Ciencia Ergo Sum

ISSN: 1405-0269
ciencia.ergosum@yahoo.com.mx
Universidad Autónoma del Estado de México
México

Iglesias Antelo, Susana; Lévy Mangin, Jean-Pierre

Un modelo multifactorial con variables macroeconómicas en el mercado de capitales español: un
análisis de estructuras de covarianzas
Ciencia Ergo Sum, vol. 9, núm. 2, julio, 2002
Universidad Autónoma del Estado de México
Toluca, México

Disponible en: http://www.redalyc.org/articulo.oa?id=10402402

Cómo citar el artículo

Número completo
Sistema de Información Científica
Más información del artículo Red de Revistas Científicas de América Latina, el Caribe, España y Portugal
Página de la revista en redalyc.org Proyecto académico sin fines de lucro, desarrollado bajo la iniciativa de acceso abierto
 CIENCIAS SOCIALES

Un modelo multifactorial con variables

macroeconómicas en el mercado
de capitales español:
un análisis de estructuras de covarianzas1

Susana Iglesias Antelo* y Jean-Pierre Lévy Mangin**

Recepción: abril 25 de 2002

Aceptación: mayo 15 de 2002

* Facultad de Ciencias Económicas y

Resumen. Se analiza la relación entre las A Multifactor Model with
Empresariales, Campus de A Zapateira, rentabilidades de las acciones y un conjunto Macroeconomic Variables in the
Universidad de A Coruña. Código postal: 15071. de variables macroeconómicas en el Spanish Stockmarket: A Structural
A Coruña, España.
Teléfono: (34) 981-167000 ext. 2557 mercado de capitales español a partir del Variance Analysis
Fax: (34) 981 167070 análisis de estructuras de covarianzas. De la Abstract: In this research the
Correo electrónico: aladio@udc.es
prueba realizada con una muestra de 70 relationship between stockholder return
** Université du Québec à Hull. Pavillon Lucien-
Brault 101, rue Saint-Jean-Bosco. Case postale títulos se obtiene que la rentabilidad del and macroeconomic variables in the
1250, succursale B. Hull (Québec) J8X 3X7, mercado –representado por un índice– es la Spanish stockmarket will be analysed
Canada.
Teléfono: (1) 819-595-3900, poste 1-1826
única variable explicativa de la variación using structural equation modeling
Fax: (1) 819-773-1747 conjunta de las rentabilidades de las methodology. A test with many
Correo electrónico: acciones. El resto de variables independent variables (Industrial
jean-pierre_levy-mangin@uqah.uquebec.ca
macroeconómicas probadas (la producción Production, Credit Risk, and other
industrial, las relacionadas con el sector variables defining interest rates, etc.) will
exterior, el riesgo de crédito y las que be carried out, enlightening those which
definen la estructura temporal de los tipos have a significant relationship on Market
de interés) no parecen tener poder Return.
explicativo alguno. Key words: finance, capital market
Palabras clave: finanzas, teoría del theory, risk-return relationship,
mercado de capitales, relación rentabilidad- multifactor models, multivariate data
riesgo, modelos multifactoriales, análisis analysis, analysis of covariance
multivariante, análisis de estructuras de structures.
covarianzas.

Introducción factores que afectan sistemáticamente a la mayoría de los

activos financieros negociados.
Conocer cuáles son las fuentes de riesgo, o lo que es lo El primer modelo factorial desarrollado ha sido el de Sharpe
mismo, el origen de los cambios experimentados por los (1963), o modelo de factor único, el cual establece que la
precios y las rentabilidades de los activos financieros ha rentabilidad del mercado en el que se negocian los activos es
sido desde siempre objeto de preocupación por parte de la única variable explicativa de su rentabilidad. Sin embargo,
todos los concurrentes a los mercados de capitales. Sin duda,
1. Este estudio presenta una parte de los resultados obtenidos en una
los modelos factoriales son fruto de tal preocupación. Es-
tos modelos buscan interpretar el comportamiento de pre- investigación realizada con financiamiento concedido por la Xunta
cios y rentabilidades, en un intento por identificar aquellos de Galicia y la Universidad de A Coruña (España).

C I E N C I A ergo sum Vol. 9-2, julio-octubre 2002 125

CIENCIAS SOCIALES

son muchos los que opinan que este serie de variables seleccionadas de en-
modelo entraña una simplificación ex- El interés por estudiar la tre las que racionalmente podrían ejer-
cesiva de una realidad extremadamente cer influencia en los rendimientos de
relación rentabilidad-riesgo
compleja, y defienden que son varios los activos y las que mayor poder ex-
los factores que explican tales renta- trasciende su plicativo han demostrado en pruebas
bilidades, siendo o no la del mercado vertiente estrictamente anteriores. Estas variables son los índi-
uno de ellos; en definitiva, apuestan por ces representativos de los mercados de
financiera, extendiéndose
modelos multifactoriales. capitales español y estadounidense, el
Una buena parte de la evidencia em- a la técnica de índice de producción industrial, las ex-
pírica de la última década parece apo- contrastación empleada. portaciones e importaciones, los tipos
yar la validez de los modelos multi- de interés a largo y corto plazo en Es-
factoriales antes que la del modelo de paña, Alemania y Estados Unidos, y el
factor único. Las variables que resul- riesgo de crédito. Como se constatará,
tan estadísticamente significativas en algunos tests, y que de todas estas variables sólo resultan verdaderamente ex-
podrían ser, por tanto, buenas candidatas a factores comu- plicativos de la rentabilidad de los activos españoles los índi-
nes explicativos de la rentabilidad de los activos son básica- ces de los mercados de capitales.
mente de dos tipos: a) de carácter contable, conocidas como Con todo, el interés por estudiar la relación rentabili-
variables fundamentales (la razón valor en libros/valor de dad-riesgo trasciende su vertiente estrictamente financie-
mercado –razón B/M–, el tamaño, los dividendos, el PER), y ra, extendiéndose a la técnica de contrastación empleada.
b) de carácter macroeconómico (la inflación, los tipos de De hecho, su originalidad radica en el empleo por primera
interés, el precio del petróleo, la producción industrial). El vez de la modelización mediante estructuras de covarianzas,
éxito alcanzado en la contrastación por las variables del técnica susceptible de ser aplicada en este apartado finan-
primer grupo puede verificarse, por ejemplo, en Chan et al. ciero concreto por cuanto permite analizar un conjunto
(1991), Fama y French (1993 y 1996), Daniel y Titman complejo de relaciones lineales simultáneas entre múlti-
(1997), Chan et al. (1998) y Lewellen (1999), con datos de ples variables, observables y no observables.
mercados internacionales; y en Rubio (1988), Marhuenda El artículo se estructura como sigue: en el aparta-
(1997) y Menéndez (2000), con datos del mercado espa- do 1 se ofrece una breve explicación de la forma teórica
ñol. En cuanto a las variables macroeconómicas, también de un modelo multifactorial; en el 2 se define la técni-
han demostrado poder explicativo trabajos, en la línea ca de análisis de estructuras de covarianzas y se señala el
seminal de Chen et al. (1986), como son Asprem (1989), objetivo de su aplicación; en el 3 se expone la prueba
Ferson y Harvey (1991, 1997), Chen y Jordan (1993), Cheng realizada y los resultados alcanzados; finalmente se plan-
(1995), Schmitz (1996), Chan et al. (1998), Sanches (1999), tean las conclusiones.
Nasseh y Strauss (2000) y Merville et al. (2001), realizados
con datos de mercados de diversos países; y González et al. 1. Los modelos multifactoriales
(1991), Esteban (1997), André et al. (1998) y Cuñado y
Pérez de Gracia (1999), enfocados al mercado de capitales Un modelo multifactorial puede ser expresado de forma
español. Al respecto de las pruebas relacionadas con varia- genérica como:
bles macroeconómicas, se destaca que aunque en alguna se
encuentra que la influencia de las variables probadas es R i = a i + b i1F1 + b i2 F2 + ... + b ik Fk + ε i
insignificante o dependiente del periodo de tiempo elegido,
un reducido número de ellas, como son la producción in- donde:
dustrial, los cambios de dirección en la curva de tipos de Ri = rentabilidad del activo con riesgo i
interés y el riesgo de crédito resultan ser relevantes en la ai = parte de la rentabilidad del activo que no depende de
mayoría de los contrastes realizados. las variables explicativas
En este trabajo se ha seguido esta segunda línea de inves- Fj = factor j
tigación, centrando el estudio en la posible relación entre bij = medida de la sensibilidad de la rentabilidad del activo i
rentabilidades de los activos financieros y variables ante variaciones en Fj
macroeconómicas en el marco del mercado de capitales ε i = perturbación aleatoria que representa la parte de la
español. En concreto, se lleva a cabo una prueba con una rentabilidad que viene explicada por elementos que afectan

126 I GLESIAS , S. Y J. L ÉVY UN MODELO MULTIFACTORIAL CON VARIABLES MACROECONÓMICAS ...

 CIENCIAS SOCIALES

a este activo en concreto, pero no a la totalidad de los acti- Todo modelo de ecuaciones estructurales consta de dos
vos del mercado sistemas de ecuaciones: el modelo de medida y el modelo
k = número de factores. estructural. A continuación se expondrán brevemente am-
bos modelos utilizando la notación típica de LISREL
Algunas hipótesis implícitas en un modelo de regresión (Jöreskog, 1970), modelo-programa cuya aparición marca
así planteado son que el valor esperado para la variable el nacimiento de la modelización estructural.
perturbación es cero y que ésta está incorrelacionada con
los factores. Asimismo, se supone que, dados dos activos 2.1. El modelo de medida o factorial
cualesquiera A y B, εA y εB están incorrelacionadas, ya que la El modelo de medida incluye las relaciones entre variables
variación conjunta que RA y RB puedan experimentar viene observables y latentes; esto es, especifica qué indicadores
explicada exclusivamente por la particular relación que és- definen a cada constructo. Además, “evalúa la fiabilidad de
tas guardan con los factores Fj. cada constructo para la estimación de las relaciones causales.
En el modelo cuya contrastación se planteará aquí se El modelo de medida es similar en forma al análisis
considerará que los factores Fj pueden ser las variables factorial” (Hair et al., 1999: 781).
macroeconómicas mencionadas en la introducción. Este Matricialmente puede ser expuesto en dos ecuaciones que
extremo se verificará a través de una regresión múltiple especifican las relaciones entre variables latentes endógenas
con datos históricos –aunque realizada mediante la técni- (dependientes o explicadas) o exógenas (independientes o
ca de análisis de estructuras de covarianzas–, que propor- explicativas) y variables observables. En el caso de las va-
cionará los valores estimados de los coeficientes bij. En riables latentes endógenas la ecuación se presentará como
aquellos casos en que resulten ser significativamente dis-
tintos de cero se interpretará que no se puede rechazar la Y = Λyη + ε
hipótesis de que sus correspondientes factores realmente
hayan ejercido influencia en la rentabilidad del activo i. donde Y es un vector de px1 medidas observables de la va-
riable dependiente Y, Λy es una matriz pxm de coeficientes
2. El análisis de estructuras de covarianzas2 de regresión de las variables latentes η, y ε representa un
vector px1 de errores de medida3 con respecto a Y.
El análisis de estructuras de covarianzas o modelo de ecua-
ciones estructurales es una técnica de análisis multivariante, Y = Λyη + ε
extensión de la regresión múltiple y el análisis factorial, que
ofrece la posibilidad de examinar un conjunto de relaciones  y1 . . . . .  η1  ε 1
de dependencia simultáneas entre múltiples variables, que  .  . . . . .  .   . 
pueden llegar a alcanzar un alto grado de complejidad.   
 .  = . . . . .  .  +  . 
El análisis de estructuras de covarianzas reúne una serie       
de interesantes características que lo distinguen de otras  .  . . . . .  .   . 
técnicas de análisis multivariante. Según Batista y Coenders  yp . . . . . ηm  εp
(2000) son las siguientes:
• Permite el tratamiento de fenómenos complejos –inclusi- px1 pxm mx1 px1
ve de grandes modelos y teorías enteras–, aportando una
visión global de los mismos. De manera similar, para las variables latentes exógenas,
• Simplifica la cantidad de datos a manejar, ya que trabaja
X = Λxξ + δ
con variables latentes (también llamadas no observables o
constructos) que resumen la información contenida en
otras variables (conocidas como variables observables o 2. Para un conocimiento más profundo del análisis de estructuras de
indicadores).
covarianzas se remite al lector a algún manual de análisis
• Mejora la estimación estadística, al introducir el error de
multivariante, como Hair et al. (1999), o a otros específicos sobre
medida en la especificación del modelo.
• Favorece la flexibilidad en la modelización: el investiga- el tema, como Lévy (1999).
dor propone un modelo que posteriormente podrá modifi- 3. Los errores de medida representan la parte de las variables latentes
car para lograr un mejor ajuste de los datos. no descrita adecuadamente por las observables.

C I E N C I A ergo sum Vol. 9-2, julio-octubre 2002 127

CIENCIAS SOCIALES

donde X es un vector de qx1 medidas Tabla 1. Modelo general de estructuras de covarianzas.

observables de las variables independien- Matriz Dimensiones Covarianzas Dimensiones Descripción

tes X, Λx representa una matriz qxn de η mx1 cov(η) = E(ηη’) mxm variables latentes endógenas
coeficientes de regresión de X con res- ξ nx1 Φ = E(ξξ’) nxn variables latentes exógenas

pecto a las variables latentes ξ, y δ es un ζ mx1 Ψ = E(ζζ’) mxm errores de las ecuaciones
β mxm efectos directos de η sobre η
vector qx1 de errores de medida de X.
*β* mxm efectos indirectos de η sobre η
Γ mxn efectos directos de ξ sobre η
X = Λxξ + δ
X qx1 Σxx = E(XX’) qxq variables exógenas observables
Λx qxn cargas factoriales de X sobre ξ
 x1 . . . . .  ξ1   δ1  δ qx1 Θδ = E(δδ’) qxq factores únicos o errores de X
 .  . . . . .  .   .  Y px1 Σyy = E(YY’) pxp variables endógenas observables
  
cargas factoriales de Y sobre η
 .  = . . . . .  .  +  .  Λy pxn

       ε px1 Θε = E(εε ’) pxp factores únicos o errores de Y

 .  . . . . .  .   . 
xq  . . . . . ξn  δn 
la técnica– o las correlaciones que presentan entre sí las varia-
qx1 qxn nx1 qx1 bles manejadas.
A modo de ejemplo, supóngase un modelo muy simple
2.2. El modelo estructural definido por una única relación causal entre las variables A
Este modelo expresa las relaciones de dependencia entre y B y la variable C. Dicha relación se expresaría:
las variables latentes y es similar en forma a la regresión
C = b1A+b2B.
múltiple. Su ajuste indicará cuáles de las relaciones teóricas
probadas son significativas y cuáles no.
Gráficamente,
Nuevamente en forma matricial el modelo estructural se
presentaría así:

η = βη + Γξ + ς

 η1  0 . . . .   η1  . . . . .  ξ1   ζ1 
 .   . 0 . . .   .  . . . . .  .   . 
      donde corrA,B representa la correlación simple entre A y B,
 .  =  . . 0 . .   .  + . . . . .  .  +  . 
          que se obtiene de forma directa. Dicha correlación es un
 .   . . . 0 .   .  . . . . .  .   . 
dato conocido como también lo son las existentes entre los
ηm   . . . . 0  ηm  . . . . . ξn  ζm  pares de variables A, C y B, C. Sin embargo, la correlación
entre A y C podría expresarse como combinación del efecto
mx1 mxm mx1 mxn nx1 mx1
directo (b1) y el indirecto (corrA,B ∙ b2) de una en otra. Ha-
ciendo lo mismo para el par B, C se podrían plantear las dos
donde η es un vector de mx1 variables latentes endógenas; ecuaciones siguientes:
ξ, un vector de nx1 variables latentes exógenas; β, una ma-
triz de mxm coeficientes de regresión o efectos que unas corrA,C = b1 + corrA,B ∙ b2
variables endógenas ejercen sobre otras; Γ, una matriz mxn corrB,C = b2 + corrA,B ∙ b1.
de coeficientes de regresión o efectos de las variables
exógenas sobre las endógenas, y ζ, un vector de mx1 erro- Sustituyendo las correlaciones por sus valores, se obtie-
res de predicción de las ecuaciones del modelo. Se asume nen las estimaciones buscadas para b1 y b2.
que la matriz β es no singular y que las matrices ξ y ζ no El modo de proceder en este ejemplo sencillo es
están correlacionadas entre sí. generalizable a cualquier sistema de relaciones simultáneas
La resolución de las ecuaciones planteadas en los modelos por complejo que sea. Y, como se apuntaba antes, también
de medida y estructural se lleva a cabo tomando como materia se puede plantear empleando como datos de partida las
prima o datos de entrada las covarianzas –de ahí el nombre de covarianzas.

128 I GLESIAS , S. Y J. L ÉVY UN MODELO MULTIFACTORIAL CON VARIABLES MACROECONÓMICAS ...

 CIENCIAS SOCIALES

A modo de resumen, la tabla 1 recoge todas las varia- Tabla 2. Títulos de la muestra agrupados por sectores.

bles y coeficientes integrantes de los modelos de medida y Alimentación

El Águila Campofrío Ebro Puleva
estructural que han sido definidos, así como las matrices Viscofán
Altadis Koipe
de varianzas y covarianzas de todas las variables, obser- Banca
vables y latentes. Banco Atlántico Banco de Castilla Banco Popular
Si trasladamos estos conceptos al caso concreto del mo- Banesto Banco de Crédito Balear Banco de Valencia
Bankinter Banco de Galicia Banco Zaragozano
delo multifactorial que aquí se propone, se trabajará con Banco Guipuzcoano BSCH
BBVA
dos conjuntos de variables observables, las macroeco- Banco de Andalucía Banco Pastor Corporación Mapfre
nómicas y las de rentabilidad de los activos. Ambos gru- Comunicación
pos de variables, para efectos de simplificación y por la Acesa Europistas
Aumar Telefónica
presencia de multicolinealidad entre ellas, serán suscepti-
Construcción
bles de ser agrupadas en constructos o variables latentes.
Acciona Dragados Portland Valderrivas
Esto constituirá el modelo de medida. La relación causal Agromán* FCC Uniland Cementera
que se cree debería existir entre variables macroeconómi- Cristalería Uralita
cas y rentabilidades de los activos, representadas ahora Eléctricas

por sus correspondientes constructos, conformará el mo- Aguas de Barcelona Gas Natural Hidrocantábrico
Endesa Iberdrola Unión Fenosa
delo estructural. En el siguiente apartado se describen
Inversión
con detalle. Alba
General Inversión
3. El estudio empírico Metal–Mecánica
Acerinox Asturiana del zinc Tudor
3.1. Datos empleados Duro Felguera Azkoyen Zardoya Otis
Española de zinc Nicolás Correa
Para llevar a cabo el estudio se contó con las rentabilidades CAF Tubacex
mensuales compuestas continuamente de 70 títulos nego- Nuevas Tecnologías
ciados en el mercado continuo español, seleccionados de Amper
Picking Pack
entre los de mayor frecuencia y volumen de negociación.
Radiotrónica**
Asimismo, todos los sectores de actividad tienen presen- Petróleo y Químicos
cia en la muestra. Por todo ello se considera que ésta es Cepsa Repsol Tafisa
suficientemente representativa de dicho mercado. La ta- Ence Sniace Unipapel
Ercros
bla 2 contiene la relación de títulos utilizados agrupados
Otros
por sectores. Metrovacesa Sotogrande
Algodonera
Al mismo tiempo, para realizar los cálculos (en su ma- Filo NH Hoteles Urbis
yoría regresiones y covarianzas) era preciso que las series Inmobiliaria Bami Prosegur Vallehermoso

temporales estuvieran completas; razón por la cual tam- * Actualmente Ferrovial-Agromán

** Actualmente Avánzit
bién se tuvo en cuenta a la hora de hacer la selección de
los títulos que éstos hubiesen cotizado sin grandes inte-
rrupciones durante el periodo muestral: el comprendido convertido en habituales en la contrastación empírica. Los
entre 1993 y 1999.4 A propósito de este periodo, cabe activos se suelen agrupar según su tamaño (capitalización
señalar que se optó por un horizonte temporal de siete bursátil), su beta, la desviación típica de su rentabilidad o,
años porque contiene, aproximadamente, un ciclo com- incluso, el sector industrial al que pertenecen. El elegido en
pleto de bolsa, englobando una época de mercados bajistas este caso fue el más clásico, en función de las betas, em-
(años 1993 y 1994) y otra, considerablemente mayor, de pleado por primera vez por Black et al. (1972) en su famo-
mercados alcistas (cinco años restantes). so trabajo de contrastación del CAPM (Capital Asset Pricing
Con todo, no resultaba aconsejable trabajar con títulos Model), y se aplicó tal como se expone a continuación.
individuales. Así, y con el fin de evitar, por un lado, posibles
4. Esto puede haber introducido un cierto sesgo de supervivencia.
relaciones sectoriales entre ellos, y por otro, un número de
5. En Gómez-Bezares et al. (1994) se calcula en siete u ocho el
variables excesivo y difícil de manejar, se agruparon los
títulos de siete en siete,5 construyendo diez carteras. Existen número de títulos que debe contener una cartera para que se
diversos métodos de construcción de carteras que se han pueda considerar suficientemente diversificada.

C I E N C I A ergo sum Vol. 9-2, julio-octubre 2002 129

CIENCIAS SOCIALES

Tabla 3. Variables macroeconómicas seleccionadas. activos en España. Los criterios que

IBEX Rentabilidad del IBEX35 (índice representativo del mercado de guiaron esta elección fueron básica-
capitales español).
mente dos: por un lado, las variables
DOWJONES Rentabilidad del índice Dow Jones (representativo del mercado de seleccionadas deberían ser capaces de
capitales estadounidense). afectar a las oportunidades de consu-
mo e inversión de los inversores; por
IPI Índice de producción industrial.
otro, y teniendo en cuenta que la in-
EXPORT Exportaciones. versión en activos con riesgo se lleva
a cabo por la expectativa de obten-
IMPORT Importaciones.
ción de una serie de cash-flows integra-
dos principalmente por dividendos, se
DPLP Rentabilidad ofrecida por la deuda pública a largo plazo en el
mercado secundario español.
seleccionaron variables que pudiesen
influir en los dividendos y en la tasa
IBCP Interbancario a tres meses, que se toma como representativo de de descuento empleada en el cálculo
los tipos de interés a corto plazo en España.
del valor actual de la inversión. Ade-
más, se revisó la literatura relaciona-
DPLPUSA e IBCPUSA Equivalentes a las variables DPLP e IBCP para el mercado
estadounidense. da con el tema con el fin de centrar la
atención en variables que en estudios
DPLPALEM e IBCPALEM idem, para el mercado alemán*.
realizados previamente hubiesen mos-
RC Riesgo de crédito o riesgo corporativo, medido como diferencia trado tener un cierto poder explicati-
entre la rentabilidad de obligaciones privadas negociadas en el
vo. Como resultado de todas estas con-
mercado AIAF y la ofrecida por la deuda pública a largo plazo.
**

sideraciones fueron elegidas como po-

* Ciertas magnitudes macroeconómicas del mercado alemán son referentes importantes para todos los países
pertenecientes a la Unión Europea. tenciales factores de influencia en las
** Mercado oficial español de renta fija privada.
rentabilidades de los activos las varia-
bles que figuran en la tabla 3.
En primer lugar, con las rentabilidades de los tres años Los datos originales de la variable IPI se obtuvieron de
previos al periodo muestral (1990-1992) se calculan las betas publicaciones del Instituto Nacional de Estadística, mien-
de los títulos y se ordenan éstos de menor a mayor beta.6 tras que las restantes (excepto IBEX y DOW JONES) se ex-
Los siete títulos de menor beta conforman la cartera 1 (C1), trajeron de diversos boletines del Banco de España. Al
los siete siguientes, la cartera 2 (C2), y así sucesivamente. respecto también es relevante mencionar que fue precisa-
Con los datos de rentabilidad de los títulos del primer año mente el hecho de que los valores de estas variables sólo
(1993) se obtienen las correspondientes series de rentabili- se publiquen con frecuencia mensual lo que determinó la
dad del primer año de las carteras C1 a C10, equiponderando elección de dicha frecuencia a la hora de recopilar los
los títulos. Al principio del segundo año (1994) se recalculan datos de rentabilidad de títulos e índices.
las betas de los títulos con datos del trienio previo (1991- Salvo RC , que se obtiene como diferencia entre las
1993), se reordenan los títulos y se reconstruyen las carte- rentabilidades mencionadas, las series mensuales definitivas
ras. Obtenidas las series de rentabilidad de éstas para el año (en genérico, variables zt) se determinan según la fórmula:
1994 –incluyendo nuevamente los títulos en las carteras en
iguales proporciones– se repite el proceso hasta completar z t = ln( vv t )
t −1
los siete años.
Por lo que se refiere a las variables macroeconómicas, donde vt representa el valor de la variable original de que
se eligió un cierto número de ellas que, racionalmente, se trate al final del mes t, y vt-1, su valor al principio del
pudiesen resultar explicativas de las rentabilidades de los mes t. De este modo se estará trabajando con tasas de
6. La beta del título i se calcula según la fórmula bi = cov (Ri, RM)/var
variación mensual de las variables seleccionadas, homo-
géneas con las empleadas para medir la rentabilidad de los
(RM), donde RM es la rentabilidad del mercado en que se negocia el
activos.
título i. Como aproximación para esta variable se utiliza la
Asimismo, hay que señalar que las series IPI, EXPORT e
rentabilidad del IBEX35, índice representativo del mercado de IMPORT presentaban en principio una acusada estacio-
capitales español. nalidad, por lo que fueron sustituidas –antes de hacer los

130 I GLESIAS , S. Y J. L ÉVY UN MODELO MULTIFACTORIAL CON VARIABLES MACROECONÓMICAS ...

 CIENCIAS SOCIALES

cálculos mencionados en el párrafo anterior– por otras factorial confirmatorio, indicará si esta formación de fac-
desestacionalizadas obtenidas con el programa SPSS para tores es correcta.
Windows. Adaptando la notación genérica empleada en el apartado
No se ha considerado adecuado presentar en este texto 2 a este estudio particular, el modelo factorial a validar en
las series completas de valores de las variables utilizadas formato ecuacional sería el siguiente:
dado su volumen (22 series con 84 elementos cada una).7
Con el fin de compensar parcialmente esta omisión se ha
IBEX = λ1 F1 + D1
incluido en el anexo la tabla 4 con las correlaciones existen-
DOW JONES = λ2 F1 + D2
tes entre dichas variables, que, en definitiva, son los datos
IMPORT = λ3 F2 + D3
de partida con los que trabaja el análisis de ecuaciones es-
EXPORT = λ4 F2 + D4
tructurales, y los que se emplean en la contrastación del
IPI = λ5 F2 + D5
modelo propuesto.
DPLP = λ6 F3 + D6
IBCP = λ7 F3 + D7
3.2. El modelo multifactorial
Como se expuso en el apartado 2, un modelo de ecuaciones DPLPUSA = λ8 F3 + D8
estructurales consta de dos sistemas de ecuaciones llama- IBCPUSA = λ9 F3 + D9
dos modelo de medida y modelo estructural. El plantea- DPLPALEM = λ10 F3 + D10
miento de las relaciones de dependencia entre las variables IBCPALEM = λ11 F3 + D11
puede hacerse de dos formas: analíticamente y en modo RC = λ12 F3 + D12
gráfico –más simple e intuitivo. Aquí se expondrán los mo-
delos tanto en forma ecuacional como gráfica, y en este donde las Dj son los errores de medida.
segundo caso, se recurrirá a la simbología propia del pro- La prueba de validez convergente indicó que las cargas
grama AMOS8 –anexo al paquete estadístico SPSS. factoriales de las variables IBCP e IBCPALEM en el factor F3
Como nota adicional de tipo metodológico, hay que preci- no eran significativas al 95%, por lo que se consideró per-
sar que todas las estimaciones que se llevarán a cabo para el tinente eliminarlas del análisis. Sin ellas, los factores con-
ajuste del modelo se obtendrán por máxima verosimilitud. formados demuestran poseer validez convergente –todas
las cargas factoriales de las variables observables en los
3.2.1. El modelo de medida factores son significativas al 95%– y discriminante, ya que
Se aborda en primer lugar la modelización relacionada con las correlaciones entre factores son bajas, lo que supone
las variables macroeconómicas, es decir, con las variables que cada uno de ellos es claramente distinto de los demás.
exógenas del modelo multifactorial propuesto. Los resultados de la prueba de validez convergente en
En estudios precedentes9 se comprobó que suele existir for mato no estandarizado 10 y expresados en modo
multicolinealidad entre las variables económicas, lo que sig- ecuacional son los siguientes (los valores t de student se
nifica que, en cierta medida, cualquier efecto de una de indican entre paréntesis):
ellas puede ser previsto o explicado por otras. Esto sustenta
la creación de constructos –también llamados factores– que 7. Estos datos se facilitarán al lector interesado solicitándoselos a los
aglutinen la información aportada por varias variables
autores.
interrelacionadas. Con base en la intuición económica y en
8. El manejo en modo gráfico del AMOS facilita enormemente la
los resultados obtenidos en un análisis factorial similar rea-
lizado en Iglesias (2000), se puede suponer la existencia de programación. Ventaja importante de este programa en relación
tres factores que agrupen a las variables macroeconómicas con otros alternativos como el LISREL© o el EQS©, que exigen
de la muestra: un primer factor (F1), representativo de los programación en modo texto.
mercados de capitales, vendría definido por las variables 9. A título de ejemplo, véanse Cheng (1995) o Iglesias (2000).
IBEX y DOW JONES; un segundo factor (F2), relativo a la
10. En formato no estandarizado los valores de los estimadores se
actividad económica o economía real, cuyos indicadores
expresan en términos de la escala de cada factor. Por el contrario,
serían IPI, EXPORT e IMPORT; y un tercer factor (F3), relati-
vo al sector financiero, en el que cargarían el resto de los coeficientes estandarizados tienen igual varianza y un valor
indicadores económicos considerados. El análisis de validez máximo de 1; así, cada factor o constructo se hace invariante a la
convergente y discriminante, llevado a cabo mediante análisis escala y todos los factores resultan comparables.

C I E N C I A ergo sum Vol. 9-2, julio-octubre 2002 131

CIENCIAS SOCIALES

IBEX = 1.00F1 (sv)11 Figura 1. Análisis factorial confirmatorio de las variables exógenas.

DOW JONES = 0.34F1 + D2

(6.39)
IMPORT = 1.00F2 (sv)
EXPORT = 0.76F2 + D4
(12.9)
IPI = 0.24F2 + D5
(4.79)
DPLP = 1.00F3 + D6 (sv)
DPLPUSA = 0.82F3 + D8
(6.70)
IBCPUSA = 0.57F3 + D9
(5.04)
DPLPALEM = 0.98F3 + D10
(9.40)
RC = -0.002F3 + D12
(-2.17)
Chi-cuadrado = 45.244 GFI = 0.907
La figura 1 presenta estos resultados en formato es- Grados de libertad = 34 CFI = 0.963
tandarizado y modo gráfico.12 También contiene las co- Probabilidad = 0.094

rrelaciones entre factores, indicativas del grado de vali- Nota: Las flechas entre F1, F2 y F3 representan correlaciones.
dez discriminante del modelo.
Como se puede apreciar en la figura 1, el estadístico chi- sis factorial confirmatorio. La suposición de un único fac-
cuadrado tiene un nivel de significancia de 9.4%, mayor tor implícito en ellas –al que se dio el nombre de CARTE-
que el 5%, lo que representa un ajuste aceptable. Ésta es RAS– se vio confirmada por los resultados del análisis. Y si
una medida de ajuste absoluto, que indica el grado en que bien en un principio todas las variables (C1 a C10) resul-
el modelo predice la matriz de correlaciones o covarianzas tan significativas a la hora de cargar en este factor, C8 y
observadas. Otro índice de bondad de ajuste absoluto es C9 no se amoldan al modelo al 95% (1-α=0.05) como lo
el GFI (general fit index), cuyo valor próximo a 1 apunta en hacen las ocho restantes, las cuales, por sí solas, sirven
la misma dirección que el anterior. Por otro lado, existen para extraer el grueso de la información contenida en las
medidas de ajuste incremental del modelo comparado con rentabilidades del total de carteras.
un modelo nulo, definido éste como un modelo de único Los resultados de este nuevo análisis factorial confirmato-
factor sin error de medida. En este sentido, el CFI rio se muestran a continuación con datos no estandarizados
(comparative fit index) resulta apropiado cuando el tamaño y en forma de ecuaciones:
de la muestra no es muy grande, como es el caso. Su valor
próximo a 1 también da idea de que el ajuste es bueno. C1 = 1.00 CARTERAS + E1 (sv)
Hasta ahora sólo se ha hecho referencia a las variables C2 = 1.05 CARTERAS + E2
explicativas o exógenas del modelo multifactorial. Como (7.57)
variables explicadas o endógenas se cuenta con las C3 = 1.21 CARTERAS + E3
rentabilidades de las diez carteras construidas. Para evitar (9.58)
un número elevado de relaciones en el modelo estructu- C4 = 1.23 CARTERAS + E4
ral, que pudiesen complicarlo excesivamente, se optó por (8.37)
reducir el número de variables explicadas mediante análi- C5 = 1.43 CARTERAS + E5
(8.21)
C6 = 1.63 CARTERAS + E6
11. En adelante sv = sin valor t de student por haber sido fijados a 1.00
(9.31)
los correspondientes coeficientes por razones de identificación del
C7 = 1.29 CARTERAS + E7
modelo.
(8.11)
12. En todas las figuras, las variables latentes y los errores de medida C 10 = 1.71 CARTERAS + E10
se representan en círculos, y las variables observables en rectángulos. (8.25)

132 I GLESIAS , S. Y J. L ÉVY UN MODELO MULTIFACTORIAL CON VARIABLES MACROECONÓMICAS ...

 CIENCIAS SOCIALES

Las medidas de bondad del ajuste y los valores de los La figura 3 lo recoge en modo gráfico.
estimadores estandarizados se presentan en modo gráfico Es importante señalar que el modelo teórico podría in-
en la figura 2. cluir como modelo de medida el originalmente propuesto
–esto es, con las doce variables macroeconómicas, las
3.2.2. El modelo estructural rentabilidades de las diez carteras y las cuatro variables
El modelo estructural especifica las relaciones entre las latentes–, sin necesidad de llevar a cabo previamente el
variables latentes o constructos. A través de ellas se pre- análisis de validez convergente y discriminante. El ajuste
tende comprobar si, efectivamente, los tres factores sub- de tal modelo teórico conduciría al mismo resultado que
yacentes en las variables macroeconómicas explican las se obtendrá con el que aparece en la figura 3, y los valores
rentabilidades de los activos, o si por el contrario, sólo finales que se determinarían para las cargas factoriales y
alguno o algunos de ellos son significativos; o, inclusive, las correlaciones entre F1, F2 y F3 darían prueba de las ya
si no lo es ninguno, lo que indicaría que otros, distintos
de los considerados, son los factores de riesgo relevan- Figura 2. Análisis factorial confirmatorio de las rentabilidades de las carteras.

tes en el mercado de capitales español.

Analíticamente el modelo estructural se presentaría
como:

CARTERAS = Γ1 F1 + Γ2 F2 + Γ3 F3 + Z1

donde las Γi son los coeficientes de regresión y Z1 el término

de error.

3.2.3. El modelo teórico

Resulta de integrar los modelos de medida y estructural.
Por tanto, a nivel ecuacional vendrá representado por
las 19 ecuaciones siguientes:

IBEX = λ1 F1
DOW JONES = λ2 F1 + D2
IMPORT = λ3 F2 Chi-cuadrado = 22.586 GFI = 0.938
EXPORT = λ4 F2 + D4 Grados de libertad = 20 CFI = 0.995
IPI = λ5 F2 + D5 Probabilidad = 0.31

DPLP = λ6 F3 + D6
DPLPUSA = λ8 F3 + D8 Figura 3. Modelo teórico.
IBCPUSA = λ9 F3 + D9
DPLPALEM = λ10 F3 +D10
RC = λ12 F3 + D12

C1 = λ13 CARTERAS + E1
C2 = λ14 CARTERAS + E2
C 3 = λ15 CARTERAS + E3
C 4 = λ16 CARTERAS + E4
C 5 = λ17 CARTERAS + E5
C 6 = λ18 CARTERAS + E6
C 7 = λ19 CARTERAS + E7
C 10 = λ22 CARTERAS + E10

CARTERAS = Γ1 F1 + Γ2 F2 + Γ3 F3 + Z1

C I E N C I A ergo sum Vol. 9-2, julio-octubre 2002 133

CIENCIAS SOCIALES

analizadas validez convergente y discriminante de los con 115 grados de libertad y una probabilidad de 18%, el
indicadores y constructos del modelo de medida. GFI es de 0.863 y el CFI, 0.986. Estos resultados dan idea de
la ausencia de errores de especificación serios, e impiden
3.3. Resultados rechazar la hipótesis de que el modelo sea válido.
Los resultados que se obtienen señalan que el modelo teó- En forma de ecuación el modelo reespecificado ajusta-
rico propuesto debe ser rechazado. Esto a pesar de que do, expresado mediante datos no estandarizados, queda-
todas las cargas factoriales (variables λj) ofrecen valores ría como sigue:
significativamente distintos de cero; como también lo hace
Γ1 en la ecuación del modelo estructural (Γ2 y Γ3 no son IBEX = 1.00 F1 (sv)
significativamente distintas de cero). Y es que en este paso DOW JONES = 0.34 F1 + D2
aún no son relevantes los datos relativos al ajuste de los (6.39)
modelos de medida y estructural, sino que lo son las medi- IMPORT = 1.00 F2 (sv)
das de bondad de ajuste del modelo conjunto. En este sen- EXPORT = 0.76 F2 + D4
tido el estadístico chi-cuadrado, con un valor de 170.88 para (12.9)
131 grados de libertad y con un nivel de significación esta- IPI = 0.24 F2 + D5
dística de 1.1% que no alcanza el mínimo del 5%, indica (4.79)
que el modelo debe ser reespecificado. DPLP = 1.00 F3 + D6 (sv)
La reespecificación cabe hacerla a través de la elimina- IBCPUSA = 0.49 F3 + D9
ción de variables no relevantes o de la inclusión de otras no (4.63)
consideradas previamente, aunque aquí no se contempla DPLPALEM = 0.80 F3 +D10
esta segunda opción, ya que no se dispone de ninguna va-
(7.44)
riable de reserva. Por lo tanto, únicamente se recurrirá a la
RC = -0.002 F3 + D12
reducción del número de variables, orientada por los índices
(-2.14)
de modificación, que ofrecen una aproximación de la reduc-
ción que experimentaría la chi-cuadrado al añadir nuevos
parámetros. Estos datos los proporciona el programa AMOS C1 = 1.00 CARTERAS + E1 (sv)
al ajustar el modelo, pero no se han incluido aquí por razo- C2 = 1.03 CARTERAS + E2
nes de espacio. (7.32)
En definitiva, como se podrá apreciar en las ecuaciones y C3 = 1.23 CARTERAS + E3
en el gráfico correspondiente, que se mostrarán después, la (9.61)
única diferencia de diseño entre el modelo teórico y el C4 = 1.25 CARTERAS + E4
reespecificado radica en F3: en el nuevo modelo ya no in-
(8.36)
terviene la variable DPLPUSA en su formación. Su desapari-
C5 = 1.45 CARTERAS + E5
ción podría haberse producido antes, en el paso dedicado a
(8.24)
la construcción del modelo de medida. Al realizar el análisis
C6 = 1.66 CARTERAS + E6
confirmatorio relativo a las variables macroeconómicas, se
(9.33)
consideró aceptable un grado de bondad de ajuste relativa-
C7 = 1.28 CARTERAS + E7
mente bajo (9.4% de probabilidad para la chi-cuadrado). De
haber eliminado entonces la variable DPLPUSA, se habría (7.91)
C 10 = 1.71 CARTERAS + E10
obtenido una chi-cuadrado de 14.75 con 26 grados de liber-
tad y una probabilidad de 96.2% (elevadísima), un GFI de (8.12)
0.967, y un CFI de 1 (valor que se asocia con un ajuste
perfecto). La figura 4 contiene el modelo reespecificado en forma-
En definitiva, DPLPUSA puede ser eliminada del modelo, to gráfico y con datos estandarizados, así como los resulta-
pues presenta un nivel de correlación bastante elevado dos de su ajuste.
con otras variables de F3, como son DPLP, IBCPUSA y Pero, en esencia, ¿qué dice el ajuste acerca de si las varia-
DPLPALEM. bles macroeconómicas explican o no las rentabilidades de
En términos generales, el modelo reespecificado ofrece los activos, que era lo que realmente interesaba conocer?
un ajuste aceptable. La chi-cuadrado toma un valor de 128.71 Esta información se obtiene del modelo estructural. Revi-

134 I GLESIAS , S. Y J. L ÉVY UN MODELO MULTIFACTORIAL CON VARIABLES MACROECONÓMICAS ...

 CIENCIAS SOCIALES

sando los valores t de student de los pe- Figura 4. Modelo reespecificado con resultados del ajuste.

sos de regresión de F1, F2 y F3 sobre

CARTERAS, se aprecia cómo, indepen-
dientemente de la consistencia que los
indicadores manejados puedan tener a
la hora de explicar F2 y F3, las relacio-
nes de estos dos constructos con CAR-
TERAS no son significativas en absolu-
to. Sólo lo es la de F1 con CARTERAS, y
ello gracias a IBEX, principalmente. De
lo que aquí se desprende es que esta
última variable es la única que, de en-
tre las consideradas, realmente explica
las rentabilidades de los activos. Pesos de regresión: Chi-cuadrado = 128.71
F1 →CARTERAS = 0.902 Grados de libertad = 115
Como se deduce fácilmente, estos
F2 →CARTERAS = -0.021 Probabilidad = 0.18
resultados apoyan la validez de un mo- F3 →CARTERAS = -0.007 GFI = 0.863
delo de un solo factor como genera- CFI = 0.986

dor de las rentabilidades de los activos

con riesgo antes que la de uno mul-
tifactorial. Al menos en lo que se refiere a modelos multi- juntos. Resultados semejantes los obtienen Ruiz y Santana
factoriales, cuyos factores sean variables macroeconómi- (1999), si bien hay que decir que su muestra se limita a los
cas. Estos resultados, evidentemente, contradicen los ob- ocho bancos pertenecientes al índice IBEX financiero.
tenidos en los estudios mencionados en la introducción de
este trabajo, los cuales presentan pruebas de la significa- Conclusiones
ción estadística de tales variables. Con todo, esas pruebas
no siempre son contundentes, como sucede en el trabajo En este trabajo se emplea la técnica de análisis mediante
de Chan et al. (1998), quienes encuentran que de todas las estructuras de covarianzas en una aplicación práctica del
variables macroeconómicas probadas sólo dos, el riesgo controvertido tema de la validez de los modelos multi-
de crédito y la estructura temporal de los tipos de interés, factoriales en la explicación de la variación de las renta-
son realmente significativas; y que, en general, las varia- bilidades de los activos con riesgo. Se estima que dicha técni-
bles macroeconómicas son poco explicativas de las ca es una herramienta que puede ser aplicada con aprove-
rentabilidades de los activos. Otros factores, como los aso- chamiento en el estudio de la relación entre rentabilidad y
ciados con el mercado, el tamaño, la razón B/M, los divi- riesgo en este ámbito, pues permite la modelización de múl-
dendos y las rentabilidades pasadas captan mucho mejor tiples relaciones de dependencia simultáneas, incluso a varios
la covariación de las rentabilidades de los activos. De ma- niveles. Esto quiere decir que el modelo a contrastar puede
nera similar, Merville et al. (2001) también encuentran ser mucho más complejo que el que aquí se ha propuesto, y
que los principales factores de riesgo de los activos están en él cabrían desde variables adicionales a efectos indirectos
asociados con la rentabilidad del mercado, el tamaño y los de unas variables en otras. Por ejemplo, parece razonable
tipos de interés; y sólo otros factores, mucho menos im- pensar que una variación inesperada en una determinada
portantes, estarían directamente ligados al grueso de va- variable macroeconómica, como la inflación, pudiera afec-
riables macroeconómicas. tar al índice del mercado de capitales, y que la variación en
En cuanto al mercado de capitales español, también un éste se transmitiera a la generalidad de los activos negociados
par de trabajos alcanzan resultados similares a los aquí en dicho mercado. Esta secuencia de influencias se podría
obtenidos. En concreto, Martínez y Rubio (1991)13 llegan modelizar fácilmente mediante estructuras de covarianzas.
a la conclusión de que las variables macroeconómicas no
13. En una prueba parecida a esta en lo que a la muestra empleada se
tienen un efecto significativo sobre los rendimientos en el
mercado español. La rentabilidad del mercado por sí sola refiere –72 títulos de la Bolsa de Madrid y una batería de variables
parece explicar mejor la covariación de los rendimientos macroeconómicas similar–, aunque referida a la década de los
de los activos que todos los factores macroeconómicos ochenta.

C I E N C I A ergo sum Vol. 9-2, julio-octubre 2002 135

CIENCIAS SOCIALES

De los resultados obtenidos en la prueba se desprende que zación de datos históricos limita la validez temporal del
la rentabilidad del mercado –representado éste por un índice modelo, que puede haber funcionado en el pasado y no
de referencia– es la variable explicativa fundamental de las hacerlo en el futuro. Por otro, no se debe descartar que
rentabilidades de los activos, mientras que el resto de varia- otras variables no consideradas en el análisis puedan tener
bles macroeconómicas analizadas –como la producción in- poder explicativo sobre las rentabilidades de los activos
dustrial y las relacionadas con el sector exterior y los tipos de con riesgo, lo que supondría una vuelta a la defensa de los
interés– no parecen constituir factores de riesgo relevantes modelos multifactoriales. De hecho, las variables funda-
en el mercado de capitales español. Esto puede indicar que, o mentales, sobre todo el tamaño y la razón B/M, están ob-
bien las variaciones experimentadas por estas variables no teniendo un gran éxito en la contrastación empírica y sería
afectan especialmente a los rendimientos en España, o bien interesante incluirlas en estudios futuros.
que la rentabilidad del mercado como factor incorpora en sí Finalmente, habría que hacer hincapié en el hecho de
misma el riesgo que emana de dichas variables. que este trabajo se ha centrado en la identificación de las
La constatada importancia de los movimientos del mer- fuentes de covariación de las rentabilidades de los acti-
cado podría contribuir a defender la causa de un modelo de vos sin tener en cuenta si éstas son valoradas o no, es
factor único, antes que la de los modelos multifactoriales. Al decir, si cabe esperar o no una prima de rentabilidad por
menos en lo que al mercado de capitales español se refiere, soportar los riesgos asociados a aquéllas. Parece lógico
y a la vista no sólo de los resultados obtenidos en esta prue- pensar que los factores explicativos hallados en un mo-
ba, sino también a los de los estudios mencionados en el delo factorial puedan ser buenos candidatos a fuentes de
apartado anterior de Martínez y Rubio (1991) y Ruiz y riesgo valoradas. Sin embargo, no tienen por qué serlo
Santana (1999). necesariamente. Pruebas adicionales en el ámbito de la
Por supuesto, estas conclusiones no son en absoluto de- valoración de activos con riesgo serían necesarias en este
finitivas. Por un lado, hay que tener en cuenta que la utili- sentido.

Anexo
Tabla 4. Matriz de coeficientes de correlación de Pearson de las variables observables.
DOW

C 1 C 2 C 3 C 4 C 5 C 6 C 7 C 8 C 9 C10 IBEX35 JONES IPI EXPORT I M P O R T DPLP IBCP DPLPUSA IBCPUSA DPLPALEM IBCPALEM RC

C 1 1
C 2 0.618 1
C 3 0.709 0.733 1
C 4 0.693 0.632 0.759 1
C 5 0.661 0.578 0.744 0.743 1
C 6 0.662 0.714 0.852 0.756 0.716 1
C 7 0.592 0.590 0.738 0.699 0.709 0.736 1
C 8 0.589 0.511 0.676 0.588 0.693 0.717 0.694 1
C 9 0.618 0.535 0.712 0.693 0.751 0.750 0.748 0.700 1
C10 0.648 0.626 0.768 0.612 0.697 0.755 0.701 0.775 0.715 1
IBEX35 0.677 0.605 0.864 0.773 0.774 0.848 0.680 0.712 0.685 0.718 1
DOW JONES 0.358 0.355 0.499 0.380 0.428 0.424 0.388 0.458 0.325 0.390 0.575 1
IPI -0.178 0.050 -0.046 -0.095 -0.154 -0.016 -0.071 -0.053 -0.030 -0.034 -0.067 -0.085 1

EXPORT -0.150 -0.063 -0.133 -0.211 -0.266 -0.087 -0.102 -0.284 -0.122 -0.271 -0.185 -0.117 0.360 1
IMPORT -0.133 -0.018 -0.154 -0.209 -0.233 -0.107 -0.128 -0.238 -0.064 -0.201 -0.168 -0.128 0.466 0.817 1
DPLP -0.225 -0.272 -0.348 -0.296 -0.369 -0.257 -0.241 -0.178 -0.276 -0.169 -0.336 -0.144 -0.005 0.082 0.087 1

IBCP -0.231 -0.332 -0.247 -0.279 -0.327 -0.284 -0.280 -0.240 -0.250 -0.312 -0.196 -0.016 0.001 0.116 0.118 0.452 1
DPLPUSA 0.089 0.136 0.012 0.032 -0.110 0.148 0.023 0.024 -0.029 0.137 0.033 -0.125 0.046 0.054 0.127 0.482 -0.072 1

IBCPUSA -0.043 -0.173 -0.205 -0.160 -0.323 -0.118 -0.164 -0.198 -0.195 -0.104 -0.222 -0.177 0.051 0.092 0.107 0.455 0.198 0.555 1

DPLPALEM -0.054 -0.110 -0.136 -0.153 -0.224 -0.055 -0.042 0.002 -0.135 0.027 -0.169 -0.087 0.012 0.124 0.100 0.797 0.206 0.645 0.471 1

IBCPALEM -0.045 -0.037 0.043 -0.032 -0.111 0.046 -0.002 -0.116 -0.019 -0.043 0.109 -0.111 -0.030 0.131 0.048 0.096 0.159 0.169 0.150 0.088 1

R C 0.081 0.072 0.231 0.213 0.139 0.125 0.210 0.191 0.233 0.088 0.170 0.057 0.006 0.048 -0.006 -0.216 -0.180 -0.114 -0.069 -0.236 -0.091 1

136 I GLESIAS , S. Y J. L ÉVY UN MODELO MULTIFACTORIAL CON VARIABLES MACROECONÓMICAS ...

 CIENCIAS SOCIALES

Bibliografía

André, F. J.; L. E. Nuño y J. J. Pérez-García (1998). Cuñado, J. y F. Pérez de Gracia (1999). “Inflación mercado bursátil español”, Información
A Multifactor Sector Model for the Stock Market. y rendimientos bursátiles en el caso Comercial Española. No. 689, pp. 110-121.
Evidence from Spain. Documento de trabajo. español, 1941-1998”, en Actas del VII Foro de Hair, J. F.; R. E. Anderson; R. L. Tatham y W. C.
No. 9801. ICAE. Finanzas. Valencia. Editado en CD-ROM. Black (1999). Análisis multivariante. 5ª edición.
Asprem, M. (1989). “Stock Prices, Asset Portfo- Daniel, K. y S. Titman (1997). “Evidence on Prentice Hall. Madrid.
lios and Macroeconomic Variables in Ten the Characteristics of Cross Sectional Varia- Iglesias, S. (2000). “La valoración de activos con
European Countries”, Journal of Banking and tion in Stock Returns”, The Journal of Fi- riesgo: modelos de factor único vs. modelos
Finance. Vol. 13, No. 4/5, septiembre. nance. Vol. 52, No. 1, marzo, pp. 1-33. multifactoriales. Un enfoque empírico”, en
Batista, J. M. y G. Coenders (2000). Modelos de Esteban, M. V. (1997). “Variabilidad predecible Parras (ed.), Inteligencia empresarial. La gestión
ecuaciones estructurales. La Muralla-Hespérides, en los rendimientos de los activos. del conocimiento en la empresa. Ponencias. Actas
Madrid. Evidencia e implicaciones”, Investigaciones del XIV Congreso Nacional y X Hispano-
Black, F.; M. C. Jensen y M. Scholes (1972). “The Económicas. Vol. 21, No. 3, septiembre, pp. Francés de AEDEM. Jaén. Editado en CD-
Capital Asset Pricing Model: Some Empiri- 523-542. ROM.

cal Tests”, en Jensen, (ed.) Studies in the Theory Fama, E. F. Jöreskog, K. G. (1970). “A General Method for
of Capital Markets. Praeger, Nueva York, pp. ________ y K. R. French (1993). “Common Analysis of Covariance Structure”,
79-121. Risk Factors in the Returns on Stock and Biometrika. Vol. 57, pp. 239-251.
Chan, L. K. Bonds”, Journal of Financial Economics. Vol. Lévy, J. P. (1999). Modelización con ecuaciones
________; Y. Hamao y J. Lakonishok (1991). 33, No. 1, febrero, pp. 3-56. estructurales y variables latentes. Erica, Madrid.
“Fundamentals and Stock Returns in Japan”, ________ y K. R. French (1996). “Multifactor Editado en CD-ROM.
The Journal of Finance. Vol. 46, No. 5, Explanations of Asset Pricing Anomalies”, Lewellen, J. (1999). “The Time-series Relations
diciembre, pp. 1739-1764. The Journal of Finance. Vol. 51, No. 1, marzo, Among Expected Return, Risk, and Book-
________; J. Karceski y J. Lakonishok (1998). pp. 55-84. to-market”, Journal of Financial Economics. Vol.
“The Risk and Return from Factors”, Jour- Ferson, W. E. 54, No. 1, octubre, pp. 5-43.
nal of Financial and Quantitative Analysis. Vol. ________ y C. R. Harvey (1991). “The Varia- Marhuenda, J. (1997). Anomalías en los modelos de
33, No. 2, junio, pp. 159-188. tion of Economic Risk Premiums”, Jour- valoración de activos. Universidad de Alicante,
Chen, N.; R. Roll y S. A. Ross (1986). “Eco- nal of Political Economy. Vol. 99, No. 2, abril, Alicante, España.
nomic Forces and the Stock Market”, Jour- pp. 385-415. Martínez, M. A. y Rubio, G. (1991). “Valoración
nal of Business. Vol. 59, No. 3, julio, pp. 383- ________ y C. R. Harvey (1997). “Fundamen- de arbitraje con variables macroeconómicas:
403. tal Determinants of National Equity Mar- una investigación empírica usando datos
Chen, S. y B. D. Jordan (1993). “Some Empirical ket Returns: a Perspective on Conditional españoles”, Información Comercial Española. No.
Tests in the Arbitrage Pricing Theory: Asset Pricing”, Journal of Banking and Fi- 689, pp. 122-138.
Macrovariables vs. Derived Factors”, Jour- nance. Vol. 21, No. 11, 12, diciembre, pp. Menéndez, S. (2000). “Determinantes funda-
nal of Banking and Finance. Vol. 17, No. 1, 1625-1665. mentales de la rentabilidad de las acciones”,
febrero, pp. 65-89. Gómez-Bezares, F.; J. A. Madariaga y J. Santibáñez Revista Española de Financiación y Contabilidad.
Cheng, A. (1995). “The UK Stock Market and (1994). Valoración de acciones en la Bolsa Vol. 29, No. 106, octubre-diciembre, pp.
Economic Factors: a New Approach”, Jour- Española. Desclée de Brouwer, Bilbao. 1015-1031.
nal of Business, Finance and Accounting. Vol. 22, González, C.; W. N. Goetzmann y R. G. Ibbotson Merville, L. J.; S. Hayes-yelken e Y. Xu (2001).
No. 1, enero, pp. 129-142. (1991). “Factores macroeconómicos y el “Identifying the Factor Structure of Equity

C I E N C I A ergo sum Vol. 9-2, julio-octubre 2002 137

CIENCIAS SOCIALES

Returns”, The Journal of Portfolio Management. and Finance. Vol. 12, No. 2, junio, pp. 221- Foro de Finanzas. Valencia. Editado en CD-
Vol. 27, No. 4, verano, pp. 51-61. 242. ROM .

Nasseh, A. y J. Strauss (2000). “Stock Prices and Ruiz, M. V. y D. J. Santana (1999). “Análisis del Schmitz, J. J. (1996). “Market Risk Premiums
Domestic and International Macroeconomic riesgo y la rentabilidad, en el marco de los and the Macroeconomy: Canadian Evi-
Activity: a Cointegration Approach”, The modelos de valoración de activos dence of Stock Market Predictability”,
Quarterly Review of Economics and Finance. Vol. financieros, de los bancos pertenecientes Quarterly Journal of Business and Economics. Vol.
40, No. 2, verano, pp. 229-245. al IBEX Financiero”, Actas del VII Foro de 35, No. 1, invierno, pp. 87-113.
Rubio, G. (1988). “Further International Evi- Finanzas. Valencia. Editado en CD-ROM. Sharpe, W. F. (1963). “A Simplified Model for
dence on Asset Pricing. The Case of the Sanches, F. J. (1999). “Los factores de riesgo Portfolio Analysis”, Management Science. Vol.
Spanish Capital Market”, Journal of Banking de las acciones portuguesas”, Actas del VII 9, No. 2, enero, pp. 277-293.

138 I GLESIAS , S. Y J. L ÉVY UN MODELO MULTIFACTORIAL CON VARIABLES MACROECONÓMICAS ...