Volatilidad de Renta Variable Peru

Facultad de Ingeniería Económica
UNIVERSIDAD NACIONAL DEL ALTIPLANO
RESUMEN
Nuestro trabajo de investigación tiene como objetivo caracterizar y analizar el

mercado de renta variable en el Perú y su volatilidad en el año 2015. Para ello
hemos utilizado datos obtenidos de la World Federation of Exchanges y el
International Monetary Fund para analizar los indicadores de profundidad del
mercado de renta variable en el Perú, además hemos usado el Método ARCH
(1) y GARCH (1) para medir la volatilidad del mercado de renta variable con datos
del S&P/BVL Perú. Nuestras principales conclusiones indican que el tamaño del
mercado peruano es del 31% que indica un mercado aún muy pequeño, la
liquidez
INTRODUCCIÓN
El rápido crecimiento de las economías en América Latina ha estimulado el

desarrollo de mercado de capitales domésticas con diferentes características y
eficientes en diferentes niveles. El mercado de renta variable peruano es uno de
los más desarrollados en América Latina, sin embargo es aún muy pequeño en
comparación a los países de economías desarrolladas. Un mercado de capital
desarrollado implica una asignación de recursos eficiente por lo que en algunos
estudios desarrollados se considera el desarrollo del mercado de capitales como
una determinante del crecimiento económico. Cabe resaltar que el tamaño de un
mercado de capital pequeño no necesariamente implica un mercado ineficiente,
por ello en el presente trabajo presentaremos indicadores relativos para el caso
peruano así como para algunos países de referencia en América Latina y a nivel
internacional para facilitar el análisis y la comparación entre mercados.
La literatura a nivel nacional es escasa respecto al estudio y caracterización del

mercado accionario peruano; sin embargo existen algunos estudios que se han
realizado a nivel internacional que muestran datos sobre el mercado de capital
del Perú las cuales consideraremos como punto de comparación para el
presente estudio. Nuestro objetivo es caracterizar el mercado renta variable del
Perú, analizar el mercado de acciones en el Perú y medir la volatilidad de las
acciones de la bolsa de valores de lima.
Para en la primera parte del trabajo abordaremos la dinámica del mercado de

renta variable en el Perú y la volatilidad de los mimos desde el punto de vista
teórico. Seguidamente presentamos algunos hechos estilizados del sector. En
tercer lugar presentamos un análisis empírico de la dinámica y la volatilidad del
mercado de renta variable para finalmente terminar con las implicancias y las
conclusiones de nuestro trabajo.
MARCO TEORICO
INDICADORES DE DESEMPEÑO DE LOS EMISORES DE ACCIONES
ESTRUCTURA DEL MERCADO DE VALORES PERUANO
1. El Mercado Primario
Es donde se venden públicamente nuevas emisiones de valores. El dinero

obtenido por dicha venta sirve para financiar al emisor, que puede ser una
empresa o el Estado.(Martín Mato, 2010)
2. El Mercado Secundario
Es aquel donde los activos financieros existentes se negocian entre los

inversionistas. Al proveer el mercado secundario la información necesaria sobre
el valor de sus activos vigentes, motiva a los inversionistas a comprarlos, y esto
constituye una oportunidad insuperable de obtener liquidez. La bolsa de valores
es un mercado secundario organizado y regulado para tener transacciones de
activos en lugares específicos. (Martín Mato, 2010)
LOS ÍNDICES DE COTIZACIÓN BURSÁTIL
Los índices de cotización son los elementos más representativos para el análisis
del mercado bursátil, siendo ellos los instrumentos más ágiles y simples para
reflejar la evolución y tendencia de los precios de las acciones.
Un índice puede ser definido como un instrumento estadístico que representa en

forma abreviada y simple, en un número promedio único, múltiples variaciones
de un fenómeno dado de características homogéneas durante un periodo
determinado.
En el caso concreto del mercado accionario, un Índice de Cotización de Acciones

es un indicador medio que refleja en un número, las variaciones agregadas en
los precios de un grupo de acciones.
El índice de mayor importancia e incidencia en la BVL es el S&P/BVL Perú

General, está diseñado para ser el referente (benchmark) amplio del mercado
peruano reflejando la tendencia promedio de las principales acciones cotizadas
en Bolsa.
MERCADO DE ACTIVOS DE RENTA VARIABLE
El mercado de renta variable es donde se realizan transacciones de acciones de

una empresa, un activo de renta variable es un contrato que promete entregar
al inversor unos flujos de caja indeterminados en el futuro, la acción es uno de
los más conocidos, que representa una parte proporcional del capital social de
una sociedad anónima (Mascareñas, 2013)
A través de las acciones, el inversor participa del éxito económico de una

empresa y comparte las rentabilidades y los riesgos financieros (participación
directa en el futuro financiero de una empresa).
El principal objetivo del mercado de capitales se enmarca en las funciones de

asignación y distribución de los recursos de capital de los que dispone la
economía. La configuración de dicho mercado puede tomar matices distintos
según el modelo de funcionamiento que predomine en la nación. Así, los
mercados de capitales se pueden inclinar en mayor medida por actividades
“intermediadas” o por actividades “no intermediadas”, que en ningún caso son
esquemas mutuamente excluyentes sino, por el contrario, complementarios. (Gil,
2007)
En el precio o rentabilidad de las acciones no solo influyen el éxito económico

de la empresa en cuestión, sino también las tendencias económicas a gran
escala, por lo que hablar del riesgo y la volatilidad es común, además que, son
términos que muchos de los inversionistas toman muy en serio a la hora de
invertir.
La relación entre primas de riesgo y volatilidad es más compleja en contextos

intertemporales donde los agentes toman de forma simultánea decisiones de
consumo-ahorro y de cartera. En este caso, el riesgo de la cartera agregada de
la economía no depende exclusivamente de la volatilidad de sus rendimientos,
sino también de su capacidad para proporcionar a los inversores una adecuada
cobertura ante las variaciones futuras de sus posibilidades de consumo. Así, una
cartera agregada, que, por su alta volatilidad, requiere una elevada prima de
riesgo en un contexto estático, resulta menos arriesgada en un contexto
intertemporal, si sus rendimientos están negativamente correlacionados con el
tamaño esperado del conjunto de posibilidades de consumo futuro. De este

modo, a diferencia de lo que ocurre con los modelos estáticos, los modelos
intertemporales no establecen con carácter general una relación concreta entre
las primas de riesgo y la volatilidad de las carteras agregadas. (Restoy,s.f.)
INDICADORES DE PROFUNDIDAD DE MERCADO DE RENTA VARIABLE
TAMAÑO DE MERCADO
Para medir el tamaño del mercado de valores del Perú consideraremos dos
indicadores presentados por Uribe (2007): La Capitalización Relativa del
Mercado (CR) que es igual al número total de acciones transadas multiplicado
por su valor en bolsa, dividida entre el PIB nominal del período; y el Número de
Empresas Inscritas en Bolsa. Cabe resaltar que las medidas tamaño
presentadas son complementarias dado que la primera es útil para hacer
comparaciones internacionales al ser una medida relativa y la segunda es
interesante en términos absolutos y permite hacer seguimiento a la evolución del
mercado en el tiempo.
LIQUIDEZ DE MERCADO
La liquidez de un activo financiero tiene un impacto directo sobre los precios de

los valores negociados. Los valores es escasa liquidez resultan penalizados en
su precio y se les exige una rentabilidad adicional o prima de liquidez, lo que
supone un mayor coste de la financiación obtenida en los mercados financieros.
La liquidez puede provocar distorsiones en la formación de precios y llevar a una
paralización de los mercados. La liquidez resulta necesaria para el buen
funcionamiento de los mercados y por tanto afecta a los mecanismos de
financiación de la economía. (Tovar, 2008)
Continuando con los indicadores presentados por Uribe (2007) para medir la
liquidez del mercado de valores del Perú consideraremos dos indicadores: La
Razón Volumen Transado sobre PIB (RV) y la Tasa de Rotación (TR). La primera
corresponde al valor total de acciones transadas en el mercado sobre el PIB, y
la segunda es el volumen transado sobre la capitalización bursátil.
EFICIENCIA DE MERCADO
Un mercado de capitales es eficiente si los precios de los activos reflejan

completamente toda la información disponible, lo que implica que los
inversionistas deben esperar sólo una rentabilidad normal. Las empresas deben
esperar recibir un valor justo por los activos financieros que venden; justo
significa que el precio es el valor presente de los flujos futuros. Los activos
financieros estarán valorados para proporcionar un rendimiento acorde con su
nivel de riesgo.
La eficiencia del mercado se mide mediante la relación entre la liquidez del

mercado y su tamaño o capitalización del mercado (Fradique-Méndez, 2014).
CONCENTRACIÓN DEL MERCADO
La concentración es el grado al cual la producción de una industria está

concentrada en manos de un reducido número de grandes empresas (número y
tamaño relativo de las empresas en la industria).
La rentabilidad alta en una industria es una señal de eficiencia y no de poder de

mercado. La correlación positiva entre alta concentración y altos beneficios no
se debe a que la primera determine lo segundo sino que es la eficiencia la que
da lugar a ambas (las empresas más eficientes tienden a ser más grandes y
obtener mayores beneficios). (Demsetz, 1973)
La concentración del mercado se mide mediante la proporción que representa el

monto total de las acciones de los diez principales emisores inscritos en bolsa
contra el total de la capitalización bursátil del total del mercado. El indicador se
sitúa necesariamente entre cero y uno, entre más se acerque a uno indica mayor
concentración.
VOLATILIDAD EN EL MERCADO DE RENTA VARIABLE
Entendemos la volatilidad como una medida de riesgo que se deriva en los

cambios de rentabilidad de las acciones.
”La volatilidad es una medida de la intensidad de los cambios aleatorios o

impredecibles en la rentabilidad o en el precio de un título; en la representación
gráfica de una serie histórica de rendimientos se asocia la volatilidad con la
amplitud de las fluctuaciones del rendimiento tanto es que se consideren en valor
absoluto como en desviaciones alrededor de un valor medio ”(Forecasting

Volatility)
La mayor parte de los modelos de volatilidad de uso financiero implican

pronosticar aspectos de rendimientos futuros Quantitative Finance (2001)
Medidas de volatilidad.
La volatilidad asociada a una serie temporal de rentabilidades no es observable;

por tanto, definir como se debe construir la serie de volatilidades es un proceso
previo a la modelización y en algunos casos ligados a la elección del modelo. La
existencia de distintos estimadores de la volatilidad con características diferentes
tanto a nivel de estructura, como a nivel de capacidad predictiva hace necesario
un estudio comparado que nos permita elegir en cada caso el estimador que
proporcione la mejor estimación y predicción de la volatilidad en un mercado
determinado.
En la siguiente gráfica mostramos una clasificación sintetizada.
FIGURA
Figura Nº 1. Medidas de Volatilidad
Con el fin de ofrecer modelos de pronósticos más robustos y precisos, se utilizan

modelos de serie de tiempo para el cálculo de volatilidades, teniendo en cuenta
que las series de activo presentan dependencia en el tiempo, por esto se
considera que el modelo más apropiado es el GARCH que arrojan resultados

mucho más precisos y dinámicos en el tiempo, además es el que mejor explica
el comportamiento de los precios de las acciones.
La volatilidad es una característica inherente a las series de tiempo financieras.

En general, no son constante y en consecuencia los modelos de series de tiempo
tradicionales que suponen varianza homocedástica, no son adecuados para
modelar series de tiempo financieras. Engle (1982) introduce una nueva clase
de procesos estocásticos llamados modelos ARCH, en los cuales la varianza
condicionada a la información pasada no es constante, y depende del cuadrado
de las innovaciones pasadas. Bollerslev (1986) generaliza los modelos ARCH al
proponer los modelos GARCH en los cuales la varianza condicional depende no
solo de los cuadrados de las perturbaciones, como en Engle, sino además, de
las varianzas condicionales de períodos anteriores. (Casas y Cepeda, 2008)
MODELOS ARCH
Decimos que la volatilidad de proceso depende de los cuadrados del

componente de incertidumbre un periodo en el tiempo, mediante la ecuación
verificamos si existe o no correlación entre los residuos al cuadrado del efecto
incertidumbre un periodo atrás.
En Engle (1982) se presenta el modelo ARCH (Autorregressive Conditional

Heteroskedasticity), el cual modela la varianza condicional de mediciones
pasadas, siendo esta no constante (heterocedástica). Para estos procesos, el
pasado reciente proporciona información acerca de la varianza del pronóstico de
un periodo.
Según (Gujarati, 2009) la Heteroscedasticidad condicional autorregresiva

(ARCH) puede tener una estructura autor regresiva en la que la
heteroscedasticidad observada a lo largo de diferentes periodos quizá este
correlacionada. La ecuación de la varianza del proceso ARCH(1) estará dado
por:
𝝈𝟐𝒕 = 𝒘 + 𝜶𝜺𝟐𝒕−𝟏
MODELOS GARCH
Los modelos GARCH se utilizan especialmente en mercados financieros y

permiten estimar la presencia de una prima de riesgo demandada por agentes
que manifiestan aversión al riesgo.(Aragonés González; J.R.; Blanco Villas, C.)
Al modelo ARCH Le suma un componente en el cual se asume que la volatilidad

del proceso no solamente depende del rezago de un periodo del componente de
incertidumbre a cuadrado sino que también depende de la misma varianza o la
volatilidad del proceso un periodo atrás Gujarati (2009).
El modelo GARCH (Generalized Autoregressive Conditional Heteroskedasticity),

introducido por Bollerslev (1986), mejora la especificación original del modelo
ARCH añadiendo varianza condicional rezagada, la cual actúa como un término
suavizador, por lo que evita las dificultades mencionadas al permitir que las
volatilidades pasadas impacten en la volatilidad actual. La ecuación de la
varianza del proceso GARCH (1) está dado por:
𝝈𝟐𝒕 = 𝒘 + 𝜶𝜺𝟐𝒕−𝟏 + 𝜷𝝈𝟐𝒕−𝟏
Una propiedad importante del modelo GARCH es que, bajo ciertas condiciones,
se puede representar como un modelo ARCH (1) (Kazakevicius y Leipus, 2002
y 2003). Esta propiedad parece ser la razón de que en la práctica, tanto un
modelo ARCH con un número grande de parámetros como un modelo GARCH
con un número pequeño de parámetros se ajusten bien a los datos. Esta es otra
razón que hace preferible un modelo GARCH sobre un ARCH.
EVIDENCIA EMPÍRICA DEL MERCADO DE RENTA VARIABLE EN EL PERÚ
A diciembre del año 2015, el mercado de capitales peruano cuenta con 310
emisores, según información del World Federation of Exchanges. Este es uno de
los mercados de capitales con mayor liquidez y profundidad en Latinoamérica,
junto con otras plazas como: Chile (310), Brasil (359) y México (143). Sin
embargo (Orozco, 2016) mencionan que paradójicamente, la liquidez y
profundidad producto del gran número de empresas, le restan dinamismo a la
formación de precios y al aumento en el volumen transado de las acciones más

bursátiles del mercado nacional.
INDICADORES DE PROFUNDIDAD DE MERCADO DE RENTA VARIABLE

EN EL PERÚ
TAMAÑO DE MERCADO
A continuación presentaremos indicadores que están expresadas en monedas

locales de cada país. Por el lado de la capitalización Relativa del mercado. Con
una capitalización bursátil de 189 597 millones de soles en el mercado
doméstico, de acuerdo a la información de la World Federation of Exchanges
(WFE) y un PBI nominal de 612 531 millones de soles según datos del
International Monetary Fund (IMF), el tamaño del mercado de valores doméstico
del Perú para el año 2016 es de 31%, con un número de 310 empresas de las
cuales 212 son compañías domésticas y 98 son compañías extranjeras.
TABLA 1
TAMAÑO
PAIS Capitalización Relativa Nº de empresas

Chile 85% 310
Brasil 32% 359
Peru 31% 310
Colombia 34% 73
Mexico 38% 143
Argentina 12% 99
Mercado de Valores internacionales

australia 100% 2108
Estados Unidos 98% 2424
japon 111% 3513
Del cuadro anterior podemos afirmar que el mercado de valores doméstico del
Perú apenas mayor respecto a Argentina y ligeramente inferior a los mercados
de México y Colombia, si hacemos una comparación con los resultados
presentados por Uribe (2007) el tamaño del mercado de renta variable del Perú
se ha reducido en 12% en 9 años desde el 2006; además, es aún muy pequeña
respecto a los países desarrollados como Australia, Estados Unidos y Japón.
En términos absolutos el mercado accionario más grande en América Latina está

en Brasil con 359 empresas, seguido de chile (310) y Perú (310). Estos números
son muy pequeños en comparación con mercados de países desarrollados que
son hasta 10 veces del número de empresas que existen en Brasil.
LIQUIDEZ DE MERCADO
Para medir la liquidez contamos con dos formas: La Razón Volumen Transado
sobre PIB (RV) y la Tasa de Rotación (TR). La primera corresponde al valor total
de acciones transadas en el mercado sobre el PIB, y la segunda es el volumen
transado sobre la capitalización bursátil.
Para nuestro propósito utilizaremos La Razón Volumen Transado sobre PIB

(RV).
Con un monto negociado de 1725.84 millones de soles de acuerdo a la BVL y un

PBI nominal de 612 531 millones de soles según datos del International Monetary
Fund (IMF), la liquidez de mercado de Valores peruano calculado para el año
2015 es de 0.28%
TABLA 2
Liquidez del mercado de renta variable
LIQUIDEZ
PAIS RV RT
Chile 28.45% 0.33%
Perú 0.28% 0.91%
Colombia 13.07% 0.04%
México 17.76% 46.63%
Argentina 12.81% 102.84%
Mercado de Valores Internacionales
Australia 81.33 8.16%

Estados 138.7 14.13%
Japón 140.8 12.66%
Fuente: datos de World Federation of Exchanges (WFE) y International Monetary Fund

Elaboración: Propia
EFICIENCIA DE MERCADO
En el caso peruano correspondiente al periodo 2015, la liquidez de mercado es

0.28% y 31% el tamaño de mercado; por lo tanto dividiendo ambos índices la
eficiencia obtenida es 0.90%.
TABLA 3
Eficiencia de mercado de renta variable
PAIS EFICIENCIA DE MERCADO

Chile 33.47%
Perú 0.90%
Colombia 38.44%
México 46.74%
Argentina 106.75%
mercado de valores internacionales
Australia 81.33%
EE.UU. 141.53%
Japón 126.85%
Fuentes: datos de World Federation of Exchanges (WFE) y International Monetary Fund
CONCENTRACIÓN DE MERCADO
En el caso Perú la Capitalización Bursátil de las 10 empresas más grandes en

Perú en términos de la Capitalización Bursátil total para el periodo 2015,
asciende al 58%, lo que lo ubica como uno de los mercados regularmente
concentrados en Latinoamérica (Dato tomado de World Federation of
exchanges, 2015).
TABLA 4
Concentración de mercado de renta variable
CONCENTRACIÓN DE MERCADO
PAIS Capitalización Relativa
Chile 45.90%
Brasil 51.50%
Peru 58%
Colombia 71%
Mexico 55.50%
Argentina 63.30%
Mercado de Valores Internacionales
Australia 44.30%
Estados Unidos 39.10%
Japón 15.60%
Fuentes: datos de World Federation of Exchanges (WFE) y International Monetary Fund
Del cuadro anterior podemos afirmar que el mercado de valores doméstico del
Perú es relativamente concentrado con respecto a algunos países como
Colombia, México Argentina; sin embargo, es más concentrado con respecto a
los países desarrollados como Australia, Estados Unidos y Japón.
Con respecto al estudio que realizó al año 2006 Uribe (2007), el tamaño del
mercado accionario peruano ha tenido una reducción relativa al año 2015
reduciéndose de 61.53% al 58%. Es decir, su concentración de mercado de renta
variable en los últimos 9 años se ha reducido.
MEDICION DE LA VOLATILIDAD DEL INDICE GENERAL DE LA BOLSA DE

VALORES DE LIMA
Datos
Se consideraron 228 datos del Índice S&P/BVL Perú General Index (PEN) desde
el 02 de febrero del 2015 al 31 de diciembre del mismo año. Véase anexo 3.
PRUEBA DE HETEROSCEDASTICIDAD DE ARCH
Hipotesis nula: No existe efecto Arch

Hipotesis aterna: Si existe efecto Arch
TABLA 5
Prueba de heteroscedasticidad de ARCH

Heteroskedasticity Test: ARCH
F-statistic 2461.500 Prob. F(1,225) 0.0000

Obs*R-squared 207.9883 Prob. Chi-Square(1) 0.0000
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 12/19/17 Time: 23:40
Sample (adjusted): 2/03/2015 12/16/2015
Included observations: 227 after adjustments
Variable Coefficient Std. Error t-Statistic Prob.
C 421.0957 235.7728 1.786023 0.0754

RESID^2(-1) 0.964681 0.019444 49.61351 0.0000
R-squared 0.916248 Mean dependent var 10579.25

Adjusted R-squared 0.915876 S.D. dependent var 6073.023
S.E. of regression 1761.431 Akaike info criterion 17.79441
Sum squared resid 6.98E+08 Schwarz criterion 17.82459
Log likelihood -2017.666 Hannan-Quinn criter. 17.80659
F-statistic 2461.500 Durbin-Watson stat 1.582244
Prob(F-statistic) 0.000000
La probabilidad del test de heteroscedasticidad del ARCH es menor a 5% por lo

cual rechazamos la hipótesis nula y tendríamos que afirmar que la serie
financiera sigue un proceso ARCH por lo que procederemos a modelarla
volatilidad con el proceso ARCH y GARCH
Tratándose de una serie rendimientos calculamos la diferencia de los logaritmos

de los rendimientos.
FIGURA Nº2
Dependent Variable: D(LOG(IGBVL))

Method: ML ARCH - Normal distribution (BFGS / Marquardt steps)
Date: 12/19/17 Time: 23:55
Sample (adjusted): 2/03/2015 12/16/2015
Convergence achieved after 18 iterations
Coefficient covariance computed using outer product of gradients
Presample variance: backcast (parameter = 0.7)
GARCH = C(2) + C(3)*RESID(-1)^2 + C(4)*GARCH(-1)
Variable Coefficient Std. Error z-Statistic Prob.
C -0.000956 0.000697 -1.370983 0.1704
Variance Equation
C 9.16E-06 7.51E-06 1.219350 0.2227

RESID(-1)^2 0.076373 0.041607 1.835588 0.0664
GARCH(-1) 0.832883 0.108629 7.667242 0.0000
R-squared -0.001183 Mean dependent var -0.001306

Adjusted R-squared -0.001183 S.D. dependent var 0.010193
S.E. of regression 0.010199 Akaike info criterion -6.395766
Sum squared resid 0.023509 Schwarz criterion -6.335414
Log likelihood 729.9194 Hannan-Quinn criter. -6.371413
Durbin-Watson stat 1.546640
INDICE GENERAL DE LA BOLSA DE VALORES DE LIMA FEBRERO A

DICIEMBRE DEL 2015
FIGURA Nº3
El primer indicio nos india que la variable no es estacionaria debido a que no

tiene una característica de media y varianza constante durante todo el periodo.
AUTOCORRELEGROMAS
Se puede observar que solo el primer valor de las auto correlaciones parciales
es estadísticamente significativo y todas las demás están dentro de la zona de
no significatividad. El grafico podemos considerar el indicio de que el modelo
puede ser un proceso Ar (1)
FIGURA Nº4
Date: 12/20/17 Time: 00:49

Sample: 2/02/2015 12/16/2015
Included observations: 228
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
1 0.990 0.990 226.28 0.000

2 0.977 -0.113 447.86 0.000
3 0.964 -0.017 664.56 0.000
4 0.950 -0.054 875.96 0.000
5 0.938 0.073 1082.7 0.000
6 0.925 -0.044 1284.7 0.000
7 0.910 -0.065 1481.3 0.000
8 0.895 -0.034 1672.4 0.000
9 0.880 -0.012 1857.8 0.000
10 0.865 0.013 2037.7 0.000
11 0.850 -0.005 2212.3 0.000
12 0.835 -0.031 2381.4 0.000
13 0.819 -0.016 2545.1 0.000
14 0.804 0.012 2703.5 0.000
15 0.788 -0.026 2856.4 0.000
16 0.773 0.020 3004.2 0.000
17 0.758 -0.030 3146.9 0.000
18 0.743 0.038 3284.9 0.000
19 0.728 -0.028 3418.0 0.000
20 0.713 -0.012 3546.3 0.000
21 0.699 0.006 3670.1 0.000
22 0.684 -0.031 3789.1 0.000
23 0.669 0.001 3903.6 0.000
24 0.654 0.006 4013.7 0.000
25 0.641 0.019 4119.7 0.000
26 0.628 0.042 4222.0 0.000
27 0.616 0.009 4321.0 0.000
28 0.603 -0.055 4416.3 0.000
29 0.590 -0.013 4507.9 0.000
30 0.576 -0.048 4595.6 0.000
31 0.562 0.006 4679.6 0.000
32 0.547 -0.038 4759.8 0.000
33 0.533 -0.012 4836.2 0.000
34 0.520 0.047 4909.3 0.000
35 0.507 -0.008 4979.0 0.000
36 0.494 0.021 5045.7 0.000
HISTOGRAMA DE FRECUENCIAS
FIGURA Nº5
ESTIMACION PARCIAL DEL MODELO
FIGURA Nº6
Dependent Variable: IGBVL

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/17 Time: 00:52
Sample: 2/02/2015 12/16/2015
AR(1) 0.999950 0.000439 2276.497 0.0000

SIGMASQ 74.99791 3.887847 19.29035 0.0000

S.E. of regression 8.698368 Akaike info criterion 7.213260
Sum squared resid 17099.52 Schwarz criterion 7.243342
Log likelihood -820.3116 Hannan-Quinn criter. 7.225397
Inverted AR Roots 1.00
La t estadística nos indica que la variable es estadísticamente significativa, es

decir el Var nos ayuda a predecir el comportamiento de este índice; sin embargo
tenemos que poner atención en el valor del coeficiente. Sabemos que en
modelos Arima el valor del coeficiente de un Ar = 1 nos indica que el proceso es
explosivo es decir un proceso no estacionario donde la persistencia en el tiempo

del regresor en el periodo anterior es total.
Sabemos que la serie no es estacionaria y necesitamos buscar la serie que es

estacionaria para tratar de modelar el comportamiento. En activos financieros la
serie que es estacionaria es la que resulta de la diferencia de los logaritmos la
cual coincide con la serie de rendimientos de los activos financieros.
Generamos el rendimiento de los activos financieros, por ello tomamos

logaritmos para estabilizar la varianza luego la diferencias de esta variable
transformada para estabilizar la media.
FIGURA Nº7
Se puede observar que ahora la variable es un proceso estacionario donde la

varianza y la media son estables a lo largo del periodo. Esto podemos
comprobarlo con el correlograma donde se observa que solo los primeros son
significativos lo que nos da inicios de un proceso Ar (1) y ya no tenemos
funciones de auto correlación simple que salgan claramente a la zona de no
significatividad.
PRUEBA DE RAIZ UNITARIA
TEST AUMENTADO DE DICKEY FULLER
FIGURA Nº8
Null Hypothesis: D(DLIGBVL) has a unit root

Exogenous: Constant
Lag Length: 4 (Automatic - based on SIC, maxlag=14)
t-Statistic Prob.*
Augmented Dickey-Fuller test statistic -12.25562 0.0000

Test critical values: 1% level -3.459898
5% level -2.874435
10% level -2.573719
*MacKinnon (1996) one-sided p-values.
Augmented Dickey-Fuller Test Equation

Dependent Variable: D(DLIGBVL,2)
Method: Least Squares
Date: 12/20/17 Time: 03:06
Sample (adjusted): 2/11/2015 12/16/2015
D(DLIGBVL(-1)) -3.199772 0.261086 -12.25562 0.0000

D(DLIGBVL(-1),2) 1.587609 0.225103 7.052799 0.0000
D(DLIGBVL(-2),2) 1.028556 0.177311 5.800870 0.0000
D(DLIGBVL(-3),2) 0.625907 0.120991 5.173186 0.0000
D(DLIGBVL(-4),2) 0.258832 0.065633 3.943628 0.0001
C 5.26E-05 0.000705 0.074576 0.9406

Como la probabilidad de la prueba estadística de Dickey- Fuller aumentado es

menor al 5% se rechaza la hipótesis nula por lo que existe suficiente evidencia
estadística para afirmar que la serie es estacionaria y no tiene raíz unitaria por lo
que es posible modelarlo.
Además se dice que una serie presenta raíz unitaria si algunos valores de
McKinnon son mayores a la t estadística lo que no se observa en los resultados.
FIGURA Nº9
Date: 12/20/17 Time: 02:59

Sample: 2/02/2015 12/16/2015
Autocorrelation Partial Correlation AC PAC Q-Stat Prob
1 0.223 0.223 11.404 0.001

2 0.019 -0.032 11.486 0.003
3 0.025 0.029 11.632 0.009
4 -0.039 -0.054 11.993 0.017
5 0.001 0.024 11.994 0.035
6 0.121 0.121 15.443 0.017
7 0.048 -0.004 15.988 0.025
8 0.007 -0.004 16.000 0.042
9 -0.070 -0.082 17.156 0.046
10 -0.027 0.018 17.334 0.067
11 0.096 0.108 19.542 0.052
12 -0.018 -0.080 19.620 0.075
13 0.093 0.114 21.732 0.060
14 0.098 0.044 24.084 0.045
15 0.041 0.043 24.492 0.057
16 0.026 0.009 24.658 0.076
17 -0.053 -0.094 25.348 0.087
18 -0.069 -0.027 26.528 0.088
19 0.002 0.004 26.530 0.116
20 0.015 0.016 26.582 0.147
21 0.024 0.001 26.723 0.180
22 -0.030 -0.059 26.957 0.213
23 0.037 0.112 27.309 0.243
24 0.060 0.031 28.216 0.251
25 -0.030 -0.054 28.445 0.288
26 -0.067 -0.087 29.601 0.284
27 0.106 0.127 32.543 0.213
28 0.025 0.005 32.706 0.247
29 0.054 0.038 33.477 0.259
30 0.028 -0.031 33.688 0.293
31 0.022 0.052 33.819 0.333
32 -0.039 -0.012 34.219 0.362
33 -0.142 -0.146 39.599 0.199
34 -0.028 -0.006 39.804 0.227
35 -0.111 -0.158 43.121 0.163
36 -0.162 -0.086 50.275 0.057
FIGURA Nº10
Se puede ver que los puntos donde la cotización ha bajado bastante por ejemplo
en el mes de Agosto coinciden con los puntos donde la serie de rendimientos es
más volátil.
FIGURA Nº11
Se observa que la serie presenta una distribución leptocúrtica que son

distribuciones donde la concentración de los datos con respecto a los valores
centrales o respecto al valor esperado de los rendimientos es muy alto.
FIGURA Nº12
Dependent Variable: DLIGBVL

Method: ARMA Maximum Likelihood (OPG - BHHH)
Date: 12/20/17 Time: 03:35
Sample: 2/03/2015 12/16/2015
C -0.001285 0.000857 -1.499940 0.1350

AR(1) 0.223079 0.062329 3.579079 0.0004
SIGMASQ 9.83E-05 4.76E-06 20.63705 0.0000
R-squared 0.049892 Mean dependent var -0.001306

Inverted AR Roots .22
La modelación con un Ar (1) para la serie da como resultado un valor

estadísticamente significativo lo que indica el Ar (1) seria explicada por el
comportamiento de los rendimientos. Además el Durbin Watson es cercano a 2
lo que indica que la serie no presenta problemas de auto correlación de primer
orden en los errores, lo que da indicios de que los residuos de la estimación sean
ruido blanco
ESTIMACION DEL MODELO ARCH (1)
FIGURA Nº13

Date: 12/20/17 Time: 04:04
Sample (adjusted): 2/04/2015 12/16/2015
GARCH = C(3) + C(4)*RESID(-1)^2
C -0.001326 0.000856 -1.548936 0.1214

AR(1) 0.204889 0.080552 2.543562 0.0110
Variance Equation
C 9.58E-05 4.80E-06 19.95070 0.0000

RESID(-1)^2 0.026032 0.036593 0.711390 0.4768

ESTIMACION DEL MODELO GARCH (1)
FIGURA Nº14

Date: 12/20/17 Time: 04:07
Sample (adjusted): 2/04/2015 12/16/2015
GARCH = C(3) + C(4)*RESID(-1)^2 + C(5)*GARCH(-1)
C -0.000985 0.000841 -1.170653 0.2417

AR(1) 0.198043 0.085043 2.328735 0.0199
Variance Equation
C 6.93E-06 5.15E-06 1.346433 0.1782

RESID(-1)^2 0.064045 0.027976 2.289292 0.0221
GARCH(-1) 0.864543 0.074172 11.65598 0.0000

Inverted AR Roots .20

CRITERIOS DE ELECCION
El mejor modelo según los datos observados es aquel que minimiza la mayor
cantidad de criterios de información, este será el mejor modelo de estimación
para las variables de los rendimientos del índice bursátil.
El modelo GARCH considera valores sin términos absolutos, es decir, considera

los signos tal cual, en ese sentido es este modelo el que contiene los valores de
estos criterios de información más pequeños, por lo que este modelo es el que
mejor se ajusta para las series de índice bursátil.
ESTIMACION DEL MODELO
𝒚𝒕 = −𝟎. 𝟎𝟎𝟎𝟗𝟖𝟓 + 𝟎. 𝟏𝟗𝟖𝟎𝟒𝟑𝒚𝒕−𝟏 + 𝜺𝒕
𝝈𝟐𝒕 = 𝟎. 𝟎𝟎𝟎𝟎𝟎𝟔𝟗𝟑 + 𝟎. 𝟎𝟔𝟒𝟎𝟒𝟓𝜺𝟐𝒕−𝟏 + 𝟎. 𝟖𝟔𝟒𝟓𝟒𝟑𝝈𝟐𝒕−𝟏
INTERPRETACION:
En cuanto a las suma de os coeficientes del modelo GARCH(1,1) suman

0.928588 un valor cercano a la unidad, lo que indica que los shocks de volatilidad
son bastante persistentes, y que el proceso de varianza es convergente a su
valor no condicional o de la largo plazo, o sea que s cumple con la condición de
estabilidad intrínseca.
HECHOS ESTILIZADOS
El mercado de valores en la década de los 90’s experimentó un relativo

desarrollo, especialmente el mercado de renta variable(acciones), donde se
contaba con una gran cantidad de empresas listadas en bolsa y una
capitalización bursátil doméstica que iba en crecimiento cada año. Sin embargo,
a pesar de tener una gran cantidad de valores inscritos los montos operados y
negociados se concentraban en ciertos valores, como por ejemplo, las acciones
de Telefónica, Credicorp, Ferreyros, Backus, Edegel, Luz del Sur, así como de
las principales mineras, las cuales a Diciembre de 1999 concentraba más del
70% del total de operaciones, dejando rezagados a las demás acciones
cotizadas en bolsa, generando así una mercado con una negociación de pocos
valores. Por otro lado, según Pereda (2009) en el mercado de renta fija las
emisiones de deuda pública en soles de largo plazo eran inexistentes como
consecuencia del riesgo inflacionario y el incipiente desarrollo del mercado de
capitales, lo cual hacia que las emisiones públicas y privadas se dieran en
dólares ( a Diciembre de 2015 el stock de bonos en moneda extranjera
representaba el 75% del stock total) o en soles indexados a la inflación,
limitándose así las emisiones en soles nominales a plazos menores a los 2 años.
Por ello, en el 2003, con el objetivo de desarrollar el mercado doméstico de
capitales mediante la consolidación del mercado de bonos públicos en moneda
nacional, el Ministerio de Economía Finanzas implementa el Programa
Creadores de Mercado cuya finalidad es desarrollar el mercado de deuda pública
interna. 23 El mercado bursátil, medido a través de la capitalización bursátil, se
puede decir que ha experimentando un crecimiento y desarrollo, sin embargo,
en comparación con otros países de la región todavía sigue siendo pequeño.
Como se puede observar en la tabla 3.1, el Perú tiene una de las bolsas con
menor capitalización bursátil dentro de la región, superando t
an solo a Ecuador y Argentina. Asimismo, se puede observar que la

capitalización bursátil ha experimentado un gran crecimiento, especialmente, en
los últimos años pasando de un tamaño de mercado de US$ 9,750 MM en el
2000 a US$ 81,878 MM en el 2011. La importancia del mercado bursátil dentro
de la economía, medida a través del ratio Capitalización Bursátil Doméstica / PBI,
ha ido en aumento en los últimos años llegando a su pico máximo en el año
2010, en el cual la capitalización bursátil llegó a representar el 67% del Producto
Bruto Interno.
En el mes de diciembre los índices de cotizaciones de la BVL continuaron con

la tendencia bajista, muy influenciados por el comportamiento en declive de las
plazas en el exterior. Por el lado de las estadísticas de negociación, fue evidente
el retraimiento de los inversionistas durante este periodo, en el cual se registró
el menor monto transado y el más bajo dato mensual de número de operaciones
del 2015
La variable bursátil que fue afectada por el escenario descrito fue la

Capitalización Bursátil, que se ubicó en 90,657 millones de dólares menos que
el año 2014 que fue de 93,414millones de dólares. Cabe destacar que
históricamente la valorización del mercado recién alcanzó la barrera de los
100,000 millones de dólares en el año 2009, habiendo llegado a niveles
superiores a 160,000 millones de dólares en diciembre 2010.
En el año 2015, el mercado de acciones de la BVL experimentó una severa caída

en términos de precios, la mayor después del desplome por la crisis financiera
mundial en el 2008. En términos de negociación, las cifras evidencian con
claridad el retraimiento de la demanda por acciones durante este periodo: el
monto transado en el 2015 fue el de menor nivel en los últimos once años,
De acuerdo a lo señalado, en el 2015 los números de la BVL reflejaron con

claridad la creciente aversión al riesgo que prevaleció en el mercado,
especialmente en el mercado de acciones. El monto negociado total anual fue
de 3,516 millones de dólares (-39%), siendo el promedio diario de 14.18 millones

de dólares, casi un tercio menos que el promedio del 2014 (22.97 millones de
dólares). Las reducciones más significativas se dieron en el mecanismo de renta
variable al contado (-50.6%) y en el de reportes (-35.2%). En el caso de renta
fija, el monto negociado alcanzó los 1,023 millones de dólares, mostrando solo
una ligera reducción frente a lo obtenido el año 2014 (-2.64%), sin embargo este
rubro incremento su participación en el monto total negociado pasando de
18.64% (en el 2014) a representar el 29.11% del total negociado.
La tendencia decreciente de la liquidez de nuestro mercado en el 2015 se

evidencia con mayor nitidez en las estadísticas de número de operaciones: el
promedio mensual del cuarto trimestre (5,442 operaciones) fue casi la mitad del
promedio mensual alcanzado en el primer trimestre (10,369 operaciones). En
total se contabilizaron 94,755 transacciones, es decir un 41% menos que el año
anterior.
CONCLUSION
IMPLICANCIA PARA LA POLITICA

BIBLIOGRAFÍA
Martín Mato, M. A. (2010). Mercado de capitales: una perspectiva global. Buenos

Aires, Argentina: Cengage Learning.
Argáez; Batún; Guerro
Casas, Marta y Cepeda, Edilberto. “Modelos ARCH, GARCH y EGARCH:

aplicaciones a series financieras”, Cuadernos de Economía, v. XXVII, n. 48,
Bogotá, 2008, páginas 287-319.
ANEXOS
ANEXO N°1
SECTORES / INDUSTRIAS QUE COTIZAN EN LA BVL
ADMINISTRADORAS DE FONDOS DE PENSIONES

AGRARIO
BANCOS Y FINANCIERAS
DIVERSAS
FONDOS DE INVERSION
INDUSTRIALES
MINERAS
SEGUROS
HYPERLINK "http://www.bvl.com.pe/mercempresasporsector.html"
SERVICIOS PUBLICOS
ANEXO N°2
EMPRESAS QUE COTIZAN EN LA BVL / EMPRESAS CON VALORES

LISTADOS
A.F.P. INTEGRA S.A.

ADMINISTRADORA DEL COMERCIO S.A.
ADMINISTRADORA JOCKEY PLAZA SHOPPING CENTER S.A.
AFP HABITAT S.A.
AGRO INDUSTRIAL PARAMONGA S.A.A.
AGRO PUCALA S.A.A.
AGROINDUSTRIAL LAREDO S.A.A.
AGROINDUSTRIAS AIB S.A.
AGROINDUSTRIAS SAN JACINTO SOCIEDAD ANONIMA ABIERTA
(AGROINDUSTRIAS SAN JACINTO S.A.A.)
AGROKASA HOLDINGS S.A.
AGRÍCOLA Y GANADERA CHAVÍN DE HUANTAR S.A.
ALICORP S.A.A.
ALTURAS MINERALS CORP.
AMÉRIKA FINANCIERA S.A.
ANDINO INVESTMENT HOLDING S.A.A.
AUSTRAL GROUP S.A.A.
AVLA PERÚ COMPAÑÍA DE SEGUROS S.A.
AZZARO TRADING S.A.
BANCO AZTECA DEL PERU S.A.
BANCO CENCOSUD S.A.
BANCO DE COMERCIO
BANCO DE CREDITO DEL PERU
BANCO DE LA NACIÓN
BANCO FALABELLA PERU S.A.
BANCO FINANCIERO DEL PERU
BANCO GNB PERÚ S.A.
BANCO INTERAMERICANO DE FINANZAS S.A. - BANBIF
BANCO INTERNACIONAL DEL PERU S.A.A. - INTERBANK
BANCO NUEVO MUNDO - EN LIQUIDACION
BANCO RIPLEY PERÚ S.A.
BANCO SANTANDER CENTRAL HISPANO - PERU
BANCO SANTANDER PERÚ S.A.
BAYER S.A.
BBVA BANCO CONTINENTAL
BNB VALORES PERU S.A. SOCIEDAD AGENTE DE BOLSA
BNP PARIBAS CARDIF S.A. COMPAÑIA DE SEGUROS Y REASEGUROS
BOLSA DE VALORES DE LIMA S.A.A.
BPO CONSULTING S.A.C.
CAJA MUNICIPAL DE AHORRO Y CRÉDITO DE SULLANA S.A.
CAJA RURAL DE AHORRO Y CREDITO LOS ANDES S.A.
CANDENTE COPPER CORP.
CARTAVIO SOCIEDAD ANONIMA ABIERTA (CARTAVIO S.A.A.)
CASA GRANDE SOCIEDAD ANONIMA ABIERTA (CASA GRANDE S.A.A.)

CASTROVIRREYNA COMPAÑIA MINERA S.A. - EN LIQUIDACION
CAVALI S.A. I.C.L.V.
CEMA COMUNICACIONES S.A. EN LIQUIDACION
CEMENTOS PACASMAYO S.A.A.
CENTRAL AZUCARERA CHUCARAPI PAMPA BLANCA S.A.
CERVECERIA SAN JUAN S.A.
CHUBB PERU S.A. COMPAÑIA DE SEGUROS Y REASEGUROS
CINEPLEX S.A.
CITIBANK DEL PERU S.A. - CITIBANK PERU
CIUDARIS CONSULTORES INMOBILIARIOS S.A.
COFACE SEGURO DE CREDITO PERÚ S.A.
COLEGIOS PERUANOS S.A.
COMERCIAL DEL ACERO S.A.
COMPARTAMOS FINANCIERA S.A.
COMPAÑÍA DE MINAS BUENAVENTURA S.A.A.
COMPAÑÍA DE SEGUROS DE VIDA CAMARA S.A.
COMPAÑÍA GOODYEAR DEL PERU S.A.
COMPAÑÍA MINERA ATACOCHA S.A.A.
COMPAÑÍA MINERA MILPO S.A.A.
COMPAÑÍA MINERA PODEROSA S.A.
COMPAÑÍA MINERA SAN IGNACIO DE MOROCOCHA S.A.A.
COMPAÑÍA MINERA SANTA LUISA S.A.
COMPAÑÍA UNIVERSAL TEXTIL S.A.
CONCESIONARIA TRASVASE OLMOS S.A.
CONELSUR LT S.A.C.
CONSORCIO CEMENTERO DEL SUR S.A. - CONCESUR S.A.
CONSORCIO INDUSTRIAL DE AREQUIPA S.A.
CONTINENTAL SOCIEDAD TITULIZADORA S.A.
CORIL INSTRUMENTOS DE CORTO Y MEDIANO PLAZO 1 - FONDO DE
INVERSION
INVERSION
INVERSIÓN
CORIL INSTRUMENTOS FINANCIEROS 5 - FONDO DE INVERSIÓN
CORIL INSTRUMENTOS FINANCIEROS 7 - FONDO DE INVERSIÓN
CORPORACION ACEROS AREQUIPA S.A.
CORPORACION ANDINA DE FOMENTO - CAF

CORPORACION AZUCARERA DEL PERU S.A.
CORPORACION CERAMICA S.A.

CORPORACION CERVESUR S.A.A.
CORPORACION FINANCIERA DE DESARROLLO S.A. - COFIDE
CORPORACION FUNERARIA S.A.
CORPORACION LINDLEY S.A.
CORPORACIÓN FINANCIERA DE INVERSIONES S.A.
CORPORACIÓN PRIMAX S.A.
COSAPI S.A.
CRECER SEGUROS S.A. COMPAÑIA DE SEGUROS
CREDICORP CAPITAL PERÚ S.A.A.
CREDICORP CAPITAL SOCIEDAD TITULIZADORA S.A.
CREDICORP LTD.
CREDISCOTIA FINANCIERA S.A.
CREDITEX S.A.A.
DESARROLLOS SIGLO XXI S.A.A.
DIVISO GRUPO FINANCIERO S.A.
DUNAS ENERGÍA S.A.A.
DURAN VENTURES INC.
EDPYME GMG SERVICIOS PERÚ S.A.
EDPYME INVERSIONES LA CRUZ S.A.
EDYFICAR PERU S.A.
EL PACIFICO - PERUANO SUIZA CIA. DE SEGUROS Y REASEGUROS
ELECTRO DUNAS S.A.A.
ELECTRO PUNO S.A.A.
ELECTRO SUR ESTE S.A.A.
ELECTROVIA S.A.C.
EMP. REG. DE SERVICIO PUBLICO DE ELECTRICIDAD ELECTRONORTE
MEDIO S.A.- HIDRANDINA
EMPRESA AGRARIA AZUCARERA ANDAHUASI S.A.A.
EMPRESA AGRARIA CHIQUITOY S.A. - EN REESTRUCTURACION
EMPRESA AGRICOLA GANADERA SALAMANCA S.A.
EMPRESA AGRICOLA LA UNION S.A.
EMPRESA AGRICOLA SAN JUAN S.A.
EMPRESA AGRICOLA SINTUCO S.A.
EMPRESA AGROINDUSTRIAL CAYALTI S.A.A.
EMPRESA AGROINDUSTRIAL POMALCA S.A.A.
EMPRESA AGROINDUSTRIAL TUMAN S.A.A.
EMPRESA AZUCARERA "EL INGENIO" S.A.
EMPRESA DE GENERACION ELECTRICA SAN GABAN S.A.
EMPRESA DE GENERACIÓN ELÉCTRICA DEL SUR S.A. - EGESUR
EMPRESA EDITORA EL COMERCIO S.A.
EMPRESA ELECTRICIDAD DEL PERU - ELECTROPERU S.A.
EMPRESA REGIONAL DE SERVICIO PUBLICO DE ELECTRICIDAD -

ELECTROSUR S.A.
EMPRESA SIDERURGICA DEL PERU S.A.A.
ENEL DISTRIBUCIÓN PERÚ S.A.A. (ANTES EDELNOR S.A.A.)
ENEL GENERACIÓN PERÚ S.A.A. (ANTES EDEGEL S.A.A.)
ENEL GENERACIÓN PIURA S.A. (ANTES EMPRESA ELECTRICA DE PIURA
S.A.)
ENERGÍA DEL PACÍFICO S.A.
ENFOCA SERVICIOS LOGISTICOS S.A.
ENGIE ENERGIA PERU S.A
EXSA S.A.
FABRICA DE HILADOS Y TEJIDOS SAN MIGUEL S.A. - EN LIQUIDACIÓN
FABRICA NACIONAL DE ACUMULADORES ETNA S.A.
FABRICA PERUANA ETERNIT S.A.
FACTORING TOTAL S.A.
FALABELLA PERÚ S.A.A.
FARO CAPITAL FONDO DE INVERSIÓN INMOBILIARIO I
FERREYCORP S.A.A.
FILAMENTOS INDUSTRIALES S.A.
FINANCIERA CONFIANZA S.A.A.
FINANCIERA CREDINKA S.A.
FINANCIERA EFECTIVA S.A.
FINANCIERA OH! S.A.
FINANCIERA PROEMPRESA S.A.
FINANCIERA QAPAQ S.A.
FINANCIERA TFC S.A.
FONDO DE INVERSION MULTIRENTA INMOBILIARIA
FONDO MIVIVIENDA S.A.
FOSFATOS DEL PACÍFICO S.A. - FOSPAC S.A.
FOSSAL S.A.A.
FUTURA CONSORCIO INMOBILIARIO S.A.
GERENS ESCUELA DE GESTION Y ECONOMÍA S.A.
GLOBOKAS PERU S.A.
GLORIA S.A.
GR HOLDING S.A.
GRAÑA Y MONTERO S.A.A.
H2OLMOS S.A.
HDI SEGUROS S.A.
HERMES TRANSPORTES BLINDADOS S.A.
HIDROSTAL S.A.
HIPOTECARIA SURA EAH
ICBC PERÚ BANK S.A.
ICCGSA INVERSIONES S.A.

INDECO S.A.
INDUSTRIA TEXTIL PIURA S.A.
INDUSTRIAS DEL ENVASE S.A.
INDUSTRIAS ELECTRO QUIMICAS S.A. - IEQSA
INGENIEROS CIVILES Y CONTRATISTAS GENERALES S.A.
INMOBILIARIA IDE S.A.
INMOBILIARIA MILENIA S.A.
INMUEBLES PANAMERICANA S.A.
INRETAIL PERÚ CORP.
INSUR S.A. COMPAÑÍA DE SEGUROS
INTERCORP FINANCIAL SERVICES INC.
INTERCORP PERU LTD.
INTERNACIONAL DE TITULOS SOCIEDAD TITULIZADORA S.A.
INTERSEGURO COMPAÑÍA DE SEGUROS S.A.
INTRADEVCO INDUSTRIAL S.A.
INTRALOT DE PERU S.A.
INVERSIONES CENTENARIO S.A.A.INVERSIONES EDUCA S.A.
INVERSIONES EN TURISMO S.A. - INVERTUR
INVERSIONES LA RIOJA S.A.
INVERSIONES NACIONALES DE TURISMO S.A. - INTURSA
J.P. MORGAN BANCO DE INVERSIÓN
KARMIN EXPLORATION INC.
LA POSITIVA SEGUROS Y REASEGUROS
LA POSITIVA VIDA SEGUROS Y REASEGUROS S.A.
LAIVE S.A.
LATINA HOLDING S.A.
LEASING PERÚ S.A. EN LIQUIDACION
LEASING TOTAL S.A.
LIBERTY SEGUROS S.A.
LIMA CAUCHO S.A.
LIMA GAS S.A.
LOS PORTALES S.A.
LUZ DEL SUR S.A.A.
LXG AMAZON REFORESTRY FUND FI
MANUFACTURA DE METALES Y ALUMINIO "RECORD" S.A.
MAPFRE PERU COMPAÑIA DE SEGUROS Y REASEGUROS
MAPFRE PERÚ VIDA COMPAÑÍA DE SEGUROS Y REASEGUROS
MEDROCK CORPORATION S.A.C.
METALURGICA PERUANA S.A. - MEPSA
MIBANCO BANCO DE LA MICRO EMPRESA S.A.
MICHELL Y CIA. S.A.
MINERA ANDINA DE EXPLORACIONES S.A.A.

MINERA IRL LIMITED
MINISTERIO DE ECONOMIA Y FINANZAS - REPUBLICA DEL PERU
MINSUR S.A.
MITSUI AUTO FINANCE PERÚ S.A.
MOTORES DIESEL ANDINOS S.A
NEGOCIOS E INMUEBLES S.A.
NESSUS HOTELES PERÚ S.A
NISA ASSET MANAGEMENT S.A. (ANTES FINANCIAL MARKETING S.A.)
NISA BLINDADOS S.A.
NISA INMUEBLES S.A.
NISA MALLS S.A. (ANTES INVERSIONES FINANCIERAS DEL PERU S.A.)
NORVIAL S.A.
OBRAS DE INGENIERÍA S.A. - OBRAINSA
OHIO NATIONAL SEGUROS DE VIDA S.A.
PACIFICO S.A. ENTIDAD PRESTADORA DE SALUD
PACÍFICO COMPAÑÍA DE SEGUROS Y REASEGUROS (ANTES EL
PACIFICO VIDA CÍA. DE SEG. Y REASEG. S.A.)
PALMAS DEL ESPINO S.A.
PANORO MINERALS LTD.
PERU HOLDING DE TURISMO S.A.A.
PERU LNG S.R.L.
PERUANA DE ENERGIA S.A.A.
PERUANA DE MOLDEADOS S.A. - PAMOLSA
PERUBAR S.A.
PESQUERA EXALMAR S.A.A.
PETROLEOS DEL PERÚ - PETROPERU S.A.
PLUSPETROL CAMISEA S.A.
PPX MINING CORP.
PRIMA AFP S.A.
PROFUTURO A.F.P.
PROTECTA S.A. COMPAÑÍA DE SEGUROS
PVT PORTAFOLIO DE VALORES S.A.
QUIMPAC S.A.
RAYON INDUSTRIAL S.A. - EN LIQUIDACIÓN
RED BICOLOR DE COMUNICACIONES S.A.A.
RED DE ENERGIA DEL PERU S.A.
RED EAGLE MINING CORPORATION
REFINERIA LA PAMPILLA S.A.A. - RELAPA S.A.A.
REGULUS RESOURCES INC.
RIGEL PERÚ S.A. COMPAÑÍA DE SEGUROS DE VIDA
RIMAC SEGUROS Y REASEGUROS
SAGA FALABELLA S.A.
SAN MARTÍN CONTRATISTAS GENERALES S.A.
SCOTIA SOCIEDAD TITULIZADORA S.A.
SCOTIABANK PERU S.A.A.

SECREX COMPAÑIA DE SEGUROS DE CREDITO Y GARANTIAS
S.A.SEGUROS SURA
SERVICIO DE AGUA POTABLE Y ALCANTARILLADO DE LIMA – SEDAPAL
SERVICIOS GENERALES SATURNO S.A.
SHOUGANG GENERACION ELECTRICA S.A.A.
SHOUGANG HIERRO PERU S.A.A.
SIERRA METALS INC.
SOCIEDAD AGRICOLA FANUPE VICHAYAL S.A.
SOCIEDAD ELECTRICA DEL SUR OESTE S.A. – SEAL
SOCIEDAD INDUSTRIAL DE ARTICULOS DE METAL S.A.C. - SIAM EN
LIQUIDACIÓNSOCIEDAD MINERA CERRO VERDE S.A.A.
SOCIEDAD MINERA CORONA S.A.
SOCIEDAD MINERA EL BROCAL S.A.A.
SOLUCION EMPRESA ADMINISTRADORA HIPOTECARIA S.A.SOUTHERN
COPPER CORPORATION
SOUTHERN PERU COPPER CORPORATION - SUCURSAL DEL
PERUSUPERMERCADOS PERUANOS S.A. - SP S.A.
TC SIGLO 21 S.A.A.
TEKTON CORP S.A.C.
TELEFONICA DEL PERU S.A.A.
TELEFONICA, S.A.
TERMOCHILCA S.A.
TEXTIL SAN CRISTOBAL S.A. - EN LIQUIDACIÓN
TINKA RESOURCES LIMITED
TRADI S.A.
TRANSACCIONES FINANCIERAS S.A.
TRANSPORTADORA DE GAS DEL PERU S.A. - TGP
TREVALI MINING CORPORATION
UNION DE CERVECERIAS PERUANAS BACKUS Y JOHNSTON S.A.A.
UNIÓN ANDINA DE CEMENTOS S.A.A. -UNACEM S.A.A.
VIACONSUMO S.A.C.
VOLCAN COMPAÑIA MINERA S.A.A.
ANEXO Nº3
INDICES DE LA BVL
a) S&P/BVL Peru General
Está diseñado para ser el referente (benchmark) amplio del mercado peruano
reflejando la tendencia promedio de las principales acciones cotizadas en Bolsa.
El S&P/BVL Peru General sigue la historia del antiguo IGBVL, manteniendo la
base 30 de diciembre de 1991 = 100. Sin embargo, a partir del 4 de octubre del
2015 será un índice de capitalización del free float. En este sentido, cabe
destacar que el índice S&P/BVL Peru General que difundirá la BVL en sus
publicaciones, será de retorno total, es decir asumirá la reinversión de los
dividendos.
Las carteras de este índice serán actualizadas completamente en setiembre de

cada año, efectuándose ajustes de los pesos en marzo, junio y diciembre. Para
integrar su cartera se requerirá un nivel moderado de negociación, de tal manera
que este incluida en el ranking de valores que representan el 95% del mercado.
Adicionalmente la acciónn deberá tener una capitalización de free float no menor
a US$ 10 millones. Se tiene un tope de 25% en el peso de cada constituyente y
de 10% si la empresa deriva menos del 50% de sus ingresos procedentes del
Perú.
b) S&P/BVL Peru Select
Es el nuevo indicador del mercado de acciones orientado a convertirse en el

índice "premium" de la BVL. Es también un índice de capitalización pero con
mayores requerimientos de liquidez y del tamaño de la capitalización del free
float, de tal manera que aparte de ser amplio y representativo, sea también
invertible y fácilmente replicable.
Para ser incluidas, las acciones deberán tener una frecuencia de haber
negociado en el 80% del periodo previo a la evaluación y una capitalización de
free float no menor a US$ 45 millones. También deberán tener un promedio diario
de negociación igual o mayor a US$ 100,000. En la fecha del rebalanceo,
ninguna acción deberá tener una ponderación superior al 15% y ningún sector
representará más del 40% del índice.
b) S&P/BVL Lima 25
A diferencia de los demás índices, que serán de capitalización, el Lima 25 será

el único índice basado en la liquidez, al medir el desempeño de las 25 acciones
con mayor negociación dentro de la Bolsa de Valores de Lima. Estas acciones
serán determinadas al evaluar los índices de liquidez de cada una de las
acciones listadas, que considera el monto negociado, el número de operaciones
y la frecuencia de cotización, en los que se desestima las operaciones atípicas.
Este índice sigue la historia del índice Selectivo de la Bolsa de Valores de Lima
(ISBVL), que se remonta al 30 de diciembre de 1991.
c) Indice de Buen Gobierno Corporativo (IBGC)

El Indice de Buen Gobierno Corporativo (IBGC) es un estadístico que tiene
como objeto reflejar el comportamiento de los precios de las acciones de
aquellas empresas listadas que adoptan buenas prácticas de gobierno
corporativo. El IBGC es un índice de capitalización, por lo cual los pesos de
las acciones en el portafolio se obtienen en base a la capitalización bursátil
del free-float de estas acciones, ajustados por el nivel de buen gobierno
corporativo obtenido.
HYPERLINK
"http://www.bvl.com.pe/inf_corporativa58501_WVVSQUJDMTE.html" YURA
S.A.

Volatilidad de Renta Variable Peru

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Volatilidad de Renta Variable Peru

Uploaded by

Copyright:

Available Formats

Facultad de Ingeniería Económica

UNIVERSIDAD NACIONAL DEL ALTIPLANO

Nuestro trabajo de investigación tiene como objetivo caracterizar y analizar el

El rápido crecimiento de las economías en América Latina ha estimulado el

La literatura a nivel nacional es escasa respecto al estudio y caracterización del

Para en la primera parte del trabajo abordaremos la dinámica del mercado de

INDICADORES DE DESEMPEÑO DE LOS EMISORES DE ACCIONES

ESTRUCTURA DEL MERCADO DE VALORES PERUANO

Es donde se venden públicamente nuevas emisiones de valores. El dinero

Es aquel donde los activos financieros existentes se negocian entre los

LOS ÍNDICES DE COTIZACIÓN BURSÁTIL

Un índice puede ser definido como un instrumento estadístico que representa en

En el caso concreto del mercado accionario, un Índice de Cotización de Acciones

El índice de mayor importancia e incidencia en la BVL es el S&P/BVL Perú

MERCADO DE ACTIVOS DE RENTA VARIABLE

El mercado de renta variable es donde se realizan transacciones de acciones de

A través de las acciones, el inversor participa del éxito económico de una

El principal objetivo del mercado de capitales se enmarca en las funciones de

En el precio o rentabilidad de las acciones no solo influyen el éxito económico

La relación entre primas de riesgo y volatilidad es más compleja en contextos

tamaño esperado del conjunto de posibilidades de consumo futuro. De este

INDICADORES DE PROFUNDIDAD DE MERCADO DE RENTA VARIABLE

La liquidez de un activo financiero tiene un impacto directo sobre los precios de

Un mercado de capitales es eficiente si los precios de los activos reflejan

La eficiencia del mercado se mide mediante la relación entre la liquidez del

CONCENTRACIÓN DEL MERCADO

La concentración es el grado al cual la producción de una industria está

La rentabilidad alta en una industria es una señal de eficiencia y no de poder de

La concentración del mercado se mide mediante la proporción que representa el

VOLATILIDAD EN EL MERCADO DE RENTA VARIABLE

Entendemos la volatilidad como una medida de riesgo que se deriva en los

”La volatilidad es una medida de la intensidad de los cambios aleatorios o

absoluto como en desviaciones alrededor de un valor medio ”(Forecasting

La mayor parte de los modelos de volatilidad de uso financiero implican

La volatilidad asociada a una serie temporal de rentabilidades no es observable;

En la siguiente gráfica mostramos una clasificación sintetizada.

Figura Nº 1. Medidas de Volatilidad

Con el fin de ofrecer modelos de pronósticos más robustos y precisos, se utilizan

considera que el modelo más apropiado es el GARCH que arrojan resultados

La volatilidad es una característica inherente a las series de tiempo financieras.

Decimos que la volatilidad de proceso depende de los cuadrados del

En Engle (1982) se presenta el modelo ARCH (Autorregressive Conditional

Según (Gujarati, 2009) la Heteroscedasticidad condicional autorregresiva

Los modelos GARCH se utilizan especialmente en mercados financieros y

Al modelo ARCH Le suma un componente en el cual se asume que la volatilidad

El modelo GARCH (Generalized Autoregressive Conditional Heteroskedasticity),

𝝈𝟐𝒕 = 𝒘 + 𝜶𝜺𝟐𝒕−𝟏 + 𝜷𝝈𝟐𝒕−𝟏

EVIDENCIA EMPÍRICA DEL MERCADO DE RENTA VARIABLE EN EL PERÚ

formación de precios y al aumento en el volumen transado de las acciones más

INDICADORES DE PROFUNDIDAD DE MERCADO DE RENTA VARIABLE

A continuación presentaremos indicadores que están expresadas en monedas

PAIS Capitalización Relativa Nº de empresas

Mercado de Valores internacionales

En términos absolutos el mercado accionario más grande en América Latina está

Para nuestro propósito utilizaremos La Razón Volumen Transado sobre PIB

Con un monto negociado de 1725.84 millones de soles de acuerdo a la BVL y un

Liquidez del mercado de renta variable

Mercado de Valores Internacionales

Australia 81.33 8.16%

Fuente: datos de World Federation of Exchanges (WFE) y International Monetary Fund

En el caso peruano correspondiente al periodo 2015, la liquidez de mercado es

Eficiencia de mercado de renta variable

PAIS EFICIENCIA DE MERCADO

En el caso Perú la Capitalización Bursátil de las 10 empresas más grandes en