Professional Documents
Culture Documents
=
N
N N
N
N
P
promedio Covarianza
1
1 promedio Varianza
1
+ =
N N
de donde
promedio Covarianza
1
1 promedio Varianza
1
+ =
N N
P
Si N es suficientemente grande, entonces 0
1
N
, con lo cual:
el trmino de varianza promedio asociado con el riesgo nico se convierte en irrelevante
144
el trmino de covarianza promedio asociado con el riesgo de mercado es relevante
Definicin de una medida formal del riesgo
Inversores esperan compensacin por riesgo sistemtico o riesgo de mercado
La desviacin tpica de los rdtos refleja riesgos de mercado y riesgo no sistemtico (nico)
Se necesita un mecanismo para extraer el componente de riesgo de mercado
Un punto de referencia: la cartera de mercado
Definicin: El conjunto completo de ttulos disponibles (caracterizado por:
m
r rdto esperado de
la cartera de mercado y
m
desv tpica del rdto esperado de la cartera de mercado)
145
Beta: ndice de riesgo de la inversin en un activo (o cartera) en relacin con la cartera de
mercado
Se concentra en el componente de correlacin (sistemtica) de los rdtos
La relacin de equilibrio que describe el CAPM es
El exceso de rentabilidad de un activo incierto (sobre la rentabilidad fija) puede expresarse en
funcin de la rentabilidad de una cartera de referencia (la cartera de mercado: por ejemplo, los
ndices burstiles ms representativos) ajustada por un ndice de riesgo beta que mide el
riesgo del activo en relacin con el riesgo de (la cartera de) mercado
La beta mide, pues, el riesgo relativo del rendimiento esperado de una inversin o cartera
146
Formalmente:
) ( ) (
f m im f i
r r E r r E =
) (
) (
) , (
f m
m
m i
r r E
r Var
r r Cov
= (2)
donde:
) (
f i
r r E : exceso de rentabilidad del activo i (o rentabilidad adicional a la ofrecida por un
activo de renta fija o libre de riesgo)
147
2
) (
) , (
i
im
m
m i
im
r Var
r r Cov
] ) ( [
f m im f
r r E r + = (4)
Es decir, la tasa de rdto esperada de un activo arriesgado i es la tasa libre de riesgo + una tasa de
premio por el riesgo (risk premium)
Definicin. El premio por el riesgo es la cantidad asumida de riesgo, que es la llamada beta,
im
, multiplicada por el precio del riesgo o prima de riesgo,
f m
r r E ) (
158
Ejercicio
Supongamos que la rentabilidad media del mercado es el 11% y que la volatilidad (desviacin
tpica) es el 10%, mientras que el rendimiento sin riesgo es el 5%. Consideremos dos acciones, A
y B, caracterizadas del siguiente modo:
Correlacin con el mercado Desviacin tpica
A 0,2 0,4
B 0,5 0,3
1. Calcular las betas de las mencionadas acciones, as como la beta de la cartera P formada con
la misma proporcin de cada una de las dos, ( ) ( ) 5 , 0 ; 5 , 0 , = =
B A
P
159
2. Calcular los rendimientos requeridos por el mercado para los activos A y B y para la cartera
( ) ( ) 5 , 0 ; 5 , 0 , = =
B A
P
3. Representar grficamente los resultados
Resolucin:
1. La beta (o nivel de riesgo) de la inversin en el activo individual A es
8 , 0
) 1 , 0 (
1 , 0 4 , 0 2 , 0
2 2
~
~ ~
=
= =
m
m A
r
r r Am
A
160
Es decir, se trata de una accin defensiva: su rdto vara en menor proporcin que el rdto de
mercado (es una accin menos arriesgada que la cartera de mercado)
Anlogamente,
5 , 1 =
B
y, en este caso, se trata de una accin (arriesgada) ms arriesgada que el mercado.
Por ltimo, la beta de una cartera es el promedio ponderado de las betas individuales
15 , 1 5 , 0 5 , 0 = + =
B A P
161
y dicha cartera, por tener una beta mayor que 1, es una inversin ms arriesgada que el mercado.
2. A partir de la ecuacin del CAPM, la rentabilidad exigida por el mercado para el activo A se
determina a partir de
% 8 , 9 ) 05 , 0 11 , 0 )( 8 , 0 ( 05 , 0 )
~ ~
( )
~
( = + = + =
A m A f A
r r E r r E
y para el activo B,
% 14 )
~
( =
B
r E
(mayor que en el caso anterior, porque este ttulo es ms arriesgado)
Para la cartera P,
162
% 9 , 11 ) 05 , 0 11 , 0 )( 15 , 1 ( 05 , 0 )
~
( = + =
P
r E
3. Para representar grficamente los resultados, ver Antelo (2003), p. 363.
Estadsticamente, cmo se determina la beta de un activo o de una cartera?
Empricamente, la beta de un activo i se estima mediante un modelo de regresin lineal simple
de dos variables (una regresin del rdto del activo contra el rdto de mercado)
it mt i it
r r + + = (5)
163
tambin llamada lnea caracterstica del mercado de ttulos (Security Market Line)
donde:
it
r es la tasa de rdto del activo i en el periodo t (variable dependiente)
es el rdto autnomo (ordenada en el origen)
i
es el factor beta (cantidad de riesgo no diversificable)
mt
r es la tasa de rdto del mercado en el periodo t (variable explicativa)
it
es el residuo de la regresin en el periodo t (perturbacin estocstica)
Los valores de las variables
it
r y
mt
r son observables, pero no los de
it
el modelo es de
naturaleza estocstica para cada valor de
mt
r existe una distribucin de probabilidad de
valores de
it
r
164
y
i
son los parmetros de regresin (son los parmetros que pretendemos estimar)
Como las observaciones de
it
r y
mt
r se efectan a lo largo del tiempo, se trata de datos de series
temporales
Para que la beta estimada as sea el mejor estimador insesgado de la regresin dada en (5)
(estimador lineal insesgado ptimo:
que sea insesgado (i.e., cuya media es igual al valor del parmetro de la poblacin que vamos a
estimar),
que sea una combinacin lineal de las observaciones muestrales, y
que su varianza sea menor que la de cualquier otro estimador lineal insesgado),
se requiere que la regresin satisfaga los supuestos bsicos de mnimos cuadrados ordinarios:
165
Normalidad:
it
se distribuye normalmente
C Media cero: El valor medio de los errores estocsticos es igual a cero, 0 ) ( =
it
E
Estos dos supuestos considerados conjuntamente:
Para cada valor de
mt
r , el trmino de perturbacin s.d. normalmente alrededor de 0
it
es
continuo y sus valores se extienden entre y + , s.d. simtricamente en torno a su media, y
su distribucin queda totalmente determinada por dos parmetros: la media y la varianza
C No existencia de autorregresin entre los errores: 0 ) ( =
s it it
E , s t >
Que las perturbaciones no sean autorregresivas significa que la perturbacin correspondiente al
periodo t no est relacionada con la perturbacin correspondiente al periodo s t
166
Los supuestos C y C tomados conjuntamente las perturbaciones no estn correlacionadas,
0 ) , ( =
s it it
Cov
Los supuestos , C y C tomados conjuntamente las perturbaciones son independientes en
sentido probabilstico
Homoscedasticidad o igual varianza entre los errores:
2 2
) ( =
it
E
todas las perturbaciones tienen una misma varianza
2
cuyo valor es desconocido. Este
supuesto elimina la posibilidad de que la dispersin de las perturbaciones sea, por ejemplo,
mayor para los valores grandes de
mt
r que para los pequeos: la variacin en
it
r es la misma
cuando el valor
mt
r es grande que cuando es pequeo
167
C La variable explicativa
mt
r es:
una variable no estocstica,
tiene valores fijos en todas las muestras, y
para todo tamao muestral,
=
T
t
mt mt
r r
T
1
2
) (
1
es un nmero finito distinto de 0 sea cual sea el
tamao de la muestra (i.e., los valores de
mt
r en la muestra no deben ser todos iguales y no
pueden variar con el tamao de la muestra)
La especificacin completa del modelo de regresin lineal simple consta, pues, de la ecuacin de
regresin dada en (5) y los cinco supuestos bsicos. Esto representa el modelo clsico de
regresin lineal simple
168
El modelo incluye tres parmetros desconocidos, los parmetros de regresin, y
i
, y la
varianza de la perturbacin,
2
A partir de aqu, se estima por MCO (minimizar la suma de los cuadrados de las desviaciones de
los valores observados respecto de su media)
y los estimadores mnimocuadrticos de los parmetros de regresin tienen todas las propieda-
des deseables
Una vez estimada la beta, sta se utiliza para calcular el rendimiento requerido del activo por
medio de la ecuacin del CAPM que, empricamente, se calcula como
it it mt i ft it
r r r r + = ) (
169
donde
(i) Se ha agregado el tiempo en las variables
(ii) Se ha eliminado el operador E porque se usan datos ex-post para probar el CAPM ex-ante
(iii) Se ha aadido un trmino de error
En definitiva,
ft it
r r no es ms que el exceso de rdto del activo i (el cual debe ser igual a la beta
multiplicada por el exceso de rdto del mercado)
170
Validez del modelo CAPM
Evidencia emprica no es concluyente:
Aunque los rendimientos promedio de los activos a largo plazo estn significativamente
relacionados con su beta, en los pasados 30 aos se ha observado que:
(a) Acciones de empresas pequeas han tenido rentabilidades significativamente mayores
que lo que predice el modelo CAPM
(b) Acciones con bajos ratios precio/valor han tenido una rentabilidad significativamente
mayor que lo que predice CAPM
(c) Despus de ajustar por los dos factores (a) y (b), la beta tiene poco poder explicativo de
los rendimientos de una accin
171
Es decir, el CAPM parece no funcionar satisfactoriamente
Adems, cmo definir y medir la cartera de mercado m? Si utilizamos el ndice de mercado
equivocado, podemos llegar a resultados errneos. En teora, m debera incluir todas las
inversiones arriesgadas (no slo en acciones, sino tambin en bienes races, en capital
humano,). Pero en la prctica, hacer esto es difcil
Por eso han surgido modelos alternativos como extensiones al CAPM:
B Consumption based CAPM o Consumption-CAPM (CCPAM)
B Canonical CAPM
B CAPM de Mltiples Factores
B CAPM Internacional
B Black-Scholes-Merton Option-Pricing Model
172
B Modelo APT
La T de Valoracin por Arbitraje (Arbitrage Pricing Theory) fue formulada por Ross (1976) y
supera muchas de las debilidades del CAPM, mediante la utilizacin de un modelo ms general
O Se ha criticado al CAPM por basarse en la eficiencia de la cartera de mercado; el APT no
necesita esa condicin y utiliza el argumento del arbitraje: En eq, las carteras que supongan una
inversin cero y que no tengan riesgo, debern dar una rentabilidad cero; en caso contrario, los
arbitrajistas invertirn en ellas hasta conseguir que este principio se mantenga Estas carteras
se denominan carteras de arbitraje
O El CAPM se basa en el modelo de mercado, que sostiene que la rentabilidad de un activo
viene explicada por su relacin lineal con un nico factor, la rentabilidad del mercado; el APT
introduce ms de un factor explicativo
173
O CAPM y APT dan lugar a una ecuacin de valoracin de activos similar, existiendo una
relacin lineal entre rendimiento esperado del ttulo y riesgo sistemtico. Pero la definicin de
dicho riesgo sistemtico es distinta en ambos modelos:
En el CAPM, se define como el coeficiente beta, que es la pendiente en la regresin lineal
entre la rentabilidad del ttulo y la cartera de mercado
En el APT, el riesgo sistemtico viene dado por varias betas, que son los coeficientes de los
factores del modelo factorial
O En ambos modelos se supone que existe un riesgo diversificable que no debe producir
rentabilidad
174
B Modelo VaR (Value at Risk) (VaR paramtrico, VaR no paramtrico)
Invertir en un activo con rendimiento incierto supone asumir un riesgo. El riesgo de una
inversin se puede medir de muchas formas, siendo una de las + habituales su volatilidad
(varianza anualizada de los rendimientos, asumiendo normalidad de los mismos e independencia
temporal) o su Valor en Riesgo (Value at Risk), que no es ms que la prdida econmica
probable de la inversin al final de un perodo
El VaR mide el riesgo que tiene un proyecto de inversin determinado: construye un indicador
de la volatilidad de los flujos de caja de un proyecto (inversin) que complementa el VAN y
permite priorizar proyectos segn el riesgo total del proyecto
En particular, mide la exposicin al riesgo para un determinado nivel de confianza, i.e., la
cantidad mxima que se podra perder para ese nivel de confianza
175
compara riesgos en trminos de prdidas potenciales
Cuando existe ms de una variable o factor (sup., dos: la variable 1 y la variable 2) que explica
el riesgo de una inversin, es necesario calcular los riesgos de forma individual primero y, luego,
es preciso considerar las interacciones de estas variables incorporando sus correlaciones para
calcular el riesgo total
176
Modelos de heteroscedasticidad condicional autorregresiva (arch, garch, arch-m)
Hasta ahora hemos definido el riesgo de un activo (la beta) a travs del CAPM y hemos
utilizado el modelo de regresin lineal simple
it mt it
r r + + =
it ft mt ft it
r r r r + = ) (
para estimar empricamente la lnea caracterstica del mercado como medida del riesgo y la beta
(CAPM)
Ojo: la beta que se estima mediante esta regresin lineal simple se hace suponiendo que:
177
el rdto en exceso de la accin, analizado como una serie temporal, tiene varianza condicional
homoscedstica
Por el supuesto , resulta
2 2
) ( =
it
E para todos los valores de i. Como adems se supone por
la condicin C que la media de
it
es 0 podemos escribir
2
) ( =
it
Var
La varianza de la perturbacin es constante en todas las observaciones: varianza condicional
homoscedstica (varianza constante en el tiempo)
Evidencia emprica:
El valor de las acciones, opciones y otros activos inciertos vara aleatoriamente en el tiempo en
funcin del riesgo (grado de fluctuacin que se conoce como volatilidad) y la volatilidad
178
cambia a lo largo del tiempo: hay perodos turbulentos con grandes y rpidos cambios, seguidos
por otros perodos de calma con pocas fluctuaciones. Los mtodos estadsticos tradicionales
(CAPM) suponen una volatilidad constante!
Dicho de forma alternativa, las variables que influyen en el precio del riesgo no son analizadas
en el contexto de series temporales
IDEA: Construir modelos en los que una variable es explicada utilizando exclusivamente una
exgena: su propio pasado (utilizar exclusivamente los valores pasados de una variable para
explicar su evolucin presente y futura). En lugar de especificar el modelo, dejar que los propios
datos temporales de la variable indiquen las caractersticas de la estructura probabilstica subya-
cente
179
El supuesto de homoscedasticidad implica que el modelo presenta debilidades estructurales que
dificultan su validez emprica
El modelo apropiado debera incluir perturbaciones heteroscedsticas: varianza condicional
variable en las series,
2 2
) (
it it
E = . Que la varianza de la perturbacin pueda variar de una
observacin a otra
Definicin: Un modelo es AR (autorregresivo) si la variable endgena de un periodo t es
explicada por las observaciones de dicha variable en periodos anteriores, aadindose como en
los modelos estructurales, un trmino de error aleatorio
180
En el caso de procesos estacionarios con distribucin normal, bajo determinadas condiciones, el
valor de una variable en el periodo t puede expresarse como una combinacin lineal de sus
valores pasados (parte sistemtica) ms un trmino de error (innovacin)
OBJETIVO de esta teora economtrico-financiera: Modelizar series temporales financieras para
averiguar el efecto que esta conducta de la varianza tiene en las propiedades de los estimadores
mnimocuadrticos de los coeficientes de la regresin
Concretamente:
181
Analizar la media condicional con modelos ARIMA (Modelos Autorregresivos Integrados de
Medias Mviles) y modelizar los residuos del modelo ARIMA (la varianza condicional) con
modelos ARCH, GARCH, ARCH-m, etc.
Todos estos modelos forman parte de la familia de modelos de heteroscedasticidad condicional
autorregresiva
Los dos primeros estudian la varianza condicional variable en el tiempo a partir de relaciones de
variables conocidas de periodos rezagados. En particular,
182
Modelo ARCH
Engle (1982), con su concepto de la heterocedasticidad autoregresiva condicional (autoregressive conditional heteroskedasticity, ARCH),
describi las propiedades de muchas series temporales y desarroll mtodos para construir modelos explicativos de las variaciones de volatilidad
a lo largo del tiempo
Expresa la varianza condicional como funcin lineal del cuadrado de las innovaciones rezagadas
Modelo GARCH (Bollerslev, 1986)
Bollerslev (1986) extendi el trabajo de Engle, desarrollando tcnicas que permiten que la varianza condicional siga un proceso autorregresivo de
medias mviles (generalized autoregressive conditional heteroskedasticity, GARCH). El modelo ms sencillo es el GARCH(1,1)
(El primer ndice entre parntesis hace referencia al nmero de retardos de desviacin respecto al promedio incorporados en la ecuacin, y el
segundo al nmero de retardos de varianza)
183
En general, el GARCH(p,q) expresa la varianza condicional por medio de las innovaciones y de
la varianza retrasada varios periodos
Modelo ARCH-m (Engle, Lilien y Robins, 1987)
Es una extensin del modelo arch y del modelo garch, pero principalmente se utiliza en la valoracin del precio de activos. Supone que el grado
de incertidumbre en el rdto de un activo vara en el tiempo, y por tanto la compensacin que requieren los inversores para invertir tambin debe
variar.
Modelo arch-m: hace depender la media condicional de la varianza condicional. En este sentido,
la varianza condicional afecta al rdto esperado del portfolio. Adems, la varianza condicional se
utiliza como un regresor en aquellos modelos que estudian el riesgo