,

TECNOLOGICO
DE MONTERREY

Instituto Tecnológico y de Estudios

Superiores de Monterrey
Ca1npus Ciudad de México

"MODELO MULTIFACTORIAL PARA PRONOSTICAR EL

RENDIMIENTO DE LAS ACCIONES EN EL MERCADO
MEXICANO DE VALORES"

TESIS QUE PARA RECIBIR EL TÍTULO DE

DOCTORADO EN CIENCIAS FINANCIERAS

PRESENTA

José de Jesús Edmundo Almazán Barquet

Director de tesis: Dr. Humberto Valencia Herrera

Lector: Dr. Edgar Rodolfo Castillo Huerta
Lector: Dr. José Antonio Núñez Mora

TECNOt.óc;1eo
México D.F., 21 de Abril de 2015 DE PJIONTERREY

Biblioteca
C..U.c"'-cldalWxJco
 ÍNDICE

CAPÍTULO 1 INTRODUCCIÓN 3

CAPÍTULO 2. EFICIENCIA DE LOS MERCADOS 8

2.1 Paseos Aleatorios y la Hipótesis del Mercado Eficiente 8

2.2 La competencia como fuente de eficiencia 9
2.3 Eficiencia de los Mercados 1O
2.4 Pruebas y resultados de las hipótesis de los mercados eficientes 1O
2.5 Implicaciones de los Mercados Eficientes de Capital 14
2.6 Inversión activa frente a Inversión pasiva 14
2.7 Papel que desempeña la administración de carteras en un mercado eficiente 16
2.8 Asignación de recursos 17
2.9 Rendimiento de los fondos de inversión 17
2.1 O Entonces, ¿son eficientes los mercados? 19

CAPÍTULO 3. METODOLOGÍA EN LOS MODELOS MULTI FACTORIALES 20

3.1 Oportunidades y beneficios del arbitraje 20

3.2 Carteras bien diversificadas y la teoría de la valoración por arbitraje 21
3.3 Cartera bien diversificada 21
3.4 El APT y el CAPM 23
3.5 Generalización multifactor del APT y del CAPM 23
3.6 Teoría de Precios de Arbitraje 25
3. 7 Extensiones de las pruebas de Roll y Ross 27
3.8 Modelos que usan factores Macroeconómicos 28
3.9 Modelos que usan factores Microeconómicos 28
3.1 O Estimando los factores de riesgo en un modelo multifactorial 30

CAPÍTULO 4. METODOLOGÍA 32

4.1 Creación de la Base de Datos 32

4.2 Definición de las Variables 32

CAPÍTULO 5. RESULTADOS DE LA INVESTIGACIÓN 55

CAPÍTULO 6. CONCLUSIONES 57

REFERENCIAS 58

ANEXO 1. LISTA DE EMPRESAS CONSIDERADAS EN LA BASE DE DATOS DEFINITIVA 60

ANEXO 2. MUESTRA DE LA BASE DE DATOS DEFINITIVA 62

2
 CAPÍTULO 1. INTRODUCCIÓN

Resumen

Se han desarrollado modelos en todos los países para encontrar las razones por las que las acciones
en los mercados suben o bajan de precio. El objetivo a desarrollar es encontrar las variables
adecuadas, tanto Macroeconómicas como Microeconómicas, que influyen en el precio de las
acciones en México. Primero se analiza el periodo de 2006 a 2013, y después se analizan los
periodos siguientes: antes de la recesión de 2008-2009, durante la recesión y después de la recesión
y se encuentra que en estos periodos, las variables que influyen en los rendimientos cambian.

Abstract

Many models have been developed in all the countries to find the reasons why the stocks in the
markets increase or decrease in price. The objective is to find the correct variables, both
Macroeconomic and Microeconomic that influence the stock prices in Mexico. First the period
between 2006 and 2013 is analyzed, then three periods are analyzed: before the 2008-2009 crisis,
during the crisis and after the crisis and we found that during these periods, the variables that
influence the prices change.

Los precios de las acciones en las bolsas de valores se ven influidos por numerosas razones, tal es
el caso como un buen o mal reporte trimestral, alguna noticia positiva o negativa de la empresa,
cambios en las variables en la economía del país, etc. Uno de los objetivos es encontrar las variables
que son más importantes para la determinación del rendimiento en las acciones. Las variables que
se han utilizado tradicionalmente en investigaciones que influyen en el rendimiento de las acciones
son Macroeconómicas como la inflación, la depreciación del peso mexicano contra el dólar
norteamericano, las tasas de interés y el PIB. Las variables Microeconómicas usadas
tradicionalmente son la capitalización de las empresas, el apalancamiento, los múltiplos bursátiles y
las utilidades.

Se quiere probar la hipótesis de que en la crisis financiera del 2008-2009, las variables que influyen
en el rendimiento de las acciones son diferentes que en otros periodos. También se quiere demostrar
que el modelo para pronosticar el rendimiento de las acciones se puede aplicar al mercado mexicano
de valores.

Se analizan las metodologías que se han usado en investigaciones previas y las principales variables
que se han utilizado para pronosticar los rendimientos en acciones en otros países. Se utilizó el
programa STATA para realizar todas las regresiones de los modelos.

Esta tesis doctoral trata sobre el modelo de Teoría de Precios de Arbitraje (Arbitrage Pricing Theory).
El tema a desarrollar será encontrar aquellas variables tanto Macroeconómicas (inflación,
depreciación de la moneda contra el dólar norteamericano, tasas de interés y PIB) como
Microeconómicas (capitalización de la empresa, apalancamiento, múltiplos bursátiles y utilidades)
que influyen sobre el incremento en el precio de las acciones en México.

3
Otro objetivo de la tesis es crear una regresión lineal múltiple que relacione las variables
mencionadas, como sigue:

llPrecio = a 0 + a 1 * lllnflación + a 2 * llDepreciación de la Moneda + a3 * llTasas de Interés

u
+ a 4 * llPJ B + a 5 * llCapitalización + a 5 * llApalancamiento + a 6 * llMúltiplo p
VL
+a 7 * llMúltiplo p + a 8 * llUtilidades + € (1)

El primer paso es detectar qué variables influyen en mayor medida en los rendimientos accionarios
y después determinar los coeficientes que mejor se ajustan a esta regresión.

También se quiere probar la hipótesis de que en la crisis financiera del 2008-2009, las variables que
influyen en el rendimiento son diferentes que en otros periodos y que los coeficientes de la regresión
también son diferentes.

Otro objetivo de la Tesis es demostrar que este modelo multifactorial para pronosticar el rendimiento
de las acciones se puede aplicar al mercado mexicano de valores.

Una forma directa de emplear un modelo con riesgos multifactoriales es usarlo para estimar el retorno
esperado para una acción individual. Se deben realizar los siguientes pasos: 1) se identifican un
conjunto específico de k factores de riesgo, 2) la prima de riesgo (F¡) de los factores deben estimarse,
3) las sensibilidades (b;¡) para las i-ésima acción para cada uno de los k factores deben estimarse, y
4) el retorno esperado puede calcularse al combinar los resultados de los previos pasos en la forma
apropiada.

Se desarrollaron cuatro bases de datos, incluyendo las variables que se piensan que van a influir en
los rendimientos. Las cuatro bases se refieren a los periodos que se quieren estudiar: periodo
completo entre 2006 y 2013, periodo antes de la crisis (2006 y 2007), periodo durante la crisis (2008
y 2009) y periodo después de la crisis (2010 a 2013).

Se hizo un proceso de minería de datos para encontrar las variables estadísticamente significativas
en cada período. En el proceso, se eliminaron aquellas variables que no eran significativas o que
presentaban multicolinealidad. Además se analizó la varianza y la homoscedasticidad. Al final del
capítulo se presentan las ecuaciones de regresión finales que se obtuvieron así como las
conclusiones.

En el segundo capítulo de la tesis se habla de la teoría de los mercados eficientes, ya que ésta
menciona que los precios de las acciones se ajustan rápidamente a la llegada de nueva información
tanto interna de la empresa como externa en la economía, y por lo tanto, los precios actuales reflejan
toda la información relacionada con el valor.

La teoría de los mercados eficientes menciona que los precios de las acciones se ajustan
rápidamente a la llegada de nueva información tanto interna de la empresa como externa en la
economía, y por lo tanto, los precios actuales reflejan toda la información relacionada con el valor.

Un artículo de Fama (1970) dividió la hipótesis de los mercados eficientes en tres formas, que
dependen de la información relacionada: la forma Débil, la Semi-fuerte y la Fuerte.

4
 1. Forma Débil. Asume que los precios actuales de las acciones reflejan completamente toda
la información, incluyendo la secuencia histórica de precios, tasas de rendimiento,
volúmenes de operación y otra información.

2. Forma Semi-fuerte. Asegura que los precios de las acciones se ajustan rápidamente
cuando se da a conocer información pública, que incluye la economía, las utilidades, los
dividendos y los múltiplos de la empresa y la información política. Esta forma Semi-fuerte
también incluye la forma Débil.

3. Forma Fuerte. Establece que los precios de las acciones reflejan la información de fuentes
públicas y privadas, y que cualquier información se recibe en el mismo tiempo. Esto implica
que no hay inversionistas con información privilegiada. La forma Fuerte incluye a la forma
Semi-fuerte y a la Débil.

Según la forma débil, los precios de las acciones se mueven de acuerdo a tendencias de corto,
mediano y largo plazo. Igualmente existen formaciones en los precios que se repiten, sin importar
en qué empresa se presenta.

Según la forma Semi-fuerte, algunas de las variables que influyen en el precio de las acciones son
incremento sorpresivo en las utilidades, la razón Precio-Utilidad, efecto tamaño de la empresa y la
razón Valor en Libros a Valor de Mercado, entre otras.

Según la forma fuerte, los precios se mueven debido a información que se genera internamente en
las empresas, debido a operaciones que realizan los grandes administradores de inversiones y
analistas de valores.

En el tercer capítulo se analizan las metodologías en los modelo multifactoriales que se han usado
en investigaciones previas y las principales variables que se han utilizado para pronosticar los
rendimientos en acciones en otros países. Para el caso mexicano, propongo en la tesis que la
depreciación del peso mexicano contra el dólar norteamericano es una variable que influye en los
rendimientos en el mercado mexicano.

La teoría de precios de arbitraje, que fue desarrollado por Ross en los 70's tiene tres supuestos:

a) Los mercados de capital son perfectamente competitivos.

b} Los inversionistas siempre prefieren con certeza más riqueza que menos riqueza.

c) El proceso estocástico que genera los rendimientos en los activos pueden ser expresados
como una función lineal de un conjunto de K factores de riesgo (o índices).

Este último supuesto puede representarse como sigue:

donde

l 0 = retorno esperado en un activo con riesgo sistemático cero

l¡ = prima de riesgo relacionada con el factor de riesgo comúnj
b¡¡ = relación de precio entre la prima de riesgo y el activo
5
Una forma directa de emplear un modelo con riesgos multifactoriales es usarlo para estimar el retorno
esperado para una acción individual. Se deben realizar los siguientes pasos: 1) se identifican un
conjunto específico de k factores de riesgo, 2) la prima de riesgo {Fj) de los factores deben estimarse,
3) las sensibilidades (b¡j} para las i-ésima acción para cada uno de los k factores deben estimarse, y
4) el retorno esperado puede calcularse al combinar los resultados de los previos pasos en la forma
apropiada.

El capítulo 4 menciona la metodología utilizada en la investigación. Primero se crearon 4 bases de

datos, incluyendo las variables que se piensan que van a influir en los rendimientos. Las 4 bases se
refieren a los periodos que se quieren estudiar: periodo completo entre 2006 y 2013, periodo antes
de la crisis de 2006 y 2007, periodo durante la crisis de 2008 y 2009 y periodo después de la crisis
de 2010 a 2013.

Los supuestos del modelo de regresión múltiple y que se deben cumplir, son los siguientes:

a) La relación es lineal
b) Los valores de las variables independientes son fijos en muestreo repetitivo
c) Los errores tienen media cero
d) Los errores tienen varianza constante a 2 y homoscedástica
e) No hay Autocorrelación entre los errores
f) El número de observaciones debe ser mayor al número de variables
g) Debe haber suficiente variabilidad en los valores que tomas las variables independientes
h) El modelo de regresión está correctamente especificado
i) No hay Multicolinealidad entre las variables independientes
j) Los errores se distribuyen normalmente

En el capítulo 5 se presentan los resultados de la investigación y en el capítulo 6 se presentan las

conclusiones. Las ecuaciones de regresión finales que se obtuvieron, son las siguientes:

Para el periodo de 2006 al 2013, que incluye todos los datos que se consideraron en el estudio, la
ecuación de regresión que explica el incremente en el precio de las acciones es la siguiente:
u
11Precio = 0.0199 - 0.6045 * 11Depreciación de la Moneda - 0.0586 * 11Múltiplo p
VL
-0.5042 * 11Múltiplo p + 0.0234 * 11Utilidades + € (24)

Para el periodo de 2006 al 2007, que fue antes de la crisis financiera, la ecuación de regresión que
explica los rendimientos de las acciones es la siguiente:
u
11Precio = 0.8947 * llP/8 - 0.021 * 11Múltiplop
VL
-0.7956 * 11Múltiplo P + 0.0116 * 11Utilidades + € (25)

Para el periodo de 2008 al 2009, cuando se presentó la crisis financiera internacional, la ecuación
de regresión que explica los rendimientos de las acciones es la siguiente:

11Precio = -0.5124 * /1Depreciación de la Moneda - 0.0376 * 11Apalancamiento

U VL
-0.0894 * 11Múltiplo p - 0.6602 p
* 11Múltiplo + € (26)

6
Para el periodo de 201 O al 2013, que es posterior a la crisis financiera, la ecuación de regresión que
explica los rendimientos de las acciones es la siguiente:
!!.Precio = 0.0174 - 0.3852 * !!.Depreciación de la Moneda - 1.6237 * !!.Tasa de Cetes
U VL
-0.0359 * l!.Apalancamiento - 0.0383 * !!.Múltiplo p - 0.3273 * !!.Múltiplo p
+0.0212 *!!.Utilidades+ E (27)

7
 CAPÍTULO 2. EFICIENCIA DE LOS MERCADOS

Una de las principales aplicaciones de los ordenadores a la economía durante los años 50 era la de
analizar series de tiempo económicas. Los teóricos del ciclo económico creían que seguir la
evolución de varias variables económicas a lo largo del tiempo podría aclarar y predecir el progreso
de lo economía en períodos de auge y en períodos de recesión. Un candidato evidente al análisis
era el comportamiento de los precios de mercado de las acciones a lo largo del tiempo.

Suponiendo que los precios de las acciones reflejen las perspectivas de la empresa, las gráficas de
picos y valles en el comportamiento de la economía tienen que reflejarse en esos precios. Maurice
Kendall (1953) fue uno de los primeros en examinar esta propuesta. Le sorprendió mucho comprobar
que podía identificar esquemas no previsibles en los precios de las acciones. Los precios parecían
evolucionar aleatoriamente. Tenían las mismos probabilidades de subir que de bajar en un mismo
día independientemente de su comportamiento anterior. Los datos no proporcionaban ninguna forma
de predecir las oscilaciones de los precios.

A primera vista, los resultados de Kendall (1953) preocuparon a algunos economistas financieros.
Parecían indicar que el mercado de acciones está dominado por una psicología de mercado errático
y que no sigue unas normas lógicas. Los resultados parecían confirmar la irracionalidad del mercado.
No obstante, al reflexionar con más profundidad, los economistas le dieron la vuelta a su
interpretación del estudio de Kendall ( 1953).

Muy pronto pareció evidente que los movimientos aleatorios de los precios eran indicativos de un
mercado que funcionaba bien o eficientemente, no uno irracional.

2.1 Paseos Aleatorios y la Hipótesis del Mercado Eficiente

Suponga que Kendall (1953) hubiese descubierto que los precios de las acciones eran previsibles.
Imagine: ¡la mina de oro para los inversores! Si pudieran utilizar las ecuaciones de Kendall (1953)
para predecir los precios de las acciones, los inversores conseguirían beneficios interminables
simplemente comprando las acciones que el ordenador les indicara que estaban a punto de subir de
precio y vendiendo aquellas que fueran a bajar de precio.

Debería bastar un momento de reflexión para convencerle de que esta situación no podría durar
mucho. Por ejemplo, supongamos que el modelo predice con gran confianza que el precio de la
acción XYZ, actualmente a $100, subirá drásticamente en tres días hasta $110. Todos los inversores
con acceso a la predicción del modelo colocarían una gran avalancha de órdenes de compra
inmediatas para beneficiarse de las perspectivas de aumento del precio de la acción. No obstante,
nadie que tuviera acciones XYZ querría vender y el efecto neto sería un salto inmediato en el precio
de la acción hasta $110.

La previsión de un incremento en los precios futuros lleva en cambio a un incremento inmediato del
precio. Otra forma de explicarlo es que el precio de la acción reflejaría inmediatamente las buenas
noticias implícitas en la previsión del modelo.

Este sencillo ejemplo demuestra por qué los intentos de Kendall (1953) por encontrar esquemas
recurrentes en los movimientos de precios de las acciones fueron vanos. Una previsión sobre el
comportamiento futuro favorable lleva en cambio a un comportamiento actual favorable, pues todos
los participantes en el mercado intentan atrapar la acción antes del salto de precios.

8
De forma más general se podría decir que cualquier información disponible para el público que pueda
ser empleada para predecir el comportamiento de la acción, incluyendo la información sobre la
macroeconomía, la industria de la compañía y sus operaciones y los planes y gestiones, debería
reflejarse también en los precios de las acciones. En cuanto exista información que indique que una
acción está infravalorada y que ofrece una oportunidad de beneficio, los inversores se lanzarán a
comprar la acción e inmediatamente subirá su precio hasta su nivel justo, donde se pueden esperar
tasas de rentabilidad normales. Estas tasas normales son sencillamente tasas de rentabilidad
acordes con el riesgo del valor.

Pero si los precios llegan inmediatamente a niveles justos a causa de toda la información disponible,
debe ser que los precios suben o bajan sólo como respuesta a la información nueva. Por definición,
la información nueva debe ser imprevisible. Por tanto, los precios de las acciones que cambian como
respuesta a la información nueva (imprevisible) también tienen que cambiar imprevisiblemente.

Esta es la esencia del argumento que afirma que los precios de las acciones deberían seguir un
paseo aleatorio, es decir, que los cambios en los precios deberían ser aleatorios e impredecibles.
Lejos de ser una prueba de la irracionalidad del mercado, los precios de las acciones que
evolucionan aleatoriamente son la consecuencia necesaria de la existencia de inversores
inteligentes que compiten por descubrir información de importancia antes de que el resto del mercado
sea consciente de la misma.

2.2 La competencia como fuente de eficiencia

¿Por qué deberíamos esperar que los precios de las acciones reflejaran toda la información
disponible? Después de todo, si se tuviera que gastar tiempo y dinero en recopilar información,
esperaría encontrar algo que se le hubiera pasado por alto al resto de la comunidad de inversores.
Cuando la información le cuesta dinero, espera que su análisis de la inversión dé como resultado un
incremento de la rentabilidad esperada.

Los inversores tendrán el incentivo de gastar dinero y recursos para analizar la información nueva
no cubierta sólo si es probable que dicha actividad genere mayores rentabilidades de la inversión.
Por tanto, según Grossman y Stiglitz ( 1980), en el equilibrio de mercado, la actividad de recopilación
de información eficiente debería ser fructífera.

Además, no sorprendería encontrar que difiere el grado de eficiencia entre los distintos mercados.
Por ejemplo, los mercados emergentes, que se analizan menos intensamente que los mercados de
Estados Unidos y en los cuales la información es más difícil de obtener, pueden ser menos eficientes
que los mercados estadounidenses. Las acciones pequeñas, que reciben menos cobertura por parte
de los analistas de Wall Street pueden tener un precio menos eficiente que las grandes. Sin embargo,
aunque no vayamos tan lejos como para decir que no se puede conseguir ninguna información
nueva, tiene sentido considerar y respetar a la competencia.

Con tantos expertos analistas que desean asignar recursos considerables a investigación, no puede
haber ganancias fáciles en el mercado. Además, es probable que las tasas de rentabilidad
incrementales en la actividad de investigación sean tan pequeñas que sólo valgan la pena para los
gestores de las grandes carteras.

Aunque puede que no sea literalmente cierto que toda la información importante esté sin cubrir, es
prácticamente cierto que hay muchos investigadores que están sobre la pista de cualquier cosa que
mejore el comportamiento de la inversión. La competencia entre estos analistas muy preparados y

9
muy bien pagados asegura que, como norma general, los precios de las acciones tienen que reflejar
la información disponible relacionada con sus niveles adecuados.

2.3 Eficiencia de los Mercados

Un mercado de capitales eficiente, desde el punto de vista informativo, es aquel en donde los precios
se ajustan rápidamente a la llegada de nueva información y, por lo tanto, los precios actuales reflejan
toda la información relacionada con el valor.

Los requisitos de un mercado eficiente son los siguientes:

1. Gran número independiente de participantes que quieren maximizar su riqueza que analizan
y evalúan valores.

2. La nueva información sobre los valores llegan al mercado de una forma aleatoria y el
momento en que llega una información es independiente de la siguiente.

3. Los inversionistas que maximizan sus utilidades, ajustan los precios de los valores
rápidamente para reflejar el efecto de la nueva información. En algunas ocasiones, el
mercado se sobre-ajustará y en otras se sub-ajustará, pero no se puede predecir cuál
ocurrirá en un momento dado. El precio actual también debe reflejar el riesgo del valor.

Un artículo de Fama (1970) dividió la hipótesis de los mercados eficientes y las pruebas empíricas
de la hipótesis en tres formas, que dependen de la información relacionada: la forma Débil, la Semi-
fuerte y la Fuerte.

4. Forma Débil. Asume que los precios actuales de las acciones reflejan completamente toda
la información, incluyendo la secuencia histórica de precios, tasas de rendimiento,
volúmenes de operación y otra información.

5. Forma Semi-fuerte. Asegura que los precios de las acciones se ajustan rápidamente
cuando se da a conocer información pública, que incluye la economía, las utilidades, los
dividendos y los múltiplos de la empresa y la información política. Esta forma Semi-fuerte
también incluye la forma Débil, porque la información de precios, volúmenes de operación,
etc. también es pública.

6. Forma Fuerte. Establece que los precios de las acciones reflejan la información de fuentes
públicas y privadas, y que cualquier información se recibe en el mismo tiempo. Esto implica
que no hay inversionistas con información privilegiada. La forma Fuerte incluye a la forma
Semi-fuerte y a la Débil.

2.4 Pruebas y resultados de las hipótesis de los mercados eficientes

Algunos estudios comprueban las hipótesis de que los mercados son eficientes, en cambio hay otros
que revelan algunas Anomalías, que muestran resultados que no soportan las hipótesis.

Forma Débil. Algunos estudios muestras la independencia de los rendimientos entre un día y el
siguiente, porque la nueva información llega al mercado en forma aleatoria e independiente. Además,
los precios se ajustan rápidamente a esta nueva información.

10
Se han hecho pruebas de la auto-correlación que mide la significancia de la correlación positiva o
negativa de los rendimientos en el tiempo. Los resultados típicamente indican correlación
insignificante en los rendimientos de las acciones en periodos de tiempo pequeños (1 a 20 días).

Otra prueba estadística de independencia son las Pruebas de Secuencias. Dada una serie de
cambios en los precios, cada cambio es positivo(+) si hay un incremento en el precio o negativo(-)
si hay un decremento. El resultado es una serie de signos de más y de menos. Una Secuencia ocurre
cuando se presentan dos signos iguales consecutivos. Estudios han demostrado la independencia
de los rendimientos en las acciones.

Forma Semi-fuerte. Los estudios más usados para comprobar la hipótesis Semi-fuerte es el Estudio
de Eventos, que examinan qué tan rápido se ajustan los precios ante eventos económicos o
financieros.

Antes que nada, para medir el impacto de estos eventos es necesario ajustar el retorno de las
acciones con el retorno del mercado en su totalidad durante el periodo considerado. Si la acción
cambia igual que el mercado cuando ocurrió el evento, entonces el evento no impactó a la acción;
en cambio, si la acción aumentó o decreció más que el mercado, entonces el evento afectó la acción.
Para encontrar este rendimiento anormal, se resta el rendimiento de la acción menos el rendimiento
del mercado de la forma siguiente:

donde

AR¡r = Retorno anormal de la acción i durante el periodo t

Rit = Retorno de la acción i durante el periodo t
Rmt = Retorno del indice del mercado durante el periodo t

Existen dos tipos de pruebas de la forma Semi-fuerte: las primeras se usan para predecir el retorno
de una acción usando información pública o de eventos que producen retornos anormales después
de la noticia económica o empresarial, como una fusión, la emisión de un bono, un split, etc. Las
segundas se usan para pronosticar rendimientos usando variables corno el múltiplo precio a utilidad,
el crecimiento de este múltiplo precio a utilidad, el múltiplo precio a valor en libros, el tamaño de la
empresa, el rendimiento de los dividendos, etc.

En un mercado eficiente, la mejor estimación del rendimiento futuro de una acción es el rendimiento
promedio de largo plazo del retorno histórico. La prueba es exitosa si la información pública
incrementa el retorno en el corto plazo (1 a 6 meses) o a largo plazo (1 a 5 años).

Algunos estudios han considerado también dos variables relacionadas con las tasas de interés que
permiten predecir el rendimiento de una acción: la primera es la diferencia entre las tasas de los
bonos de alta y baja calidad (default spread); la segunda es la diferencia entre un bono de largo
plazo de alta calidad y un bono de corto plazo de alta calidad (term structure spread). Cuando ambas
diferencias son grandes, se presenta una etapa difícil en la economía l' por lo tanto, existe un riesgo
mayor y se requiere un retorno mayor; en cambio, cuando ambas diferencias son pequeñas, la
economía está creciendo, el riesgo es menor y por lo tanto el rendimiento requerido es menor.

11
a) Sorpresas en los reportes trimestrales. Existen estudios que analizan la posibilidad de
predecir rendimientos futuros de una acción debido a que los reportes trimestrales son
mejores a los esperados. Los resultados muestran que no se presentan rendimientos
anormales instantáneos, sino que generalmente en las siguientes 13 a 26 semanas se
presentan estos rendimientos mayores al promedio.

Un análisis de Rendleman, Janes y Latané (1982) usa una muestra muy grande y datos
desde 20 días antes del anuncio de datos trimestrales hasta 90 días después del anuncio,
indica que 31% de la respuesta total en el rendimiento de la acción se presenta antes del
anuncio, 18% en el día del anuncio y 51% después.

Otros estudios analizan la razón del cambio en el precio de la acción después del anuncio
de los reportes trimestrales y establecen que los analistas bursátiles revisan sus pronósticos
después del reporte y modifican sus recomendaciones.

Los resultados de estos estudios indican que el mercado no responde instantáneamente a

los reportes trimestrales, sino que tarda tiempo en reconocer las sorpresas, por lo que
contradice la hipótesis Semi-fuerte.

b) Razones Precio/Utilidad. Algunos estudios han examinado la relación entre la razón

Precio/Utilidad histórica de las acciones y su rendimiento. Algunos sugieren que acciones
con P/U bajos tendrán mejores rendimientos que acciones con P/U altos, porque las
empresas de crecimiento tienen altos P/U, sin embargo el mercado tiende a sobre-estimar
el crecimiento potencial y a sobre-valorarlas, mientras que sucede lo contrario con empresas
de bajo P/U.

Medidas que consideran el rendimiento y el riesgo conjuntamente, muestran que acciones

con P/U bajo tienen un mejor retorno ajustado al riesgo con relación al mercado, comparado
con las acciones que tienen alto P/U.

Otro estudio examinó los múltiplos P/U con ajustes por el tamaño de las empresas, por los
efectos de la industria y por la iliquidez de la empresa, y también se encontró que el
rendimiento ajustado al riesgo en acciones en el quintil más bajo con relación al P/U, tienen
un mejor rendimiento que las acciones colocadas en el quintil superior.

c) Razón P/U dividido entre el.crecimiento (PEG). Durante la última década, ha existido un
significativo aumento en el uso de esta razón, especialmente para empresas en crecimiento
que tienen una razón P/U arriba del promedio. Se establece que mientras más pequeña es
esta razón, más grande será el rendimiento arriba del promedio. Un estudio de Peters (1991)
que usa rebalanceos trimestrales, soporta esta hipótesis de una relación inversa. Este
resultado constituye una anomalía de la forma Semi-fuerte.

d) Efecto Tamaño. Varios autores han examinado el impacto del tamaño o capitalización en el
retorno ajustado al riesgo. En estudios de largo plazo (20 a 35 años), las empresas pequeñas
consistentemente tuvieron mayores retornos ajustados al riesgo comparadas con las
empresas grandes. El resultado concuerda con el riesgo mayor de las pequeñas empresas
y de la poca bursatilidad que presentan sus acciones.

12
 e) Empresas no analizadas. Arbel y Strebel (1983) estudiaron la falta de atención a algunas
empresas que no son analizadas por los analistas. Ellos miden esta característica en
términos del número de analistas que regularmente siguen una acción y las dividen en 3
grupos: a) muy analizadas, 2) moderadamente analizadas y 3) no analizadas. Ellos
encontraron un efecto de empresa no analizada causada por la falta de información y
limitado interés.

f) Razón Valor en Libros a Valor de Mercado. Rosenberg, Reid y Lanstein (1985)

encontraron una significativa y positiva relación entre el valor de esta razón y los retornos
futuros de las acciones.

Fama y French (1992) soportan esta razón y evaluaron el efecto conjunto de la beta del
mercado, tamaño, la razón P/U, apalancamiento y razón Valor en LibrosNalor de Mercado.
Ellos analizaron la hipotética relación positiva entre beta y el retorno esperado y encontraron
que esta relación positiva se mantuvo antes de 1969, pero desapareció entre 1963 y 1990.
En contraste, la relación negativa entre tamaño y rendimiento promedio fue significante por
sí misma y significante después de la inclusión de otras variables.

Adicionalmente, encontraron una relación positiva significativa entre la razón VL/Precio y el

rendimiento promedio que persistió aun cuando otras variables eran incluidas. Más
importante, el tamaño y la razón VL/Precio son significativos cuando se incluyen juntos y
dominan otras razones. Específicamente, a pesar de que el apalancamiento y la razón P/U
fueron significativos individualmente o con el tamaño, se hacen insignificantes cuando
ambos el tamaño y la razón VL/Precio se consideran.

En resumen, estudios han encontrado resultados significativos para la razón P/U, para el tamaño,
para empresas no analizadas y para la razón VUPrecio. A pesar de que el estudio de Fama y French
(1992) indica que la combinación optima parece ser el tamaño y la razón VL/Precio, un estudio de
Jensen, Johnson y Mercer (1997) indica que la combinación solo trabaja durante periodos de política
monetaria expansiva.

Forma Fuerte. La Forma Fuerte contempla que los precios de las acciones reflejan completamente
toda la información pública y privada. Esto implica que no existe un grupo de inversionistas que tenga
acceso a información privada que les permita tener retornos arriba del promedio. Los investigadores
han probado esta forma fuerte al analizar los rendimientos de los siguientes cuatro grupos de
inversionistas: a) Funcionarios de corporaciones, b) Especialistas del Mercado de Valores, c)
Analistas de valores, y d) Administradores Profesionales de dinero.

a) Funcionarios de corporaciones. Los trabajadores requieren reportar a las autoridades sus

transacciones (compras o ventas) en las acciones de las empresas donde laboran. Los
resultados de estudios hechos sobre estas transacciones, indican un retorno
consistentemente mayor al promedio, especialmente cuando las transacciones son de
compra. Por esto, inversionistas privados que operaron con la información de funcionarios,
han obtenido retornos en exceso ajustados al riesgo.

b) Especialistas del Mercado de Valores. Algunos estudios han determinado que los
especialistas tienen acceso monopólico a alguna información importante, por lo que han
podido obtener retornos arriba del promedio.

13
 c) Analistas de Valores. Existe evidencia a favor de analistas experimentados que
aparentemente poseen información privada. Un estudio de Womach (1996) encontró que los
analistas parecen operar en momentos adecuados (timing) y además seleccionan acciones
hábilmente.

d) Administradores Profesionales de Dinero. Los administradores no tienen acceso a nueva

información monopólica, pero están muy bien entrenados y trabajan tiempo completo en
empresas de inversión. La mayoría de los estudios sobre los rendimientos de
administradores de fondos antes de comisiones, indican que más de la mitad de los fondos
tuvieron un rendimiento mejor al mercado. Cuando se consideran las comisiones y los costos
de administración, aproximadamente dos terceras partes de los fondos no alcanzaron el
rendimiento del mercado.

En conclusión, los resultados para los funcionarios de las corporaciones y para los especialistas del
mercado de valores son mayores al promedio, ya que tienen acceso a información privada. En el
caso de los analistas de valores, no hay evidencia de que tengan rendimientos arriba del promedio.
Igualmente, los administradores de dinero no han tenido rendimientos mayores al promedio, incluso
esto se ha demostrado para fondos mutuos, administradores de fondos de pensiones y fondos de
donativos. Esto se debe a que no tienen información privada.

2.5 Implicaciones de los Mercados Eficientes de Capital.

Los resultados de muchos estudios indican que los mercados de capitales son eficientes, sin
embargo, investigaciones han descubierto algunas ocasiones donde los mercados no ajustan sus
precios rápidamente ante nueva información pública.

Los Analistas Fundamentales piensan que en cualquier momento existe un valor intrínseco para el
mercado, para industrias y para acciones individuales, y que estos valores dependen de factores
económicos. Si los analistas pueden hacer un trabajo superior para estimar el valor intrínseco, se
pueden tomar decisiones superiores para comprar valores sub-valuadas y generar rendimientos
arriba del promedio.

Las hipótesis de los mercados eficientes implican que se deben entender las variables relevantes
que afectan los retornos y que se deben estimar los valores futuros de estas variables. Igualmente,
los precios aumentan si las utilidades reales son mayores a las utilidades estimadas.

Fama y French (1992) también demostraron que las acciones de "valor", o sea aquellas que tienen
un múltiplo Valor en Libros a Valor de Mercado alto, tienden a producir altos rendimientos ajustados
al riesgo que las acciones de "crecimiento", o sea aquellas que tienen una razón Valor en Libros a
Valor de Marcado baja. Por supuesto, en un mercado eficiente estas diferencias en los rendimientos
no deben ocurrir, por lo que se presentan dos posibilidades: 1) los mercados no son eficientes por
largos periodos de tiempo, o 2) los precios de mercado son eficientes pero hay algo mal en la forma
en que los modelos miden el riesgo.

2.6 Inversión activa frente a Inversión pasiva

No es probable que los esfuerzos casuales para escoger acciones den rendimiento. La competencia
entre los inversores asegura que una sencilla técnica de evaluación de acciones se utilizará lo
suficiente para que todas las valoraciones derivadas de las mismas se reflejen en el precio de las

14
acciones. Es probable que sólo los análisis serios y las técnicas poco comunes generen valoraciones
diferenciales necesarias para generar beneficios extraordinarios en las transacciones.

El pequeño inversor probablemente hará mejor si coloca sus fondos en un fondo de inversión.
Aunando los recursos de esta forma, los pequeños inversores pueden obtener las ventajas de los
inversores más grandes. Sin embargo, quedan algunas decisiones difíciles. ¿Pueden los inversores
estar seguros de que incluso los fondos de inversión grandes tienen la capacidad o los recursos para
no descubrir las acciones infravaloradas? Además, ¿la infravaloración no cubierta será
suficientemente grande para alcanzar los costes vinculados a la gestión activa de carteras?

Los defensores de la hipótesis de eficiencia de mercados creen que la gestión activa es un esfuerzo
enorme desperdiciado y que probablemente justifica poco los gastos en los que incurre. Por tanto,
abogan por una estrategia de inversión pasiva que no intente batir al mercado. Una estrategia pasiva
sólo tiene como objetivo establecer una cartera de valores bien diversificada, sin intentar encontrar
valores infravalorados o sobrevalorados. La gestión pasiva se caracteriza normalmente por una
estrategia de comprar y mantener. Debido a que la teoría del mercado eficiente indica que los precios
de las acciones están a niveles justos, dada toda la información disponible, no tiene sentido comprar
y vender valores frecuentemente, pues las transacciones generan grandes gastos de contratación
sin incrementar el comportamiento esperado.

Estrategia de inversión Pasiva. Compra de una cortera bien diversificada sin intentar buscar
valores sub-valuados.

Una estrategia común para la gestión pasiva es la creación de un fondo indexado, que es un fondo
diseñado para reproducir el comportamiento de un índice de acciones amplio. Por ejemplo, en 1976,
el Grupo Vanguard de fondos de inversión presentó un fondo de inversión denominado Cartera Índice
500 que tiene acciones en proporción directa a su ponderación en el índice de precios de acciones
Standard & Poor 500. Los inversores en este fondo obtienen una amplia diversificación con
relativamente pocos gastos de gestión. Los honorarios de gestión pueden ser mínimos porque
Vanguard no necesita pagar a analistas para que valoren las perspectivas de la acción y no incurre
en gastos de transacciones de una alta facturación de la cartera. Mientras que la típica razón del
gasto anual para un fondo administrado activamente es de más del 1% de los activos, Vanguard
cobra menos del 0.2% para la cartera índice 500.

Fondo indexado. Fondo de inversión que tengo acciones en proporción o su representación en un

índice de mercado como el S&P 500.

La indexación ha crecido considerablemente desde 1976. La cartera Índice 500 de Vanguard fue el
fondo de inversión más grande en agosto de 2002 con 86.000 millones de dólares en activos. Hay
otras empresas que han presentado fondos indexados S&P 500, pero Vanguard sigue dominando el
mercado minorista de la indexación. Incluyendo los fondos de pensiones y los fondos de inversión,
más de 3 billones de dólares se dedicaron a estrategias de indexación con el índice S&P 500 a
principios del 2001. Muchos inversores institucionales tienen ahora carteras indexadas de
obligaciones así como carteras indexadas de acciones.

Los fondos de inversión ofrecen ahora carteras indexadas que vinculan una gran variedad de índices
de mercado. Por ejemplo, algunos de los fondos ofrecidos por el Grupo Vanguard siguen el Índice
S&P 500, el Índice Wilshire, el Índice Lehman Brothers Aggregate Bond, el Índice Russell 2000 de
compañías de baja capitalización, del mercado de valores europeo y del mercado de valores de la
cuenca del pacífico, son otros índices duplicados en fondos.

15
2. 7 Papel que desempeña la administración de carteras en un mercado eficiente

Si el mercado es eficiente, ¿por qué no tirar dardos a The Wall Street Journal en lugar de intentar
escoger una cartera de valores de forma racional? Es tentador dibujar este tipo de conclusión a partir
de la noción de que los precios de los valores están establecidos de forma justa, pero esto es
demasiado simple. La gestión de carteras racional desempeña un papel incluso en los mercados
perfectamente eficientes.

Un principio básico en la selección de la cartera es la diversificación. Incluso si todas las acciones

tienen un precio justo, cada una posee el riesgo específico de la compañía que se puede eliminar a
través de la diversificación. Por tanto, la selección racional de los valores, incluso en un mercado
eficiente, necesita la selección de una cartera diversificada cuidadosamente. Además, esa cartera
debería proporcionar el grado de riesgo sistemático que quiere el inversor. Incluso en un mercado
eficiente, los inversores deben escoger los perfiles de riesgo-rentabilidad que consideren apropiados.

La política de inversión racional también requiere que los inversores tengan en cuenta los impuestos
cuando escogen un valor. Si está en el tramo de renta alto, lo normal es que no quiera los mismos
valores que los inversores del tramo de renta bajo consideran favorables. Lógicamente, los
inversores de los tramos altos del impuesto sobre la renta encuentran ventajas en comprar
obligaciones municipales exentas de impuestos a pesar de que su rentabilidad antes de impuestos
es relativamente baja, mientras que esas mismas obligaciones no resultan atractivas para los
inversores con menor fiscalidad sobre sus rentas. Además, los inversores de los tramos altos del
impuesto sobre la renta pueden querer inclinar o especializar sus carteras hacia valores que
proporcionen plusvalías frente a dividendos o ingresos por intereses porque las plusvalías están
menos gravadas fiscalmente y la opción de diferir la realización de los ingresos por plusvalías es
más válida cuanto mayor sea el tramo de renta del inversor. Estos inversores también se sentirán
más atraídos por las oportunidades de inversión en las que la rentabilidad sea sensible a los
beneficios fiscales como las sociedades de bienes inmuebles.

Un tercer argumento para la gestión de carteras racional está relacionado con el perfil de riesgo
particular de un inversor. Por ejemplo, un ejecutivo de General Motors cuyo bono anual depende de
los beneficios de GM no invertirá en general cantidades adicionales en acciones del sector del
automóvil. En la medida en que su compensación ya depende de la rentabilidad de GM, el ejecutivo
está sobre-invirtiendo en GM y no debería exacerbar la falta de diversificación.

Los inversores de distintas edades pueden garantizar diferentes políticas de inversión con relación
a la aceptación del riesgo. Por ejemplo, los inversores de más edad que esencialmente viven de sus
ahorros querrán evitar las obligaciones a largo plazo, cuyos valores de mercado fluctúan
drásticamente con los cambios en los tipos de interés. Debido a que estos inversores confían en el
ahorro acumulado, requieren la conservación del principal. En cambio, los inversores más jóvenes
pueden inclinarse más hacia las obligaciones a largo plazo indiciadas a la inflación. El flujo estable
de los ingresos reales durante largos períodos que se obtiene con estas obligaciones puede ser más
importante que conservar el principal para aquellos con una expectativa de vida más larga.

Para resumir, la gestión de carteras tiene un papel que desempeñar incluso en un mercado eficiente.
Las posiciones óptimas de los inversores variarán dependiendo de la edad, el tramo de renta, la
aversión al riesgo y el empleo. El papel del gestor de carteras en un mercado eficiente es adecuar
la cartera a estas necesidades en lugar de intentar vencer al mercado.

16
2.8 Asignación de recursos

Nos hemos centrado hasta ahora en las implicaciones sobre la inversión de la hipótesis de eficiencia
de mercados. Las desviaciones sobre la eficiencia pueden ofrecer oportunidades de beneficio a los
inversores mejor informados a costa de los inversores menos informados.

Sin embargo, las desviaciones de la eficiencia informativa también darían como resultado un alto
coste que sería asumido por los ciudadanos, llamado asignación ineficiente de recursos. Recuerde
que en una economía capitalista las inversiones en activos reales, como en una fábrica, en
equipamiento y en Know-how, están guiados en gran parte por los precios de los activos financieros.
Por ejemplo, si los valores de los activos de biotecnología, tal y como se reflejan en los precios de
mercado de las acciones de las empresas de biotecnología, superan el costo de adquisición de esos
activos, los gestores de dichas compañías cuentan con un fuerte indicador de que las inversiones
futuras en la compañía estarán consideradas por el mercado como un proyecto de valor actual neto
positivo. De esta forma los precios del mercado de capitales guían la asignación de recursos. La
infravaloración de los valores, por tanto, podría conllevar enormes costes sociales al fomentar
inversiones inapropiadas en la esfera real de la economía.

En la medida en que sólo cierta parte de esta información se refleja en los precios, las empresas con
valores sobrevalorados podrán obtener capital demasiado barato y las empresas con valores
infravalorados podrán dejar pasar oportunidades de inversión, porque el coste de obtener capital es
demasiado alto. Por tanto, los mercados ineficientes de capitales atenuarán una de las ventajas más
potentes de la economía de mercado.

2.9 Rendimiento de los fondos de inversión

Hemos documentado algunas de las aparentes brechas en la coraza de los defensores del mercado
eficiente. Sin embargo, bajo la perspectiva de la gestión de carteras, el tema de la eficiencia del
mercado se resume en si los inversores más calificados pueden generar beneficios anormales con
la especulación en valores. La mejor prueba consiste simplemente en comprobar el rendimiento de
los profesionales del mercado y ver si éste es superior a un fondo indexado que compra y vende el
mercado en su conjunto.

La prueba casual no apoya la tesis de que las carteras gestionadas profesionalmente batan al
mercado. Las Figuras 4.3 y 4.4 de ese capítulo demostraron que entre 1972 y 2000 una cartera
indexada al índice Wilshire 5000 tendría normalmente mejores rentabilidades que el fondo de
acciones promedio. Por otra parte, no hay pruebas de la persistencia del rendimiento, lo que significa
que los mejores gestores en un período no tienden a ser los mejores gestores en los siguientes. Si
dicha persistencia se verificase, sugeriría que los mejores gestores pueden, por lógica, comportarse
mejor que sus competidores, lo cual estaría en contra de la noción de que los precios del mercado
reflejan toda la información relevante.

Por otra parte, el análisis basado en la rentabilidad total no ajustada para la exposición a los factores
de riesgo sistemático. En esa sección, volveremos a estudiar la cuestión del rendimiento de los
fondos de inversión, prestando más atención al índice de referencia contra el cual se tiene que
evaluar el rendimiento.

Como primer paso examinaremos las rentabilidades ajustadas al riesgo (es decir, el alfa o exceso
de la rentabilidad requerida basada en el beta y la rentabilidad del mercado en cada período) de una
muestra grande de fondos de inversión entre 1972 y 1991. Los resultados muestran que la
distribución de los alfas es prácticamente normal, lo que implica que es ligeramente negativa pero

17
estadísticamente no distinta de cero. En promedio, no parece que estos fondos se comporten mejor
que el índice de mercado (el S&P 500) en una base de rendimiento ajustado a riesgo.

El problema al interpretar esos alfas es que el S&P 500 puede no ser un índice de referencia
adecuado contra el cual evaluar la rentabilidad de los fondos de inversión. Dado a que los fondos de
inversión tienden a mantener bastantes acciones de compañías de baja capitalización mientras que
el S&P 500 comprende exclusivamente compañías grandes, los fondos de inversión tienden a
comportarse en general mejor en el índice cuando las compañías pequeñas se comportan mejor que
las grandes, y peor cuando las compañías pequeñas tienen un mal rendimiento. Por tanto, un mejor
criterio de referencia para el rendimiento de los fondos sería un índice que incorporara el rendimiento
en el mercado de valores de las compañías de baja capitalización.

La importancia del índice de referencia se puede mostrar examinando la rentabilidad de las acciones
de baja capitalización en varios sub-períodos. Esta ilustración y las estadísticas citadas están
basadas en un artículo de Elton, Gruber, Das y Hlavka (1993). En el período de 20 años comprendido
entre 1945 y 1964, un índice de acciones de baja capitalización se comportó peor que el S&P 500
en torno a un 4% anual sobre una base de riesgo ajustado. En el siguiente período de 20 años, entre
1965 y 1984 las acciones de baja capitalización se comportaron mejor que el índice S&P en un 10%.
Por tanto, si tuviéramos que examinar la rentabilidad de los fondos de inversión en el primer período,
ésta nos parecería mediocre, no porque la selección de valores entre las acciones de empresas de
baja capitalización fuese incorrecta, sino simplemente porque los fondos de inversión tienden a tener
más acciones de baja capitalización de las que están representadas en el S&P 500. La elección de
estilo (es decir, la exposición a las acciones de baja capitalización que es una decisión de asignación
de activos) dominaría la evaluación del rendimiento a pesar incluso de que tiene poco que ver con
la capacidad de los gestores de elegir acciones.

Elton, Gruber, Das y Hlavka (1993) intentaron controlar el impacto de los activos que no estaban en
el S&P en el rendimiento de los fondos de inversión. Calcularon las alfas de los fondos de inversión
controlando tanto los efectos del tamaño de la empresa como los movimientos de los tipos de interés.
Concluyen que después de controlar el rendimiento relativo de estas tres clases de activos (acciones
grandes, acciones pequeñas y obligaciones), los gestores de los fondos de inversión como grupo no
demuestran capacidad para batir las estrategias pasivas que simplemente mezclarían los fondos
indexados entre estas clases de activos. También descubrieron que el rendimiento de los fondos de
inversión es peor para las empresas que tienen mayores ratios de comisiones de gestión y mayores
tasas de rotación. Por tanto, parece que los fondos con las comisiones más altas no incrementan la
rentabilidad bruta de forma suficiente para justificar esas tarifas.

Carhart (1997) vuelve a examinar el tema de la coherencia en el rendimiento de los fondos de

inversión controlando los factores de no S&P de una forma parecida a la de Elton, Gruber, Das y
Hlavka (1993). Considera que hay una persistencia en el rendimiento relativo entre los gestores, pero
que la mayor parte de la misma se debe a los gastos y costes de transacción en lugar de a la
rentabilidad de la inversión bruta. Este último punto es importante: mientras que no puede haber
gestores con rendimientos significativamente superiores a la media en un mercado completamente
eficiente, sí puede haber gestores que obtengan persistentemente rendimientos significativamente
inferiores a la media. La persistencia del bajo rendimiento no se deberá a una tendencia a escoger
malas acciones (¡que sería imposible en un mercado eficiente!), sino que sería el resultado de unas
comisiones más altas, una mayor rotación de la cartera o unos costes de transacción más altos que
la media. Carhart (1997) también descubrió que la prueba de la persistencia se concentra en los dos
extremos de rendimientos, en los mejores y en los peores. Los fondos de inversión se clasifican
dentro de unos grupos del 1 al 10 por el rendimiento en el año de formación y por el rendimiento de

18
cada grupo en el siguiente año. Está claro que excepto para el grupo con decil alto de mejor
rendimiento y para el grupo con decil diez de peor rendimiento, el rendimiento en los períodos futuros
es casi independiente de la rentabilidad anual anterior. El resultado obtenido por Carhart (1997)
sugiere que puede haber un grupo pequeño de gestores excepcionales que pueden gestionar
adecuadamente frente a una estrategia pasiva, pero la mayor parte de los gestores tienen
rendimientos buenos y malos en cualquier período, sólo por una cuestión de suerte.

Por tanto, la prueba del rendimiento ajustado al riesgo de los gestores profesionales es la mezcla
justa. Concluimos que el rendimiento de los gestores profesionales es generalmente coherente con
la eficiencia del mercado. Las cantidades por las cuales los gestores profesionales, como grupo,
baten o se ven batidos por el mercado están dentro del margen de la incertidumbre estadística. En
cualquier caso, está bastante claro que el rendimiento superior de las estrategias pasivas está lejos
de ser una rutina. Los estudios demuestran que la mayor parte de los gestores no pueden vencer
las estrategias pasivas, o si vencen lo hacen por un margen pequeño.

El premio Nobel Paul Samuelson (1989) revisa este umbral de inversión, pero concluye que los
informes de la gran mayoría de los gestores de inversiones profesionales ofrecen una prueba
convincente de que no existen estrategias senci!las que garanticen el éxito en los mercados de
valores. El cuadro que aparece en esta página señala los peligros de intentar identificar al próximo
gestor estrella.

2.1 O Entonces, ¿son eficientes los mercados?

Una creencia muy arraigada es que los mercados eficientes pueden paralizar al inversor y hacer que
parezca que ningún esfuerzo de análisis puede estar justificado. Esta opinión extrema no está
probablemente garantizada. Existen suficientes anomalías en la evidencia empírica para justificar la
búsqueda de valores infravalorados, que claramente continúa.

La mayor parte de los indicios sugieren que cualquier estrategia de inversión supuestamente superior
debería tomarse con mucho humor. El mercado es lo suficientemente competitivo para que sólo la
información superior diferencial o los puntos de vista puedan ganar dinero; las elecciones sencillas
ya se han hecho. Al final es probable que el margen de superioridad que cualquier gestor profesional
puede añadir sea tan mínimo que la estadística no pueda detectarlo. Llegamos a la conclusión de
que los mercados son muy eficientes, pero las recompensas por diligencia, inteligencia o creatividad
continúan en lista de espera.

19
 CAPÍTULO 3. METODOLOGÍA EN LOS MODELOS MULTIFACTORIALES

En los años 70, Stephen Ross (1976) sorprendió al mundo de las finanzas con la teoría de los precios
por arbitraje (APT). Alejándose de la construcción de carteras eficientes en media-varianza, Ross
(1976) calculó la relación entre la tasa de rentabilidad esperada y la tasa que regiría los beneficios
sin riesgo por un inversor en un mercado dé capital que estuviera funcionando bien. Esto generó una
teoría de riesgo y rentabilidad parecida a la CAPM.

3.1 Oportunidades y beneficios del arbitraje

Para explicar el APT, comenzaremos con el concepto de arbitraje, que es la explotación de la sub-
valuación relativa de dos o más valores para conseguir beneficios económicos sin riesgos.

Una oportunidad de arbitraje sin riesgo surge cuando un inversionista puede construir una cartera
de inversión cero con beneficio seguro. Inversión cero significa que los inversionistas no tienen que
usar su dinero. Para construir una cartera de inversión cero, se tiene que poder vender en corto al
menos un activo y utilizar el crédito para comprar uno o más activos (ir largo). Incluso los pequeños
inversores que utilicen dinero prestado de esta forma pueden adoptar una posición larga en dicha
cartera.

Un caso evidente de oportunidad de arbitraje surge en la violación de la ley de un precio único:

cuando un activo se negocia a diferentes precios en dos mercados (y el diferencial de precio excede
los gastos de la transacción), la negociación simultánea en los dos mercados generará un beneficio
seguro (la diferencia de precio neto) sin ninguna inversión neta. Sólo se vende el activo a corto en el
mercado de precio más alto y se compra en el mercado de precio más bajo. Los resultados netos
son positivos y no hay riesgo porque las posiciones larga y corta se compensan.

En los mercados modernos, con comunicaciones electrónicas y ejecuciones instantáneas, dichas

oportunidades han pasado a ser escasas, pero no se han extinguido. La misma tecnología que
permite que el mercado absorba información nueva de forma rápida también permite a los
operadores rápidos conseguir grandes beneficios negociando volúmenes enormes en el momento
en que se abre una oportunidad de arbitraje. Esta es la esencia del programa de negociación y del
arbitraje en índices.

La propiedad crítica de una cartera de arbitraje es que un inversor, independientemente de su

aversión al riesgo o de su patrimonio, quiera adoptar una posición infinita en ella de forma que los
beneficios lleguen a un nivel infinito. Dado que esas posiciones largas fuerzan la subida y/o bajada
de algunos precios hasta que desaparece la oportunidad, podemos obtener las restricciones sobre
los precios de los valores que satisfagan la condición de que no quedan oportunidades de arbitraje
en el mercado.

La idea de que los precios del mercado de equilibrio tienen que ser racionales en el sentido en que
no generan oportunidades de arbitraje es quizá el concepto fundamental en la teoría del mercado de
capital. La violación de este principio indicaría la mayor forma de irracionalidad del mercado.

Existe una distinción importante entre el arbitraje y el riesgo del CAPM frente a los argumentos de
dominio de la rentabilidad en apoyo de las relaciones de precio de equilibrio. El argumento
dominante, como en el CAPM, sostiene que cuando se viola una relación precio-equilibrio muchos
inversores realizan cambios en las carteras. Cada inversor individual hará un cambio limitado,
aunque dependiendo de su solvencia y de su grado de aversión al riesgo. La agregación de estos

20
cambios en las carteras limitadas de muchos inversores es necesaria para crear un gran volumen
de compra y venta que restaure los precios de equilibrio.

Por el contrario, cuando existen oportunidades de arbitraje, todos los inversores quieren adoptar una
posición tan larga como sea posible; en este caso no serán necesarios muchos inversores para
conseguir la presión necesaria sobre los precios de cara a restablecer el equilibrio. Por tanto, las
implicaciones derivadas del argumento de no arbitraje son más fuertes que las implicaciones
derivadas del argumento dominante de riesgo frente a rentabilidad porque no dependen de una gran
población de inversores bien educados.

El CAPM afirma que todos los inversores tienen carteras eficientes de media-varianza. Cuando un
valor (o un grupo de valores está infravalorado, los inversores inclinarán sus carteras hacia éste, y
no hacia los valores sobrevalorados. La presión resultante en los precios procede de muchos
inversores que cambian sus carteras por una cantidad relativamente pequeña de dinero. La
suposición de que un gran número de inversores son optimizadores de la media-varianza es
fundamental; en cambio, incluso menos arbitrajistas movilizarán grandes cantidades de dinero para
beneficiarse de una oportunidad de arbitraje.

3.2 Carteras bien diversificadas y la teoría de la valoración por arbitraje

La oportunidad de arbitraje descrita se ve más empañada por el hecho de que es casi imposible
construir un análisis del escenario preciso para las acciones individuales que no cubra una situación
de infravaloración tan directa.

Utilizando el concepto de carteras bien diversificadas, la teoría de los precios por arbitraje, o APT,
impulsa a la modelización estadística a abordar el problema más sistemáticamente. Al mostrar que
las carteras infravaloradas darían lugar a oportunidades de arbitraje, el APT llega a una relación
rentabilidad esperada-beta para carteras idénticas a la del CAPM.

De esta sencilla forma, como el CAPM, el APT señala un mercado de valores de factor único. Por
tanto la tasa de rentabilidad de cada valor, R, = r¡ - r, se puede representar por:

R¡ = a¡ +{J¡Rm +E (4)

Donde alfa, a¡ y beta {1¡, se conocen y donde tratamos Rm, como el Riesgo de Mercado.

Supongamos ahora que construimos una cartera muy diversificada con una beta determinada. Si
empleamos suficientes valores para formar la cartera, la diversificación resultante eliminará de la
cartera el riesgo no sistemático. Como dicha cartera bien diversificada tiene para todos los fines
prácticos un riesgo específico de cero, podemos escribir su rentabilidad como:

(No obstante, esta cartera es arriesgada porque la prima de riesgo en el índice Rm, es aleatoria.)

3.3 Cartera bien diversificada

La Ecuación anterior indica que si la cartera beta es cero, entonces Rp = ªp· Esto implica una tasa
de rentabilidad sin riesgo: no hay riesgo específico debido a la diversificación y a que ningún factor
de riesgo es cero. Sin embargo, recuerde que R es la prima de riesgo. Por tanto, la ecuación indica
que la cartera con una beta de cero tiene una prima de rentabilidad sin riesgo de ap, es decir, una

21
rentabilidad más alta que la tasa sin riesgo por la cantidad ªP· Pero esto implica que aP tiene que ser
igual a cero o se abre una oportunidad de arbitraje inmediata. Por ejemplo, si aP es mayor que cero,
puede obtener créditos a un tipo sin riesgo y utilizarlo para comprar carteras bien diversificadas de
beta cero. Obtiene un crédito sin riesgo a un tipo r, e invierte sin riesgo a un tipo rt + ap, despejando
la diferencia sin riesgo de ªp·

En realidad, podemos ir más lejos y mostrar que alfa de cualquier cartera bien diversificada en la
última ecuación tiene que ser cero, incluso si beta no es cero. La prueba es parecida en el sencillo
caso de beta cero. Si las alfas no fueran cero podríamos combinar dos de esas carteras en una
cartera sin riesgo de beta cero con una tasa de rentabilidad no igual a la tasa sin riesgo. Pero esto,
como acabamos de ver, sería una oportunidad de arbitraje.

Para comprobar cómo funcionaría una estrategia de arbitraje, supongamos que la cartera V tiene
una beta de Pv y un alfa de ªv· Del mismo modo, supongamos que una cartera U tiene una beta de
Pu y un alfa de ªu·
Beneficiarse de cualquier oportunidad de arbitraje implica comprar y vender activos en proporciones
que creen un beneficio sin riesgo en una posición sin coste. Para eliminar el riesgo compramos la
cartera V y vendemos la cartera U en proporciones escogidas para que la combinación de la cartera
(V+U) tenga una beta de cero. Las ponderaciones de la cartera que satisfacen esta condición son:

-Pu (6)
Pv (7)
Wv = Pv -Pu Wv = Pv -Pu
Apréciese que wv más wu, suman 1 y que la beta de la combinación es, de hecho, cero:

-Pu Pv
Beta (V + U ) = Pv Pv _ Pu + Pu Pv _ Pu (8)

Por tanto, la cartera no tiene riesgo: no es sensible al factor. Pero la prima de rentabilidad de la
cartera no es cero, a menos que av y au sean iguales a cero.

-Pu Pv
R(V + U) = ªv Pv - Pu + ªu Pv - Pu ::f:. O (g)

Por tanto, a menos que av y au sean iguales a cero, la cartera de beta cero tiene cierta tasa de
rentabilidad que difiere de la tasa sin riesgo (su prima de rentabilidad es diferente de cero). Hemos
visto que esto da lugar a una oportunidad de arbitraje

Concluimos que el único valor de alfa que regula nuestras oportunidades de arbitraje es cero. Por
tanto, si alfa es igual a cero:

Rp = PpRm (10)

Tp - Tr = Pp(rM - Tr) (11)

E(rP) = r1 + Pp(E(rM) - r1 ) (12)

Por tanto, llegamos a la misma relación rentabilidad esperada-beta que del CAPM sin necesidad de
evaluar las preferencias de los inversores y/o de acceder a la cartera de mercado.

22
3.4 El APT y el CAPM

¿Por qué necesitamos tantos supuestos restrictivos para deducir CAPM cuando el APT parece llegar
a la relación rentabilidad esperada-beta con menos evaluaciones y aparentemente menos
objeciones? La respuesta es sencilla: el APT sólo se aplica a las carteras bien diversificadas. La
ausencia de arbitraje sin riesgo por sí misma no puede garantizar que, en equilibrio, la relación
rentabilidad esperada-beta se mantenga para cualquier activo o para todos ellos.

No obstante, con esfuerzo adicional podemos utilizar el APT para mostrar que la relación tiene que
mantenerse aproximadamente igual para los activos individuales. La esencia de la prueba es que si
la relación rentabilidad esperada-beta fuera violada por muchos valores individuales, sería
prácticamente imposible que las carteras bien diversificadas satisficieran la relación; de forma que
la relación casi seguro sería cierta para los valores individuales.

Decimos 'casi' porque según el APT, no hay garantías de que un activo individual esté en la LMV.
Aunque sólo algunos valores violen la LMV, su efecto podría compensarse en las carteras bien
diversificadas. En este sentido, es posible que los valores individuales violen la relación LMV. Sin
embargo, si hay muchos valores que violen la rentabilidad esperada-beta, la relación ya no se
mantendrá para carteras bien diversificadas compuestas por estos valores y estarán disponibles las
oportunidades de arbitraje.

El APT tiene muchas de las funciones del CAPM. Nos proporciona un criterio de referencia para las
tasas de rentabilidad justas que se pueden utilizar para el presupuesto de capital, la evaluación de
los valores o la evaluación del comportamiento de la inversión. Además, el APT subraya la distinción
crucial entre el riesgo no diversificable (riesgo sistemático), que requiere una retribución en la forma
de una prima de rendimiento por riesgo, y el riesgo diversificable que no la requiere.

La conclusión es que ninguna de estas teorías domina a la otra- La ATP es más general en cuanto
a que nos da la relación rentabilidad esperada-beta sin requerir ninguna de las suposiciones poco
realistas del CAPM, especialmente la confianza en la cartera de mercado. Esto último mejora las
perspectivas para probar el APT. Pero el CAPM es más general en la media en que se aplica a todos
los activos sin reservas. La buena noticia es que ambas teorías coinciden en la relación rentabilidad
esperada-beta.

Merece la pena observar que mientras que las pruebas anteriores de la relación rentabilidad
esperada-beta examinaban las tasas de rentabilidad de las carteras muy diversificadas, ahora se
encuentran más cercanas de probar el APT que el CAPM. Por tanto, parece ser que los modelos
econométricos favorecen también al APT.

3.5 Generalización multifactor del APT y del CAPM

Se ha considerado en todo momento que sólo hay un factor sistem;3tico que afecte a la rentabilidad
de las acciones. Esta suposición puede ser demasiado simplista. Es sencillo pensar en varios
factores que puedan afectar la rentabilidad de las acciones: ciclos de las empresas, fluctuaciones de
los tipos de interés, tasas de inflación, precios del petróleo, etc. Presumiblemente, la exposición a
cualquiera de esos factores de forma separada o conjunta afectará al riesgo percibido de la acción
y a la tasa de rentabilidad esperada apropiada. Podemos utilizar una versión multifactor del APT
para acomodar estas múltiples fuentes de riesgo.

23
Suponga que generalizamos a un modelo de dos factores:

Donde RM 1 y RMz son las rentabilidades de las carteras que representan los dos factores
sistemáticos. Suponemos que hay muchos valores disponibles con cualquier combinación de betas.
Esto supone que podemos formar carteras factoriales muy diversificadas, es decir, carteras que
tienen una beta de 1.0 en un factor y un beta de cero en todos los demás. Por tanto, una cartera
factor con un beta de 1.0 en el primer factor tendrá una tasa de rentabilidad de RM1; una cartera
factor con una beta de 1.0 en el segundo factor tendrá una tasa de rentabilidad de RM2; etc. Las
carteras factoriales pueden servir como carteras de referencia para la generalización multifactor de
la relación de la línea de mercado de valores.

Supongamos que las carteras de dos factores, aquí llamadas carteras 1 y 2, tienen rentabilidades
esperadas E(r1) = 10% y E(r2) = 12%. Suponga además que la tasa sin riesgo es del 4%. La prima
de rentabilidad en la cartera de primer factor es, por tanto, del 6%, mientras que la cartera de segundo
factor es del 8%.

Considere ahora una cartera bien diversificada arbitrariamente (A) con un beta en el primer factor
= =
f3A 1, 0,5, y en el segundo factor, fJAz O, 75. El APT multifactor establece que la prima de rentabilidad
de la cartera tiene que ser igual a la suma de las primas de rentabilidad requeridas como
compensación para los inversores para cada fuente de riesgo sistemático. La prima de rentabilidad
atribuible al factor de riesgo 1 es la exposición de la cartera al factor 1, {3A 1, por la prima de
rentabilidad ganada en la cartera del primer factor E(r1) - n. Por tanto, la parte de la prima de
rentabilidad de la cartera A que es la compensación por su exposición al factor de riesgo es
f3A 1(E(r1) - r1 ] = 0.5(10% - 4%) = 3%, mientras que la prima de rentabilidad atribuible al factor 2 es
-r1] = 0.75(12% - 4%) = 6%.Portanto, la prima de rentabilidad total de la cartera debería
/JA 2 [E(r2 )

ser 3 + 6 + 9%, y la rentabilidad total de la cartera debería ser del 4 + 3 + 6% = 13%.

Para generalizar este argumento, dese cuenta de que la exposición al factor de cualquier cartera P
se da con sus betas, {3p 1 y {Jp 2 • Una cartera competitiva Q puede estar formada por carteras
factoriales con las siguientes ponderaciones: {Jp 1, en la cartera de factor primero, fJPZ en la cartera
de factor segundo, y 1 - {3p 1 - fJPZ en letras del Tesoro. Por la construcción Q tendrá betas iguales
a los de la cartera P y una rentabilidad esperada de:

Utilizando nuestros números,

E(rQ) = 4 + 0.5(10 - 4) + 0.75(12 - 4) = 13% (15)

Como la cartera Q tiene exactamente la misma exposición que la cartera A a las dos fuentes de
riesgo, sus rentabilidades esperadas también tienen que ser iguales. Por tanto, la cartera A ha de
tener una rentabilidad esperada del 13%.

Sin embargo, supongamos que la rentabilidad esperada de una cartera A es 12% en lugar de 13%.
Esta rentabilidad daría lugar a una oportunidad de arbitraje. Forme una cartera de las carteras
factoriales con las mismas betas que la cartera A. Esto requiere unas ponderaciones de 0.5 en la
cartera de primer factor, O. 75 en segunda cartera y 4.25 en el activo sin riesgo. Esta cartera tiene

24
exactamente los mismos betas factoriales que los de la cartera A: una beta de 0.5 en el primer factor,
debido a su ponderación 0.5 en la cartera de primer factor y una beta de 0.75 en el segundo factor.

Invirtamos ahora $1 en la cartera Q y vendamos en corto $1 en la cartera A. Su inversión neta es

cero pero su beneficio esperado es positivo e igual a:

$1 x E(rQ) - $1 x E(rA) = $1 x 0.13 - $1 x 0.12 = $0.01 (16)

Además, su posición neta es menos arriesgada. Su exposición a cada factor de riesgo se cierra
porque tiene una posición larga de $1 en la cartera Q y una posición corta de $1 en la cartera A, y
estas dos carteras bien diversificadas tienen exactamente los mismos betas factoriales. Por tanto, si
la rentabilidad esperada de la cartera A difiere de la de la cartera Q, se pueden obtener beneficios
sin riesgo positivos en una posición de inversión neta cero. Ésta es una oportunidad de arbitraje.

Por tanto, todas las carteras bien diversificadas con betas PPiY PP2 deben tener las rentabilidades
E(rQ) si las oportunidades de arbitraje se descartan.

Para finalizar, la extensión de la LMV multifactor a los activos individuales es exactamente la misma
que para el APT de un factor. El APT generalizado tiene que estar cualificado con respecto a los
activos individuales, igual que en el caso factor único. Un CAPM multifactor se aplicaría, al coste de
las hipótesis adicionales, a todos y cada uno de los activos individuales. Tal y como hemos visto, el
resultado será una ecuación de mercado de valores (una LMV multidimensional) que es idéntica a
la multifactorial del APT.

3.6 Teoría de Precios de Arbitraje

La Teoría de Precios de Arbitraje (TPA), que fue desarrollado por Ross (1976) en los 70's tiene tres
supuestos:

1) Los mercados de capital son perfectamente competitivos.

2) Los inversionistas siempre prefieren más riqueza que menos riqueza con certeza.

3) El proceso estocástico que genera los rendimientos en los activos pueden ser expresados
como una función lineal de un conjunto de K factores de riesgo (o índices).

Este último supuesto puede representarse como sigue:

donde

R¡ = Rendimiento real en el activo i durante un periodo de tiempo

E(R¡) = Rendimiento esperado para el activo i si todos los factores de riesgo no cambian
bij = Reacción en el rendimiento del activo i a movimientos en el factor de riesgo j
ok = Conjunto de factores comunes o indices con media cero que influyen en los rendimientos
de todos los activos
E¡ = Error aleatorio con media cero y es completamente diversif icable en grandes porta/ olios

n = Número de activos

25
Se requieren determinar dos valores: oj y bij· Los términos o son los factores de riesgo múltiples que
se espera impacten en el rendimiento de todos los activos. Ejemplos de estos factores pueden ser
la inflación, el crecimiento en el PIB, cambios en las tasas de interés, tasa de desempleo, tipos de
cambio, etc.

Los términos b¡j determinan cómo reacciona cada activo al factor común j. A pesar de que todas las
acciones reaccionan a cambios en las tasas de interés, sin embargo, algunas tienen un impacto
diferente. Es importante notar que cuando se aplica la teoría, los factores pueden ser tres, cuatro o
cinco que afectan los retornos de los valores, pero no existe una indicación de cuáles son estos
factores, por lo que el primer desafío al usa este modelo es la identificación de ellos.

La Teoría de Precios de Arbitraje asume que los efectos únicos (e¡) son independientes y serán
diversificados en grandes portafolios. Específicamente, la TPA requiere que en el equilibrio, el
retorno en un portafolio con riesgo sistemático cero debe ser cero, cuando los efectos únicos son
diversificados. Esta suposición implica que el rendimiento esperado en cualquier activo, puede
expresarse como:

donde

-1 0 = retorno esperado en un activo con riesgo sistemático cero

Aj= prima de riesgo relacionada con el factor de riesgo comúnj
bij = relación de precio entre la prima de riesgo y el activo

Roll y Ross (1980) produjeron una prueba empírica de la TPA. Su metodología sigue el
procedimiento:

1) Estimar los rendimientos esperados y los coeficientes de los factores de los datos de las
series de tiempo sobre los rendimientos de los activos individuales.

2) Usar estos estimados para probar la conclusión básica de los precios que refleja el TPA.
Específicamente, ¿son los rendimientos esperados de estos activos consistentes con los
factores comunes definidos en el paso 1?

En particular, los autores probaron las siguientes relaciones de precio:

H0 : Existen constantes diferentes de cero (-1 0 ,-11 , .. , Jk) tal que para cualquier activo i:
[E(R¡) - -1 0 ] = .11 b¡ 1 + J 2 b¡ 2 + ··· + Jkbik (19)

Los coeficientes específicos b¡ fueron estimados usando la técnica estadística de análisis de

factores. Una prueba subsecuente relacionó los rendimientos con la desviación estándar de la propia
acción, que no debe afectar el retorno esperado si la TPA es válida, porque el componente no
sistemático de un valor sería eliminado por diversificación y los componentes no-diversificables
deberían ser explicados por las sensibilidades de los factores. La prueba analizó los rendimientos
contra los 5 factores más la desviación estándar del propio valor. El resultado primario mostró que
la propia desviación estándar del valor era significativa estadísticamente, que proporcionó evidencia

26
en contra del TPA. Posteriormente, ajustaron los resultados por el sesgo y encontraron que la
desviación estándar del propio valor era insignificante, que soporta el TPA.

3. 7 Extensiones de las pruebas de Roll y Ross

Cho, Elton y Gruber (1984) probaron la TPA al examinar el número de factores en el proceso de
generación de rendimientos. Examinaron diferentes conjuntos de datos para determinar cuáles usar
y llegaron a la conclusión de que se necesitan cinco factores en su procedimiento.

Dhrymes, Friend y Gultekin (1984) examinaron las técnicas usadas en estudios previos y
consideraron que estas técnicas tienen varias limitaciones. Ellos no encontraron relación entre los
factores usados en grupos de 30 acciones y para grupos de 240 acciones. Ellos no pudieron
identificar el número de factores que caracterizan el proceso de generación de rendimientos. Cuando
aplicaron el modelo a portafolios de diferentes, el número de factores cambiaron. Por ejemplo, para
15 acciones, el modelo es de 2 variables; para 30 acciones, el modelo es de 3 variables; para 45
acciones, el modelo es de cuatro variables; para 60 acciones, el modelo es de 6 variables y para 90
acciones, el modelo es de 9 variables.

Ellos mencionan que el número de factores no es tan importante; lo importante es que el modelo
explica bien el retorno esperado de las acciones comparado con otros modelos. También, debemos
esperar que el número de factores aumentaran con el tamaño de la muestra porque existirán más
relaciones potenciales, por ejemplo, efectos de la industria. La pregunta relevante es: ¿cuántos de
estos factores son significativos en un portafolio diversificado?

Dhrymes, Friend, Gultekin y Gultekin (1985) repitieron la prueba anterior para grandes grupos de
acciones. Cuando incrementaron el número de acciones en cada grupo (30, 60 y 90 acciones), tanto
el número de factores que entraron al modelo y la significancia estadística de los factores aumentó.
También el tamaño del grupo afecta la intercepción del modelo. Estos resultados no son favorables
para la relevancia empírica del TPA porque implican una extrema inestabilidad en las relaciones y
sugieren que la tasa libre de riesgo del modelo depende del tamaño del grupo y del número de
observaciones.

Connor y Korajczyk (1993) argumentan que la mayoría de las pruebas para encontrar el número de
factores de riesgo en los precios son válidos solo para modelos de factores estrictos en donde los
retornos diversificados no están correlacionados entre el conjunto de acciones en la muestra. Ellos
demostraron que entre uno y seis factores de precios existen en su muestra de rendimientos de
acciones del NYSE y de la American Stock Exchange.

Prueba del TPA. Shanken (1982) se pregunta si se puede verificar el TPA, es decir, si el retorno de
una acción se puede determinar a través de un modelo de k factores. Es decir, antes de que se
pueda probar el TPA, se deben identificar los factores relevantes que afecta a los rendimientos.

Factores multifactoriales y la estimación del riesgo. El modelo en su teoría no identifica los

factores ni el número exacto de ellos, por lo que se deben encontrar. De acuerdo a estudios, parece
que entre tres y cuatro factores estadísticamente significativos son suficientes. En primer lugar, los
factores pueden ser macroeconómicos como cambios en la inflación o en el PIB real, En segundo
lugar, pueden ser microeconómicos como el tamaño de la empresa o alguna razón financiera de la
empresa.

27
3.8 Modelos que usan factores Macroeconómicos

Un modelo en particular desarrollado por Chen, Roll y Ross ( 1986) desarrolla la hipótesis de que los
retornos de las acciones están influidos por variables económicas como sigue:

Donde

Rm = Retorno en un indice ponderado por precio de acciones listadas en el NYSE

MP = La tasa de crecimiento mensual en la producción industrial de EEUU
DEI = Cambio en la inflación, medida por el Indice de Precios al Consumidor de EEUU
Uf = Diferencia entre la inflación actual y la esperada
UPR = Cambio no - anticipado en la diferencia de crédito en bonos (Baa - RFR)
UTS = Cambio no anticipado en la estructura de términos (RFR de largo plazo - corto plazo)

La siguiente tabla muestra las sensibilidades de los factores, junto con los estadísticos t asociados
en paréntesis. Se encuentran dos características: primero, la significancia económica de los factores
de riesgo cambiaron dramáticamente en el tiempo. Por ejemplo, los factores de inflación DEI y UI
parecen relevantes en el periodo 1968-1977; segundo, los parámetros del mercado de valores nunca
son significativos.

CUADRO l. ESTIMANDO UN MODELO MULTIFACTORIAL CON FACTORES DE RIESGO MACROECONÓMICOS

Periodo Constante Rm MP DEI UI UPR UTS

1958-84 10.71 -2.4 11.76 -0.12 -0.80 8.27 -5.91

" (2.76) (-0.63) " (3-,05) (-1.60) (-2.38) " (2.97) (-1.88)

1958-67 ,,. 9.53 1.36 12.39 , 0.01 -0.21 5.20 -0.09

(1.98) " (0.28) " (1,79) (0.06) (-0.42) " (1.82) (-0.04)

1968-77 8.58 -5.27 13.47 -0.26 -1.42 12.90 -11.71

" (1.17) (-0.72) " (2.()4) {-3.24) (-3.11) " {2.96) (-2.30)
·-·------~-
1978-84 ,,. 15.45 -3.68 ... .JJ-~9 . . -0.12 -0.74 6.06 -5.93
(1.87) (-0.49) " (t~3l. (-0.46) (-0.87) " (0.78) (--0.64)

3.9 Modelos que usan factores Microeconómicos

El estudio de Fama y French (1993) es típico de este enfoque, quienes usaron esta función:

En donde, adicional al retorno en exceso del portafolio del mercado, se definen dos factores de
riesgo:

SMB(small minus big) es el retorno en un portafolio de empresas de baja capitalización menos

el retorno de un porta/olio de acciones de alta capitalización

HML (high minus low) es el retorno de un portafolio de acciones con alta razón Valor en Libros a Precio
menos el retorno de un porta/olio con baja razón Valor en libros a Precio

28
Fama y French (1993) examinaron el comportamiento de una muestra de acciones agrupadas en
quintiles de acuerdo a su múltiplo Precio-Utilidad anuales de 1963 a Diciembre de 1991. Los
resultados se muestran en el siguiente cuadro:

Cuadro 2. ESTIMANDO UN MODELO MULTIFACTORIAL CON FACTORES DE RIESGO MICROECONÓMICOS

Portafolio Constante Mercado SMB HML R Cuadrada

1) Modelo con un solo factor

P/U más bajo ,. 0.46 ,. 0.94 0.78

(3.69) (34.73)

P/U más alto -0.2 ,. 1.10 0.91

(-2.35) (57.42)

2) Modelo multifactorial

P/U más bajo 0.08 ,. 1.03 ,, 0.24 ,. 0.67 0.91

(1..01) (51.56) (8.34) (19.62)

P/U más alto ,, 0.04 0.99 -0.01 -O.SO 0.96

r
(0.70) (66.78) (-0.55) (-19.73)

Los resultados del modelo de un factor y multifactorial para los quintiles extremos se muestran, al
igual que sus estadísticos t en paréntesis. Existen varias características importantes:

1. Mientras que la beta del modelo de un factor indica que hay diferencias sustanciales entre
las acciones con múltiplos Precio-Utilidad bajos y altos (0.94 contra 1.1 O), esta diferencia se
reduce en el modelo multifactorial (1.03 contra 0.99).

2. Parece que las acciones con razón Precio-Utilidad bajo tienden a estar correlacionada
positivamente con las empresas pequeñas, pero lo opuesto no es cierto para acciones con
razones Precio-Utilidad altos.

3. Las acciones con múltiplos Precio-Utilidad bajos también tienden a tener razones Valor en
Libros a Valor de Mercado altos, mientras las acciones con múltiplos Precio-Utilidad altos
tienden a tener razones Valor en Libros a Valor de Mercado bajos.

La empresa de pronóstico de riesgos y consultora de inversiones BARRA proporciona un ejemplo

de los factores microeconómicos para crear un modelo multifactorial. En su modelo más completo,
BARRA incluye 13 variables y más de 50 índices de industrias. Estas 13 características son:

1. Volatilidad (VOL). Considera la variabilidad en los retornos de corto y largo plazo.

2. Momentum (MOM). Diferencia entre acciones con retorno en exceso positivo y negativo en
el pasado reciente.

29
 3. Tamaño (TAM}. Basado en la capitalización de mercado relativa.

4. Relación no-lineal (SNL}. Calcula las desviaciones de la linealidad entre los retornos y el
tamaño de la empresa.

5. Bursatilidad (TRA}. Mide la bursatilidad relativa en una acción, basado en que las empresas
con mayor bursatilidad tienen más interés por parte de los inversionistas.

6. Crecimiento (GRO}. Usa el crecimiento y el retorno histórico para predecir crecimientos

futuros.

7. Rendimiento de las utilidades (EYL}. Combina las razones Utilidad a Precio actual e
histórica con pronósticos de los analistas, con la suposición de empresas con rendimiento
de las utilidades similares, producen retornos similares.

8. Valor (VAL}. Basado en la razón relativa Valor en Libros a Precios de mercado.

9. Variabilidad de las Utilidades (EVR}. Mide la variabilidad de las utilidades y de los flujos
de caja usando valores históricos y pronósticos de los analistas.

10. Apalancamiento (LEV). Mide el apalancamiento relativo de una empresa.

11. Sensibilidad a los Tipos de Cambio (CUR}. Basada en la sensibilidad relativa del retorno
de una acción contra los movimientos de una canasta de monedas extranjeras.

12. Retorno de los Dividendos (YLD}. Calcula una medida del retorno de los dividendos
pronosticados usando los dividendos pasados de la empresa y los precios históricos de la
acción.

13. Indicador de no-estimación (NEU). Usa el retorno de las empresas fuera del universo de
las acciones para considerar las dimensiones del riesgo no capturado por los otros factores
de riesgo.

Connor (1995) ha analizado del modelo BARRA para explicar los retornos de una muestra de
acciones de EEUU en el periodo de 1985 a 1993. Encontró que el modelo BARRA podía explicar
más variabilidad en los retornos que cualquier otro modelo con los que se comparó, en parte por el
gran número de factores que emplea.

3.1 O Estimando los factores de riesgo en un modelo multifactorial

Una forma directa de emplear un modelo con riesgos multifactoriales es usarlo para estimar el retorno
esperado para una acción individual. Se deben realizar los siguientes pasos: 1) se identifican un
conjunto específico de k factores de riesgo, 2) la prima de riesgo (Fi) de los factores deben estimarse,
3) las sensibilidades (bii) para las i-ésima acción para cada uno de los k factores deben estimarse, y
4) el retorno esperado puede calcularse al combinar los resultados de los previos pasos en la forma
apropiada.

Para el ejemplo, usaremos el modelo de Fama y French (1993). Este resuelve el primer paso, al
designar los tres factores de riesgo siguientes: el retorno en exceso del portafolio de mercado (Rm),

30
la diferencia en el rendimiento entre una empresa pequeña y una grande en términos de su
capitalización (SMB) y la diferencia en el retorno de una empresa con una razón alta y una baja en
términos de Valor en Libros a Precio de Mercado. El segundo paso calcula los factores de riesgo
usando datos históricos, sin embargo, estos factores pueden cambiar dependiendo del periodo de
tiempo que se considere. Por último, se calculan las sensibilidades de los factores de riesgo y se
calcula el rendimiento esperado de las acciones.

El rendimiento esperado en exceso a la tasa libre de riesgo para cualquier acción puede calcularse
con la ecuación:

31
 CAPÍTULO 4. METODOLOGÍA

4.1 Creación de la Base de Datos

El objetivo de este capítulo es crear la base de datos, definir las variables que se van a considerar
en la tesis y eliminar aquellas que no son necesario incluir en las ecuaciones de regresión.

El procedimiento para crear la base de datos fue el siguiente:

1. Para todas las empresas que cotizan en la Bolsa Mexicana de Valores que existen al cuarto
trimestre de 2013, obtuve la información trimestral de Economática, desde el primer trimestre
de 2006 hasta el cuarto trimestre del 2013 de las siguientes variables:

a) Precio de las acciones

b) Múltiplo Precio/Utilidad
c) Múltiplo PrecioNalor en Libros
d) Apalancamiento (Deuda Total/Activos Totales)
e) Capitalización de Mercado (Precio x Número de Acciones en Circulación)
f) Utilidades Netas
g) Tasa de Cetes a 28 días
h) Índice Nacional de Precios al Consumidor
i) Tipo de Cambio FIX (pesos/dólar)
j) Producto Interno Bruto

La información fue trimestral, porque las empresas que cotizan en la Bolsa Mexicana de Valores,
tienen la obligación de reportar sus estados financieros con esa periodicidad. El periodo de tiempo
seleccionado comprende información antes de la crisis del 2008 al 2009, durante la crisis y después
de la crisis. En total, se contó con información de 32 trimestres.

2. Posteriormente se eliminaron de la base de datos a las empresas que están en el sector

financiero y al asegurador, ya que estas empresas se analizan diferente a las empresas
industriales.

3. Igualmente se eliminaron a aquellas empresas que dejaron de cotizar en ese lapso de

tiempo, o aquellas que iniciaron a cotizar durante ese lapso. Esto lo hice con el objetivo de
no tener huecos en la información y solamente tener aquellas empresas que contaran con
datos en toda la base de datos. En total, se contó con información de 75 empresas. En el
Anexo 1 se muestra la lista de empresas que se consideró en la base de datos definitiva.

4. Posteriormente, para la variable dependiente y para todas las variables independientes, se

calculó el cambio entre un periodo y el anterior, ya que esas serán los datos usados en la
base de datos definitiva.

4.2 Definición de las Variables

Para el caso de las variables: Precio de las acciones, Múltiplo Precio/Utilidad, Múltiplo PrecioNalor
en Libros, Apalancamiento, Capitalización de Mercado y Utilidades Netas, se calculó el cambio
continuo entre un periodo y el anterior. Las variables Múltiplo Precio/Utilidad y Múltiplo PrecioNalor
en Libros se cambiaron por las variables Múltiplo Utilidad/Precio y Múltiplo Valor en Libros/Precio, ya

32
que muchas investigaciones las mencionan de esa forma; esta modificación no impacta el resultado.
Para calcular el rendimiento continuo, se calcula el logaritmo natural de la división de las cantidades
usadas; en caso de que se presente una división entre cero o que no se pueda calcular el logaritmo,
se coloca un cero como resultado.

Para el caso de la variable Tasa de Cetes a 28 días, ésta ya representa un rendimiento anual, por lo
que se dividió entre 4 para hacerla trimestral y además se le restó la inflación trimestral, para hacerla
una tasa real. Para la variable Índice Nacional de Precios al Consumidor, se calculó la Inflación
trimestral, dividiendo el Índice entre el anterior. En la variable Tipo de Cambio FIX, se calculó el
cambio trimestral, dividiendo el tipo de cambio de un periodo entre el anterior, además se le agregó
la tasa de los Treasury Bills a 90 días y se le restó la inflación trimestral mexicana.

5. Realizados todos estos cálculos descritos anteriormente, se generó la base de datos

definitiva que resultó con una variable dependiente y nueve variables independientes:

a) Variación Trimestral en el Precio de las acciones (Variable Dependiente)

b) Variación Trimestral en el Múltiplo Utilidad/Precio
c) Variación Trimestral en el Múltiplo Valor en Libros/Precio
d) Variación Trimestral en el Apalancamiento (Deuda Total/Activos Totales)
e) Variación Trimestral en la Capitalización de Mercado (Precio x Número de Acciones en
Circulación)
f) Variación Trimestral en las Utilidades Netas
g) Variación Trimestral en la Tasa Real de Cetes a 28 días
h) Variación Trimestral en el Índice Nacional de Precios al Consumidor (Inflación)
i) Variación Trimestral en el Tipo de Cambio FIX (pesos/dólar)
j) Variación Trimestral en el Producto Interno Bruto

Es importante enfatizar que las variables incluidas en la Base de Datos Definitiva son las Variaciones
Trimestrales y no los valores absolutos.

La Base de Datos Definitiva cuenta con 10 columnas (variables) y 2,325 renglones (75 compañías
por 31 periodos). Como se había mencionado, se usaron 32 trimestres de información, pero al
calcular variaciones trimestrales, se pierde un dato.

En el Anexo 2 se presenta una muestra de la Base de Datos Definitiva para todas las empresas
consideradas y las Variaciones en las variables dependiente e independientes entre el segundo y
primer trimestres de 2006. Como puede observarse, las 4 últimas columnas son iguales, porque en
ese trimestre las variables consideradas (macroeconómicas) son iguales; en el siguiente bloque de
75 compañías, las variables macroeconómicas son nuevamente iguales entre sí.

El principal objetivo de la tesis fue determinar los coeficientes de la regresión múltiple usando las
variables mencionadas, para los años de 2006 a 2013, pero también determinar esos coeficientes
para el periodo antes de la crisis reciente de los mercados internacionales (2006 y 2007), durante la
crisis (2008 a 2009) y después de la crisis (201 O a 2013). Con la base de datos creada, se corrieron
cuatro regresiones con el paquete STATA, con los datos de 2006 a 20013, con los datos de 2006 a
2007 (antes de la crisis), con los datos de 2008 a 2009 (durante la crisis) y con los datos de 2010 a
2013 (después de la crisis).

33
Se obtuvieron los coeficientes que se presentan a continuación, así como el valor de t con un nivel
de significancia del 5%, para determinar si los coeficientes son di-ferentes o iguales de cero, y así
saber si las variables correspondientes se deben mantener o no en la regresión. Los coeficientes
muestran en el signo cómo es el movimiento y en el tamaño la magnitud de los coeficientes.

Periodo Constante
..
, ...... UP Capltallzadón Utilidades Tasa Cetes lnfladón Dólar PIB

2006-2013 -0.0011
(-0.23)
-0.0122
(-5.16)
-0.0415
(-5.77)
. 0.0035
(1.23)
0.8593
(97.23)
. 0.0030
(2.38)
. 0.2008
(0.57)
0.1719
.. (0.48)
-0.1278
(-5.44)
. 0.0479
(1.19)

2006-2007
. 0.3459
(3.45)
-0.0202,
(-3.50)
-0.1200
(-4.30)
. 0.0065
(1,42)
,. 0.7462
(26.57)
. 0.0060
(2.01)
-17.41
(-3.45)
-17.66
(-3.59)
-0.2667
(-2.73)
-0.5025
(-1.33)

2008-2009
(Crisis)
-0.0302
(-0.06)
-0.0092
(-1.59)
-0.0161
(-0.80)
,. 0.0001
(0.03)
..... ,. 0.8802
(38.18)
. 0.0036
(0.94)
-2.9905 1.1951
(-0.26) ,. (0.04)
-0.1990
(-0.12)
-0.6139
(-0.12)

2010-2013
. 0.0119
(0.4~)
-0.0086
(-3,29)
-0.0364
. (-5.33)
. 0.0021
(0.43)
,.
..
0.8787
(85.67)
. 0.0028
(1.74)
-1.5456
(-0.48)
-1.4077
(-0.44)
-0.1053
(-3.40)
. 0.1118
(0.64)

a) Periodo completo (2006 a 2013). Con 2321 observaciones y 9 variables independientes,

tenemos 2311 grados de libertad, y si usamos un nivel de significancia del 5%, entonces si
el valor absoluto de la t-student está por debajo de 1.96, podemos decir que el coeficiente
puede considerarse igual a cero. Por lo anterior, podemos decir que la Constante, el
Apalancamiento, la Tasa de Cetes, la Inflación y el PIB pueden ser eliminadas de la
regresión.

b) Periodo 2006-2007. Las variables Apalancamiento y el PIB pueden salir de la regresión.

c) Periodo 2008-2009. Todas las variables, excepto la Capitalización, pueden salir de la

regresión. Esta conclusión resulta lógica, ya que épocas de crisis, las variables económicas
se ven afectadas fuertemente y este modelo no funciona para predecir los rendimientos de
las acciones.

d) Periodo 2010-2013. La Constante, el Apalancamiento, las Utilidades, la Tasa de Cetes, la

Inflación y el PIB pueden salir de la regresión.

Como se pudo observar, dependiendo del periodo que se analice, algunas variables serán
importantes y algunas otras tendrían que salir de la regresión. Tomando en cuenta todas las épocas,
se puede decir que las variables a salir definitivamente son el Apalancamiento y el PIB.

Periodo Completo. A continuación, se realizó la prueba F, que nos sirve para probar la hipótesis de
que todos los coeficientes son iguales a cero, y la rechazamos porque el valor p es prácticamente
cero.

34
 Cuadro 4. COMPLETO (2006 • 2013)
Fuente SS df MS
Modelo ...
91.63· · · · · - - ,-··· 9 10.18
1-•w,•"""""· ••••
·····-
Residuos 9.13 2311 0.003
Total 100.76 2320 0.043
~--·--· , ....
Número de Observaciones 2321
~"º'--" -·····-- •--
F ( 9, 2311) ··-··-
2576.95
Prob > F o
R - cuadrada 0.9094
R - cuadrada_ ajustada 0.9090
Raiz MSE 0.0628

El análisis de la Varianza muestra que el Error al Cuadrado Promedio debido al Modelo es de 10.18,
en cambio, el Error al Cuadrado Promedio debido a los Errores es de 0.003. Igualmente el Error al
Cuadrado Promedio Total es de 0.043.

El coeficiente de correlación es de 0.9536, lo que implica que los valores actuales se encentran muy
cerca de los pronosticados. El Coeficiente de Determinación, que mide el porcentaje de variabilidad
de la variable dependiente, que puede explicarse a través de la variabilidad de las variables
dependientes, es muy alto en este caso (0.9094). El Coeficiente de correlación ajustado, que toma
en cuenta los grados de libertad, se encuentra igualmente muy alto. Por último el error estándar de
la estimación, que calcula la suma de los errores entre los datos actuales y la regresión, dividido
entre los grados de libertad, resulta de 0.0628, que también es muy bajo.

Por último, para medir la Multicolinealidad de las variables, esto es, para ver si las variables
independientes son linealmente dependientes, se calculó la Matriz de Correlaciones. Como puede
observarse, el coeficiente de correlación más grande en la matriz corresponde a la relación entre el
Rendimiento y la Capitalización (0.9517), lo que es muy lógico, ya que estamos hablando de
prácticamente la misma variable, por lo que decidí eliminar la variable Capitalización en los siguientes
cálculos y así eliminar esta Multicolinealidad. También en la matriz se muestra cómo se mueven las
variables entre sí. El Rendimiento y la Capitalización se mueven prácticamente igual en forma
positiva. La Inflación y la Tasa de Cetes se mueven en forma opuesta.

Cuadro 5. MATRIZ DE CORRELACIONES COMPLETO (2006 A 2013)

Rendimiento UP VLP Apalancamiento Capitalización Utilidades Celes Inflación Dólar PIB

Rendimiento
UP -0.2904 1
VlP -0.6946 0.2256 1
Apalanca miento ·0.0061 -0.0060 -0.0298
Capitaliza~ión 0.9517 -0.2739, -0.7012 -.0,0168_
Utilidades 0.0604 0.2217 -0.0120 0.0003 0.0647
Cetes -0.0132 -0.0005 0.0145 0.0327 -0.0126 0.2188
Inflación -0.0299 0.0055 0.0229 -0.0134 ·0.0307 -0.2259 -0.9129 1
Dólar -0.2999 0.0674 0.2167 0.0211 -0.2824 0.1938 0.2011 -0.1035
PIB 0.0006 0.0236 0.0273 0.0143 -0.0077 0.0568 0.0567 -0.0561 -0.0274

Periodo Antes de la Crisis. En este periodo, sólo tengo 749 observaciones. Se presenta el Análisis
de la Varianza, en donde se verifica que los errores son más bajos que con el Periodo Completo. Se
realizó la Prueba F con todas las variables, para probar la hipótesis de que todos los coeficientes
son igual a cero, pero se rechazó, ya que el valor de p es prácticamente cero. Los Coeficientes de
Determinación normal y Ajustado siguen siendo altos, lo que implica que la variabilidad de las
variables independientes, explican un porcentaje alto de la variabilidad de la variable dependiente.

35
 Cuadro 6. COMPLETO ANTES DE CRISIS 2006 - 2007
Fuente SS df MS
Modelo 28.53 9 3.17
Residuos 4.16 739 0.005
748 0.044

Número de Observaciones 749

F (9,739) 563.85
Prob > F o
R - cuadrada 0.8729
R - cuadrada ajustada 0.8713
Raiz MSE 0.0749

Se presenta la Matriz de Correlación con todas las variables independientes, para el periodo antes
de la crisis financiera. Se observa que la Tasa de Cetes y la Inflación presentan un Coeficiente de
Correlación muy alto (0.993), por lo que podemos pensar en eliminar alguna de las dos variables, ya
que se mueven casi perfectamente en ese periodo.

Cuadro 7. MATRIZ DE CORRELACIONES COMPLETO ANru DE CRISIS (2006 A 2007 l

'
Rendimiento UP VLP Apalancamiento · _Capitalización Utilidades Celes Inflación Dólar PIB
Rendimiento
UP ·0.3144 1
VlP -0.853] 0.3314
Apala_ncamientc;- 0.068T -0.0295 -0.0687 l.
CapiJ~lización .. 0.9279 -0.2836 -0.8849 0:0538
Utilidades 0.0435 0.2913 0.0193 0.0091 0.0529
Celes 0.0617__ 0.0065 -0.0383 0p866 0.0491 0.2353
Inflación -0.1040, 0.0071 0.0743 -0.0820 -0.0889 -0.2213 -0.9939
Dólar -0.2650 0.1288 0.2624 0.0260 -0.2360 0.0651 0.2124 -0.1854
PIB 0.2635 -0.0878; -0.2012 -0.0043 0.2543 0.2327 0.0197 -0.0941 -0.1962

Durante la Crisis. En este periodo de turbulencia financiera solamente se cuenta con 375
observaciones y el criterio para seleccionar estos datos es que en este periodo se presentó una
caída trimestral en el Producto Interno Bruto del País.

El Análisis de la Varianza muestra que los Errores debido al Modelo y a los Residuos siguen siendo
bajos. La hipótesis de que todos los coeficientes son cero se sigue rechazando y los valores de los
Coeficientes de Determinación normal y Ajustado se mantienen altos, lo que implica que los valores
pronosticados por el modelo son bastante cercanos a los actuales.

Cuadro 8. COMPLETO DURANTE CRISIS (2008 - 2009)

Fuente SS df MS
Modelo 32.09 .
9 3.566
Residuos 1.59 365 0.004
Total 33.68 374 0.090

Número de Observaciones 375

F (9,365) 814.94
Prob > F o
R - cuadrada 0.9526
R - cuadrada ajustada 0.9514
Raíz MSE 0.0661

36
La Matriz de Correlación muestra la forma en que se mueven las variables en este periodo.
Nuevamente el Rendimiento y la Capitalización se mueven prácticamente iguales. También la
Inflación y las Tasas de Cetes se mueven simultáneamente, aunqLJe en sentido contrario.

Cuadro 9. MATRIZ DE CORRELACIONES COMPLETO DURANTE CRISIS 12008 A 20091

···-····
Rendimiento UP VLP , Apalanc~_!"!."".J~~Capitalización Utilidades Cetes lnílación Dólar PIB
_R_~-:1.~_i .~\ !".'.~~ 1
UP -0.4520 1
VlP -0.8215 0.3147
Apalanca miento -0.0851 0.0446 0,0132_
Capitalizació.n .. 0.9754 -0.4528 -0.8385 -0.0881
··-·····-·-·- ··----····.
utilidades 0.1750 0.1525 -0.1720 -0.0207: 0.1658 1
Celes 0.3048 -0.0717 -0.2442 -0,0274 0.2994 -0.1022
lnílación -0.4573 0.1279 0.3642 0.0458! -0.4491 -0.0339 -0.9114 1
Dó.lar -0.4720 0.1376 0.3806 _0.0214 -0.4633 -0.0493 -0.7484 0.9322
PIB -0.2850 0.0677 0.2224 .. 0.0568' _ -0.2804 0.0281 -0.9426 0.8279 0.5734

Después de la Crisis. En este periodo existen 1197 observaciones. Igualmente se presenta el

Análisis de la Varianza y nuevamente se presentan errores pequeños. Los Coeficientes de
Determinación normal y Ajustado también son muy altos.

Cuadro 10. COMPLETO DESPUES CRISIS (2010 - 2013)

Fuente SS df MS
Modelo 30.99 9 . . . ,,__,_.,,~
3.44~•v•=-•

Residuos 3.14 1187 0.002

Total 34.13 1196 0.029

Número de Observaciones 1197

F ( 9, 1187) 1299.44
Prob > F o
R - cuadrada 0.9079
R - cuadrada ajustada 0.9072
.RaizMSE
·-·-· .~----- 0.0514

La Matriz de Correlaciones muestra cómo se mueven las variablus en este periodo. Sobresale el
movimiento negativo entre la Inflación y la Tasa de Cetes. También destaca el movimiento entre el
Rendimiento y la Capitalización.

Cuadro 11. MATRIZ DE CORRELACIONES COMPLETO DESPUts DE CRISIS 12010 A 20131

Rendimiento UP VLP Apalancamiento Capitalización Utilidades Celes Inflación Dólar PIB

Rendimiento
UP -0.1774
VLP -0.5330 0.1337.
Apalancamiento -0.0540 -0.0087 -0.0219, 1
Capitalización .0.9504, ·0.1567 -0.5157 -0.0643
Utilidades -0.0026 0.2138 0.0423 .. "º'ºº3.6 - ... 0.0055 1
Celes -0.1767 0.0251 0.0873 -0.0200 ·0.1654 0.2802 1
Inflación 0.1790 -0.0229 -0.0005 0.0214 0.1677 -0.2907 -0.9963
Dólar -0.2001 0.0234 0.1283 0.0275 -0.1754 0.4159 0.4933 -0.5015
PIB -0.0024 0.0331 0.0029 0.0.1.98 -0.0005 0.0710 0.2867 -0.2166 0.1150

Dado que la variable Capitalización muestra una correlación muy alta con el Rendimiento en todos
los periodos de tiempo analizados, decidí eliminarla de la base de datos para reducir la
Multicolinealidad. Posteriormente recalculé los coeficientes de la regresión múltiple y analicé la
varianza. A estas bases de datos les llamé Modelo Sin Capitalización.

37
Se recalcularon los coeficientes de regresión para la base de datos, pero ahora sin la Capitalización
para el periodo completo de 2006 al 2013 y después dividido para antes, durante y después de la
crisis.

Periodo Completo Sin Capitalización. Nuevamente, el valor crítico para la variable t-student será
1.96 para determinar si se elimina o no la variable de la ecuación de regresión. Dado este criterio,
las variables a sacar son la Constante, el Apalancamiento, la Tasa de Cetes, la Inflación y el PIB.

Cuadro 12. MODELO MULTIFACTORIAL SIN CAPITALIZACION (2006 a 2013)

Periodo Constante UP VLP Apalanc¡¡_n,iento Utilidades Tasa Cetes lnHación Dólar PIB

2006-2013
. 0.0197
{l.75)
-0.0584
(-11.16)
-0.5048
(-41.35)
:0.0_101
(-1.5~)
,. 0.0231
(8.08)
,. 0.0022
(0.00)
-0.1202
(-0.15)
-0.6037
(-11.65) ,.
0.0610
(0.67)

2006-2007
. 0.6739
(4.84)
-0.0247
(-3.06)
-0.7527
(-37.04)
. 0.0059
(0,91) ..
, 0.0180
(4.34)
-34.49
(-4.93)
-34.40
(-5.04)
-0.2312
(-1.69)
-0.4641
(-0.88)

2008-2009
(Crisis)
-1.33
(-1.24)
-0.0893
(-7.40)
-0.6202
(-21.98)
-º.0]18 ... 0.0053 -53.5 ,. 75.89 -5.3619 -17.34
.. (-2.Q7) (0.62) (-2.12) (1.16) (-1.41) (-1.50)

2010-2013 ,. .. 0.0_188 -0.03ª6 .. -0.3266 _-0.0359_ .,. 0.0210 -3.78 -1.95 -0.3837
. 0.5305
(0.25) (-5.52) (-20,56) (-_2J.~t (4.80) (-0.44) (-0.23) (-4.65) (1.13)
'

En este periodo continuamos con 2321 observaciones. El Análisis de la Varianza muestra que los
errores debidos al Modelo y a los Residuos siguen siendo bajos. La hipótesis de que todos los
coeficientes son iguales a cero se rechaza. Sin embargo, en este caso el Coeficiente de
Determinación normal y el Ajustado se reduce a 0.53, lo que implica que las variaciones en los
Rendimientos son explicados en un 53% por las variaciones en las variables independientes, lo que
resulta bajo.

Cuadro 13. SIN CAPITALIZACION (2006 - 2013)

Fuente SS df MS
Modelo 54.28
.. """""" ,.... 8 6.785
Residuos 46.48 2312 0.0201
Total 100.76 2320 0.0434

Número de Observaciones 2321

F ( 9, 2311) 337.45
Prob > F o
R - cuadrada
R - cuadrada ajustada
Raíz MSE

La Matriz de Correlaciones es similar a la matriz cuando el modelo está completo, sin embargo, en
la siguiente matriz no se presenta el renglón y la columna de la Capitalización. Continúa siendo alta
la correlación entre la Inflación y la Tasa de Cetes, pero con un signo negativo.

38
 [ Re11d)ini ento _ _ UP _Utilidades Cetes Inflación Dólar PIB
Rendimiento _1
UP :0,2~0~: ---- -- _ 1~
VLP -0.6946' 0.2256 1_
Apalancamiento -0.0061' -0.0060 -0,()298[ 1
Utilidades 0.0604' 0.2217' -0.0120 0.0003 1
Cetes -0.0132 -o_.0005: 0.0145: 0.0327 0.2188 1
Inflación :0.0299 o_.0055 0.()229 -0.0134 -0.2259 -0.9129 1
Dólar -0.2999 0.0674' 0.2167 0.0211 0.1938 0.2011 -0.1035 1
PIB 0.0006 0.0236 0.0273 0.0143 0.0568 0.0567 -0.0561 -0.0274-

Antes de la Crisis sin Capitalización. El número de observaciones es de 749. Los errores debido
al Modelo y a los Residuos siguen bajos_ El coeficiente de Determinación normal y el Ajustado
aumenta 0.75.

Cuadro 15. ANTES DE CRISIS SIN CAPITAIZACION (2006 - 2007)

Fuente SS df MS
Modelo
,·------~--=---~~-----., 24.57 8 3.071
---- º''"'··---- ------·····•"''
Residuos 8.12 740 0.011
Total 32.69 748 0.044

Número de Observaciones 749

F (8,740) 279.72
Prob > F o
R - cuadrada 0.7515
R - cuadrada aju_stada 0.7488
Raiz MSE 0.1048

La Matriz de Correlaciones nuevamente presenta un coeficiente muy alto (0.9939) entre la Inflación
y la Tasa de Cetes.

Cuadro 16. MATRIZ DE CORRELACIONES ANTES DE CRISIS SIN CAPITALIZACION 12006 A 20071

Ren_di_ mi_e11t_o __ UP VLP Apªlancaini,ento Utilidades Cetes Inflación Dólar PIB

Rendimiento 1
UP -0.3144: 1
VLP -0.8537 0.3314 1
Apalancamiento 0,0687 -0.0295 :0,0687' 1
Utilidades 0.0435 o.2_~1.r 0,0!93; 0,0091 1
Cetes 0.061T 0.0065 -0.0383 0.0866 0.2353 1
Inflación -0.1040 0.0071 0.0743 -0.0820 -0.2213 -0.9939 1
Dólar -0.2650 0.1288 0.2624 0.0260 0.0651 0.2124 -0.1854
PIB 0.2635 -0.0878; -0.2012 -0.0043 0.2327 0.0197 -0.0941 -0.1962 1

Durante la Crisis sin Capitalización. Se presentan 375 observaciones. Los Coeficientes de

Determinación normal y el Ajustado son altos.

39
 Cuadro 17. DURANTE CRISIS SIN CAPITALIZACION (2008 - 2009)
Fuente SS df MS
Modelo-·-- ·- ··-· 32.09·····---·······---· . ···--····· 9 3.566
Residuos 1.59 365 0.004
Total 33.68 374 0.090

Número de Observaciones
-· - -
F ( 8, 366J
Prob > F
R - cuadrada 0.7633
R- cuad~ada_ajustada 0.7581
Raíz MSE 0.1476

La Matriz de Correlaciones presenta las relaciones entre el Rendimiento y el resto de las variables.
Sigue alta la correlación entre la Inflación y la Tasa de Cetes.

Cuadro 18. MATRIZ DE CORRELACIONES DURANlE CRISIS SIN CAPITALIZACION (2008 A 2009)

Rendimiento UP VLP Apalancamiento Utilidades Cetes Inflación Dólar PIB

Rendimiento 1
UP -0.4520 1
VLP -0.8215 0.3147
Apalancamiento -0.0851 0.0446 0.0132 1
Utilidades 0.1750 0.1525 -0.1720 -0.0207 1
Cetes 0.3048 -0.0717 -0.2442 -0.0274 -0.1022
Inflación -0.4573 0.1279 0.3642 0.0458 -0.0339 -0.9114
Dólar -0.4720 0.1376 0}80~ ... 9,0214 -0.0493 -0.7484 0.9322 1
PIB -0.2850 0.0677 .. 0.2224_, _o_._0568 0.0281 -0.9426 0.8279 ... 0.5734 1

Después de la Crisis Sin Capitalización. Se presentan 1197 observaciones. En este caso, los
Coeficientes de Determinación normal y Ajustado bajan mucho (0.33), lo que implica que las
variaciones en la variable dependiente son explicadas en un 33% por los cambios en las variables
independientes. También se presenta la Matriz de Correlación con todas las variables, excepto la
Capitalización.

Cuadro 19. DESPUES CRISIS SIN CAPITALIZACION (2010 - 2013)

Fuente SS df MS
Modelo 11.54 8 1.4425
Residuos 22.59 1188 0.0190
Total 34.13 1196 0.0285

Número de Observaciones 1197

F ( 8, 1188) 75.85
Prob > F o
R - cuadrada 0.3381
R - cuad_rada ajustada 0.3336
Raíz MSE 0.1379

40
 . Re'!dimiento UP Utilidades Cetl!S . Inflación Dólar PIS
Rendimiento 1
UP -0.1774 _____1_...
VLP -0.5330 0.1337 1
Apalancamiento -0.0540 -0.0087 , -0.0219 1
Utilidades -0.0026 0.2138 0.0423' -0.0036 1
Cetes -0.1767 0.0251 0.0873 _:0.0200 0.2802 1
Inflación 0.1790 -0.0229 -.0 ..9.905. o_,0214 -0.2907. -0.9963 1
Dólar -0.2001 0.0234 0.1283 0.0275 0.4159 0.4933 -0.5015 1
PIB -0.0024 0.0331 0.0029 0.0198 0.0710 0.2867 -0.2166 0.1150 1

Para evitar la Multicolinealidad, elimino la variable Inflación, porque tiene un coeficiente de

correlación muy alto con la variable Tasa de Cetes, aunque en sentido opuesto. Por esta razón, los
siguientes cuadros mencionan esta situación.

Periodo Completo sin Capitalización y sin Inflación. Los coeficientes que se consideran igual a
cero son el Apalancamiento, la Tasa de Cetes y el PIB, y por lo tanto, esas variables podrían salir de
la regresión.

Cuadro 21. MODELO MULTIFACTORIAL SIN CAPITALIZACION SIN INFLACION 12006 a 20131
····--·-·····- f-,·
Periodo Constante UP VLP ........ #\¡,_alancamiento Utilidades Tasa Cetes Dólar PIB
. ,.
2006-2013 , 0.0181 -0.0584 -0.5049
· · - >--·-
-0.0101 , o.0;131 ,. 0.1095 -0.6053 ,. 0.0610
(4.89) (-11.16) (-41A0)_ (:1.56) (8.13) (0.34) (-11.92) (0.67)
···•··
2006-2007 -0.0242
(-1.76)
-0.019
(-2.34)
-0.7804
(-39.25)
.•...... ,. 0.0036
(O.SS)
, 0.0097
(2.51)
,, 0.6751
(1.25)
-0.2765
(-1.99)
1.422
(-3.78)
...... ... ,
2008-2009 -0.0823 -0.0917 -0.622 -0.0305 , 0.0108 -25.72 -0.9718 -4.03
(Crisis) (-2.62) (-7.71) (-22.06) (-1.99) (1.50) (-3.21) (-5.62) (-3.30)

2010-2013 ,, 0.0018
(0.19)
-0.0387 -0.3267 -0.0359 ,. 0.0212 -1.83
(-4.03)
-0.3813 0.4407
(-4.66) .,. (1.77)
(:5.54) (-20,5-7)_ -··- ···(-2.75) (4.94)

El número de observaciones para este caso es de 2321. Los Coeficientes de Determinación normal
y Ajustado se reduce a 0.53, que es un número bajo. La hipótesis de que todos los coeficientes sean
cero se rechaza, porque el valor de p es prácticamente cero.

Cuadro 22. SIN CAPITALIZACION SIN INFLACION (2006 - 2013)

Fuente SS df MS
Modelo 54.28 .. ·---· - ·1,0• 7 7.7543
Residuos 46.48 2313 0.0201
Total 100.76 2320 0.0434

Número de Observaciones 2321

F ( 7, 2313)
Prob > F o
R - cuadrada 0.5387
R - cuadrada ajustada 0.5373
Raíz MSE 0.1418

41
 Cuadro 23. MATRIZ DE CORRELACIONES SIN CAPITALIZACION SIN INFLACION 2006 A 2013

Rendimiento VLP .... _ _\ Apalan~~mie~l~ Utilidades Cetes Dólar PIB

Rendimiento 1
UP -0.2904 1
VLP -0.6946 0.2256 li
.. ·················¡·
Apalancamiento -0.0061 -0.0060 -0.02981.. 1
Utilidades 0.0604 0.2217 -0.0120¡ 0.0003· 1
Cetes -0.0132 -0.0Q05i 0.0145: 0.0327; 0.2188 1
Dólar -0.2999 0.0674 0.2167 0.0211 0.1938 0.2011 1
PIB 0.0006 0.0236 0.0568 0.0567 -0.0274 1

Antes de la Crisis sin Capitalización y sin Inflación. Se presentan 749 observaciones. EL

Coeficiente de Determinación Ajustado resultó 0.7405, que es un número alto. Los coeficientes de
la regresión múltiple son diferentes de cero.

Cuadro 24. ANTES DE CRISIS SIN CAPITAIZACION SIN INFLACION (2006 - 2007)
Fuente SS df MS
Modelo 24.29 ...... •-----
••••"' N""
7 3.470
Residuos 8.40 741 0.011
Total 32.69 748 0.044

Número de Observaciones 749

F t?, 741) 305.96
Prob > F o
R - cuadrada 0.7430
R - cuadrada ajustada 0.7405
Raiz MSE 0.1065

Cuadro 25. MATRIZ DE CORRELACIONES ANTES DE CRISIS SIN CAPITALIZACION SIN INFLACION (2006 A 2007)
'
~W~ ,UAU"•"-~J_,_ ,
Rendimiento UP '' YL~ ___ ....L~.lJc!!ICamiento: Utilidades Cetes Dólar PIB
Rendimiento 1
UP -0.3144 1
VLP -0.8537 0.3314 1,
···- • ---A--:::..¡~ A••
A¡:,alancamiento 0.0687 -0.0295 -0.0687. 1
Utilidades 0.0435 0.2913 0,0193¡ 0.0091 1
Cetes 0.0617 0.0065 :0.03ªª; 0.0866: 0.2353 1
Dólar -0.2650 0.1288 0.2624 0.0260 0.0651 0.2124 1
PIB 0.2635 -0.0878 -0.2012! -0.0043 0.2327 0.0197 -0.1962 1

Durante la Crisis sin Capitalización y sin Inflación. Se tienen 375 observaciones y el Coeficiente
de Determinación Ajustado es de 0.7579, que es alto.

42
 Cuadro 26. DURANTE CRISIS SIN CAPITALIZACION SIN INFLACION 2008 - 2009
Fuente SS df MS
Modelo 25.68·-·-·---··-·,-··-·----
7 3.669
Residuos 8.00 367 0.022
Total 33.68 374 0.090

Número de Observaciones 375

F (7,367) 168.27
Prob > F o
R - cuadrada 0.7624
R - cuadrada ajustada 0.7579
Raiz MSE 0.1477

Cuadro 27. MATRIZ DE CORRELACIONES DURANTE CRISIS SIN CAPITALIZACION SIN INFLACION (2008 A 2009)

Rendimiento UP VLP _Apalancamiento Utilidades Cetes Dólar PIB

Rendimiento 1
UP -0.4520 1
VLP -0.8215 0.3147 1
Apalancamiento -0.0851 0.0446 0.0132' 1
Utilidades 0.1750 0.1525 -o.1uo:_ -0.0207 1
Cetes 0.3048 -0.0717 -0.2442 -0.0274 -0.1022 1
Dólar -0.4720 0.1376 0.38061 0.0214 -0.0493 -0.7484 1
PIB -0.2850 0.0677 0.2224 0.0568 0.0281 -0.9426 0.5734 1

Después de la Crisis sin Capitalización y sin Inflación. El Coeficiente de Determinación Ajustado

baja a 0.3342, que es muy bajo. La hipótesis de que todos los coeficientes son cero se rechaza. En
el Análisis de la Varianza, los errores debido al Modelo y a los Residuos se mantienen bajos, pero
ya no tan bajos comparados con los cálculos anteriores.

Cuadro 28. DESPUES CRISIS SIN CAPITALIZACION SIN INFLACION (2010 - 2013)
Fuente SS df MS
Modelo 11.54
~= . ··="·,--·---,~,=
7
f.-,.--,.
1.6486
Residuos 22.59 1189 0.0190
Total 34.13 1196 0.0285
¡ ;

Número de Observaciones 1197

F ( 7, 1189) 86.75
Prob > F o
R - cuadrada 0.3381
R - cuadrada ajustada 0.3342
Raiz MSE 0.1379

43
 Cuadro 29. MATRIZ DE CORRELACIONES DESPUÉS DE CRISIS SIN CAPITALIZACION SIN INFLACION 2010 A 2013

Rendimiento
-•• ,··-a'
UP VLP 'Apalantéll'll_iE!11to · Utilidades......,.,~' Cetes Dólar PIB
Rendimiento 1
-····---·--····-
'
UP -0.1774 1
VLP -0.5330 0.1337 .... .... lL
Apalancamiento -0.0540 -0.0087 -0.0219;
Utilidades -0.0026 0.2138 o.o4iij -0.0036' 1
Cetes -0.1767 0.0251 0.0873; ____ -0.0200 0.2802' 1
Dólar -0.2001 0.0234 0.128,f 0.0275 0.4159 0.4933 1
PIB -0.0024 0.0331' 0.0Q29- j_. 0.0198 0.0710 0.2867 0.1150 1

Para continuar con la eliminación de variables se presenta el siguiente cuadro. Las pruebas de
hipótesis nos indican que los coeficientes son iguales a cero cuando el valor promedio (en valor
absoluto} de los valores de t son menores de 1.96.

Cuadro 30. MODELO MULTIFACTORIAL COMPLETO 2006 a 2013

Periodo Constante UP VLP Apalancaml~nto> --~italizadón Utilidades Tasa Cetes Inflación Dólar PIB
2006-2013 -0.0011
-0.23
-0,0122;
-5.16
-0.0415
-5.77
., 0.0035
--~-. -·-·- .,.---·~---0.8593
1.23 :
'.
97.23
. .. , ..
0.0030
2.38
.,. 0.2008
0.57
,. 0.1719
0.48
-0.1278
-5.44
0.0479
1.19

2006-2013 ,. 0.0197 0.0022 -0.1202 -0.6037

-11.65 . "
0.0610
1.75 O.DO -0.15 0.67

2006-2013 0.0181 :0.6053 0.0610

4.89 -11.92 0.67

MODELO MULTIFACTORIAL COMPLETO 2006 a 2007

2006-2007 ,. 0.3459 -0.0202 -0.1200
-4.30 ,.
0.0065
1.42 .,
0.7462
26.57 ,.
0.0060
2.01
-17.41
-3.45
-17.66 -0.2667 -0.5025
3.45 -3.50 -3.59 -2.73 -1.33

2006-2007 ,. 0.6739 -0.0247 ,. -34.40 -0.2312 -0.4641

4.84 -3.06 -37.04 0.91 4.34 -5.04 -1.69 -0.88
MODELO MULTIFACTORIAL SIN CAPITALIZACION SIN INFLACION
2006-2007 -0.0242 -0.019 -0.7804 0.0036 0.0097 ,. -0.2765 1.422
-1.76 -2.34 -39.25 ,. 0.55 r 2.51 1.25 -1.99 -3.78

MODELO MULTIFACTORIAL COMPLETO 2008 a 2009

2008-2009 -0.0302 -0.0092... -0.0161 0.0001 0.8802 0.0036 -2.9905 -0.1990 -0.6139
Crisis -0.06 -1.59 -0.80 ,. 0.03 • 38.18 ,. 0.94 -0.12 -0.12
MODELO MULTIFACTORIAL SIN CAPITALIZACION 2008 a 2009
2008-2009 -1.33 -0.6202 . -0,03.1,8_ . ..,, 0.0053 -53.5 ,. 7.5.89 -5.3619 -17.34
Crisis -1.24 -21.98 -2.07 0.62 -2.12 1.16 -1.41 -1.50

2008-2009 -0.0823 -0.9718 -4.03

Crisis -2.62 -7.71 -22.06 -1.99 -3.21 -5.62 -3.30

MODELO MULTIFACTORIAL COMPLETO 2010 a 2013

2010-2013 0.0119 -0.0086 -0.0364 0.0021 0.8787 0.0028 -1.5456 -1.4077 -0.1053 0.1118
.,.
0.42 -3.29 -5.33 0.43 85.67 1.74 -0.48 -0.44 -3.40 0.64
MODELO MULTIFACTORIAL SIN CAPITALIZACION 2010 a 2013
2010-2013 0.0188 -0.0386 -0.3266 -0.0359
.. .......
, ,. 0.0210 -3.78 -1.95 -0.3837
,.
0.5305
1.13
0.25 -5.52 -20.56 -2.75 4.80 -0.44 -0.23 -4.65
MODELO MULTIFACTORIAL SIN CAPITALIZACION SIN INFLACION 2010 a2013
2010-2013
. 0.0018
0.19
-0.0387
-5.54
-0.3267
-20.57
-0.0359
-2.75
,. 0.0212
4.94
-1.83
-4.03
-0.3813
-4.66
r
0.4407
1.77

Promedio (VA) 1.81 5.62 21.70 1.44 61.91 3.50 1.76 1.39 4.61 1.42

En el cuadro anterior, se muestra que los coeficientes cambian de acuerdo al periodo que se toma
en cuenta. Esto es, en el periodo 2006-2013 resultaron unos coeficientes de regresión diferentes al
periodo 2006-2007, al periodo durante la crisis financiera 2008-2009 y al periodo 2010-2013.

44
Para el periodo 2006-2013, las variables que saldrán serán el Apalancamiento, la Tasa de Cetes y
el PIB. Se corrió la regresión sin las variables mencionadas y se obtuvieron los siguientes resultados:

Cuadro 30. SIN CAPITALIZACION SIN INFLACION SIN APALANCAMIENTO SIN CETES SIN PIB (2006 a 2013)
.

Periodo Constante UP
" ' - - - - . -.. ~~·.,v• ,,,,,
VLP Utilidades Dólar
~.v,,,V---~--,-~'"AA

2006-2013 ,. 0.0199 AV ..
-0.0586
, · - - - · · ·•.o·~---·=
-0.5042 ,. 0.0234 -0.6045
{6.73) (-11.21). _ {-41A2) {8.42) {-12.11)

Fuente SS df MS
Modelo 54.27 ,., 4 13.5675
Residuos 46.57 2319 0.0201
Total 100.84 2323 0.0434

Número de Observacione: 2324

F(4,2319) 675.63
Prob > F 0.0000
R - cuadrada 0.5382
R - cuadrada ajustaq~_ 0.5374
Raiz MSE 0.1417

Ahora verificaremos si las variables independientes presentan Multicolinealidad a través del Factor
de Inflación de la Varianza (VIF). Esta Multicolinealidad se presenta cuando las variables
dependientes están altamente correlacionadas. El VIF se calcula usando la siguiente fórmula:

1
V/Fi =l _ R? (23)
J

Donde RJ es el coeficiente de determinación de la regresión de la j-ésima variable independiente en

las k-1 variables independientes remanentes. Cuando no hay relación entre dos variables, entonces
VIF = 1, En cambio, cuando existe relación, entonces VIF > 1. Cuando el VIF > 1, el coeficiente de
la variable independiente es inestable y que hay información redundante por lo que se debe eliminar
la variable de la regresión. Como se puede ver en el cuadro siguiente, el VIF está cerca de 1 y por
lo tanto, no es necesario eliminar ninguna variable.

Cuadro 31. Variable VIF

UP 1.11
VLP 1.11
Utilidadaes
"º·=···=·=··=· . - ..• . ,,
1.10
_, v •••
'
Dólar 1.09
Promedio 1.10

La Multicolinealidad puede provocar los siguientes problemas:

a) coeficientes inestables (grandes errores estándar y pequeños valores de t),

b) los signos de los coeficientes no sean congruentes con expectativas previas,
c) cambios importantes en los coeficientes cuando una nueva variable se añade a la
regresión,

45
 d) una variable significativa previa puede convertirse a no-significativa cuando una nueva
variable independiente es añadida.
e) La desviación estándar del modelo aumenta cuando una variable es añadida al modelo.
f) coeficientes inflados, que significa que los valores son más grandes de lo esperado.

Ahora se tiene que demostrar que se cumplen los supuestos del modelo de regresión múltiple:

k) La relación es lineal
1) Los valores de las variables independientes son fijos en muestreo repetitivo
m) Los errores tienen media cero
n) Los errores tienen varianza constante a 2 y homoscedástica
o) No hay Autocorrelación entre los errores
p) El número de observaciones debe ser mayor al número de variables
q) Debe haber suficiente variabilidad en los valores que tomas las variables independientes
r) El modelo de regresión está correctamente especificado
s) No hay Multicolinealidad entre las variables independientes
t) Los errores se distribuyen normalmente

Se presentan las gráficas de los residuales de cada una de las variables incluidas en la regresión
múltiple. Para la primera regresión se presentan los residuales para las variables UP, VLP, Utilidades
y Dólar.

Figura 1 . Residuos de cada variable

N N

x~ •
• x~ ~ ••
E
~o
, • ••
E
'gº •
-~
a:: • a::
• • aí'7
a, '
• • •
~ • ~

-4 -2 o 2 4 -4 -2 o 2
e(UPIX) e( VLP IX)
coef = -.05857716, • = .00522743, I • -11.21 coef • -.50427196, sa =.01217409, 1 =-41.42

N N

• •
• 1• •

~~
. .•..••.• . • .
• •
•
~
----~--~--~--~ ~ c..--~--~-~--~-·~
-10 -5 O 5 10 -.2 -,1 O .1 .2 .3
e( Utilidades I X) e(Dolarl X)
coet = .02349059, • • .00278838, l • 8.42 coer• -.80446521, • • .04990179, 1 ª -12.11

Ahora se presenta la gráfica de los valores ajustados contra los Residuales para la regresión múltiple.
Para probar la Heteroscedasticidad, se realiza la prueba de Breusch-Pagan y Cook-Weisberg. La
hipótesis nula trata de demostrar que t=O en la fórmula Var(e) = a 2 ezt. La hipótesis nula también
incluye el supuesto de que los residuos son independientes y se distribuyen normalmente con
varianza a 2 . Los resultados de la prueba son los siguientes:

46
 C::1Ja~rc, 32. Ce>rripletc, .j .......................J
fr_ue.baJ3.r.e1:1s c_h-Pa.ga.!1/S<?e>k-Wei s bergp_a ra ~e1er()sce_cta,1t\cida~
Ho: Va~janza Con_stante1 L
.. VariablE:?s;v_a,le>res EJus_tados del -~E:?!:l~imiente>
! l
¡
----
chi2 = 110.27 .
.. ···-- ····-··---1------·····
Prob > chi2 = 0.0000 L.

Con estos resultados podemos concluir que la Varianza no es Constante (presenta

Heteroscedasticidad).

Igualmente, se puede ver en la que el valor esperado de los errores es muy similar a cero.

Figura 2. Valor Esperado de los Errores

"'
• 1·ª
QJ

' • •
. • .. 'O
'O
'°:J
'O
lo
';" •
-.. . -• • •
• .
• o
t3
l.'l
:J
o.
E 11
• •
a 1S
•
'l'..__~-----~-----~-----~ > ...
(l.)
·-
-1 o
Fittéd \Slues

Para el periodo 2006-2007, las variables que saldrán serán el Apalancamiento y la Tasa de Cetes.
2
~e ai
o
:i:
·-
.Q

QJ
Se corrió la regresión sin las variables mencionadas y se obtuvieron los siguientes resultados: 'O
8
Cuadro 33. SIN CAPITALIZACION SIN INFLACION SIN APALANCAMIENTO SIN CETES 2006 a 2007
~8'
o
Periodo Constante UP Utilidades Dólar PIB e

2006-2007 -0.0186 -0.0198 -0.7831 0.0109 -0.2391 1.402

~
,.. ,
(-1.42) (-2,441... .. .. .(-39.61) _(2.89) (-1.77) (3.73)

Fuente SS df MS
Modelo ~- ~--·- 24.27
-·--~--- ~--· 5 4.854
Residuos 8.43 744 0.011
Total 32.70 749 0.044

Número de Observacione
·······---.. ·········-·-.. --
750
F (5,744) 428.43
Prob > F 0.0000
R-cuadrada 0.7422
R- cuadrad.a ~justada ..... 0.7405
Raíz MSE 0.1064

47
Como se observa, cuando se corre la regresión, la prueba de hipótesis muestra que nuevamente se
debe eliminar el término independiente y el Dólar, por lo que se volvió a correr la regresión, quedando
los siguientes resultados:

Cuadro 34. SIN CAPITAL SIN INFLACION SIN APALAN SIN CETES SIN CONSTANTE SIN DÓLAR (2006 a 2007)
'

Periodo UP VLP Utilidades PIB '

2006-2007 -0.0210 -0.7956

v,• ; .··~e.-••w.·hW.· -;-.••.v
,. 0.0116 ,. 0.8947
(-2.59) Hl:54) (3.16). (7.90)

Fuente SS df MS
Modelo 25.36 4 6.340
Residuos 8.50 746 0.011
Total 33.86 750 0.045
--·--
Número de Observacionei 750
F ( 4, 746); 556.55
Prob > F 0.0000
R - cuadrada 0.7490
R - cuadrada ajustada 0.7477
Raíz MSE 0.1067

Los valores del VIF para cada variable son muy cercanos a 1, por lo que no es necesario eliminar
ninguna variable de la regresión.

Cuadro 35. Variable VIF

UP 1.25
VLP '
1.16
Utilidadaes 1.18
PIB 1.12
Promedio 1.18

Nuevamente se presentan los residuales con respecto a las variables UP, VLP, Utilidades y PIB.

Figura 3. Residuos de cada variable

48
 ,q

••• ~
• •
~

X X
• E'°
u
:¡¡o
o::
ID~
"'! •
'-: ~---.---------.------.-- '-: •
-4 -2 o 2 4 -1 .5 -1 -.5 O .5
e(UPIX) e(\1..PIX)
coef = -.01995651, se= .0081335, 1 = ~ .45 coef = -.79053952, se= .01934733, 1 = -40.86

., •• •
•
-.... .,4-., -
I
~
• •
I~~
• \i •
e - :". ,i!l\1)ilf
•• ••
"'!
~
• "'!
~
•
' '
-10 -5 O 5 10 -.02 O .02 .04
e( Utilidades I X) e(PIBIX)
coef = .01024002, se= .00374731, 1 = 2. 73 coef = 1.5127435, se= .37083796, 1 = 4.08

Ahora se presenta la gráfica de los valores ajustados contra los Residuales para la regresión múltiple,
en donde se puede ver que el valor esperado de los errores es muy similar a cero.

Figura 4. Valor Esperado de los Errores

•
• •
"!
• •
• •
., o
-¡¡¡
:::,
-o
·¡¡; • •• •
CD
O::lf! •
'
• •
~

'
•
"'!
~

'
-1 -.5 o .5 1.5
Filled values

49
 Cuadro 36. Antes
Prueba 13re_us_c~~J>aga1~_LCog~-Weisbe!g para he_te~oscedasti~i_dad
Ho: Varianza Const~nte_[ __________ ....

.· . I---- -- . . ¡ .
Variables: Valores ajustados del Rendimiento
. .
chi2 = 63.87
Prob > chi2 = 0.0000 !
Con estos resultados podemos concluir que la Varianza no es Constante.

Para el periodo 2008-2009 (crisis), la variable que saldrá será la Utilidad. Se corrió la regresión sin
las variables mencionadas y se obtuvieron los siguientes resultados:
Cuadro 37. SIN CAPITALIZACION SIN INFLACION SIN UTILIDADES (2008 a 20091

Periodo Constante UP VLP Apalancamiento Tasa Cetes Dólar PIB

2008-2009 -0.0978 -0.0869 -0.6285 -0.030; -31.05 -1.069 -4.7700

(-3.28) (-7.57) .. (-22.52) (-1.97) (-4.32) (-6.66) (-4.27)

Fuente SS df MS
Modelo 25.63 6 4.272
Residuos 8.05 368 0.022
Total 33.68 374 0.090

Número de Observacionei 375

F ( 6, 368 ) 195.28
Prob > F 0.0000
R - cuadrada 0.7610
R- cuadrada ajustada 0.7571
Raíz MSE 0.1479

Como se puede observar en la siguiente tabla, los VIF's de las variables Cetes y PIB son muy
grandes, lo que nos indica que las variables presentan Multicolinealidad. Una solución para eliminar
este fenómeno es eliminar las variables mencionadas.

Cuadro 38. Variable VIF

UP 1.11
VLP 1.33
l\pa I a nea mi_erit<>, 1.02
Cetes 22.57
Dólar 4.1
PIB 14.76
Promedio 7.48

Después de que se eliminaron los Cetes y el PIB, se volvió a correr la regresión múltiple y los
resultados fueron los siguientes:

50
 Cuadro 39. SIN CAPITALIZACION SIN INFLACION SIN UTILIDADES SIN CETES SIN PIB (2008 a 2009)
. . __ J
Periodo Constante UP i VLP Apalancamiento Dólar

2008-2009 ,. .
0.0139 -0.0889 ~-.-¡ -0.6526 -0.0375 -0.5626
(1,671 (-7:~~L j (-23.36) (-2.4})
:
(-6.41) ...

Fuente SS df MS
Modelo 25.22 ....
4 6.305
Residuos 8.47 370 0.023
Total 33.69 374 0.090

Número de Observacione? 375

F ( 4, 370) 275.54
Prob > F 0.0000
R - cuadrada ..... ,.- ...... 0.7487
R - cuadradaajustada 0.7459
Raiz MSE 0.1513

Sin embargo, ahora tenemos que eliminar la Constante, ya que el valor de t es menor a 1.96.
Nuevamente corrí la regresión y el resultado es el siguiente:

Cuadro 40. SIN CAPITALIZACION SIN INFLACION SIN UTILIDADES SIN CETES SIN PIB (2008 a 2009)

Periodo UP VLP Apalancamiento Dólar

2008-2009 -0.0894 -0.6602 -0.0376 -0.5124

J-7.60) p3.87) (-2.40) (-6.20)

Fuente SS df MS
Modelo 25.20 •······
4 6.300
Residuos 8.53 371 0.023
Total 33.73 375 0.090
;

Número de Observacionei 375

F ( 4, 370) 273.96
Prob > F 0.0000
R - cuadrada 0.7471
R - cuadrada ajusta~a 0.7444
Raíz MSE 0.1516

Ahora, los valores de VIF son muy cercanos a 1, por lo que ya no es necesario eliminar otra variable
independiente.

Cuadro 41. Variable VIF

UP 1.11
VLP 1.24
Apalanca miento 1.00
Dólar 1.14
Promedio 1.12

51
Se muestran las gráficas de los residuales contra UP, VLP, Apalancamiento y Dólar.

Figura 5. Residuos de cada variable

• N

.. .
~

X
Eº
'6
e
G)
• ••
•
-...
X
E
'i;jo
e
m
a:
·-----.. -~-~ ~
-·
a:~
m
• •
...' •• • •
-2 o 2 4 -2 -1 O
e(UPIX) e(\A...PIX)
coef =-.08892064, SIi =.01173505, l =-7.58 coef =-.652609·16, SIi =.02797203, t =-23.33

• ~
•
• •
X X
-o
E
'6
Eº
:¡;
e
m
a:~
~· t
l
_e
m
fl: .
m
IO

• •
.... • .... •
•
-5 o 5 -.2 -.1 O .1 .2 .3
e( Apalanc IX) e( Dolar IX)
coef =-.03757498, SIi =.01560615, t =-2.41 coef =-.56255182, SIi =.08771845, l =-6.41

Y ahora la última gráfica que muestra los valores ajustados contra los residuos y también se puede
ver que el valor esperado de los errores es muy similar a cero.

Figura 6. Valor Esperado de los Errores

•
• ••••

o
, 1t?i.'
.,
1i
::,

.
"D
iii
a:
~-·, .....
" ~-
: •• IAr'

•• •
•
I
•

•
.
~
• • •
• •
•
•
.... -------.-----r--------r-------.-
-2 -1 o 2
Fltled wkles

52
 Cuadro 42. Durante
l.rueba Breusch-Pagan LCoo~-:_\Jl{~i~~erg para hetero,sceda5ticidéld
Ho: Varjanza Cons~rite.~!_ __
\/arié!bles: Valores _aJustéli~s_ detRe_ndimiento.
i . !
•·¡•·••·•v--•••v••,,•v-s••-s••••

Con estos resultados podemos concluir que la Varianza no es Constante.

Para el periodo 2010-2013, la variable que saldrá será el PIB. Se corrió la regresión sin las variables
mencionadas y se obtuvieron los siguientes resultados:

Cuadro 43. SIN CAPITALIZACION SIN INFLACION SIN PIB (2010 a 20131

Periodo Constante UP VLP Apalancamie nto Utilidades Tasa Cetes Dólar

2010-2013 0.0174
(4.31)
-0.0383
(-5.48)
-0.3273
(-20.60)
-0.0359
(-2.70)
. 0.0212
(4.92)
-1.6237
(-3.69)
-0.3852
(-4.71)
.

Fuente SS df MS
Modelo 11.48 6 1.9133
Residuos 22.65 1190 0.0190
Total 34.13 1196 0.0285

Número de Observacionei 1197

F ( 6, 1190) 100.5
Prob > F 0.0000
R - cuadrada 0.3363
R - cuadrada ajustada 0.3330
Raíz MSE 0.1380

A continuación se presenta la tabla con los VIF's, que resultan muy cercanos a uno, por lo que no es
necesario eliminar variables de la regresión.

Cuadro 44. Variable VIF

UP . 1:Q7j
VLP 1.04,
Apalancamiento 1.00
Utilidadaes 1.29
Cetes 1.34
Dólar 1.51
Promedio 1.21

Nuevamente se presentan los residuales con respecto a las variables UP, VLP, Apalancamiento,
Utilidades, Cetes y Dólar.

Figura 7. Residuos de cada variable

53
 • ••

:So
E.
~ .•
'6 •
¡o
a:
• ... . .'..• .•
-4 -2 O
•
e(LPIX)
2
•
4 -4 -2 O
e(VLPIX)
2 -4 -2
-O
e( Apalanc I X )
2 4

coer = -.03833348, se = .00699381, 1 = -! coel = -.3273756, se= .01589169, t = -21 coel = -.03532306, ae = .01310388, 1 = -2.7

•
.: ... •

••
••
.. .
•

••• •
..
·-~·..
.
...
.
·¡ -

•
~..-+ .•• • .• .•
• ••
• •• •
-5 o 5 -.02 -.01 O .01 .02 -.2 -.1 O .1 .2
e( Uilidades IX ) e( Cetes IX) e( [b)ar IX)
coef = .0212263, se= .00431173. 1 =4.E coel = -1.6236838, 88 = .4397538, 1 = -3. coel = -.38521496, oe = .08182211, 1 = -4.71

Ahora se presenta los valores ajustados contra los residuales de esta regresión, en donde se puede
ver que el valor esperado de los errores es muy cercano a cero.

Figura 8. Valor Esperado de los Errores

.,
~o
1
~

.,.-
..
....
... ... ..
•

.:..,.
...... .. .....
•

';'
• -. ..
-1 -.5 .5

Cuadro 45. Despues

Prueba Breusch-Pagan / Cook~\l\lei~bergpara heteroscedasticidad
Ho: Varianza Constante' __________ _
Variables: Valores ajustados del Rendimiento

chi2 = 5.68
Prob > chi2 = 0.0172

Con estos resultados podemos concluir que la Varianza no es Constante.

54
 CAPÍTULO 5. RESULTADOS DE LA INVESTIGACIÓN

El Modelo que propongo para pronosticar los rendimientos de las acciones en el Mercado mexicano
cambia de acuerdo al periodo que se quiera pronosticar. Este cambio es tanto en el valor de los
coeficientes de la regresión, así como las variables que se incluyen en la regresión. Igualmente, cada
modelo se ajusta en mayor o menor forma a los datos actuales, como se puede ver a través del
Coeficiente de Determinación (R-cuadrada) para cada modelo. Mientras más cerca de uno esté la
R-cuadrada, los valores actuales se acercan más a los pronósticos.

Para el periodo de 2006 al 2013, que incluye todos los datos que se consideraron en el estudio, la
ecuación de regresión que explica el incremente en el precio de las acciones es la siguiente:

u
!J.Precio = 0.0199 - 0.6045 * !J.Depreciación de la Moneda - 0.0586 * !J.Múltiplo p
VL
-0.5042 * !J.Múltiplo P + 0.0234 * !J.Utilidades + E (24)

R- cuadrada 0.5382

Para el periodo de 2006 al 2007, que fue antes de la crisis financiera, la ecuación de regresión que
explica los rendimientos de las acciones es la siguiente:

u
!J.Precio = 0.8947 * !J.PIB - 0.021 * !J.Múltiplo-¡;
VL
-0. 7956 * !J.Múltiplo--¡;- + 0.0116 * !J.Utilidades + E (25)

R- cuadrada 0.7490

Para el periodo de 2008 al 2009, cuando se presentó la crisis financiera internacional, la ecuación
de regresión que explica los rendimientos de las acciones es la siguiente:

!J.Precio = -0.5124 * !J.Depreciación de la Moneda - 0.0376 * !J.Apalancamiento

U Vl
-0.0894 * !J.Múltiplo p - 0.6602 * !J.Múltiplo p- + E (26)

R - cuadrada 0.7471

Para el periodo de 201 O al 2013, que es posterior a la crisis financiera, la ecuación de regresión que
explica los rendimientos de las acciones es la siguiente:

!J.Precio = 0.0174 - 0.3852 * !J.Depreciación de la Moneda -- 1.6237 * !J.Tasa de Cetes

U VL
-0.0359 * !J.Apalancamiento - 0.0383 * !J.Múltiplo p - 0.3273 * !J.Múltiplo P
+0.0212 * !J.Utilidades + E (27)

R- cuadrada 0.3363

55
El Coeficiente de Determinación en los periodos de 2006-2007 y 2008-2009 es mayor que en los
periodos 2006-2013 y 2010-2013. Sobre todo, entre 2010-2013 este coeficiente es muy bajo,
probablemente a que en la recuperación de la economía y por consecuencia, de los precios de las
acciones, se presentó porque los precios habían bajado tanto en la crisis, que en la recuperación los
precios subieron por un rebote, sin considerar otros criterios micro o macroeconómicos.

56
 CAPÍTULO 6. CONCLUSIONES

El Modelo que se propone para pronosticar los rendimientos de las acciones en el Mercado Mexicano
cambia de acuerdo al periodo que se quiera pronosticar. Este cambio es tanto en el valor de los
coeficientes de la regresión, así como las variables que se incluyen en la regresión. Igualmente, cada
modelo se ajusta en mayor o menor forma a los datos actuales, como se puede ver a través del
Coeficiente de Determinación (R-cuadrada) para cada modelo. Mientras más cerca de uno esté la
R-cuadrada, los valores actuales se acercan más a los pronósticos.

Para el periodo completo, las variables que se consideran como influyentes en las acciones son: la
depreciación de la moneda, el múltiplo U/P, el múltiplo VL/P y las utilidades. Para el periodo antes
de la crisis, las variables importantes son: el PIB, el múltiplo U/P, el múltiplo VL/P y las utilidades.
Para el periodo durante la crisis, las variables son: depreciación de la moneda, apalancamiento,
múltiplo U/P y múltiplo VL/P. Para el periodo después de la crisis, las variables son: depreciación de
la moneda, tasas de Cetes, Apalancamiento, Múltiplo U/P, múltiplo VL/P y utilidades.

El signo del coeficiente de la depreciación de la moneda es negativo para todos los periodos, lo cual
muestra que cuando se presenta una devaluación, los precios accionarios bajan.

Los signos de los coeficientes en los múltiplos U/P y VL/P son negativos, porque a mayores múltiplos,
la acción se abarata. En las ecuaciones en donde aparece la variable utilidades, el signo es positivo,
ya que a mayores utilidades, el precio de las acciones deben subir. El signo negativo del coeficiente
del apalancamiento en la época de crisis, indica que a mayor apalancamiento, el rendimiento en las
crisis es menor.

El Coeficiente de Determinación en los periodos de 2006-2007 y 2008-2009 es mayor que en los

periodos 2006-2013 y 2010-2013. Sobre todo, entre 2010-2013 este coeficiente es muy bajo,
probablemente a que en la recuperación de la economía y por consecuencia, de los precios de las
acciones, se presentó porque los precios habían bajado tanto en la crisis, que en la recuperación los
precios subieron por un rebote, sin considerar otros criterios micro o macroeconómicos.

57
 REFERENCIAS

Arbel A. and P. Strebel (1983), A Revival of the Small-Firm Effect, Journal of Portfolio Management
9(2) (Winter)

Carhart, M. (1997) On Persistence in Mutual Fund Performance, Journal of Finance, 5

Chen N., R. Roll y S. A. Ross (1986), Economic Forces and the Stock Market, Journal of Business,
59(3) (April)

Cho D. C., E. J. Elton and M. J. Gruber (1984), On the Robustness of the Roll and Ross Arbitrage
Pricing Theory, Journal of Financia/ and Quantitative Ana/ysis, 19(1) (March)

Connor G. (1995), The Three Types of Factor Models: A Comparison of Their Explanatory Power,
Financia/ Analysts Journal, 51 (3) (May/June)

Connor G. y R. A. Korajczyk (1993), A Test for the Number of Factors in an Approximate Factor
Model, Journal of Finance, 48(4) (September)

Dhrymes P. J., l. Friend y N.B. Gultekin (1984), A Critica! Re-Examination of the Empirical Evidence
on the Arbitrage Pricing Theory, Journal of Finance, 39(2) (June)

Dhrymes P. J., l. Friend, M. N.Gultekin and N.B. Gultekin (1985), New tests of the APT and Their
lmplications, Journal of Finance, 40(3) (July)

Elton E. J., M. J. Gruber, S. Das y M. Hlavka (1993). Efficiency with Costly lnformation: A
Reinterpretation of Evidence from Managed Portfolios, Review of Financia! Studies, 6

Fama E. F. (1970), Efficient Capital Markets: A Review of Theory and Empirical Work, Journal of
Finance. 25(2) (May)

Fama E. F. and K. French (1992), The Cross Section of Expected Stock Returns, Journal of Finance,
47(2) (June)

Fama E. F. and K. French (1993), Common Risk Factors in the Returns on Stocks and Bonds, Journal
of Financia/ Economics, 33(1) (January)

Grossman S. J. y J. E. Stiglitz (1980), On the lmpossibility of lnformationally Efficient Markets,

American Economic Review, 70 Uunio 1980)

Jensen G. R., R. R. Johnson and J. M. Mercer (1997), New Evidence on Size and Price-to-Book
Effects is Stock Returns, Financia/ Analyst Journal, 53(6) (November-December)

Kendall, M (1953), The Analysis of Economic Time Series, Pan: 1: Prices, Journal of the Royal
Statistical Society, 96

Peters D. J. (1991 ), Valuing a growth stock, Journal of Portfolio Management, 17(3) (Spring)

58
Rendleman, R. J. Jr., C. P. Jones and H. A. Latané (1982), Empirical Anomalies Based on
Unexpected Earnings and the lmportance of Risk Adjustments, Journal of Financia/
Economics, 10(3) (November)

Roll R. y S. A. Ross (1980), An Empirical lnvestigation of the Arbitrage Pricing Theory, Journal of
Finance, 35(5) (December)

Rosenberg, B., K. Reid and R. Lanstein (1985), Persuasive Evidence of Market lnefficiency, Journal
of Portfolio Management 11 (3) (Spring)

Ross S. (1976), The Arbitrage Theory of Capital Asset Pricing, Journal of Economic Theory 13(2)
(December)

Samuelson, P. (1989), The Judgment of Economic Science on Rational Portfolio Management,

Journal of Portfolio Management, 16 (Otoño)

Shanken J. (1982), The Arbitrage Pricing Theory: Is lt Testable? Journal of Finance. 37(5)
(December)

Womach K. L. (1996), Do Brokerage Analysts' Recommendations Have lnvestment Value? Journal

of Finance, 51 (1) (March)

59
 ANEXO 1. LISTA DE EMPRESAS CONSIDERADAS EN LA BASE DE DATOS DEFINITIVA

AccelB
Alfa A
Alsea
América Móvil L
Arca-Continental
Axtel CPO
Bio Pappel
Cemex CPO
Coca-Cola Femsa L
Compañía Minera Autlán B
Consorcio Ara
Consorcio Hogar B
Controladora Comercial Mexicana UBC
Convertidora Industrial A
Corporación Geo B
Corporación lnteramericana de Entretenimiento B
Corporación Mexicana de Restaurantes B
Corporación Moctezuma
Corporativo Fragua B
Cydsasa A
Desarrolladora Homex
Edoardos Martin B
El Puerto de Liverpool C-1
Empresas Cablevisión CPO
Empresas ICA
Farmacias Benavides B
Fomento Económico Mexicano UBD
Gruma B
Grupe (CIDMEGA}
Grupo Aeroportuario del Pacífico B
Grupo Aeroportuario del Sureste B
Grupo Bafar B
Grupo Simbo A
Grupo Carso A 1
Grupo Casa Saba B
Grupo Cementos de Chihuahua
Grupo Collado
Grupo Elektra
Grupo Famsa A
Grupo Gigante
Grupo Herdez

60
Grupo Industrial Maseca B
Grupo Kuo B
Grupo LAMOSA
Grupo Macma B
Grupo México B
Grupo Minsa B
Grupo Modelo C
Grupo Palacio de Hierro 1
Grupo Pochteca B
Grupo Posadas A
Grupo Radio Centro A
Grupo Simec B
Grupo Televisa CPO
GrupoTMM A
Grupo Vasconia
Hilasal Mexicana A
Impulsora del Desarrollo y el Empleo en América Latina B-1
Industrias Bachoco B
Industrias CH B
Industrias Peñoles
Internacional de Ceramica B
Kimberly-Clark de México A
Médica Sur B
Mexichem
Organización Cultiba B
Organización Soriana B
Procorp, Sociedad de Inversión de Capital de Riesgo B
Promotora Ambiental B
Promotora y Operadora de Infraestructura
San Luis Corporación CPO
TV Azteca CPO
URBI Desarrollo Urbanos
Vitro A
Wal-Mart de México V

61
 ,,)·· ,. ,,.,_. f~J,~- ·,;.1--r:.e'M\.

ANEXO 2. MUESTRA DE LA BASE DE DATOS DEFINITIVA

~.i~. . .f~~-~-~- \lar Pre_cio_s U/P Vl/P _ J!l,p;,l_;,n_~-•.9,eit__ . Util_i_dades _____ Tas_a Cetes ___ lnfladon Dólar P_IS
ACCELSAS . 2T2006 0.074107972 -o.04078 -o.06899 o.()3()6:19_ . 0.07411. o.86924092_ 0.019683398 -0.00213_ o.049161 o.048784,
ALFAA 2T2006 -o.1os16375 -0.01824 o.169292, _1:1._oglill:1• -0,14096 _ o.7468563 0.019683398 -0.00213· o.049161 o.048784
ALSEA 2T2006 , 0.087942112, 0.237304 0.15019, _-0.635!;5\ 0.191988 2.05419219: 0.019683398 -0.00213_ 0.049161 0.048784:
AMXL •2T2006 0.015479359 -0.01853 0.095027 _Cl,0:1~, 0.010562_ 0.58958119 0.019683398 : -0.00213 0.049161 0.048784
ARJ>.___ . 2T2006 -0.03957578, 0.087285 -0.10581 2.65744 -0.04255 0.65247812• 0.019683398 -0.00213 0.049161 0.048784
AC 2T2006 o.084640433 0.031879 -o.os146· :-c,.<>i1sf o.os2sii2· o.99312966; 0.019683398 -0.00213 o.049161 o.048784:
ASURS. 2T2006
... o.06464063 -0.03364 -o.osas_, C>, o._047603_ o.84837769 0.019683398 -0.00213 o.049161 o.048784
AlJTLANS ,2T2006 -0.29161135 -o.96648 o.336472 .. -C1,09!jSIJ __:o._29117 o o_.019683398 -0.00213_ o.049161 o.048784
AXTELCPO 2T2006 -0.22694584 0.153069 0.231512 0.1:1:1~. :0.22695_ O 0.019683398 -0.00213 0.049161 0.048784
SACHOCOS 2T2006 0.1588497li -0.43679 -0.14842 -0,013:2!> 0.148312_ 0.86148006 0.019683398 -0.00213 0.049161, 0.048784
. SAFARS 2T2006 -0.0160003'1 0.184479 0.05311 ...:0,05112, :_0.02483 0.94863567 0.019683398 -0.00213 0.049161 0.048784
SIMSOA 2T2006 -0.05789954 0.124977 0.091434 -0.02985. -0.0579. 0.82029843 0.019683398 -0.00213 0.049161 0.048784
PAPPEL 2T2006 0.534636272 0.317738 0.287682 :0.04104; 0.676506 O 0.019683398 -0.00213 0.049161 0.048784
CASLECPO 2T2006 O 0.225373 0.068993 -0.746Eil•_ O 0.75831516 0.019683398 -0.00213 0.049161 0.048784
GCC _2T2006 0.14274159 0.275026 -0.07647 0.726286: 0.128221 1.74655561 0.019683398 -0.00213 0.049161 0.048784
CEMEXCPO 2T2006 -0.0885769 -0.01653 0.131709 -0.13361 :0.06131 o. 76383897 0.019683398 -0.00213 0.049161 0.048784
CIDMEGA 2T2006 0.111094048 -0.06689 -0.07696 0.048854_: __ 0.111094 -0.0702134. 0.019683398 -0.00213 0.049161 0.048784
CMRS 2T2006 -0.03492154 0.210525 0.066249 -0.06288,_ -0.05989 1.29473626 0.019683398 -0.00213 0.049161 0.048784
KOFL 2T2006 -0.07351812 -0.04662 0.157629 -0.01224 -0.12431 0.5771631 0.019683398 -0.00213 0.049161 0.048784
COLLADO 2T2006 0.011242389 0.544272 O -0.06747_ 0.011243 0.70282194 0.019683398 -0.00213 0.049161 0.048784
COMERCIUSC 2T2006 o.03_6425246 o.005038 -0.03334 0.017129 o._036425 o.67197145 0.019683398 -0.00213 o.049161 o.048784
CONVERA 2T2006 -0.00863315 -0.03942 0.120144 -0.0067_2 -0.00863 0.74365971- 0.019683398 -0.00213 0.049161 0.048784
CIES 2T2006 -0.20504351 0.256457 0.196506 0,01()8!;8; :0.20504 0.81227054 0.019683398 -0.00213 0.049161 0.048784
CMOCTEZ •2T2006 0.184201309 o.064633 -0.264 C1 o.090496_ o.75674547 0.019683398 -0.00213 o.049161 o.048784
CULTISAS 2T2006 0.014706147 -0.03268 0.026317 0.44343 0.014706. 0.76608933 0.019683398 -0.00213 0.049161 0.048784
CYDSASAA 2T2006 -0.04652002 0.489456 0.04879 0.028687 0.072872 -0.1986767 0.019683398 -0.00213 0.049161 0.048784
EDOARDOS 2T2006 -0.12629373 -0.10147 0.143101 O -0.12629 O 0.019683398 -0.00213 0.049161 0.048784
ELEKTRA 2T2006 -0.02528102 0.150606 0.108096 0.023164: :Cl.02934 0.59142998 0.019683398 -0.00213 0.049161 0.048784
SEVIDESS
. 2T2006
"" .
0.023090636 0.208627 0.012739 :0.1:1:355!;, O 0.79428344 0.019683398 -0.00213 0.049161 0.048784
FEMSAUSD 2T2006 0.004282629 0.103632 0.099434 0.004196 -0.04673 0.96333869 0.019683398 -0.00213. 0.049161 0.048784
FRAGUAS 2T2006 0.087430427- -0.06905 -0.02317 o:
0.075825 0.69279912 0.019683398 -0.00213- 0.049161 0.048784
GCARSOAl 2T2006 o.069046418 o.04879 -0.00664 :0.058_7_~ .. o._061851 o.72139318 0.019683398 -0.00213 o.049161 o.048784
GEOS . 2T2006 -0.08541775 0.133999 0.141807 -0.06767 -0.08514 0.83874307 0.019683398 -0.00213 0.049161 0.048784
GFAMSAA 2T2006 O O O :0."44'18_,__ º·
0.56904901 0.019683398 -0.00213 0.049161 0.048784
. GIGANTE 2T2006 -0.16093037 0.300206 0.151231 -0.01956; .. -0.16093 1.05720414 0.019683398 -0.00213 0.049161 0.048784
GMACMAS 2T2006 O 0.297502 -0.04349 0.067389_ O 1.06576633 0.019683398 -0.00213 0.049161 0.048784
GMEXICOS . 2T2006 0.060173052 -0.18621 0.026111 0,121:1665 0.041559, 0.73361024 0.019683398 -0.00213 0.049161 0.048784
GMODELOC . 2T2006 0.104700584 -0.0608 -0.10409 o : 0.074072 0.86257656" 0.019683398 -0.00213 0.049161 0.048784
GPHl 2T2006 0.188339629 -0.25088 -0.17045 O c:>,162519_ 0.60650556 0.019683398 -0.00213 0.049161 0.048784
GAPS 2T2006 0.052141855· -0.09765 -0.07232 º·
0.052142 0.58541513 0.019683398 -0.00213 0.049161 0.048784
GRUMAS 2T2006 -0.01466291 0.097145 0.05001 0.031749: -0.04301 1.10574201 0.019683398 -0.00213 0.049161 0.048784
KUOS 2T2006 -0.31197477 1.063955 0.349674 -0.1417_7 -0.14491 0.5115678 0.019683398 -0.00213 0.049161 0.048784
POCHTECS 2T2006 o._040005335 -0.27142 -0.92316 ,o.1733 , 1_.:!47016 o.94477448, 0.019683398 -0.00213 o.049161 o.048784
HERDEZ 2T2006 -0.18879407 0.204378 0.21407_ -0.07463' -0.20031_, 0.659_31575 0.019683398 -0.00213 0.049161 0.048784
HILASALA 2T2006 0.080852097 -1.2819 -0.04256 -0.02359• 0.080851_ 0.13065148 0.019683398 -0.00213 0.049161 0.048784
HOGARS 2T2006 0.251314428 -0.42192 -0.24256 -0,1782_. __ 0.253695 O 0.019683398 -0.00213 0.049161 0.048784
HOMEX 2T2006 -0.03060488 0.229426 0.094187 -0.10203. -0.0306 1.12233823 0.019683398 -0.00213 0.049161 0.048784
ICA 2T2006 -0,04332587 0.081608_ 0.060625 -0.Clc:J667, :1:1.03977 . 0.64496007_ 0.019683398 -0.00213 0.049161 0.048784
IDEALS-1 2T2006 -o_._20807546' o 0.24937 -o_.0796ª -o.2osos_ o.55323823 o,_019683398 -o_._00213 o.049161 o.048784
,ICHS 2T2006 0.043070547 0.291393 0.06252 º·
0,043071 1.01923776 0.019683398 -0.00213 0.049161 0.048784
CERAMICS 2T2006 0.000526454 -0.41713 O 0.028338 0.00042 1.4039665 0.019683398 -0.00213 0.049161 0.048784
KIMSERA 2T2006 -0.02093164 Cl.101334 0.1149 0.002924 :0.02224 0.75699936 0.019683398 -0.00213 0.049161 0.048784
LAMOSA 2T2006 -0.00963089 · 0.05628 0.039221 0.039264 -0.01314 0.69217826 0.019683398 -0.00213 0.049161 0.048784
LIVEPOLC-1 2T2006 0.029297437 0.063908 0.029676 0.00_140!1 _0..016728 1.50495339' 0.019683398 -0.00213 0.049161 0.048784
MASECAS 2T2006 -0.06273958 0.295051 0.093332 -0,03319·. -Cl.21462 0.75128651 0.019683398 -0.00213 0.049161 0.048784
MEDICAS 2T2006 0.064805845 0.004032 -0.04226 0.002554 0.030772 0.62901195 0.019683398 -0.00213 0.049161 0.048784
MEXCHEM 2T2006 -0.03674543 -0.20316 0.102191 -0.04991 -0.0438 0.66752969 0.019683398 -0.00213 0.049161 0.048784
MINSAS ·2T2006 O 0.063949 0.041385 0.187659, O 0.86959387 0.019683398 -0.00213 0.049161 0.048784
PE&OLES. 2T2006 -_0.16195012 o.42029 0.189807 o_.180037' :0,16195_ o,61045673 o._019683398 -0.00213 o.049161_ o.048784
POSADASA . 2T2006 O -0.38023 -0.01482 0.029774 _ -0.01676 -0.4374336 0.019683398 -0.00213 0.049161 0.048784
PROCORPS 2T2006 0.0468313. -0.31968 -0.02553 O• 0.039581 0.54346182 0.019683398 -0.00213 0.049161 0.048784
PINFRA 2T2006 0.218283274 -0.20872 -0.11965 6.658244 0.218283 1.17398066 0.019683398 --0.00213 0.049161 0.048784
PASAS 2T2006 -0.28607528 -0.67978 0.290154 0.009421 -0.28608 0.36149518 0.019683398 -0.00213 0.049161 0.048784
RCENTROA 2T2006 0.112329185 1.197409_ 0.143788 O· g._112328 2.315_02549 0.019683398 -0.00213 0.049161 0.048784
SAS 2T2006 0.006256538 0.001172 -0.0076 O 0.006257 0.64562377, 0.019683398 -0.00213 0.049161 0.048784
SANLUISCPO 2T2006 -0.02429269 O 0.089231 -0.02339: -0.01074 O 0.019683398. -0.00213 0.049161 0.048784
SIMECS 2T2006 o.099302107 0.297344 0.070068 o· o.097508 1.11257789 0.019683398 -0.00213 o.049161 o.048784
SORIANAS 2T2006 -0.07830126 0.126052 0.115832 O -0.085 0.70788726 0.019683398 -0.00213 0.049161 0.048784
TLEVISACPO . 2T2006 0.023592731 0.118533 0.035268 0.030955 0.000112 1.02299661 0.019683398 -0.00213 0.049161 0.048784
TMMA 2T2006 -0.08757281 0.125163 0.014599 0.088455__ -0.08757 -0.1175357 0.019683398 -0.00213, 0.049161 0.048784
AZTECACPO 2T2006 0.161957651 -0.02888 0.044835 0.209189 0.127501 1.16450376 0.019683398 -0.00213 0.049161 0.048784
URSI 2T2006 -0.03975174 0.1)83955 0.08908 0.205233 -0.03975 0.91711704_ 0.019683398 -0.00213 0.049161 0.048784
VASCONI 2T2006 -0.19459165 0.346803 0.283126 -0.07732 -_Cl.21706 0.76277716 0.019683398 -0.00213 0.049161 0.048784
VITROA 2T2006 -0.04549107 O 0.128617 0.017298 -0.07274 -1.7469142 0.019683398 -0.00213 0.049161 0.048784
WALMEXV 2T2006 0.093551746 -0.01573 -0.03175 0.103096 0.07421 0.73926689 0.019683398 -0.00213 0.049161 0.048784

62