Download 1. finanzas

Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
1. FINANZAS
I.
PAPER N°1
ANÁLISIS DE LA HIPÓTESIS RETURN-CHASING EN ECONOMÍAS
LATINOAMERICANAS Y ASIÁTICAS
Claudia A. Contreras Ríos
Universidad Tecnológica Metropolitana
clau.cr@gmail.com
Claudio R. Molina Mac-Kay
Universidad Tecnológica Metropolitana
c_molina_mac_kay@hotmail.com
Resumen
La idea central del presente trabajo de investigación es analizar la validez de la Hipótesis
Return-chasing de Anthony Tu en la evidencia empírica de economías latinoamericanas para
contrastarlas con economías asiáticas, donde se evaluará si el comportamiento de los inversionistas
extranjeros se da a partir del parámetro riesgo/retorno.
Para analizar esta problemática se decidió realizar un estudio de tipo descriptivo que explorará
una muestra de datos de cuatro mercados accionarios latinoamericanos –Brasil, Chile, Colombia y
Perú– para luego compararlos con cuatro mercados asiáticos –China, Corea del Sur, Hong Kong y
Japón– donde no existen barreras al movimiento de capitales. El período muestral se inicia en el
mes de Enero del año 2002 y finaliza en Septiembre de 2006; y la varianza condicional en el
9
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
modelo se asume que siga un modelo GARCH-M, incluyendo el Country Credit Rating como una
variable de riesgo explicativa en la ecuación de la media y de la varianza.
Del estudio se concluyó que tanto economías latinoamericanas –Brasil, Chile y Colombia–
como economías asiáticas –China y Japón– presentaron en sus mercados accionarios el efecto
Return-chasing en el período que se toma la muestra –en términos de los signos presentados en los
parámetros estimados– donde los flujos de inversión tienden a moverse dentro de mercados donde
los retornos se espera sean altos y se alejan de mercados donde los retornos serán bajos.
Palabras
claves:
Hipótesis
Return-Chasing;
Mercado
bursátil;
Heteroscedasticidad;
Volatilidad; Retorno.
Introducción
Los inversionistas buscan ganancias en sus retornos, quienes disponen de facilidades para
arbitrar los diferenciales en las tasas de interés en los países, lo cual genera que los flujos de capital
se trasladen de una economía hacia otra con repercusiones financieras por la salida o ingreso
inesperado de capitales. Debido a esto es que en el último tiempo aumentaron considerablemente
las inversiones en portafolio –de corto plazo– como un canal para los flujos de capitales
internacionales para los países en vías de desarrollo. Los inversionistas tienden a invertir en
mercados donde los retornos esperados sean altos, y se alejan de aquellos mercados donde los
retornos sean bajos (ajustados por el riesgo de inversión).
La inversión en portafolios es causada por distintos factores y condicionantes, entre ellos están
la liberalización de las cuentas de capital y financiera en la mayoría de los países del mundo, lo que
atrae a los distintos inversionistas a disponer sus recursos en aquellos países; el desarrollo
tecnológico en las TICs, que crea una disminución en los costos de transacción referidos a la
inversión; el rápido crecimiento de los inversionistas institucionales –Compañías de previsión, de
10
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
seguro, de salud, entre otros– que están dispuestos a invertir en el campo internacional con el fin de
obtener mayores retornos; y el lavado de dinero proveniente del narcotráfico. Estas personas
limpian los recursos al invertir en portafolios a los cuales es difícil hacerles un seguimiento, en
lugar de invertir directamente en negocios donde pueda el seguimiento ser realizado con facilidad.
Harvey (1995) 1 sugiere en sus estudios que no hay relación entre retornos esperados y los betas
medidos con respecto al portafolio de mercado mundial. La varianza del país explica mejor la
variación en retornos esperados.
Igualmente, Erb, Harvey y Viskanta (1995) 2 sugieren que el Country Credit Rating (Indicador
de Riesgo-País) está correlacionado con los retornos futuros y con la volatilidad de mercado tanto
para los mercados desarrollados como para los emergentes. Sus resultados también indican que esta
variable es una medida más acertada que las tasas de dividendos para diferenciar entre los altos –y
bajos– retornos de portafolio en mercados de patrimonio nacional 3. En términos de la hipótesis
“Return-chasing”, mientras el Índice Riesgo-País en un país mejora (empeora), el flujo
internacional de portafolios aumentará (o disminuirá) y llevará a un índice de precio a un nivel más
alto (bajo).
La salida de capitales y el menor suministro de recursos externos sucede mientras el panorama
de un país, en términos macroeconómicos y financieros, presenta condiciones más favorables para
el capital extranjero y al mismo tiempo, la economía internacional disfruta de una mayor liquidez y
bajas tasas de interés.
Indudablemente, la inversión en capitales en países en vías de desarrollo tiene grandes
beneficios. En un nivel macroeconómico, en tales economías con bajas tasas de ahorro, las
inversiones en portafolios de corto plazo pueden complementar los ahorros domésticos, lo que lleva
1
HARVEY, Campbell R. (1995) “Predictable Risk and Returns in Emerging Market,” Review of Financial
Studies 8, pp.773-816.
2
ERB, Claude, HARVEY, Campbell R. y VISKANTA, Tadas (1995) “Country Risk and Global Equity
Selection” en Journal of Portfolio Management, Winter, pp. 74-83.
3
PEREIRO, Luis E. “Valuation of Companies in Emerging Markets: A Practical Approach”. John Wiley and
Sons, Inc. (2002). p. 114.
11
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
a una inversión y crecimiento más altos. Sin embargo, también pueden tener efectos negativos,
como lo que sucedió con la Crisis del peso mexicano de 1994-1995, la Crisis asiática financiera de
1997, y las Crisis Rusa y Brasileña de 1998. Esto último hace que en algunos países se apliquen
políticas de desincentivo a las excesivas entradas de capitales, ya que, podrían provocar una
apreciación excesiva de la moneda nacional. Esto ayudaría a mantener la competitividad y el
dinamismo de las exportaciones y de la producción de bienes transables, así como a controlar la
magnitud del déficit en la cuenta corriente de la balanza de pagos. Igualmente, existe un riesgo serio
que tales flujos volátiles podrían aminorar los beneficios que pueden traer la globalización y el libre
mercado.
Debido a una ampliación de los activos internacionales, los inversionistas emplean sus
estrategias de diversificación, siendo éstas el resultado en una expansión de inversiones fronterizas.
Igualmente existen incentivos a invertir dentro de las fronteras, y debido a esto es que surge la
siguiente interrogante ¿es el incentivo de riesgo/retorno el que los inversionistas buscan al evaluar
una determinada entrada o salida de capitales?
Para responder a esta pregunta, el siguiente proyecto se basará en la realización de un estudio
que examina un período de seis años, desde Enero del año 2002 al tercer trimestre del año 2006, de
la historia económica de cuatro países latinoamericanos donde no existen barreras al movimiento de
capitales –Brasil, Colombia, Chile y Perú– contrastándolos finalmente con cuatro economías
asiáticas –China, Corea del Sur, Hong Kong y Japón. El estudio se centra en Capitales Financieros
(de corto plazo) y su propósito es explicar si cuyos capitales tienen real incidencia en la inversión
real.
Este estudio examinará el lineamiento financiero propuesto por la Hipótesis de Return-Chasing
de Anthony Tu que analiza la entrada de capitales desde el punto de vista de la teoría de portafolio y
el capital financiero de corto plazo.
1. Resultados
12
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
A continuación se darán a conocer los resultados del análisis de la Hipótesis de Return-chasing
y los distintos test aplicados a las series de los retornos de los índices bursátiles de las economías en
cuestión.
En primer lugar, se procedió a examinar la información que sirvió de insumo para las distintas
estimaciones. Se graficaron las series de retornos determinados en forma logarítmica de los distintos
índices ocupados en el estudio. El período muestral de ambas series va desde Enero de 2002 a
Septiembre de 2006, lo que da un total de 56 datos.
Además, se procedió a examinar los estadísticos descriptivos con el Test de Jarque-Bera, donde
todos los países bajo estudio exhibieron un 𝐽𝐵 < 6, una 𝑆 cercana a cero y una 𝐾 cercana a tres,
concluyendo la hipótesis de tendencia a la distribución normal de cada una de las series, es decir, se
rechaza la hipótesis de una distribución Gaussiana a la luz de la evidencia muestral. Lo anterior se
puede observar en la Tabla Nº1.
Tabla Nº1: Test de Jarque-Bera para las series de Retorno de los Índices bursátiles
Latinoamérica
Asia
Serie: Retorno Skewness
Índice bursátil
(𝑺)
RBOVESPA
RIGPA
RIGBC
RIGBVL
RSSEC
RKS11
RHSI
RN225
-0,441717
0,180219
0,036507
0,233465
0,164527
-0,103170
-0,562865
-0,321896
Kurtosis
(𝑲)
2,941064
3,168944
4,468532
2,825787
2,347096
4,585324
2,729479
2,395075
JarqueBera(𝑱𝑩)
1,829167
0,369734
5,044475
0,579538
1,247307
5,963600
3,127718
1,820940
𝑯𝟎 *
No se rechaza
No se rechaza
No se rechaza
No se rechaza
No se rechaza
No se rechaza
No se rechaza
No se rechaza
Fuente: Elaboración propia
*𝐻0 : La distribución es normal.
De la tabla anterior, se confirmó la presencia de normalidad para las series de retornos de los
índices de mercados accionarios. Es decir, no se rechazó la hipótesis nula de existencia de
distribución normal para las series.
13
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
Posteriormente, se procedió al análisis de las series para verificar la estacionariedad de las
mismas y poder estimar modelos heteroscedásticos. Para ello se aplicó una prueba estadística con el
fin de determinar la no existencia de raíces unitarias mediante el Test de Dickey-Fuller Aumentado,
el cual arrojó los resultados que se muestran en la Tabla Nº2.
Tabla Nº2: Test de Dickey-Fuller Aumentado para las series de Retorno de los Índices bursátiles
Latinoamérica
t-estadístico
RBOVESPA
RIGPA
RIGBC
RIGBVL
RSSEC
RKS11
RHSI
RN225
Fuente: Elaboración propia
Asia
Valores críticos del Test
Serie: Retorno
Índice bursátil
𝑯𝟎 *
1%
3%
5%
-7,424424
-5,760216
-6,604306
-6,957801
-3,555023
-3,555023
-3,555023
-3,555023
-2,915522
-2,915522
-2,915522
-2,915522
-2,595565
-2,595565
-2,595565
-2,595565
Se rechaza
Se rechaza
Se rechaza
Se rechaza
-7,060811
-8,813359
-7,135066
-6,149864
-3,555023
-3,555023
-3,555023
-3,555023
-2,915522
-2,915522
-2,915522
-2,915522
-2,595565
-2,595565
-2,595565
-2,595565
Se rechaza
Se rechaza
Se rechaza
Se rechaza
*𝐻0 : Existencia de raíces unitarias.
De la tabla anterior se pudo confirmar la presencia de estacionariedad para las series de
retornos de los índices de mercados accionarios, ya que, se observa que al 1%, 5% y 10% de
confianza se rechaza la hipótesis nula de existencia de raíces unitarias, lo que implica que las series
son estacionarias. Esto debido a que |Testadístico| > |Valor crítico|.
Para la variable adicional explicativa, que corresponde a la Clasificación de Riesgo
Internacional (Country Credit Rating) de cada país, se optó por la transformación de las variables.
Esto quiere decir, en primeras diferencias y su mensualización.
Para establecer el modelo GARCH-M óptimo, se aplicó el Criterio de Información de Akaike,
donde se debió elegir el modelo con menor Akaike y menores rezagos posibles. El modelo escogido
fue aquel que presentó una mayor cantidad de parámetros significativos sobre la base de un criterio
14
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
de parsimoneidad y de máxima verosimilitud. La Tabla Nº3 muestra el modelo escogido para cada
mercado.
Tabla Nº3: Modelo escogido bajo el Criterio de Información de Akaike
Latinoamérica
Asia
Mercado
GARCH-M (p,q)
Brasil
Chile
Colombia
Perú
China
Corea del Sur
Hong Kong
Japón
GARCH-M (3,5)
GARCH-M (1,2)*
GARCH-M (3,4)
GARCH-M (1,2)
GARCH-M (2,2)
GARCH-M (1,4)
GARCH-M (1,2)
GARCH-M (1,1)
Fuente: Elaboración propia
*El modelo GARCH-M(1,2) fue corregido, agregándole una variable adicional explicativa que
corresponde a un rezago de cuatro períodos para la serie del retorno del IGPA. Lo anterior, para
evitar autocorrelación en los residuos del modelo.
Cabe destacar que para algunos países no se escogió el modelo con menor Akaike, pero sí uno
de los cinco menores Akaikes. Esto debido a que no contaba con una de las características para
generar poder en los Test estadísticos, siendo ésta la condición de presentar comportamiento normal
y/o no presentar autocorrelación en la serie de residuos estandarizados de cada modelo.
Luego del análisis de las series de retornos de los índices de mercado accionario, se procedió a
analizar y verificar el comportamiento normal y rechazo de la existencia de autocorrelación en los
residuos estandarizados de cada modelo GARCH-M escogido. Un resumen de los resultados de la
aplicación de los Test de Jarque-Bera y de Autocorrelación Simple y Parcial para los residuos se
muestran en la siguiente tabla.
Tabla Nº4: Test de Jarque-Bera y Autocorrelación para la Serie de Residuos Estandarizados de
cada modelo
15
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
GARCHM (p,q)
Mercado
Test de Jarque-Bera
Test de Autocorrelación
Skewness
Kurtosis
JarqueBera
Brasil
(3,5)
-0,238384
4,274056
4,317893
Chile
(1,2)
-0,164322
2,785729
0,333491
Colombia
(3,4)
0,241009
2,802714
0,632949
Perú
(1,2)
0,031346
2,929592
0,020738
China
(2,2)
0,212485
2,776481
0,537973
(1,4)
-0,361793
3,921412
3,202681
(1,2)
-0,513754
2,533116
2,972089
(1,2)
-0,827446
3,483211
6,003045
Corea del
Sur
Hong
Kong
Japón
Simple
H₀
No
rechaza
No
rechaza
No
rechaza
No
rechaza
No
rechaza
No
rechaza
No
rechaza
No
rechaza
se
se
se
se
se
se
se
se
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
Parcial
se
se
se
se
se
se
se
se
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
H₀ no
rechaza
se
se
se
se
se
se
se
se
Fuente: Elaboración propia
Del Test de normalidad o Jarque-Bera se concluyó que la serie de todos los modelos presentan
la condición de tendencia a una distribución normal, ya que, se obtuvo un 𝐽𝐵 que es inferior al valor
crítico del test ( 𝐽𝐵 = 6).
En cuanto a la detección de autocorrelación en los residuos estandarizados, se procedió a
aplicar el Test de Autocorrelación Simple y Parcial, que indicó que no existe autocorrelación en los
residuos en ningún modelo, ya que los coeficientes se encuentran dentro de las bandas establecidas
por el test.
1.1.
Resultados para Brasil
Se observó que el modelo GARCH-M (3,5) fue el que presentó el segundo menor Akaike y una
mayor cantidad de parámetros significativos. No fue escogido el modelo con menor Akaike debido
a que la serie de residuos estandarizados de la estimación no presentó un comportamiento normal.
Por ello se optó por el modelo con segundo menor Akaike, pues si cumplió con esta condición.
Cuadro Nº1: GARCH-M (3,5)
Dependent
Variable:
16
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
RBOVESPA
Method: ML – ARCH
Sample: 2002:02 2006:09
Included observations: 56
@SQRT(GARCH)
C
VCCR
Coefficient
Std. Error
z-Statistic
Prob
3.407815
-0.198811
0.056430
0.728860
0.043847
0.037730
4.675542
-4.534146
1.495611
0.0000
0.0000
0.1348
0.002921
-0.006236
-0.090833
-0.083328
0.065641
1.158617
-0.071960
-0.839867
0.180635
-0.001097
0.335391
0.149918
0.070118
0.211412
78.53526
1.808304
0.077338
0.001343
2.174846
0.086394
-0.072182
0.061811
-1.469515
0.097366
-0.855824
0.496326
0.132254
0.117145
9.890454
0.679861
-0.105845
0.199795
-4.203640
0.491352
0.367629
0.000924
-1.187748
Mean dependen var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Variance Equation
C
RESID(-1)^2
RESID(-2)^2
RESID(-3)^2
GARCH(-1)
GARCH(-2)
GARCH(-3)
GARCH(-4)
GARCH(-5)
VCCR
R-squared
Adjusted R-squared
S.E. of regression
Sum Squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.0296
0.9425
0.1417
0.3921
0.8948
0.0000
0.9157
0.0000
0.7131
0.2349
0.018797
0.076050
-2.340545
-1.870374
-2.158261
2.127396
Fuente: EViews 6.0
De la estimación del modelo se concluye que los cambios en los retornos del BOVESPA fueron
explicados en un 33,53% por las variaciones en el Country Credit Rating. Esto debido al resultado
obtenido del 𝑅 2.
Del cuadro anterior se desprende que la estimación de la varianza no arrojó parámetros
significativos para la variable independiente –variación en el Country Credit Rating–, a juzgar por
|𝑧𝑜𝑏𝑠 = −1,19| < |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96|. No obstante, fue de signo negativo, indicando que la señal
informativa de la variación en la clasificación de riesgo tiende a estabilizar el mercado.
Se observa un fenómeno de persistencia en los cinco meses anteriores con la volatilidad, toda
vez que la volatilidad de mercado arroja significancia estadística en los rezagos 2 y 4. Dada la
17
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
magnitud del coeficiente estimado para 𝜎𝑡−2 de 1,16 –rezago 2– se puede decir, con significancia
estadística |𝑧𝑜𝑏𝑠 = 9,89| > |𝑧𝑜𝑏𝑠 = ±1,96|, que la varianza como un todo aumenta a la luz de este
fenómeno de persistencia. Es decir, las volatilidades pasadas afectan la actual volatilidad del
mercado en Brasil. Lo anterior, tiene su asidero en la estabilidad de la economía brasileña que hace
que aunque la Bolsa muestre aleatoriedad se genere validez de la información pasada, dado que la
economía no es inestable (ruidosa).
Para analizar la ecuación de la media se toma la siguiente expresión resumida de la estimación.
𝑅𝑡 = −0,198811 + 0,056430 ∆𝐶𝐶𝑅 + 3,407815�ℎ𝑡
𝑧𝑜𝑏𝑠 |−4,534146|
|1,495611|
|4,675542|
En primer lugar se observa que la constante fue significativa, a juzgar por |𝑧𝑜𝑏𝑠 = −4,53| >
|𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96|, con lo cual se rechaza 𝐻0 . Lo anterior es indicativo de una tendencia
estacionaria negativa del mercado, revelando la tendencia de los retornos dentro del período
considerado. Este resultado fue esperado, pues estuvo acorde con un período de entrada de capitales
a Brasil con Políticas Monetarias que tendieron a la estabilidad –mayor rentabilidad de los papeles
emitidos por el Banco Central do Brasil– que involucró que las acciones como sustitutos de tales
instrumentos disminuyeran en rentabilidad.
Por otra parte, el coeficiente que acompaña a la variación del Country Credit Rating asociado a
la media indicaría la presencia del efecto Return-chasing, a juzgar por el signo positivo. Sin
embargo, el parámetro no fue significativo al 5% debido a que |𝑧𝑜𝑏𝑠 = 1,50| < |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96|.
Esto es, al aumentar en un 1% la variación en la clasificación de riesgo de no pago, el retorno
esperado aumentaría 0,06% indicando la existencia de incentivos a la entrada de capitales en Brasil
en el período.
Por último, se observa que el coeficiente asociado a la volatilidad presentó significancia
estadística, dado que |𝑧𝑜𝑏𝑠 = 4,68| > |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96| y del signo esperado, es decir, se presenta
18
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
un premio por riesgo que indica que ante incrementos en la volatilidad (SQRT) de un 1%, el retorno
aumentaría un 3,41%.
1.2.
Resultados para Chile
En el caso chileno, se escogió el modelo que presentó el menor Akaike luego de haber sido
corregido a través de la inclusión de una variable explicativa adicional en la ecuación de la media.
Dicha variable correspondió a un rezago del retorno del IGPA de cuatro períodos, que tiene su
asidero en la relevancia de la información pasada en una economía estable. Lo anterior, se aplicó
por la estructura de autocorrelación que presentó la serie de residuos estandarizados del modelo en
el rezago 4. El modelo corregido se presenta en el siguiente cuadro:
Cuadro Nº2: GARCH-M (1,2)
Dependent Variable: RIGPA
Method: ML – ARCH (Marquardt) – Normal distribution
Sample
(adjusted):
2002:06
2006:09
Included observations: 52 after adjustments
@SQRT(GARCH)
C
VCCR
RIGPA(-4)
Coefficient
Std. Error
z-Statistic
Prob
1.670048
-0.039691
0.000848
0.033499
0.723924
0.023955
0.029300
0.176168
2.306937
-1.656916
0.028937
0.190155
0.0211
0.0975
0.9769
0.8492
0.000358
-0.207338
0.624256
0.264114
-0.000516
0.090351
-0.078886
0.032695
0.045965
113.9052
0.533874
0.824377
0.000258
1.384537
0.076539
-2.708928
0.797575
0.782693
0.658974
0.400795
0.000533
-0.967780
Mean dependen var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Variance Equation
C
RESID(-1)^2
GARCH(-1)
GARCH(-2)
VCCR
R-squared
Adjusted R-squared
S.E. of regression
Sum Squared resid
Log likelihood
F-statistic
Prob(F-statistic)
0.1662
0.0068
0.4338
0.6886
0.3332
0.013351
0.031477
-4.034815
-3.697100
-3.905343
1.489348
Fuente: EViews 6.0
19
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
Los resultados de la estimación del modelo revelaron que éste explicó un 9,03%, todo esto a
juzgar por el 𝑅 2 (R-squared en el Cuadro Nº2).
Debido al signo negativo que presentó el coeficiente que acompaña la variable de la
clasificación crediticia en la ecuación de la varianza, se obtiene que ésta incentiva el
comportamiento racional de los inversionistas extranjeros. Sin embargo, la variable no presentó una
significancia estadística considerable debido a que el valor obtenido fue menor al valor crítico, es
decir, |𝑧𝑜𝑏𝑠 = −0,97| < |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96|. No obstante, este fenómeno no distorsiona el valor
final de la varianza, ya que ésta finalmente aumenta como evidencia del signo positivo obtenido del
resultado de la suma de los coeficientes que componen la ecuación de la varianza.
Se observa un fenómeno de persistencia en la innovación de hace un período atrás, indicando
validez de la información pasada en el mercado actual. Lo anterior a juzgar por la significancia
estadística donde |𝑧𝑜𝑏𝑠 = −2,71| > |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96|.
Se observa del Cuadro Nº2 que para el caso de Chile hay evidencia de la presencia de la
hipótesis especulativa de Return-chasing, debido al signo positivo que presentó el coeficiente que
acompaña a la variable de variación en el Country Credit Rating en la ecuación de la media, es
decir, ante mejoras en la clasificación de riesgo de un 1% incrementaron los retornos en un
0,0008%. Este efecto no fue estadísticamente significativo, ya que, |𝑧𝑜𝑏𝑠 = 0,03| < |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 =
±1,96, es decir, el riesgo no demostró tener gran influencia sobre los retornos.
De lo anterior, se desprende que existió un premio por asumir riesgo, debido al signo positivo y
significancia estadística de |𝑧𝑜𝑏𝑠 = 2,31|que presentó el coeficiente que acompaña la volatilidad.
Es decir, el modelo fue consistente con la Teoría Moderna de Portafolios de H. Markowitz4 (1952)
y J. Tobin (1958), revelando evidencia de la relación riesgo/retorno, donde a mayor riesgo existe
mayor retorno.
4
En el año 1990, Harry Markowitz -junto con Merton Millar y William Sharpe- obtuvo el Premio Nobel de Economía por sus
contribuciones que han tenido un impacto profundo tanto en la teoría como en la práctica de las finanzas.
20
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
La ecuación de la media quedó expresada de la siguiente manera:
𝑅𝑡 =
𝑧𝑜𝑏𝑠
−0,039691 + 0,000848 ∆𝐶𝐶𝑅 + 1,670048�ℎ𝑡 + 0,033499
|−1,656916|
|0,028937|
|2,306937|
|0,190155|
La constante presentó signo negativo y significancia estadística al 9,75% de |𝑧𝑜𝑏𝑠 = −1,66|, lo
que revela la existencia de un retorno promedio estacionario negativo, revelando una tendencia de
los retornos dentro del período considerado en el mercado bursátil chileno. De esta manera, se
indica que los retornos fueron auspiciosos. Este resultado fue esperado y puede ser razón de la
entrada de capitales foráneos y de la aplicación en el período de Políticas restrictivas de aumento en
la tasa de interés de los papeles del Banco Central, lo que hizo disminuir las rentabilidades de los
instrumentos sustitutos –acciones.
La variable explicativa adicional no presentó significancia estadística e influyó en el retorno,
incrementándolo debido al signo positivo.
1.3.
Resultados para Colombia
En el caso de Colombia, se escogió el modelo GARCH-M (3,4) que corresponde a la segunda
estimación con menor Akaike. No se escogió el modelo que presentó el menor Akaike –como se
postuló en la metodología– puesto que la serie de residuos estandarizados no se comportó
normalmente y estaba correlacionada. El siguiente cuadro muestra la estimación sin estructuras de
autocorrelación.
Cuadro Nº3: GARCH-M (3,4)
Dependent Variable: RIGBC
Method: ML – ARCH
Sample: 2002:02 2006:09
Included observations: 56
@SQRT(GARCH)
C
VCCR
Coefficient
Std. Error
z-Statistic
Prob
0.180538
0.013853
0.071143
0.447667
0.050028
0.050725
0.403285
0.276905
1.402521
0.6867
0.7819
0.1608
21
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
Variance Equation
C
RESID(-1)^2
RESID(-2)^2
RESID(-3)^2
GARCH(-1)
GARCH(-2)
GARCH(-3)
GARCH(-4)
VCCR
R-squared
Adjusted R-squared
S.E. of regression
Sum Squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Fuente: EViews 6.0
0.027712
0.415968
-0.467946
-0.070374
-0.062021
0.057587
-0.357483
-0.270197
-0.017729
0.004697
-0.244128
0.097008
0.414068
55.91986
0.018878
1.000000
0.020491
1.352392
0.466406
0.891858
0.500516
-0.934928
0.631702
0.111404
0.900673
-0.068861
0.634699
0.090731
0.470819
-0.759278
0.578283
-0.467241
0.018709
-0.947651
Mean dependen var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
0.1762
0.3725
0.3498
0.9113
0.9451
0.9277
0.4477
0.6403
0.3433
0.037082
0.086971
-1.568566
-1.134562
-1.400304
1.840597
De acuerdo al resultado obtenido del 𝑅 2 en la estimación del modelo, se desprende que los
cambios en los retornos del IGBC fueron explicados en un 0,46% por las variaciones en el Country
Credit Rating. La explicación del modelo es pequeña, sin embargo estudios similares han generado
como máximo un 𝑅 2 del 8% (Amit Goyal, 2000) 5.
De acuerdo a la información obtenida del Cuadro Nº3, se concluye que la estimación de la
varianza no mostró parámetros fuertemente significativos al 5%. No obstante, el signo de la variable
de clasificación crediticia fue negativo, lo que se traduce en una baja en la volatilidad del mercado
bursátil, debido a que las inversiones se comportaron como estabilizadores ante variaciones
positivas en la clasificación de riesgo crediticio.
Al observar globalmente la ecuación de la varianza, se observa que los coeficientes más
cercanos a la significancia estadística fueron positivos. De la misma ecuación se desprende que
existió un fenómeno de persistencia poco severo, puesto que |𝑧𝑜𝑏𝑠 | < 1,96.
5
GOYAL, Amit (2000), “Predictability of Stock Return Volatility from GARCH Models”, Working Paper,
Anderson Graduate School of Management, UCLA. May.
22
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
Luego de haber estimado el modelo óptimo, la ecuación de la media quedó establecida de la
siguiente manera:
𝑅𝑡 = 0,013853 + 0,071143 ∆𝐶𝐶𝑅 + 0,180538�ℎ𝑡
𝑧𝑜𝑏𝑠 |0,276905|
|1,402521|
|0,403285|
Al analizar la constante se deduce que existió un retorno promedio estacionario positivo, lo que
fue esperado, dado que estuvo acorde con un período de entrada de capitales a Colombia con
Políticas Monetarias desestabilizadoras –menor rentabilidad de los papeles emitidos por el Banco
Central– que involucró que las acciones como sustitutos aumentasen su rentabilidad.
La ecuación de la media tampoco presentó un nivel de significancia estadística considerable.
Sin embargo, el signo positivo que mostró el coeficiente que acompaña a la variable independiente,
junto con el signo negativo de la misma en la ecuación de la varianza, da señales de la existencia del
efecto especulativo o Return-chasing, pero no sustentadas en significancia estadística. Lo que se
interpreta como que frente a un aumento en un 1% en la variación de clasificación de riesgo de no
pago, se incrementaría el retorno esperado en un 0,07%, lo que provocaría el ingreso de nuevos
capitales al mercado local.
Se observa que el coeficiente asociado a la volatilidad no presentó significancia estadística, ya
que |𝑧𝑜𝑏𝑠 = 0,40| < |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96|. Sin embargo, presentó el signo esperado, lo que indica
que existió un premio por asumir riesgo, es decir, el modelo estimado sustenta la Teoría Moderna
de Portafolios de H. Markowitz (1952) y J. Tobin (1958).
1.4.
Resultados para Perú
El modelo escogido para Perú pertenece al modelo con menor Akaike y que presentó una
mayor cantidad de parámetros significativos, siendo éste el GARCH-M (1,2).
Cuadro Nº4: GARCH-M (1,2)
Dependent Variable: RIGBVL
23
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
Method: ML – ARCH
Sample: 2002:02 2006:09
Included observations: 56
@SQRT(GARCH)
C
VCCR
Coefficient
Std. Error
z-Statistic
Prob
0.559234
0.005645
-0.001360
0.189478
0.005479
0.018249
2.951447
1.030277
-0.074536
0.0032
0.3029
0.9406
0.004475
-0.245686
0.515124
-0.544570
-0.001532
0.020361
-0.122503
0.060434
0.175308
87.45733
0.142523
0.994192
0.001497
2.988351
0.084032
-2.923721
0.243117
2.118833
0.283410
-1.921493
0.000729
-2.100630
Mean dependen var
S.D. dependent var
Akaike info criterion
Schwarz criterion
Hannan-Quinn criter.
Durbin-Watson stat
Variance Equation
C
RESID(-1)^2
GARCH(-1)
GARCH(-2)
VCCR
R-squared
Adjusted R-squared
S.E. of regression
Sum Squared resid
Log likelihood
F-statistic
Prob(F-statistic)
Fuente: EViews 6.0
0.0028
0.0035
0.0341
0.0547
0.0357
0.037473
0.057041
-2.837762
-2.548426
-2.725587
1.852980
Al observar el resultado obtenido del 𝑅 2 en la estimación del modelo, se deduce que los
cambios en los retornos del IGBVL fueron explicados en un 2,04% por las variaciones de la
clasificación de riesgo crediticio o de no pago 6.
De los resultados obtenidos de la ecuación de la varianza, se observa que el coeficiente de la
variación en la clasificación internacional de riesgo presentó signo negativo, obteniendo una
significancia estadística considerable de |𝑧𝑜𝑏𝑠 = −2,10| > |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96|), indicando que el
mercado incentiva un comportamiento racional en los inversionistas en el período de estudio.
Lo anterior da pie para indicar que cuando la clasificación de riesgo crediticio mejoró o, lo
mismo, cuando el índice disminuyó, la volatilidad o ruido en el mercado disminuyó. Esto también
El valor de
que arroja la estimación del modelo, está igualmente sustentado por lo mencionado en el
estudio de Amit Goyal denominado Predictability of Stock Return Volatility from GARCH Models, el cual
estipula un máximo del 8%.
6
24
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
se demuestra a través del signo negativo resultante de la suma de los coeficientes que componen la
ecuación de la varianza.
Se observa fuertemente un fenómeno de persistencia en la innovación y señal informativa de
mercado de hace un período, a juzgar por la significancia estadística a un nivel del 5% –|𝑧𝑜𝑏𝑠 =
−2,92| > |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96| y |𝑧𝑜𝑏𝑠 = 2,11| > |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96|–, afectando relevantemente la
volatilidad de mercado y las decisiones del inversionista foráneo. Como conclusión, los resultados
evidenciaron una economía con estabilidad relativa que genera validez de la información pasada y
que hace que la Bolsa muestre aleatoriedad y volatilidad, dado que la economía tiene sólo
estabilidad relativa –es más bien ruidosa. Lo anterior concuerda con la Teoría de Extracción de
Señales, la cual se refiere al peso que tiene la información pasada en economías relativamente
estables, donde se dice que cuando las economías son estables, la información pasada influye en el
mercado actual 7.
De la estimación de la media del Cuadro Nº4 se aprecia que, para el caso del mercado
accionario peruano se encontró suficiente evidencia para negar la existencia de un efecto Returnchasing, por el contrario, se estuvo en presencia del efecto riesgo. Lo anterior se debe al signo
negativo –pero ausencia de significancia estadística– que presentó el coeficiente asociado a la
variable de variación en la clasificación de riesgo crediticio en la ecuación de la media, es decir,
esta variable no afectó en forma significante al retorno esperado. Esto indica que ante mejoras en la
clasificación de riesgo de un 1% se produjo una disminución en los retornos en un 0,001%.
La ecuación de la media resumida de la estimación del modelo se expresa como:
𝑅𝑡 = 0,005645 + (−0,001360) ∆𝐶𝐶𝑅 + 0,559234�ℎ𝑡
𝑧𝑜𝑏𝑠 |1,030277|
|−0,074536|
|2,951447|
De la ecuación se deduce que la volatilidad influyó significativamente –y positivamente– en el
retorno esperado, es decir, al aumentar la volatilidad en el mercado accionario peruano en un 1%, el
7
PARKIN, Michael. “Macroeconomics” en Appendix to Chapter 27: The Signal Extraction Problem.
Englewood Cliffs, New Jersey, 1984. pp. 405-414.
25
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
retorno esperado aumenta en un 0,56%. De lo anterior, se concluye que existió un premio por
asumir riesgo, debido al signo que presentó el coeficiente que acompaña a la desviación estándar.
Igualmente se aprecia que el retorno promedio estacionario fue positivo en el mercado peruano,
a juzgar por el signo de la constante aunque sin significancia estadística, dado que el |𝑧𝑜𝑏𝑠 | fue
menor al valor crítico –|𝑧𝑜𝑏𝑠 = 1,03| < |𝑧𝑛𝑜𝑟𝑚𝑎𝑙 = ±1,96|.
1.5.
Análisis comparativo entre Mercados Latinoamericanos y
Asiáticos
La Tabla Nº5 muestra el orden apropiado para los modelos GARCH-M(p,q) de cada uno de los
ocho mercados en cuestión.
Tabla Nº5: Resumen de las Estimaciones
Ecuación
de la
varianza
Ecuación de la media
Mercado
�𝒉𝒕
Constante
Chile
(1,2)
9,03
Coef
Prob
z-est
Colombi
a
(3,4)
0,46
Coef
Prob
z-est
0,180538
(0,6867)
|0,403285|
Perú
(1,2)
2,04
Coef
Prob
z-est
0,559234
(0,0032)
|2,951447|
0,005645
(0,3029)
|1,030277|
19,90
Coef
Prob
z-est
2,239048
(0,0000)
|4,271188|
13,43
Coef
Prob
z-est
1,079168
(0,0419)
|2,034032|
China
Asia
𝑹𝟐
(%)
-0,198811
(0,0000)
|4,534146|
-0,039691
(0,0975)
|1,656916|
0,013853
(0,7819)
|0,276905|
Brasil
Latinoamérica
Mod
elo
GAR
CHM(p,
q)
Corea
del Sur
(3,5)
(2,2)
(1,4)
33,53
Coef
Prob
z-est
3,407815
(0,0000)
|4,675542|
1,670048
(0,0211)
|2,306937|
-0,120648
(0,000)
|4,448007|
-0,044663
(0,3216)
|0,991274|
∆𝑪𝑪𝑹𝒕
RIGPA(-4)
Sólo para
Chile
0,056430
(0,1348)
|1,495611|
-
0,0000848
(0,9769)
|0,028937|
0,033499
(0,8492)
|0,190155|
0,071143
(0,1608)
|1,402521|
-0,001360
(0,9406)
|0,074563|
-
-
0,037552
(0,5224)
|0,639683|
-
-0,054281
(0,3922)
|0,855635|
-
∆𝑪𝑪𝑹𝒕
-0,001097
(0,2349)
|1,187748|
-0,000516
(0,3332)
|0,967780|
-0,017729
(0,3433)
|0,947651|
-0,001532
(0,0357)
|2,100630|
-0,000732
(0,5460)
|0,603780|
-0,014692
(0,0234)
|2,266723|
26
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
Hong
Kong
Japón
(1,2)
(1,1)
0,62
Coef
Prob
z-est
0,523134
(0,5884)
|0,541139|
0,000727
(0,9824)
|0,022029|
-0,059713
(0,1266)
|1,527678|
46,94
Coef
Prob
z-est
1,951498
(0,0141)
|2,453593|
-0,079923
(0,0010)
|3,288322|
0,026511
(0,0539)
|1,927755|
-
0,004132
(0,0344)
|2,115163|
-
-0,000491
(0,1082)
|1,606245|
Fuente: Elaboración propia
Al observar la columna de la volatilidad de cada mercado (�ℎ𝑡 ) de la Tabla Nº5, se desprende
que el coeficiente asociado a ésta fue de signo positivo tanto para los mercados latinoamericanos
como para los asiáticos, lo que quiere decir que se presenta un premio por asumir riesgo en todos
los mercados, revelando evidencia de la relación riesgo/retorno, donde a mayor riesgo existe mayor
retorno. Sin embargo, los mercados de Perú, Corea del Sur y Hong Kong presentaron signo
negativo en el coeficiente que acompaña la variable de la variación de riesgo, lo que evidencia la
presencia del efecto riesgo, el cual sustenta la teoría que dice “a menor riesgo existe mayor
retorno”.
En conclusión, los modelos de los mercados de Brasil, Chile, Colombia, China y Japón fueron
consistentes con la Teoría Moderna de Portafolios de H. Markowitz (1952) y J. Tobin (1958). No
obstante, sólo los mercados de Brasil, Chile, Perú, China, Corea del Sur y Japón fueron
estadísticamente significativos en la volatilidad.
Por otro lado, al analizar la constante de la ecuación de la media, que corresponde al retorno
promedio estacionario de cada mercado, se deduce que para el caso de Brasil, Chile, China, Corea
del Sur y Japón fue de signo negativo, revelando una tendencia de los retornos dentro del período
considerado, donde los retornos fueron auspiciosos. Sin embargo, sólo los mercados de Brasil,
China y Japón fueron significativos al 5%, mientras que para el caso de Chile se suaviza la
significancia a un 10%.
27
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
Mientras que los mercados bursátiles de Colombia, Perú y Hong Kong –sin significancia
estadística– presentaron un retorno promedio estacionario positivo que indica una tendencia a los
mercados locales.
Al analizar la ecuación de la varianza, se deduce que existió un fenómeno de persistencia en seis de
los ocho mercados en cuestión –Brasil, Chile y Colombia dentro del escenario latinoamericano; y
China, Corea del Sur y Japón en el mundo asiático– donde la información pasada afecta
significativamente en las decisiones de los inversionistas extranjeros, ya que tiene un efecto
importante en la volatilidad actual de mercado, existiendo evidencia empírica tanto en los mercados
latinoamericanos como en los asiáticos. Lo anterior es consistente con el Teorema de Extracción de
Señales.
2. Conclusiones
Se aplicaron los Modelos de heteroscedasticidad condicional autorregresiva en media (GARCH-M)
a cada uno de los mercados accionarios, creados por Engle, Lilien y Robins (1987) en los cuales la
varianza condicional aparece como una variable explicativa en la ecuación de la media.
De las estimaciones realizadas del modelo, se concluye en primera instancia que los cambios en
las clasificaciones de riesgo presentaron una relación positiva con los retornos de los índices
bursátiles de las economías latinoamericanas, no así en las economías asiáticas.
Por otro lado, de las estimaciones se deduce que las clasificaciones de riesgo internacional no
tuvieron una explicación fuertemente poderosa –en términos de significancia estadística– que afecte
el comportamiento de los retornos de mercado. Sin embargo, dentro del mismo contexto, se
concluye que tanto economías latinoamericanas –Brasil, Chile y Colombia– como economías
asiáticas –China y Japón– presentaron en sus mercados accionarios el efecto Return-chasing en el
28
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
período que se toma la muestra –en términos de los signos presentados en los parámetros
estimados– donde los flujos de inversión tienden a moverse dentro de mercados donde los retornos
se espera sean altos y se alejan de mercados donde los retornos serán bajos. De lo anterior, se
concluye que existió mayor evidencia de la hipótesis de Return-chasing en los mercados
latinoamericanos versus asiáticos.
En la investigación, los parámetros riesgo/retorno presentaron concordancia con la Teoría
Moderna de Portafolios de H. Markowitz (1952) y J. Tobin (1958) en los mercados de Brasil, Chile,
Colombia, China y Japón. Mientras que los mercados de Perú, Corea del Sur y Hong Kong
estuvieron en presencia de un efecto riesgo, donde a menor riesgo existe mayor retorno. En
conclusión, la relación riesgo/retorno de flujos de capitales de corto plazo no explicó la realidad de
todos los mercados en estudio. Cabe mencionar que estos resultados se midieron solamente en
términos de signos presentados por los coeficientes estimados. En cuanto a la significancia
estadística, los mercados de Brasil, Chile, Perú, China, Corea del Sur y Japón fueron poderosos en
su explicación.
Para captar la dinámica de la volatilidad, se observaron los resultados de las estimaciones de la
ecuación de la varianza de cada mercado accionario, de los cuales se concluye que las innovaciones
y señales informativas pasadas explicaron el comportamiento de la volatilidad actual en seis de los
ocho mercados presentes en el estudio. Es decir, existió un fenómeno de persistencia, a juzgar por el
nivel de significancia estadística presentada por la volatilidad pasada de los mercados bursátiles de
Brasil, Chile, Perú, China, Corea del Sur y Japón. En este sentido, se deduce que existió evidencia
empírica del fenómeno tanto en los mercados latinoamericanos como en los asiáticos –en términos
absolutos. Lo anterior es consistente con la Teoría de Extracción de Señales, la cual menciona que
cuando las economías son estables o relativamente estables, la información pasada influye en la
volatilidad actual de mercado.
29
Proceedings del XXV Encuentro Nacional de Facultades de Administración y Economía
ENEFA Proceedings - Vol. 2, Año 2009
ASFAE
Dentro del contexto de la volatilidad de mercado, ésta igualmente puede presentar variaciones
debido al comportamiento de los inversionistas. Es decir, cuando estos están estimulados a realizar
actividades especulativas o de desestabilización del mercado, el aumento del flujo de capitales que
ingresa al país hará que la volatilidad aumente. Mientras que si se comportan racionalmente, la
volatilidad tenderá a disminuir. Como lo menciona la Teoría de las Expectativas Racionales
propuesta por John F. Muth (1961) y posteriormente desarrollada por Robert E. Lucas (1972), que
se basa en la percepción del futuro de los individuos, la que en la mayoría de las veces suele ser lo
que realmente sucede. Este modelo se basa en el supuesto de que los individuos aprendan de sus
propios errores, los que no son sistemáticos sino aleatorios.
3. Bibliografía
AIZENMAN, Joshua (1997), “International Portfolio Diversification with Generalized Utility
Preferences”. National Bureau of Economic Research Working Paper 5965. March.
BARRO, R.J. Macroeconomía, México, McGraw-Hill, 1992.
BOLLERSLEV, Tim (1986) “Generalized Autoregressive Conditional Heteroskedasticity”.
Journal of Econometrics. April, 31:3, pp. 307-327.
GOYAL, Amit (2000), “Predictability of Stock Return Volatility from GARCH Models”,
Working Paper, Anderson Graduate School of Management, UCLA. May.
TU, Anthony H. y CHEN, Shen-Yuan (2002), “Return, Volatility and Short-term Capital
Inflows: A Test of ‘Return-Chasing’ Hypothesis in Asia-Pacific Equity Markets”. Review of
Pacific Basin Financial Markets and Policies, Vol. 5, No. 3, pp. 321-342.
30