Vista previa del material en texto
Pontifica Universidad Católica Facultad de Administración y Economía EAA220b-1 Finanzas I Tarea 2 Parte 1 y Parte 2 Alumnas: Blanca Sofía Garrido Magdalena Kottmann Profesor: Felipe Aldunate Fecha: 06/05/2016 1.a) 1.b) Si bien se debería esperar que los alfas obtenidos en las regresiones sean iguales a la distancia entre el retorno de cada activo y la SML, en la práctica esto no ocurrió. Esto se puede deber a diversas razones. En primer lugar, a un problema de información. La data usada en la regresión para calcular el promedio del retorno de los activos no tiene el mismo horizonte de tiempo que los datos usados para calcular el promedio del retorno de mercado y del activo libre de riesgo. Contamos con menos datos para estimar el promedio del retorno de las acciones, por lo que, si se tomaran todos los datos y se proyectaran a largo plazo, el alfa del gráfico (distancia entre el retorno de la acción y el de mercado) debería calzar con el alfa calculado en la regresión, teniendo todos estos retornos el mismo horizonte de tiempo. Específicamente, para calcular el Rm y el Rf se tienen 0 1 2 3 4 5 6 7 8 -0 ,0 0 3 0 ,0 0 1 0 ,0 0 5 0 ,0 0 9 0 ,0 1 3 0 ,0 1 7 0 ,0 2 1 0 ,0 2 5 0 ,0 2 9 0 ,0 3 3 0 ,0 3 7 0 ,0 4 1 0 ,0 4 5 0 ,0 4 9 0 ,0 5 3 0 ,0 5 7 0 ,0 6 1 0 ,0 6 5 0 ,0 6 9 0 ,0 7 3 M o re Fr e q u e n cy 𝛼 Histograma de alfa Frequency 0 0,02 0,04 0,06 0,08 0,1 0,12 -0,4 -0,2 0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 R et o rn o P ro m ed io Beta Gráfico 1.b SML Teorica Aguas Almendral Banmedica Campos Cap Ccu Cge Cmpc Colbun Conchatoro Copec Ctc Endesa Enersis Entel Gasco Gener Iansa Lan Chile Madeco Quinenco Santangrup Security Sqm Vapores los datos desde enero de 1990 hasta diciembre del 2009, mientras que, por ejemplo, para Santangrup solo hay datos desde junio de 1996 hasta diciembre del 2009. Estos 6 años de diferencia pueden producir un sesgo que se ve reflejado en los distintos alfas. Otra razón que puede causar esta diferencia en los alfas es la cantidad de variables que usa el modelo. El modelo del CAPM, para calcular el exceso de retorno de la acción, solo incluye la variable exceso de retorno de mercado (Rm – Rf). En la práctica existen muchas otras variables que podrían mejorar la capacidad predictiva del modelo como la inflación, la razón book to market (HML), la capitalización bursátil de cada empresa (SML) entre otras. La ausencia de estas variables en el modelo puede provocar que parte de lo que ellas explican sea absorbido por el alfa y por el error. Esto provocaría que la constante calculada en la regresión contenga “más información”. Un ejemplo de esto es la empresa Enersis. Cuando usamos un modelo tipo APT vemos que la variable HML tiene una importancia relativa en la variable dependiente (𝛽 =0,555154; T(𝛽)= 4,84), dado que cuando se usa el CAPM no se incluye esta variable, parte de la información la absorbe alfa siendo este mayor al calculado en el modelo APT (0,013025 vs 0,010486). 1.c) Tablas 𝛼 𝛽 t(𝛼) t(𝛽) R² Aguas 0,020237 0,914989 2,25 6,12 0,1388 Almendral 0,096411 0,379443 6,03 1,43 0,0046 Banmedica 0,015477 0,867744 2,63 8,86 0,2554 Campos 0,013009 0,985804 1,39 6,35 0,1481 Cap 0,013839 1,229272 1,73 9,26 0,2727 Ccu 0,016064 0,837013 2,97 9,31 0,275 Cge 0,012134 0,726658 2,39 8,62 0,2447 Cmpc 0,006807 0,925315 1,56 11,84 0,4092 Colbun 0,004174 0,988949 0,75 10,75 0,3362 Conchatoro 0,009182 0,939259 1,41 8,7 0,2486 Copec 0,008253 0,880684 1,83 11,78 0,3789 Ctc 0,006221 1,037447 0,96 9,69 0,2912 Endesa 0,006568 1,006341 1,88 18,34 0,5975 Enersis 0,013025 1,026223 2,6 12,33 0,4004 Entel 0,009197 1,030295 1,38 9,28 0,2738 Gasco 0,006968 0,804931 1,14 7,93 0,215 Gener 0,017479 1,099242 2,57 9,75 0,2937 Iansa 0,005292 0,987159 0,65 7,27 0,1867 Lan Chile 0,028735 1,067555 3,16 6,16 0,1643 Madeco -0,00252 1,382817 -0,33 10,86 0,3409 Quinenco 0,015924 1,128522 2,05 7,72 0,2822 Santangrup 0,062209 -0,22351 4,64 -0,87 -0,002 Security 0,029027 0,5107 3,55 3,27 0,0533 Sqm 0,017998 0,741201 2,63 6,05 0,1543 Vapores 0,006797 0,766218 1,03 7,01 0,1754 1.d) interpretaciones Luego de analizar los datos obtenidos en las regresiones para cada acción, se encontraron múltiples conclusiones. En primer lugar, se observa que en muchas de las regresiones se obtuvo un test-t de alfa menor a 1,96 , lo que lleva a concluir que el alfa es estadísticamente igual a cero lo que sería consistente con el modelo del CAPM visto en clases. Sin embargo, 12 acciones tienen un alfa estadísticamente distinto de cero, lo que sería inconsistente con el modelo. Contrariamente los test-t de beta obtenidos fueron, en su mayoría, mayores a 1,96 , por lo que cada beta es estadísticamente distinto de cero, confirmando que sí existe una relación entre el exceso de retorno de mercado y el exceso de retorno de la acción. Sin embargo, los R^2 de las regresiones fueron muy bajos. A partir de estas tres observaciones se puede concluir que la variable utilizada en el modelo es relevante, sin embargo, el modelo como un todo no tiene mucho poder explicativo ya que el R^2 es bajo (0,245556 en promedio). Esto posiblemente se debe a que en los mercados financieros hay mucho “ruido” (el error es grande) en el día a día ya que constantemente está llegando nueva información (fluctuaciones en el tipo de cambio, compra y venta de acciones, cambios en la tasa de interés, etc.). Este “ruido” significa que hay mucha variabilidad en los datos lo que produce que el retorno diario de una acción dependa de muchas variables y no solo de su relación con el mercado. A pesar de lo anterior, el exceso de mercado sí es una de las variables explicativas tanto en la vida real como en el modelo. En el largo plazo el promedio del ruido debería tender a cero. El CAPM si bien es simple y fácil de entender, dado lo mencionado anteriormente, no es el modelo que mejor predice el retorno promedio de cada acción. Posiblemente esto también se podría deber a que el IPSA no es una buena referencia, ya que muchas de las acciones están rentando por sobre el brenchmark a un mismo o menor nivel de riesgo (explicado mejor en la pregunta 2.c). Otra observación que llamó mucho la atención fue que quisimos trazar la línea de tendencia de las acciones para compararla con la SML y el resultado no fue el esperado (ver gráfico d.1). La pendiente de la línea de tendencia resultó negativa, esto implicaría que a mayor riesgo menor sería el retorno de la acción. Lo anterior es contrario a lo propuesto por el CAPM, que busca otorgar un premio (mayor retorno) a las acciones más riesgosas. Esto se refleja en la pendiente positiva de la SML. Fue así como se decidió volver a graficar la línea, sin considerar las empresas Security , Santangrup y Almendral (outliers) debido a que las dos primeras no contaban con pocos datos, y la tercera porque su beta era estadísticamente igual a cero y por ende no correlacionaba con el exceso de retorno de mercado (ver grafico d.2). El resultado fue el esperado. Se obtuvo una recta con pendiente positiva (0,0015) , que al igual que la SML asigna un premio al riesgo. A su vez observamos que en gráfico d.1 el intercepto de la línea de tendencia (0,0621) es muy distante del intercepto de la SML (0,0029), mientras que en gráfico d.2, esta diferencia se logra disminuir (0,0218). Parte 2 a) y = -0,0391x + 0,0621 R² = 0,4236 0 0,02 0,04 0,06 0,08 0,1 0,12 -0,5 0 0,5 1 1,5 R et o rn o p ro m ed io Beta Gráfico d.1 SML teorica Beta CAPM y Retorno observado Lineal (Beta CAPM y Retorno observado) y = 0,0089x + 0,0029 R² = 1 y = 0,0005x + 0,0218 R² = 0,0002 0 0,02 0,04 0,06 0,08 0,1 0,12 0 0,5 1 1,5R et o rn o P ro m ed io Beta Gráfico d.2 SML Teórica Retorno Obeservado y CAPM sin Santangrup, Security y ALmendral Lineal (SML Teórica) 2.a) 2.b) Tabla 𝛼 𝛽 𝜷𝒉𝒎l 𝜷𝒔𝒎𝒃 t(𝛼) t(𝛽) t(𝜷𝒉𝒎𝒍) 𝒕(𝜷𝒔𝒎𝒃) R² Aguas 0,015806 0,831487 0,096811 -0,015 1,86 5,52 0,5 -0,09 0,1303 Almendral 0,082666 0,757839 0,541352 0,733133 4,9 2,53 1,41 2,21 0,0345 Banmedica 0,005753 1,016232 0,168426 0,481347 1 9,96 1,28 4,25 0,3053 Campos 0,006655 1,255563 -0,22965 0,651455 0,68 7,25 -1,03 3,39 0,1911 Cap 0,007158 1,485182 0,24745 0,415072 0,86 10,11 1,31 2,55 0,3137 Ccu 0,017414 0,821827 -0,22659 0,021293 3,07 8,16 -1,75 0,19 0,2746 Cge 0,010514 0,845104 -0,19518 0,233475 2,01 9,13 -1,64 2,27 0,2878 Cmpc 0,006412 0,924729 0,124562 -0,04645 1,39 10,41 1,19 -0,49 0,4077 Colbun 0,000991 1,01201 0,260369 0,048199 0,17 9,8 1,96 0,42 0,3228 Conchatoro 0,006592 0,787126 -0,19893 0,119878 1,06 7,12 -1,4 0,98 0,2051 Copec 0,012443 0,794509 0,156556 -0,31736 2,66 9,58 1,47 -3,45 0,4004 Ctc 0,006117 1,052114 -0,19868 0,067655 0,89 8,65 -1,27 0,5 0,2848 Endesa 0,004551 1,045407 0,44859 -0,1316 1,31 16,94 5,65 -1,92 0,6245 Enersis 0,010486 1,028611 0,555154 -0,13554 2,08 11,53 4,84 -1,37 0,44 Entel 0,010309 0,910034 -0,35141 -0,00338 1,48 7,38 -2,22 -0,02 0,2504 Gasco 0,006373 0,910299 -0,34441 0,246051 1,04 8,35 -2,46 2,03 0,2665 Gener 0,016611 1,078515 0,025611 0,029141 2,3 8,44 0,16 0,21 0,2658 Iansa 0,001492 1,201911 -0,25845 0,504648 0,18 7,96 -1,33 3,01 0,2253 Lan Chile 0,031529 1,089526 -0,6399 0,215171 3,34 5,62 -2,9 1,07 0,1927 Madeco -0,00086 1,369 0,00241 -0,09855 -0,11 9,47 0,01 -0,61 0,3328 Quinenco 0,017494 1,049219 0,290138 -0,273 2,11 6,32 1,45 -1,49 0,2887 Santangrup 0,046731 0,111027 0,084596 0,708602 3,09 0,38 0,21 2,26 0,0262 Security 0,019806 0,823595 -0,09593 0,690089 2,38 4,79 -46 3,78 0,1188 Sqm 0,016781 0,787913 -0,07496 0,130651 2,31 5,57 -0,46 0,87 0,1493 Vapores -0,00033 0,980624 -0,00171 0,524695 -0,05 8,43 -0,01 4,06 0,2383 0 0,02 0,04 0,06 0,08 0,1 0,12 0 0,005 0,01 0,015 0,02 0,025 Ex es o d e R et o rn o O b se rv ad o Exeso Retorno Promedio del Modelo Gráfico 2.a Aguas Almendral Banmedica Campos Cap Ccu Cge Cmpc Colbun Conchatoro Copec Ctc Endesa Enersis Entel Gasco Gener Iansa Lan Chile Madeco Quinenco Santangrup Security Sqm Vapores 2.c) Interpretaciones El modelo del APT intenta, mediante una serie de factores, explicar las fuentes de movimiento común entre activos y asume que los residuos de las acciones no están correlacionados, por lo que cualquier portafolio bien diversificado podría ser el “mercado”. A raíz de estos conocimientos y de los resultados obtenidos en la tarea, se llegó a algunas conclusiones. En primer lugar, se pudo observar que si bien este modelo explica mejor los retornos promedio de las distintas acciones (R^2 promedio = 0,2631), aun así la capacidad predictiva sigue siendo insuficiente. Esto se puede apreciar en el gráfico 2.c ya que la línea de tendencia (azul) es más parecida a la línea de 45°, donde, según el modelo, debiesen ubicarse estos retornos. Así, el resultado es consistente con la relación positiva entre riesgo y retorno que plantea el modelo, a pesar de que la evidencia mostró que se obtuvo un retorno equivalente a 1,5832 veces el esperado por el modelo (pendiente de la línea de tendencia). Comparando estos resultados con los obtenido en la parte 1, se ve que el modelo del CAPM explica menos el retorno de las acciones (R^2 promedio= 0,24555) que l modelo del APT (R^2 promedio = 0,2631). Aunque igual ambos siguen siendo poco explicativos. Analizando los datos del modelo APT específicamente, se observa que algunos alfas son estadísticamente distintos de cero (esto es permitido por el modelo). Los betas del exceso de mercado son en su mayoría estadísticamente distintos de cero y muy altos. Esto significa que las empresas están expuestas al riesgo de las fluctuaciones de mercado. Con respecto al HML, los test-t en su mayoría son estadísticamente iguales a cero, pero a pesar de esto 12 de las 25 acciones observadas tienen un beta negativo, lo que llama mucho la atención ya que implica que cuando aumenta el riesgo asociado al HML, el retorno de estas acciones cae. Un fenómeno interesante es que las empresas con 𝛽ℎ𝑚𝑙 más altos, tienen como denominador común ser empresas “value” y de energía en donde su desempeño depende del tipo de cambio, precio del petróleo, PIB de las principales economías mundiales, etc. La volatilidad de estas variables, provoca que estas empresas queden expuestas a un mayor riesgo de quiebra en caso de crisis, por lo que ofrecen más retorno y son premiadas por el mercado con un 𝛽ℎ𝑚𝑙 más alto. El fenómeno del SMB muestra que empresas chicas rentan más que las grandes. En los datos se obtuvo que para 10 empresas el beta de esta variable fue estadísticamente distinto de cero. Se observa que empresas grandes como CMPC, Aguas, Entel y Quinenco, entre otras, obtuvieron un beta menor a cero, que sería consistente con el modelo FF ya que cuando el factor de riesgo SMB aumenta, el retorno de estas acciones cae. Una vez analizado en profundidad los distintos resultados del Modelo FF, se concluye que los factores de riesgo con los cuales se intenta explicar el comportamiento de los retornos son necesarios, pero no suficientes. Algunas de las razones por las cuales el poder predictivo del modelo no es satisfactorio son: En primer lugar, la utilización del IPSA, como benchmark es y = 1,5832x + 0,0074 R² = 0,1382 y = x R² = 1 0 0,02 0,04 0,06 0,08 0,1 0,12 0 0,02 0,04 0,06 0,08 0,1 0,12 Ex ce so d e R et o rn o O b se rv ad o Exceso Retorno Promedio Modelo Gráfico 2.c cuestionable, debido a que solo 15 de las 25 acciones estudiadas forman parte de este índice. Además, este está formado solo por 40 valores de la bolsa de Comercio de Santiago, lo que podría ser una muestra poco representativa, que llevaría a producir sesgos en los resultados. En segundo lugar, existe una especie de “autoselección” entre las empresas estudiadas, ya que forman parte de un grupo que ha logrado sobrevivir a 20 años de historia. Esto podría significar que estamos trabajando con una lista de empresas excepcionales o muy exitosas del mercado chileno, que explicaría los altos retornos observados. Por último, si bien FF incluye más factores de riesgo que el CAPM, estas variables siguen siendo insuficiente y se podrían incorporar más variables tales como, las noticias, las tasas de descuento, la tasa de política monetaria, tipo de cambio, etc. Sin embargo, aún intentado incluir toda la cantidad de variables posibles, es difícil modelar los retornos de las acciones ya que no se puede olvidar que estas operan con un escenario base de gran incertidumbre. Por lo que construir un modelo que prediga los resultados ex ante, es difícil de obtener porque no se sabe qué parte del resultado expost, es atribuible a la “suerte” y a la participación de individuos irracionales en el mercado.