0,63636
5 34 16 0,61818 0,5
6 9 10 0,42857 0,62500
7 2 2 0,16667 0,33333
8 5 3 0,5 0,75
9 3 0 0,6 -
10 1 1 0,5 1
12 1 0 1
Total: 659 660
45
Modelando la tasa de riesgo se observan los siguientes resultados:
WEIBULL-GARCH RETORNOS SEMANAL NOMINALES 1960-2010

Intercepto 0,8471 0,027 31,4 <0,0000000000000002
Log Scale -0,4293 0,0275 -15,6 <0,0000000000000002
Scale 0,651
Gamma 1,536
46
Al observar la pendiente de la función de riesgo, vemos que esta es positiva o de otra manera el
parámetro 𝛾1, lo que rechaza la hipótesis de existencia de burbujas racionales.
6.4.3 Prueba con frecuencia diaria
Estimando distintas especificaciones ARMA y seleccionando la de mejor desempeño
47
Tabla 29. Resumen AIC para especificaciones ARMA, frecuencia diaria
Modelo ARMA S&P500 nominal diario 1960-2010

AIC_arma p q
-81558,97 0 1
-81585,36 0 2
-81557,99 1 0
-81576,54 1 1
-81584,18 1 2
-81583,86 2 0
-81583,79 2 1
-81583,38 2 2
Tabla 30. Resumen estimación ARMA, frecuencia diaria

MA(1) MA(2) Intercepto
Coeficiente 0,0295 -0,0477 0,0003
s.e. 0,0088 0,0089 0,0001
Sigma2 0,0001017
AIC -81585,36
Analizando los residuos del modelo podemos detectar presencia de heteroscedasticidad:
48
Ilustración 33. Residuos modelo ARMA S&P 500
Para enfrentar el problema de la heteroscedasticidad se estima un modelo GARCH:
Tabla 31. Resumen estimación GARCH, frecuencia diaria

mu 0,000479 0,000067 7,1856 0,000000
ma1 0,096459 0,009444 10,2134 0,000000
ma2 -0,007962 0,009386 -0,8483 0,396270
omega 0,000001 0,000001 1,3023 0,192840
alpha1 0,084032 0,010478 8,0197 0,000000
beta1 0,911462 0,010071 90,5013 0,000000
49
Retornos anormales están dados por:
Ilustración 34. Valores estimados vs Valores observados de estimación GARCH
El resumen de rachas positivas y negativas del modelo GARCH:
Tabla 32. Resumen de rachas modelo GARCH, frecuencia diaria
1 1622 1626 0,496176201 0,497399816
2 865 825 0,525197328 0,50213025
3 426 420 0,544757033 0,513447433
4 201 210 0,564606742 0,527638191
5 77 94 0,496774194 0,5
6 41 52 0,525641026 0,553191489
7 25 21 0,675675676 0,5
8 6 12 0,5 0,571428571
9 1 4 0,166666667 0,444444444
10 3 4 0,6 0,8
11 1 0 0,5 0
12 1 1 1 1
Total: 3269 3269
50
Modelando la tasa de riesgo se observan los siguientes resultados:
WEIBULL-GARCH RETORNOS DIARIO NOMINALES 1960-2010

Intercepto 0,7871 0,0111 70,7 <0,0000000000000002
Log Scale -0,5133 0,0124 -41,5 <0,0000000000000002
Scale 0,599
Gamma 1,669
51
52
Al observar la pendiente de la función de riesgo, vemos que esta es positiva o de otra manera el
parámetro 𝛾1, lo que rechaza la hipótesis de existencia de burbujas racionales.
53
Conclusiones
A lo largo de este trabajo hemos testeado la presencia de burbujas racionales en el mercado bursátil
estadounidense a través de diferentes pruebas econométricas como lo son el análisis de
cointegración y los modelos de dependencia de duración. En el caso de la prueba de cointegración,
la metodología consistió en analizar si precios y dividendos del índice (S&P500) estaban
cointegrados para así poder ver la existencia de una relación estable en el largo plazo y si los
movimientos de los precios estaban justificados por su variable fundamental.
En el caso de la dependencia de duración, la metodología fue construir los retornos anormales

positivos utilizando los residuos de un modelo factorial, el cual tenía de variables explicativas las
variables financieras más significativas para explicar los retornos tanto nominales como reales del
índice, siendo estas: dividend yield, tasa de interés de largo plazo y sus rezagos.
Los resultados obtenidos en la primera prueba aplicada (prueba de cointegración) sugieren que los
precios y los dividendos están cointegrados y por tanto los movimientos de los precios se pueden
explicar en los movimientos de sus valores fundamentales, mientras que en el caso del análisis de
duración los resultados sugieren que no existe evidencia de la existencia de una burbuja racional en
el mercado bursátil estadounidense tanto en retornos reales como en nominales.
Dado el análisis de robustez presentado, no se identifican burbujas racionales para el S&P500 en

los periodos 1871-2022, ni tampoco para la submuestra de 1960-2010 utilizando como variables
predictoras las covariables analizadas en (Sam Astill, Robert Taylor, A.M. Neil Kellar y Ioannis
Korkos).
En la seccion final se realizan estimaciones con frecuencias mensual,semanal y diaria para el S&P
500 con el objetivo de identificar si los problemas de agregacion o tamaño de la muestra señalados
por (J. Cuñado et al) pudieron afectar nuestras estimaciones previas, dado los resultados se puede
concluir que utilizando difrentes frecuencias de datos se llega a la misma conclusion de rechazar la
hipotesis nula de existencia de burbujas racionales.
54
Referencias Bibliográficas
Anderson, K., Brooks, C., & Katsaris, A. (2010). Speculative bubbles in the S&P 500: Was the tech
bubble confined to the tech sector? Journal of Empirical Finance, 17(3), 345-361.
Arshanapalli, B. (2016). Testing for Stock Price Bubbles: A Review of Econometric Tools. SSRN
Electronic Journal.
Astill, S., Taylor, A. R., Kellard, N., & Korkos, I. (2023). Using covariates to improve the efficacy of
univariate bubble detection methods. Journal of Empirical Finance, 70, 342-366.
Blanchard, O., & Watson, M. (1982). Bubbles, Rational Expectations and Financial Markets. National
Bureau of Economic Research Working Paper Series. Obtenido de National Bureau of
Economic Research Working Paper Series.
Bordalo, P., Gennaioli, N., & Shleifer, A. (2022). Overreaction and Diagnostic Expectations in
Macroeconomics. Journal of Economic Perspectives, 36(3), 223-244.
Chen, A. S., Cheng, L. Y., & Cheng, K. F. (2009). Intrinsic bubbles and Granger causality in the
S&P 500: Evidence from long-term data. Journal of Banking & Finance, 33(12),
2275-2281.
Cuñado, J., Gil-Alana, L., & de Gracia, F. P. (2005). A test for rational bubbles in the NASDAQ stock
index: A fractionally integrated approach. Journal of Banking & Finance, 29(10), 2633-2654.
DeFusco, A. A., Nathanson, C. G., & Zwick, E. (2022). Speculative dynamics of prices and volume.
Journal of Financial Economics, 146(1), 205-229.
DeRosa, David. (2021). Bubbles Everywhere or Are Markets Rational?. Bursting The Bubble -
Rationality in a Seemingly Irrational Market (pp. 1-19). CFA Institute Research Foundation
Monographs.
Diba, B., & Grossman, H. (1988). The Theory of Rational Bubbles in Stock Prices. The Economic
Journal, 746-754.
Giglio, S., Maggiori, M., & Stroebel, J. (2016). No-Bubble Condition: Model-Free Tests in Housing
Markets. Econometrica, 84(3), 1047-1091.
Harman, Y. S., & Zuehlke, T. W. (2004). Duration dependence testing for speculative bubbles. Journal
of Economics and Finance, 28(2), 147-154
Hafner, Christian M. (2018) : Testing for bubbles in cryptocurrencies with time-varying volatility, IRTG
1792 Discussion Paper, No. 2018-005
He, Q., Qian, Z., Fei, Z., & Chong, T. T. L. (2017). Do speculative bubbles migrate in the Chinese
stock market? Empirical Economics, 56(2), 735-754.
Horváth, L., Li, H., & Liu, Z. (2022). How to identify the different phases of stock market bubbles
statistically? Finance Research Letters, 46, 102366.
Hu, Y. (2022). A review of Phillips‐type right‐tailed unit root bubble detection tests. Journal of
Economic Surveys, 37(1), 141-158.
55
McQueen, G., & Thorley, S. (1994). Bubbles, Stock Returns, and Duration Dependence. Journal of
Financial and Quantitative Analysis, 379-401.
Mishkin, F. S. (2008). How should we respond to asset price bubbles. Financial Stability Review, 12,
65-74.
Nguyen, Q. N., & Waters, G. A. (2022). Detecting periodically collapsing bubbles in the S&P 500. The
Quarterly Review of Economics and Finance, 83, 83-91.
Petris, P., Dotsis, G., & Alexakis, P. (2020). Bubble tests in the London housing market: A borough
level analysis. International Journal of Finance & Economics, 27(1), 1044-1063.
Shiller, R. (1981). Do Stock Prices move too much to be justified by subsequent changes in
Dividends? The American Economic Review, 421-436.
Sornette, D., & Cauwels, P. (2014). Financial Bubbles: Mechanisms and Diagnostics. SSRN
Electronic Journal.
Umar, M., Su, C. W., Rizvi, S. K. A., & Lobonţ, O. R. (2021). Driven by fundamentals or exploded by
emotions: Detecting bubbles in oil prices. Energy, 231, 120873.
Yang, B., Long, W., & Yang, Z. (2022). Testing predictability of stock returns under possible bubbles.
Journal of Empirical Finance, 68, 246-260.
Zakamulin, V. (2022). Revisiting the duration dependence in the US stock market cycles. Applied
Economics, 55(4), 357-368.
Zhang, B. (2008). Duration dependence test for rational bubbles in Chinese stock market. Applied
Economics Letters, 15(8), 635-639.
56

Tesis 23-02

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tesis 23-02

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE SANTIAGO DE CHILE

FACULTAD DE ADMINISTRACIÓN Y ECONOMÍA

Testeo de burbujas racionales para el S&P 500: Una aproximación

Nicolás Godoy Valdivia

Profesor Guía: Robinson Dettoni Hidalgo

Trabajo de titulación para optar el título de Ingeniero

Licencias Creative Commons

Escoja licencia del menú desplegable (letras azules)

Palabras claves: Burbujas racionales, dependencia de duración, S&P 500, cointegración,

Escriba Aquí su Dedicatoria.

Para mi Padre, Juan González.

Sus agradecimientos no deben sobrepasar esta hoja.

Ilustración 1. S&P Histórico ................................................................................................................................ 16

En el presente trabajo se realizará un conjunto de pruebas econométricas para detectar la existencia

“Arrendamientos son contratos de vencimiento finito, prepago y propiedad negociable con

2.1 Modelo de características de los retornos (Blanchard & Watson):

En el presente trabajo llevamos a cabo un conjunto de pruebas para detectar presencia de

2.2 Modelo de Diba & Grossman

(1) 𝑃𝑡 = (1 + 𝑟)−1 𝐸𝑡 (𝑃𝑡 + 𝛼𝑑𝑡+1 + 𝑢𝑡+1 )

Dónde 𝑃𝑡 corresponde al precio de la acción en la fecha t.

Valor fundamental del mercado siendo expresado cómo:

(2) 𝐹𝑡 = ∑(1 + 𝑟)−𝑗 𝐸𝑡 (𝛼𝑑𝑡+𝑗 + 𝑢𝑡+𝑗 )

Si la variable no observable en los fundamentales del mercado, 𝑢𝑡 , es estacionaria en niveles, si los

2.5 Modelo de McQueen & Thorley:

retorno requerida al variar un periodo. En término de precios, la condición de equilibrio competitivo

(12) 𝑝𝑡 = 𝐸𝑡 [𝑝𝑡+1 + 𝑑𝑡+1 ]/(1 + 𝑟𝑡+1 )

Resolviendo (2) recursivamente se produce una solución a la condición de equilibrio: El valor

(4) 𝑝𝑡 = 𝑝𝑡∗ + 𝑏𝑡 , 𝑑𝑜𝑛𝑑𝑒 𝐸𝑡 [𝑏𝑡+1 ] = (1 + 𝑟𝑡+1 )𝑏𝑡 ,

𝑏𝑡+1 = 𝑎0 , 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 (1 − 𝜋).

inicial, 𝑎0 , el cual es mayor a 0.

El modelo de burbujas racionales especulativas permite variaciones de precios inesperadas, 𝜖𝑡+1 ≡

Y cambios inesperados en la burbuja,

(6) 𝜂𝑡+1 = 𝑏𝑡+1 − (1 + 𝑟𝑡+1 )𝑏𝑡

𝜖𝑡+1 = 𝜇𝑡+1 − (1 + 𝑟𝑡+1 )𝑏𝑡 + 𝑎0 , 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 (1 − 𝜋)

Esto demuestra que las innovaciones fundamentales son distribuidas asimétricamente.

3.1 Modelo econométrico Diba & Grossman análisis de cointegración

Para testear la existencia de burbujas y analizando la cointegración de los precios y dividendos se

Se utilizarán dos estadísticos de prueba: La prueba de eigenvalor máximo y la prueba de la traza.

3.1.1 La prueba eigenvalor máximo

3.1.2 La prueba de la traza

3.2 Modelo econométrico McQueen & Thorley

𝑌𝑡 = 𝛼 + 𝛽1 𝑌𝑡−1 + 𝛽2 𝑋𝑡−1 + ⋯ + 𝛽𝑛 𝑌𝑡−𝑛 + 𝛽𝑚 𝑋𝑡−𝑚 + 𝑢𝑡

Finalmente, para probar la hipótesis de existencia de burbujas racionales se realizará un análisis de

La función de densidad es:

ℎ𝑇(𝑦𝑖 |𝑧𝑖 ) = 𝛼𝛾(𝛼𝑡)𝛾−1 𝑒𝑥𝑝(𝑧𝑇𝜑)

La función de riesgo ℎ𝑇(𝑡) queda expresada de la forma:

4.1 Selección de datos

S&P500 Retornos Nominales Retornos Reales

Ilustración 2. Descomposición de la serie temporal del S&P 500

Ilustración 4. Retornos Reales S&P 500

Consistente con la presencia de burbujas la serie presenta autocorrelación, kurtosis y skewness.

𝑠𝑝𝑣𝑎𝑟𝑡 = 𝛼 + ∑ 𝛽𝑖 𝑑𝑦𝑠𝑝𝑡−𝑖 + 𝛽3 𝑑𝑦𝑠𝑝𝑡 + 𝛽4 𝑠𝑝𝑣𝑎𝑟𝑡−1 + 𝑢𝑡

𝑠𝑝𝑣𝑎𝑟𝑅𝑡 = 𝛼 + ∑ 𝛽𝑖 𝑑𝑦𝑠𝑝𝑡−𝑖 + 𝛽3 𝑑𝑦𝑠𝑝𝑡 + 𝛽4 𝑠𝑝𝑣𝑎𝑟𝑅𝑡−1 + 𝛽5 𝑙𝑖𝑟 + 𝑢𝑡

5.1 Test de Cointegración:

Testeando precios y dividendos nominales, utilizando prueba de la traza:

Tabla 2. Tabla de prueba de traza para precios y dividendos nominales

test 10pct 5pct 1pct

Considerando un nivel de significancia de 𝛼 = 5% cuando 𝑟 = 0, el estadístico de prueba es mayor

Testeando precios y dividendos nominales, utilizando prueba de Eigenvalor:

Tabla 3. Tabla de prueba de Eigenvalor para precios y dividendos nominales

test 10pct 5pct 1pct

5.2.1 Prueba utilizando retornos nominales: