E CONOMÍA Y DESARROLLO V O L U M E N 4FINANCIERA N Ú M E R O 1, M A R Z O 2005 ESBOZOS DE,ECONOMETRÍA 37 Esbozos de econometría financiera ELÍAS MORÉ OLIVARES* Resumen Este artículo presenta una aplicación práctica de la econometría financiera, calculando la línea de mercado de capitales y determinando la validez del modelo de evaluación de activos de capital a pesar de los supuestos de competencia perfecta y los problemas relacionados con la beta histórica planteados recientemente. El ejercicio teórico-práctico muestra cómo a pesar de las discusiones, el MVAC sigue siendo un marco de trabajo, lógica y útil conceptual y operativamente para relacionar riesgo-rendimiento. Abstract This article presents a practical application of the financial econometric, measuring the line of capital market and determining the veracity of the evaluation of the capital assets model never the less the supposed of perfect competition and the problems related with the historic b recently formulated. This theorical practical exercise shows how agnoledge of the decision the CAPM continues being a logical and useful work frame conceptually and operatively for relating risk and revenue. Palabras clave: econometría financiera, riesgo, rendimiento, modelo de valuación de activos de capital. Clasificación JEL: C1, G13, G11 * Economista. Magíster en Administración de Empresas y Magíster en Estudios Político-Económicos. Universidad del Norte, de Barranquilla. Diplomado en Docencia Universitaria y Diplomado en Finanzas. Decano Facultad de Ciencias Económicas Administrativas y Contables, Universidad Autónoma de Colombia. Las sugerencias y comentarios serán recibidas al e-mail: decaecso@fuac.edu.co o al teléfono (571) 2860642 de Bogotá. Fecha de recepción: 18 de febrero de 2005. Fecha de aceptación: 15 de marzo de 2005. Universidad Autónoma de Colombia 38 ELÍAS MORÉ OLIVARES 1. Introducción La metodología utilizada para el presente artículo es resaltar los aspectos técnicos del modelo, explicar lo relevante de la teoría del riesgo-rendimiento para posteriormente aplicarlo a un caso particular con el propósito de no desvirtuar apresuradamente el modelo de valuación de activos de capital (MVAC). Aunque no se utilizaron paquetes econométricos para mejorar el proceso operativo, se utilizó álgebra matricial. La econometría es una disciplina que mezcla la estadística y las matemáticas con la teoría económica para cuantificar fenómenos económicos y verificar teorías económicas, aplicando métodos particulares basados en la inferencia estadística. La estrategia del econometrista es el siguiente proceso secuencial: 1. 2. 3. 4. 5. 6. 7. 8. Planteamiento de la teoría o hipótesis. Especificación del modelo matemático de la teoría. Especificación del modelo econométrico de la teoría. Obtención de datos. Estimación de los parámetros del modelo econométrico. Prueba de hipótesis. Pronóstico o predicción. Utilización del modelo para fines de control o de política. De todo lo anterior, el modelo1 econométrico nos permite analizar cómo una serie de variables explicativas afectan a la variable de interés para el analista (a explicar) (MARTIN, LABEAGA y MOCHON, 1997; GUJARATI, 1990). En los últimos años el rápido crecimiento de la moderna teoría financiera y el desarrollo del proceso informático han permitido el uso de técnicas econométricas en economía financiera dando lugar a la econometría financiera. En este ensayo analizamos el modelo básico y realizamos una aplicación práctica de la econometría financiera, área de estudio, que debe ser incluida en el currículo de formación del contador, administrador de empresas y especialista en finanzas. Este cambio en el micro y macrodiseño curricular es necesario porque el nuevo paradigma de la globalización, exige que los profesionales en finanzas sean más competitivos, es decir, puedan realizar investigaciones y tomar decisiones de la forma más exacta. Todo esto sería posible con buenas bases matemáticas, estadísticas y epistemológicas que 1 Un modelo es una representación simplificada de la realidad que recoge los aspectos fundamentales de la misma que tiene interés para los objetivos del investigador o analista. Economía y Desarrollo - marzo 2005, vol. 4, n° 1 ESBOZOS DE ECONOMETRÍA FINANCIERA 39 faciliten comprender teorías financieras y aplicar los modelos ofrecidos por la econometría financiera. 2. Modelo econométrico básico El punto de partida de cualquier estudio econométrico es el planteamiento de los objetivos finales del trabajo, para lo cual elegiremos un modelo derivado de la teoría económica, capaz de cubrir los objetivos planteados. El paso del modelo teórico al modelo econométrico genera una diferencia, cuyo componente aleatorio, se registra en la ecuación de regresión y = g(X) + u, donde u es la parte aleatoria no explicada por X (GUJARATI, 1990). En la realidad no existen modelos exactos o determinísticos sino estocásticos incluyendo una variable aleatoria con distribución probabilística. La función a estimar tiene la forma: y = βo + β1X + u. En la práctica se trabaja con una muestra de tamaño n, extraída de la población, no siendo posible obtener βo y β1, sino una estimación (βo, β1) y logrando la regresión muestral mediante Yi = βo + β1 + e, donde yi es la variable a explicar, X la explicativa, βo la ordenada en el origen y B1 la pendiente de la recta de regresión. Como ocurre en los modelos de dos y tres variables, en el caso de K variables los estimadores de MCO se obtienen minimizando ∑e12, equivalente a minimizar e’e, puesto que: e1 e’e = e1 e2.... en e2 = e12 + e22 +... en2 = ∑e12 en como Y = Xβ + e e = y - Xβ e’e = (Y-Xβ)’(Y-Xβ) = y’y – y’Xβ-(Xβ)’y + (Xβ)’(Xβ) por transposición de matrices (Xβ)’ = β’X’ como (β’X’y) es un escalar, es igual a su transpuesta y’Xβ, entonces: e’e = y’y - β’X’y - β’X’y + (Xβ)’(Xβ) = y’y - 2β’X’y + β’X’X β ϑ(e’e’) diferenciando matricialmente ————— = -2X’y + 2X’Xβ ϑβ Universidad Autónoma de Colombia 40 ELÍAS MORÉ OLIVARES igualando a cero 0 = 2X’y + 2X’Xβ. -2X’Xβ = - 2X’y X’Xβ = X’y Para estimar los parámetros β1, β2,... Bk, el número de observaciones mínimo n que necesitamos ha de ser igual o mayor que el número de parámetros a estimar (k) y el principio de los mínimos cuadrados ordinarios (MCO) es idéntico para el modelo de regresión lineal y el de regresión múltiple. Partiendo de β = (X’X)-1 X’y, (X’X) β = X’y Para exponer el funcionamiento del cálculo matricial en forma elemental, suponemos que el modelo a estimar tiene una sola variable explicativa (GREEN, 1998): Yi = β1 + β2Xi + Ui. Así, X= 1 X1 1 X2 . . 1 Xi . . . 1 Xn de manera que 1 1 ... 1 X1 X2 ... Xn 1 X1 1 X2 = . . . 1 Xn X’X = Como el vector β es igual a β = y X’y = 1 1 1 X1 X2 Xn Y1 Y2 . . n ∑Xi ∑Xi ∑Xi2 β1 β2 = ∑Y1 ∑X1Y1 . Yn Economía y Desarrollo - marzo 2005, vol. 4, n° 1 41 ESBOZOS DE ECONOMETRÍA FINANCIERA Para las n observaciones, el modelo puede ser descrito de la manera siguiente: Y1 = Y2 = β1 + β2X21 + β3X31 +... βkXK1 + U1 β1 + β2X22 + β3X32 +... βkXk2 + U2 Yn = β1 + β2X2n + β3X3n +... βkXkn + Un • • • La forma matricial detallada, de ese modelo lineal de regresión múltiple es: Y1 Y2 . . . Yn 1 1 . . . 1 = X21 X22 X2n Nx1 X3n . . . Xkn β1 β2 . . . βk Nxk Kx1 X31 . . . Xk1 X32 . . . Xk2 + U1 U2 . . . Un Nx1 La forma matricial condensada del modelo es y = Xβ + u, equivalente al modelo lineal Yi = βi + β2X2i + β3X3i +... βkxki + Ui, siendo Y= Y1 Y2 . . . Yn ; X= 1 X21 1 X22 . X= . . 1 X2n X31 . . . Xk1 X32 . . . Xk2 X3n . . . Xkn β1 β2 . . = ; β = ; β =; u . βn Tenemos en notación matricial detallada n ∑Xi ∑Xi ∑Xi2 β1 β2 = ∑Yi ∑XiYi que recoge en forma matricial, las ecuaciones siguientes: Universidad Autónoma de Colombia U1 U2 . ; u= . Un 42 ELÍAS MORÉ OLIVARES nβ1 + β2∑Xi = ∑Yi β1∑Xi + β2∑Xi2 = ∑XiYi En general, para un modelo con K variables explicativas el producto X’X es: X’X = n ∑X2i ∑X3i ... ∑Xki ∑X2i ∑X22i ∑X2iX3i ... ∑X2iXki ∑X2iXki ∑X3iXki . . . ∑Xki ∑X2ki ∑Yi ∑X2iYi ∑X3iYi ∑XkiYi X’Y = Si tenemos una ecuación de regresión: Yi = βi + β2X2i + β3X3i +... βkXki + e La suma de cuadrados de los residuos n SCR = n ∑ [y - β1 - β2X2i - β3X3i -... βkXki]2 es mínima. i=i La ecuación Yi = múltiple. β1 + β2X2i + β3X3i +... βkXki representa la recta de regresión En econometría se realizan dos tipos de juicios: estimación de parámetros y contrastación de hipótesis. El objetivo del económetrista, es que la estimación se aproxime lo más posible al verdadero valor del parámetro que se pretende estimar y por ello, el estimador cumple con tres propiedades: insesgadez, óptimo, eficiencia. Un estimador es insesgado si su esperanza coincide con el valor del parámetro que pretende aproximar; el estimador lineal e insesgado de menor varianza será el óptimo y se conoce como MELI 2 , un estimador será eficiente cuando tenga la menor varianza posible. 2 ELIO. Economía y Desarrollo - marzo 2005, vol. 4, n° 1 43 ESBOZOS DE ECONOMETRÍA FINANCIERA En una muestra obtenida una estimación de βi mediante expresiones mínimo cuadráticas se puede verificar o contrastar hipótesis acerca del valor del parámetro. Así, se quiere verificar que β1 toma un valor concreto h, planteamos como hipótesis nula Ho: β1 = h y como hipótesis alternativa H1 = β1 ≠ h. βi - βi Dado que ———— Sβi ≈ tn-2, bajo hipótesis nula se puede obtener un valor βi - h empírico t*, t* = ———— Sβi ≈ tn-2. Este valor se contrastará con el valor teórico registrado en las tablas a un nivel de significación del p por ciento y n-2 grados de libertad (test de dos colas). Si el valor del estadístico obtenido es tal que |t*| > tP/2 se rechazará la Ho y en caso contrario se acepta (véase figura 3 ). Acepta Ho Rechaza Ho -tP/2 Rechaza Ho X -tP/2 Pero en economía no suele ser habitual que una sola variable afecte a la variable de interés, sino que existe mayor complejidad, o sea, existen influencias múltiples sobre la variable de interés. Así, un modelo lineal múltiple se puede expresar de la siguiente manera: Yi = βi + β2 X2i + β3X3i +... + βkXki + Ui donde Yi es la variable explicada, cuyo comportamiento viene influido por un conjunto de variables explicativas, X2, X3,... Xk, y por un término de perturbación aleatorio Ui. 3 También existe test de una sola cola. Universidad Autónoma de Colombia 44 ELÍAS MORÉ OLIVARES 3. Riesgo y su medición El riesgo se puede considerar como la posibilidad de que el rendimiento real proveniente de poseer un valor se desvíe del rendimiento esperado. Además de considerar su rango, el riesgo de un activo se puede medir cuantitativamente utilizando estadísticas como el coeficiente de variación y la desviación estándar. La distribución de probabilidades se puede resumir en términos de dos variables: el valor esperado del rendimiento y la desviación estándar (GITMAN, 2003). n El valor esperado de rendimiento es R = ∑Ri Pi donde Ri = Rendimiento para la posibilidadi Pi = Probabilidad que ocurra ese rendimiento. n = Número total de posibilidades. La desviación estándar es δ= ∑(Ri – R)2Pi En la realidad los inversionistas seleccionan las acciones acorde con el principio de elevar al máximo la utilidad esperada en términos de esas dos variables. Así: E (U) = f(R,δ) Un inversionista racional trata de maximizar su rentabilidad y minimizar el riesgo asociado, cuando debe repartir una suma de dinero entre diferentes opciones de inversión. El problema de la selección de portafolio surge porque la rentabilidad de las acciones depende de factores ajenos al control del inversionista o decisor. Por lógica el inversionista configurará con varias acciones que no se comporten de manera similar para compensar las pérdidas con ganancias, o sea, sigue el refrán popular de “no poner todos los huevos en una misma canasta” (CAICEDO, 1997). En el portafolio de inversiones se puede distinguir el riesgo sistemático y el no sistemático. El primero es un riesgo no diversificable y es el riesgo del mercado asociado a los cambios en la economía por factores internos o externos, modificaciones en las políticas de países asociados, guerras. El riesgo no sistemático se debe a factores propios o internos de la firma, es propio a esa compañía e independiente de factores económicos, políticos o sociales, asociándole factores como huelgas, cambios tecnológicos, competencia (GITMAN, 2003). Economía y Desarrollo - marzo 2005, vol. 4, n° 1 45 ESBOZOS DE ECONOMETRÍA FINANCIERA 4. Selección de portafolio A la teoría sobre selección de portafolio contribuyeron varios pioneros como el premio nóbel HARRY MARKOWITZ, FAMA, MILLER, TOBIN y sobre el modelo CAPM, SHARPE, LINTNER y FAMA (BODIE y MERTON, 2003). Markowitz propuso en 1952 la regla del “valor esperado-varianza” o regla E-V (por expected value-variance). Según la regla un decisor preferirá un proyecto A sobre un proyecto B si alguna de las siguientes afirmaciones es válida: i) La rentabilidad esperada de A es mayor o igual a la de B y la varianza de A es menor que la de B. ii) La rentabilidad esperada de A es mayor que la de B y la varianza de A es menor o igual a la de B. La combinación de todas las posibilidades de las acciones producía un conjunto de oportunidades, que al limitarlas estableciendo las condiciones anotadas, adoptaba una frontera (VAN HORNE, 2000). Esto significa que el decisor escogerá una combinación o portafolio sobre la frontera eficiente: no hay ningún portafolio con mayor rentabilidad, dado un nivel de riesgo, ni ninguno que presente menor nivel de riesgo dado un nivel de rentabilidad. El nuevo problema es determinar cuál será el punto en esa línea que el decisor debe escoger. En el modelo CAPM (Capital Asset Pricing Model ó MVAC) se demostró que ese punto óptimo m, era el portafolio de todas las acciones del mercado ponderadas por el valor total transado de cada una y cualquier decisor escogería siempre ese portafolio 4 . La recta que une el punto de la rentabilidad de cero riesgo y el portafolio óptimo m, se llama línea de mercado de capitales (LMC) y es la nueva frontera eficiente. Así, la rentabilidad de un portafolio se puede calcular con la ecuación Rp = pR + (1 – p) Rm. 5. Comentarios sobre el MVAC LMC mediante la y modelos alternos Sobre la validez del modelo de valuación de activos de capital (MVAC=CAPM) han surgido serias preguntas. 4 TOBIN. Teorema de separación. 1958. Universidad Autónoma de Colombia 46 ELÍAS MORÉ OLIVARES En general el modelo de valuación de activos de capital se basa en datos históricos y en ese caso las betas no siempre reflejan la variabilidad futura de los rendimientos, de manera que los rendimientos requeridos especificados en el modelo se consideran aproximaciones sin mucha precisión. Además el MVAC está basado en un supuesto mercado eficiente con muchos inversionistas pequeños, igualmente informados, sin restricciones en las inversiones, con inversionistas racionales, que prefieren rendimientos más altos y riesgo más bajo. Un estudio (FAMA y FRENCH, 1992) ha mostrado que no existe una relación significativa entre betas históricas y rendimientos históricos entre más de 2.000 acciones, de 1963 a 1990. Expresado de otra manera significa que la magnitud de la beta histórica de una acción no estaba relacionada con el nivel de su rendimiento histórico. Existe una teoría más amplia, denominada teoría de valuación por arbitraje (VPA ó APT), desarrollada en los setenta y que ha recibido mucha atención en la literatura financiera. Esta teoría sugiere que la prima por riesgo de valores se podría explicar mejor mediante varios factores fundamentales y no el rendimiento de mercado que usa en el MVAC, de manera que el MVAC se puede considerar como un derivado del APT. Además que la teoría del APT confirma la importancia del rendimiento del mercado, no ha podido identificar con claridad otros factores de riesgo (ROSS, 1976). Sin embargo, el MVAC no se ha abandonado del todo porque su “defecto histórico” no desacredita su validez como modelo de expectativas, de manera que aún es útil para vincular el riesgo esperado no diversificable y el rendimiento. Por último, las fallas en los modelos FAMA-ROSS y la falta de aceptación y uso práctico APT, conserva válido el MVAC. 6. Ejercicio aplicado La línea de mercado de capital (LMC) de la teoría del portafolio postula una relación lineal entre el retorno o rendimiento esperado y el riesgo (medido por la desviación estándar) para portafolios eficientes, así: Ei = β1 + β2 σi, donde Ei = rendimiento esperado del portafolio i y σ1 = desviación estándar de rendimiento. Se cuenta con la siguiente información sobre el rendimiento esperado y la desviación estándar del mismo para los portafolios de 34 fondos mutuos de inversión en los Estados Unidos para el período 1963 - 1997. Verifiqué hasta qué punto las cifras respaldan la teoría. (Véase tabla 1) (GUJARATI, 1990). Economía y Desarrollo - marzo 2005, vol. 4, n° 1 47 ESBOZOS DE ECONOMETRÍA FINANCIERA Determinar si la desviación estándar influye sobre el retorno esperado (prueba de significancia). (x’x) β = x’y -1 n ∑X β1 ∑Y β1 = ; β2 ∑X∑X2 ∑XY 9380 34 546,1 466,8 546,1 9380,43 7754,66 = β2 - 546,1 MC (X’X) = 9380,43 - 546,1 - 546,1 34 ; Adj (X’X) = - 546,1 34 Adj(X’X) ————— = (X’X)-1 D = (349380,43) – (546,1)2 = 318934,62 - 298225,21 = 20709,41 Det Det 9380,43 ------------20709,41 - 546,1 ------------20709,41 - 546,1 ------------20709,41 34 -----------20709,41 (x’x)-1 = β1 0,4529 ; (x’x)-1 = 0,4529 - 0,0264 - 0,0264 466,8 = β2 -0,0264 β1 0,0016 • 7754,66 ; 6,6907 β1 = 6,6907 0,4220 β2 = 0,4220 Universidad Autónoma de Colombia 0,0016 (0,4529 – 466,8) + (-0,0264 . 7754,66) ; (-0,0264 . 466,8) + (0,0016 . 7754,66) = β2 - 0,0264 48 ELÍAS MORÉ OLIVARES Tabla 1 Comportamiento de 34 fondos mutuos de inversión, 1963 - 1997 Rendimiento anual promedio % A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16 A17 A18 A19 A20 A21 A22 A23 A24 A25 A26 A27 A28 A29 A30 A31 A32 A33 A34 15.6000 9.0000 10.5000 11.0000 12.9000 13.4000 14.8000 15.7000 11.9000 14.3000 14.3000 11.5000 14.2000 14.6000 16.0000 15.5000 16.5000 14.1000 11.4000 14.5000 16.4000 12.3000 11.0000 16.5000 18.6000 18.3000 18.5000 11.4000 11.1000 10.7000 11.3000 13.9000 11.3000 13.8000 Desviación estándar del rendimiento anual promedio % 14.0000 8.2000 12.5000 15.3000 14.6000 11.1000 15.8000 18.3000 12.7000 20.4000 14.9000 10.9000 18.2000 17.7000 22.5000 22.0000 20.7000 18.1000 13.1000 24.5000 20.8000 11.5000 9.4000 19.8000 21.7000 18.9000 16.8000 9.2000 15.0000 12.3000 18.4000 19.9000 11.0000 15.9000 Desempeño de 34 fondos mutuos 1963 - 1997 Economía y Desarrollo - marzo 2005, vol. 4, n° 1 Universidad Autónoma de Colombia Desempeño de 34 Fondos Mutuos 1963 - 1997 FONDOS 16,06176471 13,72941176 14,0000 8,2000 12,5000 15,3000 14,6000 11,1000 15,8000 18,3000 12,7000 20,4000 14,9000 10,9000 18,2000 17,7000 22,5000 22,0000 20,7000 18,1000 13,1000 24,5000 20,8000 11,5000 9,4000 19,8000 21,7000 18,9000 16,8000 9,2000 15,0000 12,3000 18,4000 19,9000 11,0000 15,9000 546,1000 218,4000 73,8000 131,2500 168,3000 188,3400 148,7400 233,8400 287,3100 151,1300 291,7200 213,0700 125,3500 258,4400 258,4200 360,0000 341,0000 341,5500 255,2100 149,3400 355,2500 341,1200 141,4500 103,4000 326,7000 403,6200 345,8700 310,8000 104,8800 166,5000 131,6100 207,9200 276,6100 124,3000 219,4200 7.754,6600 X² Y² 196,0000 67,2400 156,2500 234,0900 213,1600 123,2100 249,6400 334,8900 161,2900 416,1600 222,0100 118,8100 331,2400 313,2900 506,2500 484,0000 428,4900 327,6100 171,6100 600,2500 432,6400 132,2500 88,3600 392,0400 470,8900 357,2100 282,2400 84,6400 225,0000 151,2900 338,5600 396,0100 121,0000 252,8100 9.380,4300 243,3600 81,0000 110,2500 121,0000 166,4100 179,5600 219,0400 246,4900 141,6100 204,4900 204,4900 132,2500 201,6400 213,1600 256,0000 240,2500 272,2500 198,8100 129,9600 210,2500 268,9600 151,2900 121,0000 272,2500 345,9600 334,8900 342,2500 129,9600 123,2100 114,4900 127,6900 193,2100 127,6900 190,4400 6.615,5600 x -2,0618 -7,8618 -3,5618 -0,7618 -1,4618 -4,9618 -0,2618 2,2382 -3,3618 4,3382 -1,1618 -5,1618 2,1382 1,6382 6,4382 5,9382 4,6382 2,0382 -2,9618 8,4382 4,7382 -4,5618 -6,6618 3,7382 5,6382 2,8382 0,7382 -6,8618 -1,0618 -3,7618 2,3382 3,8382 -5,0618 -0,1618 - y 1,8706 -4,7294 -3,2294 -2,7294 -0,8294 -0,3294 1,0706 1,9706 -1,8294 0,5706 0,5706 -2,2294 0,4706 0,8706 2,2706 1,7706 2,7706 0,3706 -2,3294 0,7706 2,6706 -1,4294 -2,7294 2,7706 4,8706 4,5706 4,7706 -2,3294 -2,6294 -3,0294 -2,4294 0,1706 -2,4294 0,0706 - xy -3,8567 37,1815 11,5024 2,0792 1,2124 1,6345 -0,2802 4,4106 6,1501 2,4753 -0,6629 11,5077 1,0062 1,4262 14,6186 10,5142 12,8506 0,7553 6,8992 6,5024 12,6539 6,5206 18,1827 10,3571 27,4615 12,9724 3,5218 15,9839 2,7918 11,3959 -5,6805 0,6548 12,2971 -0,0114 257,0282 x² 4,2509 61,8073 12,6862 0,5803 2,1368 24,6191 0,0685 5,0097 11,3015 18,8203 1,3497 26,6438 4,5721 2,6838 41,4509 35,2626 21,5132 4,1544 8,7721 71,2038 22,4509 20,8097 44,3791 13,9744 31,7897 8,0556 0,5450 47,0838 1,1273 14,1509 5,4673 14,7321 25,6215 0,0262 609,1005 y² 3,4991 22,3673 10,4291 7,4497 0,6879 0,1085 1,1462 3,8832 3,3467 0,3256 0,3256 4,9703 0,2215 0,7579 5,1556 3,1350 7,6762 0,1373 5,4262 0,5938 7,1320 2,0432 7,4497 7,6762 23,7226 20,8903 22,7585 5,4262 6,9138 9,1773 5,9020 0,0291 5,9020 0,0050 206,6706 49 Media de X Media de Y 15,6000 9,0000 10,5000 11,0000 12,9000 13,4000 14,8000 15,7000 11,9000 14,3000 14,3000 11,5000 14,2000 14,6000 16,0000 15,5000 16,5000 14,1000 11,4000 14,5000 16,4000 12,3000 11,0000 16,5000 18,6000 18,3000 18,5000 11,4000 11,1000 10,7000 11,3000 13,9000 11,3000 13,8000 466,8000 XY ESBOZOS DE ECONOMETRÍA FINANCIERA A1 A2 A3 A4 A5 A6 A7 A8 A9 A10 A11 A12 A13 A14 A15 A16 A17 A18 A19 A20 A21 A22 A23 A24 A25 A26 A27 A28 A29 A30 A31 A32 A33 A34 RENDIMIENTO DESVIACIÓN ANUAL ESTÁNDAR DEL PROMEDIO RENDIMIENTO % "Y" ANUAL % "X" 50 ELÍAS MORÉ OLIVARES Podemos sintetizar el modelo econométrico mediante la ecuación: Y = 6,6907 + 0,4220 X E = 6,6907 + 0,4220 σ • Cálculo del error estándar ∑e2 σ2 = ———; n-2 (∑xy)2 ∑e2 = ∑y2 - —————— ∑X2 ∑e2 = 206,6706 – (257,0282)2 / 609,1003 ∑e2 = 98,2098 σ 2 = 98,2098 —————; 34 – 2 σ 2 98,2098 = ————— ; 32 σ2 = 3,0690 σ2 3,0690 Var(β 2) = ------- ; Var(β2) = --------------- ; ∑x2 609,1003 EEe (β2) = Var (β2) ; EEe (β2) = Var(β2) = 0,0050 0,0050 ; EEe (β2) = 0,0071 Prueba de Significancia con Estadístico Tc Al no tener una hipótesis nula, basada en la experiencia se calculará una prueba de regresión tomando como hipótesis nula que: β2 = 0. Ho: β2 = β2* = 0 H1: β2 = β2* ≠ 0 β2 - β2* 0,4220 - 0 tc = ————— = —————— σβ2 0,071 tc = 5,9437 Economía y Desarrollo - marzo 2005, vol. 4, n° 1 51 ESBOZOS DE ECONOMETRÍA FINANCIERA Con un nivel de confianza del 95% tα/2 será: Grados de libertad: α = 0,05 n–2 gl = 34 – 2 gl = 32 t 32f; 0,025 = 2,042 0,025 0,025 Z A - 2,042 2,042 tc, cae en la zona de rechazo, por tanto, no se acepta la hipótesis nula. • Para saber los intervalos del coeficiente de regresión tenemos: β2 = 0,4220; EE (β2) = 0,071; α 5%; t.32; 0,025 = 2,042 [β2 - tα/2 σβ2 ≤ β2 ≤ β2 + tα/2 σβ2] = 1 - α P P [0,4220 – 2,042 P [0,277018 • 0,071 ≤ β2 ≤ 0,4220 + 2,042 • 0,071] = 95% ≤ β2 ≤ 0,566982] = 0,95 La interpretación de este intervalo de confianza es que dado un coeficiente de confianza del 95% en el largo plazo, en 95 de cada 100 casos intervalos como (0,277018; 0566982) contendrán el verdadero β2 porque este intervalo es ahora fijo, dejando de ser aleatorio; en consecuencia, β2 está o no está en el intervalo: la probabilidad de que el intervalo fijo que se especifique contenga el verdadero valor de β2 es uno (1) o cero (0). 2. Establecer la bondad del ajuste (R2). ∑e2 2 R = 1 - ————; ∑y2 98,2098 R2 = 1 - ——————; 206,6706 Universidad Autónoma de Colombia R2 = 0,5248 52 3. • ELÍAS MORÉ OLIVARES Efectuar prueba de análisis de varianza (F) Suponemos que las perturbaciones Ui se distribuyen normalmente; y si Ho: β2 = 0 con 1 y n – 2 F1, n-2 gl, Ho: β2 = 0 H1: β2 ≠ 0 ∑e2 = 98,2098; ∑y2 = β22 ∑ X2; gl = n – 2, gl = 32 ∑y2 = 12012,9 gl = n – 1, gl = 33 gl = 1 ∑y2 = (0,4220)2 (609,1003) ∑e2/gl = 98,2098 ————— ; 32 ∑e2/gl = 3,0690 ; ∑y2 = 108,4710 108,4710 ∑y2 = —————— 1 ∑y2 = 108,4710 108,4710 Fc = ——————— 3,0690 Fc = 35,3434 F1, n-2 gl = F0,05; 1,32 gl = 4,17 Z.A 4,17 Fc, cae en la zona de rechazo, por tanto se rechaza la hipótesis nula. Los cambios en X explican el 52,48% de los cambios en Y. Economía y Desarrollo - marzo 2005, vol. 4, n° 1 ESBOZOS DE ECONOMETRÍA FINANCIERA 53 7. Comentarios sobre el modelo Se rechaza la hipótesis nula utilizando la “Regla de decisión” que expresa: Construye un intervalo de confianza del 100 (1-α) por ciento para β Si el valor de β bajo Ho cae dentro de este intervalo de confianza, acepta Ho, pero si cae fuera del intervalo rechace Ho. Por último r2 mide la bondad global del ajuste del modelo de regresión estimado si es razonablemente alto, sin olvidar que ese r 2 se puede aumentar agregando al modelo variables explicativas adicionales. Se puede decir que los resultados son buenos porque los signos de los coeficientes estimados están acorde con las expectativas teóricas. Así, la línea de mercados de capital ( LMC ) de la teoría del portafolio tiene pendiente positiva, o sea, que los resultados son consistentes con la teoría. Ver ecuación Y = 6,6907 + 0,4220X. Esta ecuación acorde con la teoría refleja el rendimiento requerido en el mercado para cada nivel de riesgo diversificable (beta). En resumen un r2 de 52.48% es estadísticamente significativo y explica la teoría y no debe exagerarse la importancia del criterio de un valor de r 2 cercano al 80% ó 90%. 8. Conclusiones A pesar que existen paquetes econométricos como el RATS , el ejercicio de econometría financiera realizado es interesante porque muestra la validez del MVAC para vincular el riesgo esperado no diversificable y el rendimiento. Además permite mostrar a la comunidad académica, especialmente a los estudiantes de ciencias administrativas y contables el uso y combinación de la econometría con las finanzas para cuantificar y tomar decisiones generales con mayor precisión. Resumiendo, a pesar de las críticas del modelo de valuación de activos de capital recientemente planteadas ( MVAC ), éste se mantiene vigente. Se demostró utilizando un modelo de regresión lineal en que los coeficientes de la línea de mercados de capitales (LMC) coinciden con la teoría. Se necesita evaluar los estudios que tratan de demeritar el MVAC. En realidad las cifras respaldan la teoría. Bibliografía BODIE, Z. y MERTON, R. (2003). Finanzas. México. Prentice may, 1ª ed. CAICEDO, E. (1997). Modernas teorías financieras. Mercados emergentes y determinantes de la inversión en la nación. Serie de Pliegos Administrativos y Financieros. Univalle. Universidad Autónoma de Colombia 54 ELÍAS MORÉ OLIVARES FAMA, E. y FRENCH K. (1992). “The Cross-Section of Expected Stock Returns”, Journal of Finance, june. GITMAN, L. (2003). Fundamentos de administración. Harla. GREEN, W. (1998). Econometría, 3ª ed., Prentice Hall. GUJARATI, D. (1990). Econometría, McGraw-Hill. MARTÍN, G.; LABEAGA, J.M. y MOCHON, F. (1997). Introducción a la econometría. Prentice Hall. ROSS, S. (1976). “The Arbitrage Theory of Capital Asset Pricing”. Journal of Finance. VAN HORNE, J. (2000). Administración financiera, 7ª ed., Prentice Hall. Volver al Contenido Economía y Desarrollo - marzo 2005, vol. 4, n° 1