Sunteți pe pagina 1din 226

5

2016

aná is s
revista del mercado de valores

NÚMERO 5
EDICIÓN JULIO DE 2016
ISSN 2215-9150
análisis
revista del mercado de valores
n ú m e r o 5, e d i c i ó n DICIEM B RE d e 2 015

Es una revista académica editada desde 2010


por el Autorregulador del Mercado de Valores
de Colombia (AMV). Su objetivo es divulgar
artículos teóricos y aplicados, relevantes para
mejorar el rendimiento de las discusiones del
mercado de valores desde una perspectiva eco-
nómica, financiera, jurídica, regulatoria y otros
afines.
Esta edición de la Revista recopila los artículos
ganadores del Concurso Arquitectos del Mer-
cado de Capitales en sus versiones de los años
2012, 2013 y 2014.

Coordinadores editoriales
Alexander Campos Osorio
acampos@amvcolombia.org.co
José Rodrigo Vélez
jvelez@amvcolombia.org.co
Stefany Gámez Díaz Árbitros 2012
David Salamanca Rojas
Ángela Valderrama
Edición, corrección de estilo, diseño gráfico Carlos Guzmán Toro
editorial, armada electrónica e impresión
Proceditor
Árbitros 2013
Calle 1C No. 27 A-01
Camilo Zea Gómez
Bogotá, D. C., Colombia
Javier Díaz Fajardo
Tel.: (571) 2204275/76,
Carlos Guzmán Toro
proceditor@yahoo.es

Árbitros 2014
El material de esta revista puede ser reproducido sin
Diego Jara Pinzón
autorización, siempre y cuando se mencione como
Ángela Valderrama
fuente el artículo y su autor.
Daniel Niño Tarazona
La responsabilidad por el contenido de los artículos
publicados en Análisis - Revista del Mercado de
Valores recae solamente en sus autores.

Impreso y hecho en Colombia Autorregulador del Mercado


Printed and made in Colombia de Valores de Colombia
Calle 72 No. 10-07 of. 1202
Bogotá, D. C., Colombia
ISSN 2215-9150 Tel.: (571) 6071010
Bogotá, D. C., Colombia Fax: (571) 3470181
Julio de 2016 www.amvcolombia.org.co
www.amvcolombia.org.co Presidente
Jeannette Forigua Rojas

Inicio Contenido Salir Volver


Contenido

5 Editorial

ARTÍCULOS

9 Distorsiones creadas por la regulación colombiana: el asset


swap spread como proxy del credit default swap en el mer-
cado local
andrés gómez

31 Betas contables
jhon alexander jiménez triviño

79 SANTI: robot de trading con pronósticos basados en inteli-


gencia artificial, una evolución para el mercado de valores
gustavo adolfo vásquez perdomo y jorge muñoz sepúlveda

105 Modelo de valoración de exchange traded funds (ETF)


camilo bayarri arboleda y roberto camargo moreno

129 El efecto day of the week en el mercado de capitales


colombiano 2001-2013
johanna daza moreno y ana magaly cepeda cepeda

145 Estimación de una superficie de volatilidad sobre el índice


COLCAP, para la creación y valoración de un mercado de
opciones colombiano, como base del CVIX
jenny viviana santana forero y diana patricia figueroa aguilar

169 Modelo de valor en riesgo ajustado por liquidez: aplicación


al mercado de renta variable colombiano
brayan ricardo rojas ormaza

199 Estudio empírico de las propiedades estadísticas de los


mercados financieros colombianos
josé adolfo colorado gonzález y jackelyne gómez restrepo

221 Instrucciones para autores, política editorial


y derechos de autor

Inicio Contenido Salir Volver


Inicio Contenido Salir Volver
Editorial

|  pp. 5 -7
AMV presenta la quinta entrega de Análisis, Revista del Mercado

editorial  
de Valores. En este número se recopilan los documentos ganado-
res de las tres ediciones anteriores del Concurso de Arqui­tectos
del Mercado de Capitales, realizado en alianza con la Bolsa de
Valores de Colombia.
Pese a los notables avances logrados en las últimas dos déca-
das, el nuestro es un mercado de valores en permanente construc-
ción y hoy más que nunca enfrenta grandes desafíos, por ello, la
agenda regulatoria, los cambios tecnológicos, la creciente inter-
nacionalización de los mercados y los desafíos en la administra-
ción de riesgos, nos imponen la necesidad de contar con mayores
herramientas de análisis y espacios de discusión de la agenda de
la política pública. Dentro de esta evidente realidad, los trabajos
publicados en esta edición de Análisis constituyen, sin lugar a
dudas, una valiosa fuente de análisis e información.
AMV mantiene el compromiso de divulgación de los trabajos
ganadores a través de Análisis, página de Internet y redes socia-
les. Su disciplina y rigor académico merecen total reconocimiento,
pues estos aportes constituyen en muchos casos las bases que per-
miten construir desarrollos del mercado.
A lo largo de seis competiciones, este concurso ha buscado
fomentar la investigación en aspectos legales y económicos rela­
cionados con el mercado de valores colombiano. Estamos segu­
ros de que los trabajos ganadores son una referencia fundamental
para enriquecer el debate académico que subyace al estudio y
desarrollo del mercado de valores.
5

Inicio Contenido Salir Volver


El primer artículo que ofrecemos es el estudio de Andrés
Gómez, ingeniero administrador de la Universidad Nacional de
Colombia y magíster en Finanzas Matemáticas del Illinois Institute
of Technology, titulado “Distorsiones creadas por la regulación
colombiana: el asset swap spread como proxy del credit default
swap en el mercado local”. Es un análisis del comportamiento que
ha tenido dicho spread construido a partir de la curva IBR y los
bonos de la República de Colombia emitidos en pesos (TES), entre
mayo de 2012 y marzo de 2013. El autor encuentra que el com­
portamiento de este no es consistente con la teoría financiera, lo
cual no puede ser arbitrado por los agentes locales en virtud de la
revista del mercado de valores , núm . 5 , edición julio 2016

prohibición legal de realizar derivados de crédito. Esto contribuye


a preservar las distorsiones que allí se generan.
En el siguiente artículo, “Betas contables”, Jhon Jiménez, eco­
nomista de la Universidad de los Andes y magíster en Finanzas
Corporativas del Colegio de Estudios Superiores de Administra-
ción (CESA), busca demostrar que el coeficiente beta usado para
el cálculo del costo del capital bajo el modelo de capital asset pri­
cing (CAPM) puede calcularse mediante fuentes trimestrales con­
tables provenientes de los estados financieros de cada una de las
empresas. Sus resultados muestran que mediante este modelo se
llega a un resultado semejante al calculado con los métodos tra­
dicionales de regresión lineal entre los rendimientos de mercado.
Este hallazgo es particularmente relevante para el cálculo de betas
de empresas no listadas en bolsa o pymes que no cuentan con
información para aplicar los métodos tradicionales.
“SANTI: robot de trading con pronósticos basados en inte­
ligencia artificial, una evolución para el mercado de valores” es
el estudio de Gustavo Vásquez, administrador de empresas de la
Universidad del Valle con estudios en ciencias de la computación,

y Jorge Muñoz, ingeniero electrónico de la Universidad del Valle,


análisis

quienes presentan un desarrollo computacional para la realización


de operaciones de bolsa para el mercado de valores colombiano.
Para los autores, el uso de SANTI mejora el retorno de las transac­
ciones y disminuye el riesgo mediante el uso de pronósticos basa­
dos en inteligencia artificial y herramientas de gestión del riesgo, lo
que elimina el impacto de las emociones en la toma de posiciones
en el mercado de valores.
A continuación, Camilo Bayarri, economista con énfasis en
6 Finanzas de la Universidad Pontificia Bolivariana, con su investiga­

Inicio Contenido Salir Volver


ción “Modelo de valoración de exchange traded funds” aproxima
a los lectores a la naturaleza y ventajas de los exchange traded
funds (ETF). El autor emplea dos modelos para su valoración: la
metodología de precios objetivos y el modelo de Black y Litter­
man, los cuales le permiten al inversionista contar con mejores
expectativas del comportamiento futuro de los ETF. Por su parte,
Ana Cepeda y Johanna Daza, estudiantes de Finanzas y Comer­
cio Exterior de la Universidad Sergio Arboleda, en su estudio “El
efecto ‘day of the week’ en el mercado de capitales colombiano
2001-2013” comprueban que los días viernes existen unos mayo­
res retornos para el índice general de la bolsa (IGBC), en compara­

|  pp. 5 -7
ción con los demás días de la semana. Estos patrones estacionales
dentro de la semana están presentes en otros mercados y pueden
convertirse en información adicional a considerar en la toma de

editorial  
decisiones de inversión.
Jenny Santana y Diana Figueroa, estudiantes de Ingeniería
Financiera de la Universidad Piloto de Colombia, con su investiga­
ción “Una aproximación a la creación y valoración del mercado
de opciones colombiano, a partir de la estimación de la superficie
de volatilidad sobre el índice COLCAP, como base del índice de
volatilidad CVIX” demuestran cualitativamente que la volatilidad
es mayor a medida que se acercan los días al vencimiento de la
opción y, por ende, el valor de la prima es proporcional a este
incremento. Este estudio cobra particular importancia para la crea­
ción de coberturas mediante opciones para las posiciones sobre el
COLCAP.
En el artículo “Modelo de valor en riesgo ajustado por liqui­
dez: aplicación al mercado de renta variable colombiano”, escrito
por Brayan Rojas, economista de la Universidad Nacional de
Colombia, especialista en Gestión de Riesgos y Control de Institu­
ciones Financieras y magíster en Finanzas de la Universidad de los
Andes, se realiza un estudio que incorpora el riesgo de liquidez
de trading a la metodología tradicional de valor en riesgo aplicado
al mercado de renta variable colombiano. Los resultados obteni­
dos muestran la mejora que se produce en la cuantificación del
riesgo mediante la realización de pruebas de backtesting y resalta
la importancia de incorporar en la medición del VaR las condicio­
nes de liquidez de los mercados.

Inicio Contenido Salir Volver


Finalmente, el artículo de Jackeline Gómez , ingeniera mate­
mática y magíster en Matemáticas Aplicadas de la Universidad
EAFIT, y José Colorado, ingeniero industrial de la Universidad de
Antioquia y especialista en Finanzas Corporativas de la Escuela de
Ingeniería de Antioquia, titulado “Estudio empírico de las propie­
dades estadísticas de los mercados financieros colombianos” ana­
lizan la microestructura de los mercados colombianos de renta fija
y renta variable, usando un activo representativo en cada uno de
ellos. El estudio identifica que en el mercado de renta variable es
posible caracterizar cinco comportamientos típicos (hechos estili­
zados) de los retornos intradía, lo cual ocurre apenas parcialmente
revista del mercado de valores , núm . 5 , edición julio 2016

para el mercado de renta fija. La identificación de tales patrones


es fundamental para la definición de algoritmos de negociación y
optimización de decisiones de portafolio.
AMV agradece a los jurados y a los árbitros de la academia y
la industria financiera que cada año apoyan esta iniciativa con el
propósito de impulsar discusiones de tipo académico que contri-
buyan al desarrollo del mercado de capitales. Tenemos la convic-
ción que la disciplina de investigación y estudio nos prepara para
enfrentar no sólo nuestros proyectos de vida profesional, sino tam-
bién los proyectos que permiten construir día a día nuestro país.
– análisis

Inicio Contenido Salir Volver


Distorsiones creadas
por la regulación
colombiana:
el asset swap spread
como proxy del
credit default swap
en el mercado local
Andrés Gómez

Resumen Documento ganador del


Concurso Arquitectos del
En el presente documento se analiza el comportamiento Mercado de Capitales año
que ha tenido el asset swap spread obtenido a partir de la 2013. Categoría Libre.
curva IBR y los bonos de la República de Colombia emiti- El autor es Ingeniero
dos en pesos (TES), entre mayo de 2012 y marzo de 2013. Administrador de la
Universidad Nacional de
Creemos que el comportamiento de esta variable no es Colombia con estudios
consistente con la teoría financiera y que los agentes loca- de maestría en Finanzas
Matemáticas del Illinois
les no pueden arbitrar esta situación eficientemente debido Institute of Technology.
a la prohibición en la regulación colombiana para operar Inició su carrera en el área
de riesgos de mercado de
derivados de crédito. Este documento pretende contribuir al Bancolombia, en donde se
debate que pensamos debe darse en esta materia. desempeñó como gerente
de Riesgos para el área
de Tesorería. Desde hace
Palabras clave: asset swap spread, interest rate swap, cre­ algunos años es trader de
dit default swap, intensidades de default, riesgo de crédito, derivados especializado en
opciones sobre divisas y
riesgo de tasa de interés, bonos mercados emergentes. swaps de tasas de interés.
Correo electrónico:
Clasificación JEL: G12, G13. gomezandr@gmail.com.

Inicio Contenido Salir Volver


Distortions as a
result of Colombian
regulations: Asset
swap spread as a
proxy for credit
default swap in the
local market
Andrés Gómez

This article is winner of the


competition of Capital Market
Architecs of Main year 2013 Abstract
proposed by the Autorregula-
dor del Mercado de Valores This paper analyses asset swap spread’s behaviour tho-
and The Bolsa de Valores de
Colombia in the form of free rough the IBR (Indicador Bancario de Referencia) curve and
category. the Republic of Colombia’s bonds that were issued in TES
The author is Engineer Admi- pesos between May 2012 and March 2013. We believe that
nistrator of the Universidad the behaviour of this variable is not consistent with finan-
Nacional de Colombia with
studies of mastery in Mathe- cial theory and that local agents cannot judge the situation
matical Finances of the Illinois efficiently given the fact the Colombian regulation prohibits
Institute of Technology. It
initiated his career in the area the use of credit derivatives. This paper aims to contribute
of risks of market of Banco- to the debate in this field that we see as pertinent.
lombia, in where it exerted like
manager of Risks for treasury
area . From it does some years Key words: Asset swap spread, interest rate swap, credit
is trader of skilled derivatives default swap, default intensities, credit risk, interest rate risk,
in options on foreign exchange
market and swaps of taxes of emerging market bonds.
interest.
Email: gomezandr@gmail.com JEL classification: G12, G13.

Inicio Contenido Salir Volver


Introducción

Los mercados de tasas de interés en Colombia han evolucionado


bastante en los últimos años. El mercado local de TES es sin duda
alguna el mercado más líquido y profundo en donde se pueden
operar las tasas de interés en pesos. Sin embargo, los mercados
de derivados de tasas de interés también han venido creciendo
significativamente. Alrededor del año 2005 el mercado de cross
currency swaps (CCS), en donde se cambia tasa fija en pesos con-
tra la Libor, empezó a operar influenciado en su mayoría por flujos
offshore. Esto debido al deseo de algunos agentes del exterior de
exponerse a las tasas de interés en pesos colombianos (COP). Este

andrés gómez , pp. 9 -30


mercado está siendo reemplazado paulatinamente por un mer-
cado de interest rate swaps (IRS) en COP, en donde se cambia
una tasa fija por el indicador variable IBR. De esta manera, en
la actualidad se cuenta con varios mercados que están estrecha-
mente relacionados y en los cuales se definen dos variables muy
importantes: el precio del riesgo de tasa de interés y el precio del
riesgo de crédito de emisores en pesos.

| distorsiones creadas por l a regul ación colombiana


En Colombia existe una regulación en materia cambiaria que
también establece algunas reglas sobre los derivados de crédito.
En particular se define la imposibilidad de los agentes locales de
vender protección a través de derivados de crédito (Banco de la
República, 2008, p. 8). Pensamos que este tipo de regulaciones
generan distorsiones en los mercados locales. Esto debido a que
instrumentos como los bonos incorporan el precio del riesgo de
tasa de interés y el precio de riesgo de crédito simultáneamente,
mientras que instrumentos como los IRS reflejan en esencia el pri-
mer tipo de riesgo1. Así, aun cuando no es posible vender pro-
tección a través de credit default swaps (CDS) directamente, sí es
posible tener una proxy de esta exposición utilizando los asset
swaps (AS). La intención de este trabajo es analizar las relaciones
que existen entre los asset swap spreads (ASS) obtenidos a partir
de los TES y la curva swap IBR, y los CDS sobre la deuda colom-
biana denominada en dólares (USD). Queremos identificar si exis-
ten posibles distorsiones en estos mercados.

1 Esto sobre todo en el caso de swaps del tipo OIS (overnight index swaps), cuando
se opera en un esquema con colateral. 11

Inicio Contenido Salir Volver


I. Revisión de la literatura

El rendimiento hasta el vencimiento de un bono contiene infor-


mación de muchas variables. Sin embargo, dos de sus principales
componentes son el precio del riesgo de tasa de interés y el precio
del riesgo de crédito. Existe una amplia literatura sobre este tema.
En su forma clásica la separación del riesgo de tasa de interés y
del riesgo de crédito se realiza tomando los bonos del tesoro ame-
ricano como una proxy de las tasas libres de riesgo en dólares y
los bonos de países emergentes o corporaciones denominados en
USD como bonos sujetos a riesgo de crédito. De esta forma el
spread entre estos dos tipos de bonos refleja únicamente el riesgo
revista del mercado de valores , núm . 5 , edición julio 2016

de crédito al aislar el de tasa de interés. Un análisis exhaustivo de


este tema puede encontrarse en Schönbucher (2003). Otra forma
de analizar este spread es utilizar el mercado de IRS para cambiar
los cupones a tasa fija de un bono riesgoso por cupones a tasa
variable más un spread. A esta transacción se le conoce como
AS, tal y como lo mencionamos en la introducción. Un AS es una
transacción muy similar a un CDS. De hecho, bajo condiciones de
mercado en donde no haya restricciones de liquidez muy grandes
estos spreads tienden a ser relativamente iguales2. En estas condi-
ciones un AS puede ser utilizado como una proxy para un CDS.
Una explicación ilustrativa de cómo opera esta proxy se puede
encontrar en Zhou (2008).
Se pueden usar entonces los mercados de derivados para
negociar el riesgo de tasa de interés y el riesgo de crédito por
separado. El precio del riesgo de crédito de un emisor particular
se puede negociar en el mercado de CDS cuando este existe. En
caso contrario se podría recurrir al mercado de AS. Por otro lado,
el precio del riesgo de tasa de interés se puede analizar en los
mercados de IRS. Para evitar involucrar el riesgo de contraparte en
los mercados de IRS, los precios de estos derivados deben darse
en un esquema de colateralización total. Aun cuando un IRS tiene
– análisis

generalmente una exposición crediticia menor que un bono, al


estar conformado por derechos y obligaciones3, existe un riesgo de
contraparte cuando el mercado se mueve en alguna dirección y el

2 La diferencia entre el ASS y la tasa del CDS se conoce como basis. Existen diver-
sas razones para la existencia de este basis, como por ejemplo el acceso a fondos
y la opcionalidad de entrega del bono más barato en el CDS.
3 Si la volatilidad del subyacente no es excesivamente alta, el valor de los derechos
y obligaciones tiende a ser similar por lo que la exposición potencial futura no es
12 muy alta.

Inicio Contenido Salir Volver


valor neto del derivado cambia. Por ello, si se tiene un esquema
en donde se exige colateral cuando cambia el valor de mercado, el
riesgo de contraparte se disminuye casi en su totalidad y las tasas
de los IRS no tienen que reflejar primas extras por este riesgo.
De esta manera, si el riesgo de contraparte es bajo, se podría
pensar que los IRS son una buena proxy para deducir tasas libres
de riesgo en una moneda determinada. Sin embargo, aun en el
caso en donde se opera con un esquema de colateralización total,
estas tasas pueden estar reflejando primas de riesgo de crédito.
Analicemos un poco esta situación.
Hoy en día cada vez se acepta más el uso de las curvas de
overnight index swaps (OIS) como una proxy para las tasas libres

andrés gómez , pp. 9 -30


de riesgo en una moneda. Un OIS es un swap en donde se cambia
la tasa overnight por una tasa fija. En general, las tasas overnight no
contienen primas grandes de riesgo de crédito porque la probabi-
lidad de default a un día es relativamente baja. De esta forma, los
OIS reflejan de una manera bastante precisa las expectativas de
tasas de interés al estimar el valor promedio de las tasas overnight
en un horizonte de tiempo. El caso contrario ocurre con la mayo-

| distorsiones creadas por l a regul ación colombiana


ría de IRS en donde se cambia una tasa variable proveniente de
préstamos interbancarios a plazo. Por ejemplo, en los IRS en USD
estándar, se cambia la Libor de tres meses por una tasa fija. Esta,
entonces, va a estar reflejando no solo las expectativas de tasas de
interés, sino que también va a considerar la posibilidad de que la
tasa variable de tres meses cambie por la percepción de riesgo de
crédito. Tal situación se empezó a analizar con detalle después de
la crisis de 2007. Una discusión clara de este tema puede verse en
el documento de Mercurio (2009).
Esta breve discusión ha servido para ilustrar cómo el riesgo de
crédito y el riesgo de tasa de interés se pueden negociar separada-
mente utilizando diferentes tipos de derivados o combinando estos
con los bonos. Ahora bien, ¿qué relación deben tener las tasas de
CDS que ofrezcan protección sobre un mismo emisor, pero estén
denominados en monedas diferentes? Una forma estándar de ana-
lizar los CDS es mirar las intensidades de default implícitas que
existen en las cotizaciones para diferentes plazos. Si no existiera
una estructura de correlación entre la tasa de cambio y la inten-
sidad de default, las tasas de los CDS denominados en diferentes
monedas deberían ser aproximadamente iguales (Ellers y Schön-
bucher, 2006). Veamos un ejemplo. Consideremos un CDS sobre
13

Inicio Contenido Salir Volver


la deuda colombiana denominada en COP. El contrato requiere
que el comprador de protección pague una prima en COP a cam-
bio de protección sobre el activo. Si hay un default de Colombia,
el vendedor de protección debe entregar al comprador un valor en
COP equivalente al nominal de la deuda protegida menos el valor
de recuperación. Es razonable pensar que si el spread de crédito
de Colombia sube demasiado, lo que implica un posible default,
el COP debería devaluarse considerablemente. De esta manera
la protección recibida por el comprador de protección en el caso
de un default debe ser muy pequeña en función de USD y por
consiguiente la prima periódica a pagar en COP también debería
ser más pequeña que aquella pagada en los CDS denominados en
revista del mercado de valores , núm . 5 , edición julio 2016

USD. Una discusión de posibles arbitrajes puede encontrarse en


Davies (2010).

II. Hipótesis

En Colombia tenemos un mercado de OIS que va hasta los die-


ciocho meses y un mercado de IRS que tiene liquidez hasta el
plazo de diez años. El mercado de IRS tiene una particularidad y
es que la tasa variable que se cambia es la tasa de interés over­
night compuesta por un período de tres meses. La mayoría de los
contratos que existen entre bancos locales y bancos del exterior
hacen la exigencia del uso de colateral ante variaciones del valor
de mercado. Así, como el indicador IBR overnight refleja el valor
de los préstamos a un día de las instituciones financieras, y ade-
más como se opera en un esquema con colaterales, los IRS en
pesos pueden ser interpretados como una proxy de las tasas libres
de riesgo en COP. Las tasas de los TES, por otra parte, reflejan no
solo las expectativas de tasas de interés, sino también el riesgo
de crédito de Colombia como emisor. De allí que el spread entre
– análisis

estos dos instrumentos refleje aproximadamente el riesgo de cré-


dito de Colombia en COP.
La regulación colombiana en la circular DODM-144 dice
explícitamente que las entidades vigiladas por la Superintenden-
cia Financiera de Colombia podrán llevar a cabo operaciones de
derivados de crédito con agentes del exterior que realicen esta
actividad de manera profesional, pero que solo lo pueden hacer
en algunas circunstancias. Por ejemplo, solo pueden comprar pro-
tección cuando tienen un activo que deseen cubrir. Creemos que
14

Inicio Contenido Salir Volver


esta regulación genera distorsiones en el mercado local. La hipó-
tesis de este trabajo es la siguiente: al no tener agentes que pue-
dan actuar como creadores de mercado en derivados de crédito
localmente, se generan distorsiones entre las curvas de TES y las
curvas de IRS Iocales.
No hay muchos trabajos en Colombia que discutan el tema
de los derivados de crédito locales y su regulación desde una pers-
pectiva académica. Arbeláez y Maya (2008) efectúan un ejercicio
numérico para observar cuál debería ser el precio de los CDS para
emisores locales con diferentes tipos de calificación usando un
modelo reducido. Gómez (2007) analiza la regulación de estos
productos en el mundo y hace algunas propuestas para el caso

andrés gómez , pp. 9 -30


colombiano. Creemos que se debe dar una discusión mucho más
profunda en Colombia sobre la regulación en el tema de deri-
vados de crédito. Como lo hemos expuesto anteriormente, este
trabajo pretende contribuir al debate sobre este particular.

III. Metodología

| distorsiones creadas por l a regul ación colombiana


Hemos mencionado que en condiciones normales de liquidez el
valor del ASS tiende a ser muy parecido al CDS si están denomina-
dos en la misma moneda. En la sección de revisión de la literatura
citamos una fuente en la cual se pueden consultar algunos ejem-
plos de esta transacción. La diferencia entre el ASS y el CDS se
denomina basis. En condiciones normales de liquidez y cuando se
tiene un mercado repo líquido este basis tiende a ser activamente
arbitrado y se ubica en unos pocos puntos básicos. Cuando el
mercado repo es pequeño y no es fácil vender en corto los bonos,
el basis puede ser mucho mayor. En el gráfico 1 se muestra el basis
entre el ASS y el CDS de bonos de Colombia a cinco años en USD.
El nodo de cinco años es el más líquido en los mercados de CDS.
Para obtener el ASS utilizamos los bonos de Colombia en USD
con vencimiento en 2017 y 2019. De cada uno de estos bonos
obtenemos un ASS y luego interpolamos entre ambos para obtener
un plazo fijo igual a cinco años. Este sería equivalente a un bono
nocional con plazo constante de cinco años. Podemos ver que el
movimiento de ambas variables es bastante similar y la diferen-
cia máxima observable es de veinte puntos básicos. En la muestra
tenemos una diferencia promedio de cinco puntos básicos. Esto
comprueba que en condiciones normales de liquidez, como las
15

Inicio Contenido Salir Volver


que tuvimos en el período de la muestra, las dos variables tienen
un comportamiento similar y el basis es pequeño.

Gráfico 1. Evolución ASS en USD y CDS cinco años en USD


1,80
1,60
1,40
1,20
Porcentaje

1,00
0,80
0,60
0,40
revista del mercado de valores , núm . 5 , edición julio 2016

0,20
0,00

10/18/2012
5/21/2012

7/10/2012

8/29/2012

12/7/2012

1/26/2012

3/17/2012
4/1/2012

5/6/2012
Bono Nocional 5 años CDS 5 años

Fuente: Bloomberg, cálculos propios.

Se pueden crear proxies de CDS en COP utilizando los AS,


tal y como ya lo expusimos. Si utilizamos un bono a tasa fija en
pesos y un IRS podemos obtener una tasa variable más un spread
que refleja aproximadamente este precio del riesgo de crédito. En
el caso de USD no es necesario obtener estas proxies ya que tene-
mos un mercado de CDS bien definido.
En el gráfico 2 se muestra la evolución de los ASS para algu-
nos bonos de la República de Colombia en la parte corta de la
curva (plazo de dos años como benchmark). Allí utilizamos dos
referencias relativamente líquidas con vencimientos en los años
2014 y 2015, respectivamente. Podemos observar la evolución del
ASS entre mayo de 2012 y marzo de 2013. Tenemos observaciones
– análisis

semanales para un período de alrededor de un año. Allí vemos que


el ASS de estos bonos fluctuó entre cien y quince puntos básicos
aproximadamente. Esto quiere decir que en la muestra observada
se podían cambiar los flujos de un TES a dos años en un rango de
IBR + 100 puntos básicos a IBR + 15 puntos básicos.

16

Inicio Contenido Salir Volver


Gráfico 2. ASS bonos en COP parte corta
1,20

1,00

0,80
Porcentaje

0,60

0,40

0,20

0,00

andrés gómez , pp. 9 -30


10/18/2012
5/21/2012

7/10/2012

8/29/2012

12/7/2012

1/26/2012

3/17/2012
4/1/2012

5/6/2012
COLTES 8 10/28/2015 COLTES 9,25 05/14/2014 Govt

Fuente: Bloomberg, cálculos propios.

En el gráfico 3 podemos observar el ASS para bonos de la


parte larga (plazo de diez años como benchmark). Allí utilizamos

| distorsiones creadas por l a regul ación colombiana


las referencias con vencimientos en los años 2022 y 2024, respecti-
vamente. Vemos también un rango amplio de fluctuación del ASS.
Este estuvo entre 140 y -50 puntos básicos aproximadamente. La
metodología para calcular los AS es bastante estándar. Una buena
explicación se encuentra en Flavell (2002). En este documento se
utilizó esta metodología.

Gráfico 3. ASS bonos en COP parte larga


1,50

1,00

0,50
Porcentaje

0,00

-0,50
4/1/2012

5/21/2012

7/10/2012

8/29/2012

10/18/2012

12/7/2012

1/26/2012

3/17/2012

5/6/2012

-1,00

COLTES 10 07/24/2024 Govt COLTES 7 05/04/2022 Govt

Fuente: Bloomberg, cálculos propios. 17

Inicio Contenido Salir Volver


Un aspecto interesante es que el rango de variación del ASS
es bastante amplio. Esto sobre todo en la parte larga de la curva
en donde vemos una fluctuación de casi doscientos puntos bási-
cos. Si el ASS es una proxy del CDS, se esperaría que este último
también haya tenido una variación en un rango amplio durante el
período analizado. ¿O de qué otra forma explicar que se puedan
cambiar los flujos de un bono a diez años inicialmente por IBR +
140 puntos básicos y luego por IBR – 50 puntos básicos?
Sin embargo, como no tenemos CDS en pesos no podemos
hacer esta comparación directamente. ¿Cómo saber entonces si
estos valores del ASS son razonables con el precio del riesgo de
crédito de bonos de Colombia? Una manera de aproximarnos a
revista del mercado de valores , núm . 5 , edición julio 2016

este problema es mirar el ASS en COP como una proxy del CDS
en COP y luego compararlo con el CDS en USD.
Ahora, el CDS en COP debería tener un comportamiento
similar al CDS en USD si no existieran unos cambios grandes en
la correlación implícita entre la tasa de cambio y el default, tal y
como lo explicamos en la sección anterior. En este análisis vamos
a suponer que este es el caso por cuestiones de simplicidad.
Debido a que no tenemos un mercado de CDS en COP
debemos utilizar el ASS en COP como una proxy. En el gráfico
4 se muestra la evolución del ASS en COP de dos años y el CDS
en USD de este mismo plazo. En este caso construimos un bono
nocional a dos años con los bonos de vencimiento 2014 y 2015. Se
puede observar que hay un movimiento muy similar entre ambas
variables. El spread máximo entre el CDS en USD y el ASS en
COP en esta muestra es de 47 puntos básicos. Esto ocurre en gran
parte de la muestra y es razonable con la teoría financiera, como
lo expusimos en la sección anterior. El spread en algunos casos es
negativo con un mínimo de -29 puntos básicos. Esto indica que el
ASS en COP de dos años estuvo por encima del CDS de dos años.
– análisis

Esto ocurrió, por ejemplo, en julio de 2012. Esta situación podría


indicar que la correlación implícita entre la tasa de cambio USD/
COP y la probabilidad de default de Colombia fue negativa, lo
cual no es muy razonable, o que por el contrario hubo una opor-
tunidad de arbitraje. Al no tener un mercado de CDS en COP no
podemos conocer cuál de las dos situaciones ocurrió.

18

Inicio Contenido Salir Volver


Gráfico 4. Evolución ASS en COP y CDS dos años en USD
1,20

1,00

0,80
Porcentaje

0,60

0,40

0,20

0,00

andrés gómez , pp. 9 -30


10/18/2012
5/21/2012

7/10/2012

8/29/2012

12/7/2012

1/26/2012

3/17/2012
4/1/2012

5/6/2012
Bono nocional 2 años CDS 2 años

Fuente: Bloomberg, cálculos propios.

En el gráfico 5 se ilustra el mismo ejercicio para el plazo de


diez años. Vale la pena anotar que el ejercicio lo realizamos para

| distorsiones creadas por l a regul ación colombiana


los plazos de dos y diez años debido a que la liquidez de bonos de
cinco años de Colombia en COP es relativamente baja.

Gráfico 5. Evolución ASS en COP y CDS diez años en USD


2,50

2,00

1,50
Porcentaje

1,00

0,50

0,00
10/18/2012
5/21/2012

7/10/2012

8/29/2012

12/7/2012

1/26/2012

3/17/2012
4/1/2012

5/6/2012

-0,50

Bono nocional 10 años CDS 10 años

Fuente: Bloomberg, cálculos propios.

19

Inicio Contenido Salir Volver


A diferencia del caso del CDS de dos años, en el caso de diez
años vemos una desconexión total entre el ASS en COP y el CDS
en USD. Esto se empieza a hacer bastante evidente desde agosto
de 2012.
A principios de agosto el CDS en USD valía aproximadamente
155 puntos básicos y el ASS en COP unos 95 puntos básicos. Esta
situación es razonable con lo expuesto en la sección anterior. De
hecho, en la página de ICAP en Bloomberg ICVA9 se pueden ver
precios de CDS quanto y se puede observar que el valor para los
diez años de Colombia es de 65%/75% del CDS en USD. En este
caso el valor del CDS en COP sería cercano a 93 puntos básicos.
El valor observado en el CDS quanto y el ASS en COP es entonces
revista del mercado de valores , núm . 5 , edición julio 2016

bastante similar a principios de agosto de 2012.


A partir de este mes el spread empieza a ampliarse significati-
vamente. En el gráfico 5 podemos observar que para la semana del
15 de febrero de 2013 el ASS en COP vale -31 puntos básicos y el
CDS en USD 138 puntos básicos. Creemos que esto representa una
distorsión del precio del riesgo de crédito de bonos de Colombia.
Tal y como lo discute Davies (2010), hay una serie de factores
técnicos que pueden contribuir a esta situación. Por ejemplo, gran
parte de los administradores de fondos de pensiones o fiduciarios
locales deben estar invertidos en deuda local, lo cual presiona los
rendimientos de los bonos hacia abajo. Este es un primer factor
que debe tenerse en cuenta.
Un segundo factor es que en Colombia se dio un apetito
grande por duración en el segundo semestre de 2012 debido a
la reforma tributaria. Muchos agentes se anticiparon a la entrada
de inversionistas extranjeros debido a la posible reducción en los
impuestos locales que se daría con la reforma tributaria de diciem-
bre de 2012. Con esta última, el Gobierno esperaba generar una
convergencia en el rendimiento hasta el vencimiento de los bonos
– análisis

globales denominados en COP que Colombia emitió hace algu-


nos años y los TES. Los bonos globales en COP son relativamente
ilíquidos y en su mayoría son operados por agentes del exterior.
Antes de la reforma tributaria estos tenían rendimientos hasta el
vencimiento bastante bajos comparados con los rendimientos de
los TES locales. Después de la reforma el spread ha disminuido
pero aún existen diferencias apreciables porque los impuestos
siguen siendo diferentes. La segmentación del mercado y algu-
nos otros factores nos hacen pensar que el spread, aunque más
20

Inicio Contenido Salir Volver


pequeño, permanecerá en el tiempo. No es intención de este tra-
bajo analizar la diferencia que debería existir entre ambos tipos
de papeles pero pensamos que también puede ser un factor que
afecta el ASS debido a que los agentes del mercado comparan los
rendimientos de bonos globales y locales. Sin embargo, debido a
la baja liquidez de los bonos globales no los consideramos en este
análisis y creemos que puede ser un tema interesante para com-
plementar este trabajo.
Consideramos que el gran apetito por duración que hubo, ini-
cialmente debido a expectativas de entrada de agentes del exterior
y luego por expectativas de bajadas de tasa por parte del Banco de
la República, llevó a un excesivo descenso de los rendimientos de

andrés gómez , pp. 9 -30


los bonos comparado con los descensos que hubo en las tasas de
los IRS en COP en el largo plazo.
El mercado de IRS es aún muy incipiente y no hay muchos
agentes que operen allí. Pocos fondos de pensiones o fiduciarias
administran su duración a través de estos instrumentos en el mer-
cado local. Entonces, si un agente local quiere recibir tasas en
pesos en el largo plazo lo más seguro es que acuda al mercado de

| distorsiones creadas por l a regul ación colombiana


TES. Creemos que esta situación puede explicar en gran parte la
existencia del ASS negativo para el largo plazo. También debido a
que la liquidez del mercado IRS es aún baja, pueden existir primas
de liquidez significativas en el largo plazo de la curva en donde la
sensibilidad a movimientos en las tasas de interés es alta.
Como no existen agentes que creen mercado en derivados
de crédito localmente, esta situación no puede ser arbitrada de un
modo adecuado. Otro aspecto importante que debe mencionarse
es que esta situación se podría arbitrar sin derivados de crédito
operando los bonos de Colombia denominados en dólares, un IRS
en dólares y un cross currency basis swap (CCBS). Sin embargo,
esta estrategia es muy difícil de realizar debido a que las regula-
ciones del Banco de la República sobre las posiciones en dólares
de los agentes financieros locales generan grandes distorsiones en
el valor del CCBS. Veamos a continuación cómo algunas de estas
distorsiones podrían ser arbitradas sin utilizar el CCBS.
La primera transacción sería operar el ASS de corto plazo
versus el ASS de largo plazo. Es intuitivo pensar que el CDS de
corto plazo cotice por debajo del CDS de largo plazo. Esto debido
a que cuanto más tiempo exista al vencimiento, hay una mayor
probabilidad de deterioro de la capacidad crediticia de un agente.
21

Inicio Contenido Salir Volver


En general, las curvas de los CDS son crecientes y solo en algu-
nas ocasiones cuando el default es inminente se invierten. En el
período observado en esta muestra, vimos que el CDS en USD de
dos, cinco y diez años se redujo. Esto muestra que hubo expecta-
tivas favorables del riesgo de crédito de Colombia. No obstante,
la curva de CDS en USD fue siempre creciente. Por lo tanto, es
extraño el comportamiento del ASS en COP y pensamos que se
debe a factores transitorios como el del fuerte apetito por duración
mencionado anteriormente.
Una posible estrategia para aprovechar el ASS menor en el
largo plazo es comprarlo financiándolo con el ASS de corto plazo.
Veamos un ejemplo con los ASS calculados en la semana del 14 de
revista del mercado de valores , núm . 5 , edición julio 2016

diciembre de 2012, como se ilustra en el cuadro 1. Allí vemos que


el ASS de los bonos con vencimiento en octubre de 2015 es de 38
puntos básicos, mientras que el ASS de los bonos con vencimiento
en el año 2024 es -5 puntos básicos. Esto indica que si compramos
los bonos de corto plazo y hacemos un AS recibiríamos IBR +
38 puntos básicos. De la misma forma, si vendemos en corto los
bonos de 2024 y recibimos una tasa fija a través de IRS estaríamos
pagando IBR – 5 puntos básicos. El riesgo de tasa de interés en
esta transacción es bastante pequeño y tiene un carry positivo de
43 puntos básicos. Esta transacción no es un arbitraje puro pero
su riesgo es bajo ya que básicamente estaríamos expuestos a que
haya un deterioro súbito del riesgo de crédito de Colombia pero
que la curva de spreads de crédito permaneciera invertida.

Cuadro 1. ASS TES en la semana del 14 de diciembre de 2012

Años al
Cupón Maturity P Limpio ASS
Vcto
COLTES 9,25 05/14/2014 Govt 9,25 05/14/2014 105,75 1,41 0,39%

COLTES 8 10/28/2015 Govt 8 28/10/2015 107,509 2,87 0,38%


análisis

COLTES 5,25 11/11/2015 Govt 5,25 11/11/2015 100,4597 2,91 0,31%

COLTES 7,25 06/15/2016 Govt 7,25 15/062016/ 106,354 3,50 0,37%


Test
COLTES 11,25 10/24/2018 Govt 11,25 24/10/2018 128,896 5,86 0,21%

COLTES 11 07/04/2020 Govt 11 24/07/2020 133,174 7,61 0,22%

COLTES 7 05/04/2020 Govt 7 04/05/2022 108,874 9,39 0,19%

COLTES 10 07/24/2024 Govt 10 24/07/2024 133,701 11,62 –0,05%

COLTES 7,5 08/26/2026 Govt 7,5 26/08/2026 113,37 13,71 –0,10%

Fuente: Bloomberg, cálculos propios.


22

Inicio Contenido Salir Volver


La segunda transacción sería operar el CDS en USD versus el
ASS en COP. Podríamos vender protección en el CDS de diez años
en USD recibiendo a cambio unos 133 puntos básicos y comprar
el ASS de diez años en COP, con el cual recibiríamos aproxima-
damente cinco puntos básicos. Esta estrategia tiene un carry posi-
tivo y se puede cubrir dinámicamente como se expone en Davies
(2010). En este caso asumimos que el ASS es una proxy apropiada
del CDS en COP y estaríamos expuestos en esencia a la correla-
ción entre la tasa de cambio y la intensidad de default.
Para terminar esta sección queremos realizar un ejercicio de
calibración de las intensidades implícitas de default obtenidas de
la curva de CDS en USD y la curva de ASS en COP.

andrés gómez , pp. 9 -30


Mirar los CDS o los ASS en diferentes monedas y comparar-
los directamente no siempre es un ejercicio óptimo. En el caso en
que no existiera correlación entre la tasa de cambio y la intensidad
de default, los CDS en diferentes monedas deberían ser iguales
cuando la estructura temporal de las tasas de interés es igual. Sin
embargo, en muchos casos esta estructura temporal es bastante
diferente tanto en el nivel como en la curvatura y la pendiente.

| distorsiones creadas por l a regul ación colombiana


Por esta razón, lo recomendable, en lugar de comprar los CDS
directamente, es comparar las intensidades de default en diferen-
tes monedas. Dado que no tenemos CDS en COP, utilizaremos los
ASS para realizar este ejercicio. En el cuadro 2 se ilustran los datos
de CDS en USD y ASS en COP para la semana del 14 de diciem-
bre. La metodología para calibrar las intensidades de default se
describe en el anexo. Asumimos una tasa de recuperación cons-
tante del 25%.

Cuadro 2. CDS para deuda colombiana en USD y ASS en COP

Plazo CDS Plazo CDS


1 0,24% 1 0,30%

2 0,39% 2 0,32%

3 0,57% 3 0,32%

5 0,95% 5 0,27%

10 1,33% 10 0,12%

Fuente: Bloomberg, cálculos propios.

Para calibrar las intensidades implícitas de default utilizamos


entonces los CDS en USD para los cinco plazos que se muestran
23

Inicio Contenido Salir Volver


en el cuadro 2. Para hacer la calibración en COP utilizamos los
ASS como proxies de los CDS en COP de los diferentes plazos.
Como los plazos de los bonos no coinciden exactamente con los
plazos de los CDS, utilizamos un procedimiento de interpolación
lineal sencillo tal y como lo hicimos con los ASS. Podemos obser-
var que para el corto plazo (uno y dos años) el CDS en USD es
similar al ASS en COP y está entre 25 y 40 puntos básicos. Sin
embargo, mientras que en los CDS en USD tenemos una estruc-
tura en donde la intensidad de default es creciente, en el caso de
COP ocurre todo lo contrario. Esto se puede observar en los gráfi-
cos 6 y 7, respectivamente.
Recordemos que la intensidad de default representa la proba-
revista del mercado de valores , núm . 5 , edición julio 2016

bilidad condicional de default en un intervalo pequeño de tiempo


[t,t+ t] dado que el default no ha ocurrido antes del tiempo t. En
la actualidad, la mayoría de curvas de CDS de países emergen-
tes tiene una estructura de intensidades implícitas de default cre-
cientes. Básicamente esto indica que no se esperan defaults en el
corto plazo pero que la probabilidad de estos aumenta en el largo
plazo. Esto se da debido a una mayor incertidumbre del entorno
económico, como ya lo hemos mencionado. Para el caso de los
CDS teóricos en COP tenemos el caso opuesto, en donde en el
largo plazo vemos intensidades implícitas de default cercanas a
cero. Esta situación es un poco contraintuitiva, máxime cuando la
estructura temporal de los CDS en USD es creciente. Si hay una
correlación positiva entre la intensidad de default y la tasa de cam-
bio, se esperaría que la estructura temporal en COP tuviera una
pendiente un poco menor que la de USD y estuviera por debajo.
No obstante, para encontrar la forma teórica exacta necesitaría-
mos usar un modelo que tuviera en cuenta la dinámica estocástica
de la intensidad de default y su correlación con la tasa de cambio
USD/COP. Estos modelos son mucho más complejos y su calibra-
– análisis

ción está fuera del alcance de este documento. Pensamos que es


un trabajo que debe realizarse para continuar con este debate.

24

Inicio Contenido Salir Volver


Gráfico 6. Intensidad de default en USD implícita

2,0000
1,8000
1,6000
1,4000
1,2000
Porcentaje

1,0000
0,8000
0,6000
0,4000
0,2000
0,0000

andrés gómez , pp. 9 -30


01/04/2012

14/08/2013

27/12/2014

10/05/2016

22/09/2017

04/02/2019

18/06/2020

13/01/2021

15/03/2023

27/07/2024
Fuente: Bloomberg, cálculos propios.

Gráfico 7. Intensidad de default en COP implícita


0,4500

| distorsiones creadas por l a regul ación colombiana


0,4000

0,3500

0,3000
Porcentaje

0,2500

0,20000

0,1500

0,1000

0,500

0,0000
01/04/2012

14/08/2013

27/12/2014

10/05/2016

22/09/2017

04/02/2019

18/06/2020

13/01/2021

15/03/2023

27/07/2024

Fuente: Bloomberg, cálculos propios.

Si hubiéramos repetido este ejercicio de calibración a lo largo


del año 2012, habríamos obtenido diferentes resultados para los
distintos momentos del tiempo. Si hubiéramos realizado este pro-
cedimiento en mayo de 2012, las intensidades implícitas de default
obtenidas a partir de los AS en COP habrían sido mucho mayores
y la estructura temporal habría sido creciente. Por el contrario, y
como pudimos observar, al final de la muestra la intensidad de 25

Inicio Contenido Salir Volver


default en COP tuvo una estructura decreciente. Creemos que esto
representa una distorsión, como lo hemos analizado a lo largo del
documento.
Por último y para concluir esta sección, quisiéramos realizar
la siguiente pregunta: ¿Cuántos puntos básicos por debajo de los
CDS en USD deberían cotizar los CDS en COP? Los modelos ana-
lizados pueden sugerir unos precios teóricos. Sin embargo, cree-
mos que si tuviéramos una regulación que permitiera a los agentes
locales operar derivados de crédito el mercado mismo se encar-
garía de definir cuál es este precio de una manera más precisa.
Seguramente las mesas de trading tendrían personas mirando en
forma exclusiva estas situaciones para arbitrarlas, si se presentara
revista del mercado de valores , núm . 5 , edición julio 2016

la oportunidad.

IV. Conclusiones y comentarios finales

En este documento se hace un análisis del ASS obtenido a


partir de los bonos emitidos por el Gobierno de Colombia en COP
y los IRS que cambian IBR por tasa fija. Tratamos este ASS como
una proxy del CDS en COP. Analizamos luego la evolución de
este ASS para un período de aproximadamente un año y vemos
que ha tenido una fluctuación bastante amplia, sobre todo en el
plazo de diez años. Comparamos este ASS con el CDS de Colom-
bia en USD y creemos que existe una distorsión importante en el
largo plazo. En el corto plazo el CDS en USD y el ASS en COP se
comportan de una manera relativamente similar. Pensamos que la
situación que tenemos en el plazo de diez años genera oportuni-
dades de arbitraje y que la prohibición de la regulación local para
operar CDS impide que los agentes locales corrijan estos precios.
Este es solo uno de los múltiples análisis que se pueden hacer
en este tema. El desarrollo del mercado de IRS en IBR permitirá la
– análisis

creación de ASS sobre emisiones locales de diferente calificación


crediticia, los cuales son proxies del riesgo de crédito de estos emi-
sores. Pensamos que el mercado debe contar con la posibilidad
de asignar el precio adecuado a estos riesgos y la mejor forma de
hacerlo en nuestra opinión es a través de los CDS locales. Espera-
mos que el debate académico sobre este tema continúe dándose y
que con base en este se pueda ajustar la regulación.
Por último, quisiéramos agregar un comentario. No realiza-
mos un análisis comparativo con otros mercados similares, como
26

Inicio Contenido Salir Volver


México o Chile, por razones técnicas. Por ejemplo, en Chile el mer-
cado de IRS está definido prácticamente igual que en Colombia,
es decir, es un mercado OIS, pero el mercado de deuda pública es
muy pequeño e ilíquido. Por el contrario, en México el mercado
de deuda pública es grande y profundo al igual que el mercado
IRS. Sin embargo, en este último se cambia la tasa fija por una tasa
variable que es el producto de préstamos interbancarios a un mes.
Esto hace inadecuado usar la curva IRS en pesos mexicanos como
una proxy de las tasas libres de riesgo en esta moneda.

Referencias

andrés gómez , pp. 9 -30


Arbeláez, C., & Maya, C. (2008). Valoración de credit default swaps
(CDS): una aproximación con el método Montecarlo. Cuadernos
de Administración, 87-111.
Banco de la República de Colombia. (2008). Circular reglamentaria
externa DODM 144 de 2008. Disponible en http://www.banrep.
gov.co/documentos/reglamentacion/pdf/asunto6_Sep19-2008.pdf.
Davies, R. (2010). Dislocation between CDS and Forex correlation

| distorsiones creadas por l a regul ación colombiana


offers arb opportunities. Disponible en http://www.risk.net/credit/
analysis/1594935/dislocation-cds-forex-correlation-offers-arb-
opportunities.
Ellers, P., & Schönbucher, P. (2006). Financial valuation and risk
management. Disponible en http://www.nccr-finrisk.uzh.ch/media/
pdf/wp/WP214_5.pdf.
Flavell, R. (2002). Swaps and other derivatives (pp. 97-106). Inglaterra:
Wiley.
Gómez, J. (2007). Derivados de crédito: comentarios sobre su viabilidad
y propuestas para su desarrollo legal en Colombia. Disponible en
http://derechoadm.uniandes.edu.co/derecho_uniandes/export/
download/Derivados_de_Credito.pdf.
Mercurio, F. (2009). Interest rates and the credit crunch: New
formulas and market models. Disponible en http://ssrn.com/
abstract=1332205.
Schönbucher, P. (2003). Credit derivatives pricing models. Inglaterra: Wiley.
Zhou, R. (2008). Bond implied CDS spread and CDS-bond basis.
Disponible en http://papers.ssrn.com/sol3/papers.cfm?abstract_
id=1265548.

27

Inicio Contenido Salir Volver


Anexo

Cálculo de las intensidades de default


Aquí describimos brevemente el procedimiento para calibrar
las intensidades implícitas de default de los CDS. Hacemos uso
de un modelo reducido muy simple, en donde la intensidad de
default es constante por tramos. Algunos de los postulados básicos
de este modelo simple son los siguientes:

1) El default ocurre en un tiempo t que se asume es una varia-


ble aleatoria en el espacio de probabilidad (, G,Q). Supo-
revista del mercado de valores , núm . 5 , edición julio 2016

nemos que tiene una función de densidad de probabilidad


f(t) tal que F(t ) = Q(τ ≤ t ) = ∫t0 ƒ( s)ds es la función de distri-
bución acumulada.
2) Denotamos por Ht = I{t>τ} el proceso incremental continuo
por la derecha que se conoce como el proceso indicador de
default.
3) Tenemos que 1− F (t ) = e = e . La cantidad λ (t ) se
−Γ −∫ ∫ λ( s )ds
t
t
0

conoce como la intensidad de default y representa la proba-


bilidad condicional de default en un intervalo pequeño de
tiempo [t, t + t], dado que el default no ha ocurrido antes del
tiempo t.
4) Asumimos, como es usual, el factor de descuento
β ( t ) = e−∫0 r ( s)ds , donde r(t) es la tasa corta.
t

Un credit default swap (CDS) es un contrato entre dos con-


trapartes. B acuerda pagar a A una suma de dinero si ocurre un
default de una entidad de referencia C. Por su parte, A paga una
suma periódica por tener dicha protección. Asumimos un spread
fijo de pago de protección k, una tasa de recuperación R, un prin-
– análisis

cipal de uno y unos tiempos de pago ti = 0, …. , N.


Los flujos del CDS son, entonces, los siguientes

Flujos pago prima (spread k): Esta es la sumatoria de todos los


flujos en donde se paga la prima k. En tiempo continuo se repre-
senta como la siguiente integral:

∫ttN0 k β ( u ) (1− Hu ) du =  ∫tt10 k β ( u ) (1− Hu ) du +…+ ∫ ttNN−1 k β ( u ) (1− Hu ) du  (1)

28

Inicio Contenido Salir Volver


N  N 
= k  ∑ β ( ti ) ∫ ttii−1 (1− Hu ) du  ≈ k  ∑ β ( ti )( ti − ti−1 ) (1− Hu ) 
 i=1   i=1 
N 
≈ k  ∑ β ( ti )( ti − ti−1 ) I{τ>ti } 
 i=1 

Flujos pago protección (pago en caso de default): Este es un


flujo contingente en caso de que ocurra el default en el tiempo:

∫ttN0 (1− R ) β (u ) dHu = (1− R ) β ( τ ) I{τ≤t} (2)

Suponiendo que existe una medida de probabilidad neutral al

andrés gómez , pp. 9 -30


riesgo Q, el precio de un CDS es aquel que hace que el valor de
los flujos de cada contraparte sea cero al inicio de la transacción.
Esto es:

 N 

  i1 

EQ  k  ∑   ti  ti  ti1  Iti    EQ 1 R      It  (3)

| distorsiones creadas por l a regul ación colombiana



N
 

 k  ∑   ti  ti  ti1  EQ Iti   1 R  T0   s  dF  s 
 i1 

N
 

N
 k  ∑   ti  ti  ti1  EQ Iti   1 R  ∑  ti  ttii1 dF  s 
 i1  i1

 k   

N N

 ∑   ti  ti  ti1  EQ Iti   1 R  ∑  ti  F ti   F ti1  



 i1  i1

k  B  0,t  t  t  Q    t   1 R  B  0,t  Q    t   Q    t  


N N
 ∑ i i i1 i  ∑ i  i1 i 
 i1  i1

De esta forma el spread justo viene dado por:


N

1 R  ∑ B  0,ti  Q    ti1   Q    ti  (4)


i1
k N

∑ B  0,t t  t  Q    t 
i1
i i i1 i

29

Inicio Contenido Salir Volver


Dado que definimos las intensidades de default i de una
manera constante por tramos, tenemos:

Q ( τ > ti ) = e−∫0 λ( s)ds = e−λi ti


ti
(5)

Y de allí las podemos calibrar con los spreads k del mercado


usando:
N
1 R  ∑ B  0,ti  e ti1
 ei ti 
i1 (6)
k
 N
i ti 
 ∑ B  0,ti  ti  ti1  e 
revista del mercado de valores , núm . 5 , edición julio 2016

 i1 
– análisis

30

Inicio Contenido Salir Volver


Betas contables
Jhon Alexander Jiménez Triviño

Resumen
El cálculo del coeficiente beta es fundamental para la valo-
ración de empresas mediante la teoría del CAPM, el método
más usado para este propósito. Dado que el valor de los
emisores es vital para determinar el precio de sus títulos en
el mercado de capitales, el acertado cálculo de dicho coefi-
ciente afecta de manera indirecta la consolidación del mer-
cado de capitales. Infortunadamente, el método tradicional
tiene bastantes limitaciones para su aplicación en países
emergentes como Colombia. Esto se debe a que el mercado
bursátil en estas plazas por lo regular carece de amplitud y
profundidad en sus emisores o emisiones de acciones.
Con el objetivo de dar mayor aplicación al modelo capital
asset pricing model (CAPM) en mercados poco bursátiles
o con pocos sectores representativos en el mercado de
valores, se buscará demostrar que el coeficiente beta usado
para este modelo puede calcularse mediante fuentes tri-
mestrales contables provenientes de los estados financieros
de cada una de las empresas y que a través de este modelo
se llegará a un resultado semejante al calculado con fuentes
diarias en la bolsa de valores. Para dicha demostración se
usarán trece empresas que formaron parte del índice gene-
ral de la Bolsa de Valores de Colombia (IGBC) entre el pri-
mer trimestre de 2006 y el último de 2010 y que durante
este tiempo hubiesen reportado sus estados financieros a
la Superintendencia Financiera de Colombia de manera tri-
mestral.
La investigación concluye que en realidad es posible llegar
al mismo resultado partiendo de dos bases de datos absolu-
tamente diferentes pero muy correlacionadas, como debe
ser en un mercado público y eficiente. El resultado se con-
trastó con los betas para las mismas empresas realizados por
una autoridad mundial en este tipo de cálculos, como lo es
el profesor Aswath Damodaran. Los betas hallados tuvieron
una semejanza de más de nueve puntos básicos en prome- Documento ganador del
dio con los betas obtenidos por método tradicional por el Concurso Arquitectos del
profesor Damodaran. Mercado de Capitales año
2012. Categoría Posgrado.
En consecuencia, dado que ya se puede obtener el riesgo El autor es economista
sistemático con fuentes nacionales para cualquier empresa, de la Universidad de los
Andes. Magíster en Finanzas
entonces es posible tomar únicamente datos de Colombia Corporativas del Colegio
para valorar empresas colombianas y con ello llegar a valo- de Estudios Superiores de
Administración (CESA).
res con un mayor grado de certidumbre en el precio de Corredor de la Bolsa de
los valores transados o por transar, lo que proporciona una Valores de Colombia (BVC).
herramienta básica y efectiva en la consolidación del mer- Profesor universitario en la
Universidad de los Andes
cado de capitales colombiano. y en el Colegio de Estudios
Superiores de Administración
Palabras clave: Riesgos sistemáticos, Betas contables – Beta. (CESA). Correo electrónico:
JJimenez@casadebolsa.
Clasificación JEL: G120. com.co.

Inicio Contenido Salir Volver


Accounting Betas
Jhon Alexander Jiménez Triviño

Abstract
Calculating the beta coefficient is essential for valuing companies
when using CAPM theory, which is the most commonly used
method. Knowing the value of the issuers’ stock price in a capital
market is fundamental in order to determine the correct calcu-
lation of the aforementioned coefficient as it indirectly affects
the capital market consolidation. Unfortunately, the traditional
method has too many limitations for it to be applied to countries
with emerging economies such as Colombia. This is due to the
fact that it is usual that the stock market in these countries lacks
sufficient breadth and depth in terms of both stock price issuers
and shares.
With the purpose of better applying the capital asset pricing
model (CAPM) in countries with small stock markets or with
only a few representative sectors in the securities market, it is the
intention of this paper to demonstrate that the beta coefficient
used in this model can be calculated through trimestral account-
ing sources originating from each company’s financial statements.
Also, by using this model, a similar result will be obtained to the
calculation using daily values in the securities market. In order to
achieve this, three companies will be used that were listed on the
Colombian Securities Exchange (IGBC) between the first trimes-
ter of 2006 and the last trimester of 2010 and that submitted their
financial statements to the Colombian Financial Superintendence
on a trimonthly basis during this period.
The research will find that it is realistically possible to achieve
the same result using two databases that are completely differ-
ent but that are highly correlated, as should be the case in any
public efficient market. The result is contrasted with the betas for
the same companies that were undertaken by Professor Aswath
Damodaran, a global authority on these types of calculations
This article is winner of the
competition of Capital Market The betas calculated were similar, on average, by more than nine
Architecs of Main year 2012
proposed by the Autorregula- basis points to those that were calculated using the traditional
dor del Mercado de Valores method by Professor Damodaran.
and The Bolsa de Valores de
Colombia in the form of posgra-
duate studies.
As a consequence, and given that it is possible to obtain system-
atic risk by using national sources for each company, it is possible
The author is economist of
the Universidad de los Andes.
to solely use data from Colombia to value Colombian companies
Magíster In Corporate Finances and, as such, make more certain calculations in terms of the price
of the School of Upper Studies
of Administration (CESA).
of the assets that have been traded or that are to be traded. This is
Runner of the Bolsa de Valores a basic and effective tool in the consolidation of the Colombian
de Colombia (BVC).
University professor in the
capital market.
Universidad de los Andes in
the School of Upper Studies of Key words: Systematic Risk, Accounting beta, Beta.
Administration (CESA). Email:
Jjimenez@casadebolsa.com.co. JEL classification: G120.

Inicio Contenido Salir Volver


Introducción

El mercado bursátil colombiano nace en el año 2001 según un


esquema moderno, aunque se fundó en 1928. El común denomi-
nador de dicha bolsa, como muchas bolsas para mercados emer-
gentes, es que tiene pocos emisores, emisiones con altos niveles
de concentración de la propiedad y un mercado secundario lide-
rado en un muy alto porcentaje por el sector solidario o por grupos
económicos, ambos con posición dominante en el mercado. En
consecuencia, se tienen índices bursátiles poco representativos del
mercado general y pocos sectores representados en las negocia-
ciones diarias.

jhon alex ander jiménez triviño, pp. 31-77


Según este escenario es improbable calcular para muchas
empresas del país el riesgo sistemático, dada la dificultad para
encontrar fuentes para el cálculo del coeficiente beta. Teniendo
en cuenta estas limitaciones, el profesional en finanzas de Colom-
bia se ha visto obligado a buscar métodos alternativos para la
aplicación de esta importante teoría. Como marco teórico de esta
investigación, a continuación se hará una presentación del grado
de avance en que se encuentra la literatura financiera que ha sido
utilizada para calcular dicho coeficiente.

I. Marco teórico

Cuando se lee la literatura financiera actual, se observa un avance

| betas contables
significativo; al considerar las crisis financieras de los últimos diez
años se advierte qué tan lejos estamos de controlar tan apasio-
nante realidad socioeconómica latinoamericana.
Una de las investigaciones que mejor ejemplifican este pro-
greso es la teoría moderna del portafolio, creada por el Dr. Harry
Markowitz. Su trabajo expone de manera excepcional la posibi-
lidad de reducir el riesgo, a través de la diversificación metódica
del portafolio, lo cual fue la plataforma para la importante teoría
del CAPM.
Esta estructura conceptual divide el riesgo total en dos tipos,
diversificable y sistemático, como se muestra en el gráfico 1.
Markowitz expone con claridad cómo disminuir el riesgo diver-
sificable y expone un método para cuantificar el riesgo sistemático.
La disminución del riesgo mediante la diversificación del portafo-
lio es una idea tan ampliamente aceptada que ha sido considerada
33

Inicio Contenido Salir Volver


popularmente como una ley natural de las finanzas, semejante a la
teoría de los rendimientos decrecientes a escala en economía.
En contraste, la idea del riesgo sistemático, siendo igualmente
importante, no ha tenido una difusión tan grande, no por ser
menos real o práctica, sino por la dificultad en su cuantificación.

Gráfico 2. Histograma de betas para mercados emergentes 2007 versus 2010


2010

40

30 2007
revista del mercado de valores , núm . 5 , edición julio 2016

Porcentajes

20

10

0
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7

Fuente: Pereira, 2010.

La evolución histórica de los betas para países emergentes


que se presenta en el gráfico 2 revela una disminución importante
en el coeficiente desde 2007. Esto podría explicarse como una
reducción del riesgo sistemático en estos mercados. Si estos resul-
tados se contrastan con la evolución en la calificación de los mer-
cados emergentes que aparece en el gráfico 3, podría considerarse
que el coeficiente ha sido sensible a la variación del riesgo perci-
bido por las calificadoras de riesgo; esto confirma la validez del
coeficiente beta como factor cuantificador del riesgo sistemático.

Gráfico 3. Evolución de las calificaciones de mercados desarrollados, emergentes


y asiáticos

AAA BB+
análisis

AA B+
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010F 2011F

Mercados desarrollados Mercados emergentes Asia sin Japón


34

Inicio Contenido Salir Volver


El riesgo sistemático es un concepto inherente a la economía
en su conjunto y depende de diferentes factores que influyen en la
acción en cuestión, tales como los aspectos coyunturales, estruc-
turales y sectoriales, la tendencia del ahorro, los tipos de interés y
la tasa de inflación, entre otros. Su cuantificación surge de la sen-
sibilidad de la acción frente a variaciones del mercado. En la prác-
tica, se mide mediante una regresión lineal entre las rentabilidades
de una acción y las rentabilidades de un portafolio de tangencia.
A diferencia de los mercados emergentes, en mercados desarro-
llados con una amplio avance del mercado de capitales y en particu-
lar en mercados de valores amplios y profundos, este tipo de cálculos
son tan solo un proceso más que no reviste mayor complejidad.

jhon alex ander jiménez triviño, pp. 31-77


En países emergentes es común encontrar que la principal
fuente de apalancamiento es el mercado bancario y pocos son
los emisores de ofertas públicas, bien sea de bonos o acciones.
Como prueba de ello se observa que la capitalización bursátil en
países emergentes significa, en promedio, el 40% del producto
interno bruto (PIB), cifra que para Estados Unidos llega a ser del
180%. Algo semejante ocurre con la liquidez, la que para los paí-
ses emergentes representa tan solo una tercera parte del mercado
estadounidense.
En estas condiciones, la complejidad en dicho cálculo para
los mercados emergentes radica en que no existen datos confia-
bles para determinar la rentabilidad de un activo; muy pocos coti-
zan en un sistema transaccional y, si lo hacen, estos son poco

| betas contables
representativos del subyacente.
En consecuencia, existe la misma dificultad al conformar un
portafolio de tangencia que vincule todas las posibles alternativas
en el mercado, que adicionalmente se les conozca su cotización y
que estas sean eficientes en términos estadísticos.
Si bien es cierto que el escenario se ve desalentador, los
académicos encontraron en este un verdadero reto a su creativi-
dad. Las soluciones han sido diversas y de todos los estilos. Entre
las diferentes alternativas una es la de asignar variables proxy de
industrias locales semejantes, de mercados emergentes similares o,
finalmente, adoptarlas de su par en Estados Unidos. En concreto,
la decisión para determinar el beta más apropiado se determina
por lo general de acuerdo con el siguiente árbol de decisión.

35

Inicio Contenido Salir Volver


Figura 1. Armada: EE. UU., proxy, sí, existe

Si, use el
beta local Si, aplique
Uso del ¿Existe un Si, use el
el beta del
beta buen beta beta local
No, ¿Existe una mercado
local local emergente
industria que No, ¿Existe
disponible?
pueda servir de un beta en
Escoger el proxy? el mercado
modelo de emergente? No, use un
valoración Si, use el beta beta de
a usar ¿Para la de EE.UU. una
Uso de industria industria
un beta hay betas par en
proxy en EE.UU. No, ¿use el beta EE.UU.
en EE.UU. que más aplicable del
apliquen? mercado emergente
revista del mercado de valores , núm . 5 , edición julio 2016

Fuente: Traducción libre de Pereira, 2010.

En el árbol de decisión expuesto observamos por lo menos


dos soluciones cuando la beta local no es confiable o simplemente
no existe. Ambas implican importar betas de otras economías,
bien sea de países emergentes o del mercado norteamericano y
este proceso tiene por lo menos las siguientes dos limitaciones:

a) El ciclo del negocio está en una etapa diferente a la del


sector analizado.
Un ejemplo de ello podría ser el de la industria aeronáutica. En
Colombia es apenas naciente; en Brasil está en una etapa de creci-
miento y en Estados Unidos ya es una industria madura. Desde el
punto de vista del riesgo sistemático, se trata de valores diferentes.

b) El contexto económico de las industrias no es comparable.


En Estados Unidos la industria está en el mismo estadio de
evolución que en Colombia, pero aún se ve afectada por la crisis
subprime, al contrario de lo que ocurre en nuestro país. Como

prueba de lo diferentes que pueden llegar a ser los betas en cada


análisis

contexto dadas las anteriores limitaciones, se presentan a conti-


nuación las diferencias numéricas entre betas sectoriales prome-
dio para mercados emergentes y Estados Unidos.
En el cuadro 1 se observa qué tan disímiles pueden llegar
a ser las betas entre economías en contextos diferentes y, por lo
tanto, el riesgo que implica importar dicho coeficiente. En prome-
dio, existe una diferencia de 50 puntos básicos, lo cual significa
una cifra muy alta si se tiene en cuenta que el coeficiente por lo
36

Inicio Contenido Salir Volver


general se calcula en 0,4; es decir, solo la diferencia explicaría más
del 100% del beta promedio.

Cuadro 1. EE.UU., desapalancado

Sector

EM EE.UU EM EE.UU Diferencias

Machinery 251 92 2,42 2,42 0 Pbs

Beverages 75 25 1,82 1,83 1 Pbs

Cosmetics/Personal-care 24 12 2,09 2,07 2 Pbs

Environmental 39 37 2,79 2,81 2 Pbs

jhon alex ander jiménez triviño, pp. 31-77


Retail-Restaurant 26 52 2,48 2,44 4 Pbs

Oil-Integrated 18 24 1,95 2,01 6 Pbs

Electronics 430 133 2,96 3,05 9 Pbs

Food-Processing 271 74 1,7 1,79 9 Pbs

Food-Retail/Supermarkets 25 12 1,81 1,7 11 Pbs


Semiconductor-equipment 83 13 2,51 2,62 11 Pbs
Electrical-equipment 238 58 2,63 2,75 12 Pbs
Computer-Hardware/Equipment 175 79 3,33 3,46 13 Pbs
Office-Equipment/Supplies 27 15 2,14 2,27 13 Pbs
Entertainment 42 39 2,86 2,71 15 Pbs
Telecom-Equipment 191 69 2,74 2,89 15 Pbs
Chemical-Specialty 153 58 2,29 2,46 17 Pbs
Computer-Software/Services 372 163 2,66 2,85 19 Pbs

| betas contables
Packaging/Container 77 20 1,69 1,9 21 Pbs
Building-materials 87 32 2,14 2,36 22 Pbs
Industrial-services 169 99 2,12 2,34 22 Pbs
Paper/Forest-products 98 26 1,68 1,9 22 Pbs
Cable-TV/TV/Radio 40 11 1,96 1,73 23 Pbs
Natural-gas 48 68 1,28 1,05 23 Pbs
Retail-Automotive 20 14 1,57 1,8 23 Pbs
Recreation/Leisure time 45 41 2,42 2,17 25 Pbs
Chemical-Diversifed 46 23 2,55 2,29 26 Pbs
Trucking 35 30 2,28 2,01 27 Pbs
Household-products 66 20 2,17 1,83 34 Pbs
Printing/Publishing 61 16 2,27 2,61 34 Pbs
Educational-services 15 22 2,35 2,7 35 Pbs
Pharmacy-services 20 10 2,27 1,92 35 Pbs
Internet 86 80 2,95 3,33 38 Pbs
(Continúa)
37

Inicio Contenido Salir Volver


Cuadro 1. EE. UU., desapalancado (continuación)

Sector
Sector EM EE.UU EM EE.UU Diferencias
Aerospace/Defense 20 45 2,79 2,39 40 Pbs
Information-services 15 17 1,75 2,18 43 Pbs
Air-transportation 41 28 1,44 1,89 45 Pbs
Furniture/Home-decoration 71 26 2,37 2,87 50 Pbs
Oilfield-services/equipment 100 83 2,07 2,59 52 Pbs
Food-Wholesalers 15 13 2,08 1,55 53 Pbs
Hotel/Casino 153 41 1,91 2,44 53 Pbs
Real-Estate-Services/Development 480 8 2,09 1,55 54 Pbs
Apparel/Textile 291 34 2,34 2,89 55 Pbs
revista del mercado de valores , núm . 5 , edición julio 2016

Oil-Producing 32 93 2,21 2,77 56 Pbs


Telecom-Services 80 69 1,48 2,04 56 Pbs
Maritime-transportation 112 34 1,72 1,13 59 Pbs
Medical-supplies 45 157 2,29 2,91 62 Pbs
Chemical-Basic 226 12 2,39 3,04 65 Pbs
Construction-Residential/Commercial 168 21 2,01 1,34 67 Pbs
Electric-utility 155 59 1,56 0,87 69 Pbs
Mining 156 52 2,78 3,47 69 Pbs
Construction-Heavy/Engineering 362 11 2,14 2,84 70 Pbs
Financial-services-Brokerage 94 21 1,87 2,58 71 Pbs
Auto/Truck 41 15 2,59 1,87 72 Pbs
Auto-parts 145 28 2,15 2,88 73 Pbs
Semiconductor 225 86 3,82 3,07 75 Pbs
Retail-Store 169 148 2,07 2,83 76 Pbs
Biotechnology 25 45 2,74 3,53 79 Pbs
Steel 182 27 1,81 2,64 83 Pbs
Metal-fabricating 42 20 1,65 2,5 85 Pbs
Advertising 26 14 2,36 3,25 89 Pbs
Shoe 22 17 1,62 2,52 90 Pbs
Medical-services 49 89 1,45 2,47 102 Pbs

Pharmaceuticals 199 144 2,25 3,46 121 Pbs


análisis

Financial-services-Diversified 79 103 1,13 2,4 127 Pbs


Telecom-Wireless/Cellular/Satellite 47 32 1,41 2,79 138 Pbs
Coal 35 16 4,17 2,78 139 Pbs
Water-utility 29 11 3,21 1,11 210 Pbs

Notas: EM = empresas emergentes. pbs = Puntos básicos.


Fuente: Pereiro, 2010.

Esta evidente dificultad en la asignación cuantitativa del riesgo


sistemático para mercados emergentes ha dado origen a una serie
38 de tratamientos en los datos para dicho coeficiente, los cuales se
resumen en la figura 2.

Inicio Contenido Salir Volver


Infortunadamente existen múltiples formas de calcular betas,
pero pocos métodos para comprobar si tal cálculo es veraz frente
a la realidad que examina. Por momentos parece un proceso dia-
léctico entre la arbitrariedad y la subjetividad, cuya síntesis parece
no tener la esperanza de ser contundente en alguna instancia con
el propósito.

Figura 2. Estándar, dividida

Regresión de la rentabilidad de la acción contra la

jhon alex ander jiménez triviño, pp. 31-77


rentabilidad de un índice emergente o norteamericano.

 Desviación estandar de los retornos de la acción, dividido


sobre la desviación estandar de los retornos de un índice
emergente o norteamericano.

Multiplicación de betas emergentes aproximados contra


betas norteamericanos del mismo sector.

Los modelos teóricos han propuesto soluciones, especialmente


con dos tendencias. Una mediante el uso de metodologías cada
vez más sofisticados y técnicas econométricas que aprovechan el

|
avance matemático-estadístico de la herramienta, con el objetivo de

betas contables
aprovechar al máximo los pocos datos con que se cuentan. La otra
vertiente considera que el método es expedito para el fin y que lo
más relevante del asunto es la fuente de los datos.

Figura 3. Emergentes y no EM. mercados

Fuentes de
Método
datos

Mejorando el La fuente de los


método de cálculo datos en los mercados
puede EM son engañosos,
aprovecharse el método es
mejor los pocos correcto, pero debe
datos disponibles. usarse con otra
fuentes de datos.

39

Inicio Contenido Salir Volver


A. Cambios en la metodología
En cuanto a las soluciones que atañen al método de cálculo,
se relacionan principalmente las que usan la teoría de la volatilidad
autorregresiva condicionada modelada según métodos economé-
tricos GARCH y GARCH en media.
Por otra parte, en la actualidad se desarrolla un nuevo método
de cálculo para el coeficiente con la aplicación de la teoría de
ondas cortas o wavelets, que permite cuantificar el grado de corre-
lación entre series de tiempo financieras. Esta teoría es un avance
en la serie de Fourier.
En general, la ondas cortas son funciones semejantes a las
funciones seno y coseno, por lo que también oscilan en torno a
revista del mercado de valores , núm . 5 , edición julio 2016

cero. El método permite descomponer en diferentes capas la fun-


ción de la serie de tiempo estudiada como si se tratase de una
frecuencia sonora u óptica, conservando la característica oscilato-
ria, el análisis del tiempo y la frecuencia de la serie. Según (Graps,
1995), “se puede decir que las wavelets tienen la flexibilidad de
mirar el bosque y a la vez los árboles”.
Luego de la aplicación de la técnica, la descomposición en
las diferentes capas en la serie de tiempo se observa como apa-
rece en el gráfico 4.

Gráfico 4. Descomposición por multirresolución de los rendmientos del índice


bursátil IPC de México en 7 niveles

sum

D1

D2

D3

D4
análisis

D5

D6

D7

S7

0 500 1.000 1.500 2.000

Fuente: Téllez Gaytán, Vargas Vega y Hernández González, 2010.

40

Inicio Contenido Salir Volver


De acuerdo con las diferentes investigaciones realizadas con
este método, se evidencia que el riesgo sistemático contenido en
la serie de tiempo del activo se halla por lo general en frecuencias
menores del portafolio, esto es, con la variación de mediano plazo
del mercado.
Los wavelets avanzan rápidamente en diferentes ciencias y
las finanzas no son la excepción. Los resultados hallados demues-
tran que se trata de una herramienta poderosa para descomponer
series de tiempo; esto muestra las diferentes capas por las que está
compuesta la serie, una de ellas el riesgo sistemático.
Su principal desventaja es el alto nivel matemático que exige
el modelo, agudizada por la alta dependencia de la capacidad del

jhon alex ander jiménez triviño, pp. 31-77


investigador para identificar los diferentes elementos que integran
las series y que determinan el riesgo estudiado.

B. Cambios en las fuentes de los datos


Teniendo en cuenta que el problema radica en la fuente de
los datos, se ha estimado reemplazar como fuente la formación
de las rentabilidades mediante bolsa, a través de la rentabilidad
proveniente del emisor directamente, mediante sus estados finan-
cieros. A esta técnica se le conoce como betas contables.
Como se presenta de manera detallada en el trabajo de Ball
y Brown (1968), si el mercado de valores es eficiente, el compor-
tamiento de las empresas debe influenciar el comportamiento del
activo en bolsa, cuando existe una tendencia altamente correla-

| betas contables
cionada. Así, la rentabilidad de las empresas provista desde los
balances contables debe ser una excelente alternativa para sustituir
la falencia del mercado de valores. En el trabajo citado se encuen-
tra evidencia empírica en la que el mercado de valores anticipa
de manera eficiente el resultado contable de la empresa para el
mercado norteamericano.
En el trabajo realizado por Hill y Stone (1980), se demuestra
matemáticamente que el beta calculado con datos contables, ci ,
puede hallarse mediante la derivada de los retornos sobre el patri-
monio de la firma, con respecto a la derivada de los retorno sobre
el patrimonio del mercado.

d ROEi

d ROEm
41

Inicio Contenido Salir Volver


En dicho trabajo, luego de realizar diferentes pruebas de
correlación entre el cálculo del beta tradicional y el beta conta-
ble, se llega finalmente a demostrar que los betas contables y los
betas de mercado son muy semejantes. De igual forma, los autores
dejan expuesto que las debilidades de un modelo con fuentes con-
tables son las siguientes:

• En este tipo de cálculos la estructura de capital tiene una gran


influencia en el resultado final, por lo que debe identificarse
dicho efecto antes de analizar los resultados.
• El uso de rendimientos trimestrales hacen poco robustos los
resultados y requiere de un manejo constante de pruebas
revista del mercado de valores , núm . 5 , edición julio 2016

estadísticas para identificar el grado de significancia de las


regresiones.
• Se deben tener en cuenta problemas y posibles soluciones
para la presencia de autocorrelación en la estimación.

Adicionalmente, en el trabajo de Vos (1992) se mencionan


otras limitaciones al mismo modelo:

• Separar el efecto crecimiento de la empresa del relacionado


directamente con el riesgo estudiado en mayor proporción
que el método tradicional.
• El beta depende en gran medida de la fiabilidad de los datos
y dicha condición no puede garantizarse.
• El trabajo de Hill y Stone (1980) no deflacta; se aconseja hacerlo.
Para profundizar en la metodología de cálculo mediante datos
contables, se presenta en el cuadro 2 un resumen de los métodos
más representativos de esta técnica.
También existen propuestas alternativas a las anteriores en
las que se intenta encontrar el coeficiente mediante el uso de los
retornos de la acción suministrados por fuentes contables, con-

trastándolo con los retornos de un índice bursátil provisto por


análisis

el mercado de valores. Esto constituye una mezcla entre fuentes


contables y del mercado de valores. Vélez Pareja (2002) ha estu-
diado tal enfoque y propone el cálculo del beta según el siguiente
método:

Ke − Rft
=
Rm − Rft

42 donde Ke es igual a

Inicio Contenido Salir Volver


Cuadro 2. Resumen de métodos para el cálculo del coeficiente beta asociado a
retornos contables

Nombre Símbolo Medida de rentabilidad Fórmula del beta

ROA UOdd Cov ( ROAi , ROAM )


Beta operativo
i
ROAi =
Activos totales Var ( ROAM )

Beta a partir de los Ii IN + INNA Cov (Ii , IM )


Ii =
ingresos Activos totales Var (IM )

Beta basado en el ROE DNARE + INNA Cov (ROEi , ROEM )


retorno sobre las
i
ROEi =
AO Var (ROEM )
acciones.

Beta basado en el patri- ci Uneta βROA  N ωK βROA 


−1
ROAi =
1− f i  ∑
monio ponderado por la Activos totales
i
 K

K =1 1− fi 

estructura de capital

jhon alex ander jiménez triviño, pp. 31-77


Nota: UOdd = Utilidad operativa después de depreciación.
IN= Ingresos netos antes de ítems no recurrentes.
INNA= Ingresos no recurrentes ajustados al ingreso neto.
DNARE = Dividendos netos ajustados antes de repartos extraordinarios.
AO= Acciones ordinarias.
Fuente: traducido de Hill y Stone (1980, p. 609).

Dt − Pt
Ke = − 1
Pt −1

donde D es el dividendo en el periodo t y P es el valor del


patrimonio contable en el periodo t.
Por otra parte, Rm es el rendimiento en bolsa del índice bur-
sátil de referencia local y Rft es la rentabilidad libre de riesgo para

|
el mercado local.

betas contables
El experimento empírico de dicha investigación prueba ser
una alternativa significativa, con un concepto estadístico, cercano
a la realidad y muy aplicable al contexto que viven los analistas
para mercados emergentes. Sin embargo, el análisis se hace úni-
camente para una sola acción y no se propone un método para
comprobar si los resultados son robustos frente a resultados usa-
dos o aceptados.
En conclusión, el cálculo del coeficiente beta para medir
el riesgo sistemático en mercados emergentes es posible, pero
requiere una adaptación al contexto en el que se aplica. Infortuna-
damente el método a aplicar no es tan general como se requiere,
pues el objeto de estudio es bastante diverso.

43

Inicio Contenido Salir Volver


II. Sustentación del modelo

La disminución del riesgo está en función de la diversificación


del portafolio, comenta Markowitz (1959); no obstante, existe un
riesgo que no logra ser diversificado y queda como un riesgo resi-
dual a la diversificación.
Este riesgo no diversificable, que está inmerso en la relación
unidireccional que el mercado trasmite a cada empresa individual-
mente, es cuantificado mediante un proceso de regresión lineal
con datos provenientes de la formación de precios formados en
las bolsas de valores.
Según la investigación realizada para la conformación del
revista del mercado de valores , núm . 5 , edición julio 2016

marco teórico de este trabajo, se encontró que las razones por las
cuales estos investigadores no tomaron datos directamente de los
estados de resultados de las empresas son:

• En los países en los que se desarrolla la investigación las pla-


zas bursátiles ofrecen un amplio abanico de alternativas de
inversión y el inversionista tiene pocos incentivos por invertir
en acciones no listadas.
• En caso de que el inversionista quiera analizar una empresa
no listada, va a encontrar fácilmente empresas semejantes
que cotizan. Con los datos de las empresas listadas, y con la
metodología de variable proxy, se puede encontrar que existe
el riesgo sistemático para la empresa no listada en bolsa, dada
la correlación lineal de esta frente a sus pares. Como conse-
cuencia de ello, el coeficiente de la regresión lineal hallado
para las empresas listadas debería ser igual al de la empresa
no listada, dada su alta correlación. En efecto, este beta sería
suficiente para lo que hace falta del análisis de inversión.
• Con el propósito de cumplir con el principio de parsimonia1,
– análisis

partir de datos de mercado tiene más sentido que tomar datos


contables de las empresas. Por otra parte, en el momento
del desarrollo de la teoría del CAPM el desarrollo de máqui-
nas para el almacenamiento y procesamiento de datos era

1 La navaja de Ockham (a veces escrito Occam u Ockam), principio de economía


o principio de parsimonia (lex parsimonia) es un principio metodológico y filo-
sófico atribuido a Guillermo de Ockham (1280-1349), según el cual cuando dos
teorías en igualdad de condiciones tienen las mismas consecuencias, la teoría
44 más simple tiene más probabilidades de ser correcta que la compleja.

Inicio Contenido Salir Volver


bastante limitado, lo que estimulaba aún más el desarrollo
del beta de mercado. Luego, con el avance tecnológico, ya
no tenía sentido volver a los datos contables ya que también
el mercado de valores había profundizado el análisis de las
empresas, que aportaban información más amplia para el
mismo cálculo.

En contraste con las anteriores conclusiones, en países emer-


gentes como el nuestro se presentan las siguientes condiciones:

• Las plazas bursátiles carecen de alternativas y, por lo gene-


ral, están representados pocos emisores y sectores. Por esta

jhon alex ander jiménez triviño, pp. 31-77


razón, el inversionista tendrá más estímulo para invertir en
empresas no listadas. Así, tener una forma de obtener betas
de empresas no listadas es de suma importancia en las finan-
zas corporativas.
• Pierde todo mérito estadístico obtener una variable proxy
para una empresa colombiana en un mercado bursátil de
aproximadamente 120 empresas listadas y con una población
de más de 300.000 empresas a nivel nacional, donde solo 23
cotizan por lo menos una vez al mes.
• Dado que se cuenta con sistemas de almacenamiento y pro-
cesamiento de datos avanzados para retomar el cálculo a par-
tir de los estados de resultados de las empresas, vale la pena
regresar a lo básico: los estados financieros.

En conclusión, el modelo para el presente documento se base | betas contables


en que el riesgo no diversificable en la práctica se cuantifica a
partir del beta, el cual se halla mediante cálculo diferencial. Este
beta es la derivada total de la rentabilidad continua de la acción
respecto a la rentabilidad continua del mercado.
Con el método tradicional, la rentabilidad continua se calcula
mediante la diferencia logarítmica de los precios cotizados de la
acción. Según se propone en este trabajo, este cálculo será modi-
ficado a partir del siguiente modelo.

III. Modelo

El coeficiente beta es la medida de la sensibilidad de los activos


para un movimiento en el mercado general. Este coeficiente usual-
45

Inicio Contenido Salir Volver


mente se halla mediante una regresión de los datos históricos. Un
beta superior a uno significa que frente a la media este activo es
“arriesgado” en el sentido de su aporte al riesgo del portafolio en
general; por debajo de uno, el beta indica una contribución menor
que el riesgo promedio de la cartera.
Dado que dicho coeficiente  es una sensibilidad, se calcula
mediante la derivada total de la acción respecto al mercado, con-
forme a la siguiente expresión:

¶R acción en bolsa

¶R mercado
revista del mercado de valores , núm . 5 , edición julio 2016

Suponiendo una relación lineal entre las variables, se observa


que el cálculo de dicha derivada es:

Cov(Racción en bolsa,RMercado ) E[RaRm ] – ab m


=
Var (RMercado) Var (RMercado )

Si el mercado de valores es eficiente, se debe considerar que


hay una alta correlación entre la rentabilidad de una acción en
bolsa con los resultados contables de esta.
Por lo tanto, las siguientes esperanzas matemáticas son
semejantes:

E[Racción en bolsa de x*Rmercado ]  E[Rrentabilidad contable de x*Rmercado ]



E[Racción en bolsa de x ]  E[Rrentabilidad contable de x ]

Dado que las anteriores esperanzas matemáticas son semejan-


tes el coeficiente  puede hallarse mediante la siguiente expresión:


E [ Rrentabilidad contables xRmercado ] − rentabilidad contable x mercado
análisis

Var (Rmercado )

Por lo tanto, puede considerarse que:

¶Racción en bolsa x Cov (Rentabilidad contable x ,Rmercado ) ¶Rrentabilidad contable x


 
¶ Rmercado Var (Rmercado ) ¶ Rmercado

IV. Comprobación empírica del modelo


46

Inicio Contenido Salir Volver


Para comprobar que las anteriores equivalencias son ciertas, se
hará una prueba empírica. Se propondrá el modelo a partir de las
siguientes tres premisas con su respectiva demostración empírica.

A. Primera premisa
Los precios de las acciones en bolsa varían en función de la
rentabilidad de las empresas.
Los retornos de una empresa pueden verse desde múltiples
formas; las tres retornos que se escogieron para esta investigación
son ROE (retorno del patrimonio, ROA retorno del activo y otra
creada para esta investigación, el VARE variación del patrimonio.
Esta última asume que la empresa es tan rentable como

jhon alex ander jiménez triviño, pp. 31-77


capaz sea de aumentar efectivamente el valor patrimonial de cada
acción. Por lo tanto, según este enfoque la rentabilidad se mide de
la siguiente forma:

é Valor patrimonial de cada acción en t  Valor patrimonial de cada acción en t  1ù


ê ú
ëê Valor patrimonial de cada acción en t  1 úû

La primera premisa infiere que si un precio base se altera


mediante los sucesivos retornos (ROE, ROA o VARE), finalmente
se llegará al mismo precio de mercado, como se muestra a con-
tinuación con un análisis realizado a la acción de Nutresa, antes
Compañía Nacional de Chocolates.
El precio base tomado para este ejercicio fue el reportado por

| betas contables
Bloomberg para el último trimestre de 2005, que fue de $12.832.
Este precio aumentó o disminuyó en proporción a las rentabilida-
des ROE, ROA y VARE, tomadas de los balances; numérica y gráfi-
camente, el ejercicio arroja los resultados que se pueden observar
en el cuadro 3.

Cuadro 3. Rentabilidad Nutresa

Nutresa
Trimestres ROE ROA VARE
FQ1 2006 2,23% 2,20% 28,22%
FQ2 2006 3,77% 3,64% 9,91%
FQ3 2006 0,89% 0,85% -23,76%
FQ4 2006 -0,11% -0,10% 12,71%
FQ1 2007 0,85% 0,83% 13,46%
FQ2 2007 1,12% 1,07% -5,01%
(Continúa) 47

Inicio Contenido Salir Volver


Cuadro 3. Rentabilidad Nutresa (continuación)

Nutresa
Trimestres ROE ROA VARE
FQ3 2007 0,14% 0,14% 0,45%
FQ4 2007 1,98% 1,93% 2,02%
FQ1 2008 2,89% 2,84% 7,79%
FQ2 2008 1,95% 1,86% -16,60%
FQ3 2008 1,96% 1,88% 4,19%
FQ4 2008 1,59% 1,54% 5,60%
FQ1 2009 2,36% 2,31% 1,28%
FQ2 2009 1,44% 1,37% 1,58%
FQ3 2009 1,02% 0,97% 10,52%
revista del mercado de valores , núm . 5 , edición julio 2016

FQ4 2009 0,74% 0,72% 13,72%


FQ1 2010 1,63% 1,59% 9,78%
FQ2 2010 1,18% 1,14% 1,41%
FQ3 2010 0,95% 0,92% 2,13%
FQ4 2010 1,06% 1,03% 14,75%
FQ1 2011 1,47% 1,45% -1,45%

En el gráfico 5 se observa el contraste entre los resultados


obtenidos por los ejercicios y los precios realmente cotizados en
bolsa, según puede verse en la línea azul. Salta a la vista la efi-
ciencia del mercado de valores al afectar el valor de la acción
conforme se presentan los cambios contables.

Gráfico 5. Evolución de la acción de Nutresa


$29.000

$27.000

$25.000

$23.000

$21.000
– análisis

$19.000

$17.000

$15.000

$13.000

$11.000
FQ1 FQ3 FQ1 FQ3 FQ1 FQ3 FQ1 FQ3 FQ1 FQ3
2006 2006 2007 2007 2008 2008 2009 2009 2010 2010

Precio mercado ROE ROA VARE

48

Inicio Contenido Salir Volver


De manera preliminar se observa que el mercado anticipa los
resultados. Para ver los detalles, en el cuadro 4 se presentan los
resultados en las estimaciones de precios.

Cuadro 4. Contraste de los precios de bolsa versus los precios estimados por retor-
nos contables

DATE Nutresa CB Equity ROE ROA VARE


31/03/06 $15.454 $13.300 $13.300 $14.104
30/06/06 $14.501 $15.591 $15.586 $11.782
29/09/06 $15.137 $14.485 $14.486 $16.344
29/12/06 $16.468 $15.265 $15.263 $17.174
31/03/07 $16.428 $16.652 $16.644 $15.643

jhon alex ander jiménez triviño, pp. 31-77


30/06/07 $16.408 $16.451 $16.450 $16.502
29/09/07 $15.375 $16.732 $16.724 $16.740
29/12/07 $16.388 $15.819 $15.812 $16.600
31/03/08 $14.501 $16.708 $16.693 $13.667
30/06/08 $14.998 $14.785 $14.774 $15.108
29/09/08 $15.514 $15.230 $15.229 $15.837
29/12/08 $15.494 $15.880 $15.872 $15.713
31/03/09 $14.998 $15.718 $15.707 $15.739
30/06/09 $17.918 $15.150 $15.144 $16.576
29/09/09 $22.685 $18.047 $18.047 $20.376
29/12/09 $20.858 $23.054 $23.046 $24.767
31/03/10 $21.275 $21.104 $21.095 $21.152
30/06/10 $20.560 $21.477 $21.471 $21.729
29/09/10 $25.784 $20.777 $20.772 $23.592

| betas contables
29/12/10 $26.916 $26.162 $26.157 $25.409

En el cuadro se observa un alto grado de ajuste de los precios


calculados mediante las rentabilidades frente a los precios real-
mente cotizados. Para obtener una óptica objetiva de este hecho,
se calculará el coeficiente de correlación para algunas de las
acciones que se estudiarán en esta investigación. Este se muestra
en el cuadro 5.
Como se puede observar, el ejercicio genera altos coeficien-
tes de correlación, lo que puede ser concluyente para afirmar que
los precios de los acciones fluctúan conforme a los resultados de
las empresas. Por ello, las rentabilidades contables de las empresas
son una excelente proxy de los rendimientos de la acción en bolsa.

49

Inicio Contenido Salir Volver


Cuadro 5. Correlación entre el precio de mercado y los estimados a partir de los
retornos contables

Matriz de correlaciones precio versus rentabilidades Mejor


método
IBA Empresa ROE ROA VARE del beta

9,27 Gruposur CB Equity 0,826 0,826 0,934 ROE


9,05 Pfbcolo CB Equity 0,638 0,854 0,842 VARE
8,52 Invargos CB Equity 0,882 0,881 0,965 ROA
8,47 Isagen CB Equity 0,697 0,692 0,625 VARE
8,29 Éxito CB Equity 0,800 0,797 0,823 ROA
8,21 TABLEMA CB Equity 0,804 0,804 0,808 ROA
8,08 Aval CB Equity 0,905 0,909 0,950 VARE
revista del mercado de valores , núm . 5 , edición julio 2016

7,86 Nutresa CB Equity 0,859 0,859 0,917 ROE


7,70 ETB CB Equity 0,646 0,657 0,628 VARE
7,50 Bogotá CB Equity 0,839 0,789 0,898 ROA
6,76 Valorem CB Equity 0,623 0,643 0,732 VARE
5,44 Occid CB Equity 0,892 0,892 0,933 ROE
4,45 Santan CB Equity 0,641 0,637 0,601 ROA
Promedio 0,776127083 0,773805464 0,808407763

Segunda premisa
A partir de la comprobación se deduce que se puede cons-
truir un índice bursátil mediante las rentabilidades ponderadas de
las empresas que han conformado las canastas.
Para confirmar dicha premisa se buscaron las diferentes
canastas del IGBC desde el año 2006. Se calcularon los ROE, ROA
y los VARES de cada una de las empresas que conformaron en
algún momento el IGBC en ese periodo. A partir de lo anterior se
obtuvieron el ROE, ROA y VARE agregados del IGBC para cada
canasta, multiplicados por el peso de cada acción en su corres-
pondiente canasta por su respectiva rentabilidad. Luego se tomó
un valor base para el índice en el último trimestre de 2005, el
– análisis

cual fue de 9.513 unidades. Se varió dicho índice en proporción a


las rentabilidades ponderadas y se contrastó gráficamente con el
IGBC obtenido en el mercado. El resultado se aprecia en el gráfico 6.
Los coeficientes de correlación del índice real contra los cal-
culados son de 76,23% contra ROE, 75,55% para ROA y 83,15%
contra VARE.

50

Inicio Contenido Salir Volver


Gráfico 6. Contraste del IGBC versus IGBC estimado mediante los retornos pon-
derados de las empresas que lo conformaron
16.000
15.000
14.000
13.000
12.000
11.000
10.000
9.000
8.000
7.000
6.000
FQ1 2006
FQ2 2006

FQ3 2006
FQ4 2006

FQ1 2007
FQ2 2007

FQ3 2007
FQ4 2007

FQ1 2008
FQ2 2008

FQ3 2008
FQ4 2008

FQ1 2009
FQ2 2009

FQ3 2009
FQ4 2009

FQ1 2010
FQ2 2010

FQ3 2010
FQ4 2010

jhon alex ander jiménez triviño, pp. 31-77


IGBC INDEX ROE ROA VARE

Con lo anterior se puede establecer que la construcción de


un IGBC mediante cálculos contables es posible y que este es sufi-
cientemente aproximado.
De esta manera se pueden elaborar las dos materias primas
para generar el coeficiente beta mediante los rendimientos finan-
cieros contables, considerándolos una excelente proxy de los ren-
dimientos en bolsa. Así se llega a la tercera premisa.

Tercera premisa

|
Si mediante los balances de las empresas se pudo llegar a esti-

betas contables
mar con gran aproximación al valor de cotización de una acción
en bolsa y se logró conformar el índice bursátil de referencia del
mercado con un alto grado de correlación, es posible calcular el
coeficiente beta mediante los balances financieros de las empresas
y se debe llegar a un resultado bastante aproximado al calculado
mediante los precios de mercado.
Para contrastar dicha premisa se utilizarán los betas calcu-
lados por el profesor Aswath Damodaran, publicados en enero
de 2011 en su página de internet 2, y se contrastarán con las betas
calculadas mediante los balances de las empresas.
Para realizar el cálculo se escogieron 13 empresas que han
reportado a la Superintendencia Financiera sus resultados de

2 http://www.stern.nyu.edu/~adamodar/pc/datasets/emergcompfirm.xls. 51

Inicio Contenido Salir Volver


manera trimestral, por lo menos durante 21 oportunidades entre
2005 y 2011.
Para efectuar los cálculos de los betas mediante estados
financieros, se asumen las tres rentabilidades antes presentadas.
Las regresiones se realizaron mediante el método de mínimos
cuadrados ordinarios y las pruebas estadísticas se realizaron con
un 5% de grado de significancia.
Los datos con los cuales se hicieron las regresiones se toma-
ron de Bloomberg y el Sistema Integral de Información del Mer-
cado de Valores (SIMEV) de la Superintendencia Financiera de
Colombia, y se contrastaron con los estados financieros que pre-
senta cada emisor en su sitio web y con los presentados por la
revista del mercado de valores , núm . 5 , edición julio 2016

empresa BPR Benchmark.


Primero se obtienen el ROA, ROE y VARE para cada empresa
que hubiese conformado el IGBC desde 2006 hasta 2010. Luego,
se obtienen el ROA, ROE y VARE del IGBC para cada trimestre.
El IGBC se obtiene multiplicando los ROA, ROE o VARE de cada
empresa por su respectivo peso en cada canasta. Finalmente, se
suman todos los retornos ponderados para obtener el retorno
respectivo para cada trimestre del índice. En este caso la única
empresa a la que no se le encontraron datos fue a Corfinvers, pero
el caso no afecta de manera importante, dado que dicha acción
solo cotiza en una canasta del IGBC y lo hace con un peso muy
bajo, por lo cual se decidió ponerle 0% de ROE, de ROA y VARE.
Los valores obtenidos para cada canasta del IGBC se presentan en
el cuadro 6.
Posteriormente se estima el IGBC mediante cada una de
las rentabilidades trimestrales en proporción a cada ROE, ROA y
VARE. A este índice IGBC estimado se le calcula la rentabilidad
mediante diferencias logarítmicas, siguiendo el procedimiento tra-
dicional del cálculo de betas de mercado. Se realiza el mismo pro-
– análisis

cedimiento para las empresas escogidas y se encuentra una serie


en diferencias logarítmicas, lo cual arroja como resultados los retor-
nos continuos, tanto del IGBC estimado mediante datos contables
como del retorno continuo de cada acción con la misma fuente.

52

Inicio Contenido Salir Volver


Cuadro 6. Retornos ponderados por las empresas que conforman el IGBC

IGBC
Trimestres Fechas Canastas ROE ROA VARE
FQ1 2006 31/03/2006 CANASTA 19 3,12% 1,34% -0,03%
FQ2 2006 30/06/2006 CANASTA 20 1,48% 0,62% -9,55%
FQ3 2006 30/09/2006 CANASTA 21 2,40% 0,94% 6,60%
FQ4 2006 31/12/2006 CANASTA 22 5,24% 2,82% 8,10%
FQ1 2007 31/03/2007 CANASTA 23 1,89% 0,81% -2,40%
FQ2 2007 30/06/2007 CANASTA 24 1,09% 0,42% 1,63%
FQ3 2007 30/09/2007 CANASTA 25 1,89% 0,95% 4,92%
FQ4 2007 31/12/2007 CANASTA 26 1,95% 0,84% 8,10%
FQ1 2008 31/03/2008 CANASTA 27 1,52% 0,57% -8,24%

jhon alex ander jiménez triviño, pp. 31-77


FQ2 2008 30/06/2008 CANASTA 28 3,75% 1,63% 4,78%
FQ3 2008 30/09/2008 CANASTA 29 5,33% 2,70% 7,93%
FQ4 2008 31/12/2008 CANASTA 30 3,51% 2,22% 4,70%
FQ1 2009 31/03/2009 CANASTA 31 4,88% 2,56% -9,34%
FQ2 2009 30/06/2009 CANASTA 32 2,22% 1,05% 3,97%
FQ3 2009 30/09/2009 CANASTA 33 2,78% 1,19% 6,70%
FQ4 2009 31/12/2009 CANASTA 34 4,02% 2,13% 8,38%
FQ1 2010 31/03/2010 CANASTA 35 3,74% 1,84% -1,80%
FQ2 2010 30/06/2010 CANASTA 36 2,78% 1,46% 6,23%
FQ3 2010 30/09/2010 CANASTA 37 2,45% 1,19% 3,36%
FQ4 2010 31/12/2010 CANASTA 38 3,55% 1,82% 6,46%
FQ1 2011 31/03/2011 CANASTA 39 2,57% 1,17% -1,87%

Una vez se cuenta con las series de rendimientos continuos,

| betas contables
se procede a realizar el mismo método que se utiliza para obte-
ner el beta de mercado; este se realiza a partir de una regresión
lineal, utilizando como variable exógena el rendimiento en pri-
mera diferencia logarítmica del IGBCROA, IGBCROE y IGBCVARE, con-
tra el rendimiento en primera diferencia logarítmica de la acción
ACCIONXROA, ACCIONXROE y ACCIONXVARE estudiada como varia-
ble endógena. El resultado se muestra a continuación.

Cálculos econométricos y pruebas estadísticas


Se realizaron regresiones lineales mediante Excel. Para
comenzar, se realizaron las regresiones considerado intercepto.
Ninguna regresión demostró que el intercepto fuese significativo,
por cuanto el valor p de la hipótesis nula del intercepto igual a 0
no fue rechazado con un 5% de significancia.

53

Inicio Contenido Salir Volver


Una vez realizada la regresión, se llevaron a cabo pruebas
estadísticas para determinar la eficiencia y veracidad de los coefi-
cientes. Para ello se llevó a cabo la prueba f de Ficher, el test
t de Student y la determinación del intervalo de confianza para
los coeficientes a un 95%; las pruebas estadísticas se presentan al
final, en el anexo donde aparece cada acción estudiada.
De las pruebas se pudo determinar que todos los coeficientes
que fueron cercanos a los betas calculados por el profesor Aswath
Damodaran aprobaron todas las pruebas estadísticas con un 5%
de significancia y un 95% de grado de confianza, excepto en el
caso de la acción de ETB, que aprueba con un 7% de significancia
y un 95% de grado de confianza.
revista del mercado de valores , núm . 5 , edición julio 2016

Como se observa en el cuadro 7 de resultados de los coefi-


cientes betas efectivos mediante el método del VARE, las diferen-
cias entre el  Damodaran y el  contable son bastantes pequeñas;
en el mayor de los casos la diferencia fue de 9,3 puntos básicos.

Cuadro 7. Betas contables efectivas mediante el método del VARE

Método Diferencia a
 equity Beta
IBA Empresa del beta mejor
Damodaran obtenido
contable aproximación
 
ROE 1,458

9,05 0,660 Bancolombia ROA 0,3135 0,030

VARE 0,630
 
  ROE 0,729

8,47 0,250 Isagen ROA 0,9865 0,093

  VARE 0,343

  ROE 1,151

8,08 0,578 Grupo aval ROA 1,7925 0,044

  VARE 0,534
– análisis

  ROE 0,558

7,7 0,328 ETB ROA 0,5380 0,044

  VARE 0,28367

  ROE -0,121

4,45 0,482 Valorem ROA -0,2028 0,043

  VARE 0,439

54

Inicio Contenido Salir Volver


También se puede deducir un fenómeno bastante particular
en los resultados: los betas que no son cercanos al calculado por
el profesor Damodaran se muestran muy alejados del más seme-
jante. En el caso de Bancolombia, para dar un ejemplo, el beta
más semejante fue 0,63 que está a tres puntos básicos del beta de
mercado; los otros dos métodos arrojan betas que están a 79 y 34
puntos básicos.
Adicionalmente, se presenta un patrón en los cálculos de
empresas cuyo método efectivo fue el VARE. La mayoría de estas
tiene un índice de bursatilidad accionaria superior a cinco en un
rango de que oscila entre uno y diez, hecho que da pie a otra inves-
tigación acerca del porqué se presenta dicho comportamiento.

jhon alex ander jiménez triviño, pp. 31-77


En el cuadro 8 se pueden observar las acciones cuyo  conta-
ble fue semejante al  Damodaran mediante el método del ROA.

Cuadro 8. Betas contables afectivas mediante el método del ROA

 equity Método del Beta Diferencia a mejor


IBA Empresa
Damodaran beta contable obtenido aproximación

  ROE 0,377

8,52 0,658 Inverargos ROA 0,7184 0,061

  VARE 1,360

  ROE 0,393

8,29 0,614 Éxito ROA 0,4960 0,118

  VARE 0,452

|
  ROE 0,471

betas contables
8,21 0,992 Tablemac ROA 0,8004 0,191

  VARE 0,226

  ROE 1,448

7,5 0,292 Bogotá ROA 0,3536 0,061

  VARE 1,040

  ROE 0,7164

4,45 0,098 Santander ROA 0,1330 0,034

  VARE 0,2131

Según este método, observamos que se mantiene el patrón


de comportamiento en el que los betas que no son cercanos al
beta de mercado son números bastante alejados del método más
acertado. Se observa la mayor dispersión al beta de mercado de
55

Inicio Contenido Salir Volver


los tres métodos estudiados en las que se muestra una diferencia
de 9,3 puntos básicos en promedio.
Finalmente, presentaremos las empresas cuyo  contable fue
semejante al  Damodaran mediante el método del ROE.

Cuadro 9. Betas contables afectivas mediante el método del ROE

 equity Método del Beta Diferencia a mejor


IBA Empresa
Damodaran beta contable obtenido aproximación

  ROE 0,380

9,27 0,496 Gruposura ROA 0,7215 0,116

  VARE 1,437
revista del mercado de valores , núm . 5 , edición julio 2016

  ROE 0,433

7,86 0,390 Nutresa ROA 0,8073 0,042

  VARE 1,280

  ROE 0,191

5,44 0,088 Occidente ROA 0,3638 0,103

  VARE 0,991

Mediante este método se encontraron tres betas contables


que son semejantes a la de mercado. Fue el segundo método con
menor dispersión en los datos frente al beta de mercado, siendo de
8,7 puntos básicos al beta de mercado en promedio.
Se observa que el método más acertado fue el del VARE;
y en general, se obtuvo por algún otro método un beta bastante
aproximado, lo que demuestra que el modelo teórico tiene soporte
empírico, lo cual en principio era el propósito de este ejercicio.
Por otro lado, los coeficientes calculados por el Dr. Damoda-
ran se centran en el intervalo de confianza a un 95% que arrojan
las regresiones, lo que demuestra que estadísticamente la muestra
es confiable para contrastarla con los coeficientes de referencia.
– análisis

V. Conclusiones y recomendaciones

Se comprobó que el modelo propuesto es probo para el cálculo


del riesgo sistemático, dado que es semejante al beta de mercado,
al menos por un método de cálculo del beta contable.
Las pruebas estadísticas demuestran que los coeficientes son
estadísticamente viables con un 5% de significancia. A partir de
esta investigación, también se puede demostrar que el mercado
56

Inicio Contenido Salir Volver


colombiano en el periodo estudiado fue eficiente al acoplar los
precios del mercado y los resultados contables de las empresas.
Por esta razón, los resultados de esta investigación pueden usarse
con propósitos de análisis prospectivos de precio en la bolsa de
valores, dado que demuestra que un desequilibrio del precio de
mercado al precio obtenido mediante los fundamentales se ajus-
tará y permitirá aprovecharlo a manera de arbitraje técnico.
Además, el hecho de que las pruebas empíricas mostraran
fortaleza en el modelo propuesto significa que hay una aproxi-
mación razonable para calcular el beta de empresas que tengan
estados financieros trimestrales, a pesar de no cotizar en bolsa.
Para llevar a cabo dicho cálculo, se propone contrastar las rentabi-

jhon alex ander jiménez triviño, pp. 31-77


lidades fundamentales contra la serie de tiempo IGBC presentada
en esta investigación. El resultado final será tan aproximado al que
resultaría si dicha empresa fuese listada.
Claramente, esta investigación es solo un capítulo más en el
avance del análisis del riesgo sistemático que busca que las empre-
sas no listadas puedan hacer uso de las herramientas de valoración
que la teoría financiera ofrece de una manera coherente y con
mayor grado de exactitud a la realidad.
Según este enfoque, el final de esta investigación es el comienzo
de muchas investigaciones que pueden derivarse de aquella.
Una de las investigaciones que puede abrirse camino a partir
de este primer esfuerzo es la posibilidad de encontrar un método
único a aplicar, dado que en esta investigación se hallaron tres.

| betas contables
Por ahora dirimir el conflicto de cuál escoger fue sencillo ya que
se cuenta con un beta de mercado alterno.
En caso de que no se tuviera, sería difícil escoger cuál utili-
zar si fuesen muy diferentes, hecho que podría solucionarse si se
puede llegar a entender por qué un método es más efectivo que
los otros dos en cada caso.
Al final de este documento aparece el anexo que soporta
la investigación. Para cada empresa, en el lado derecho superior
se encuentra un diagrama de dispersión o nube de puntos con el
coeficiente resultado de la regresión. En el lado izquierdo supe-
rior se encuentran las gráficas de precios a formados en bolsa y
modificación de un precio inicial a partir de los resultados obteni-
dos por el ROA, ROE y VARE, siendo este último la variación del
patrimonio. Finalmente, en la parte inferior se encuentran todas las
57

Inicio Contenido Salir Volver


pruebas estadísticas e información general de la regresión que se
realizó para llegar a cada coeficiente.
Detalles de todos los cálculos se presentan en la hoja de Excel
que adjunto en el correo electrónico de envío de este documento.
Con el propósito de ajustar el artículo a las especificaciones
del concurso de mercado de capitales, se quitaron tres empresas,
Banco de Occidente, Santander, Valorem e Isagen, resultados que
se podrán observar en archivo de Excel antes mencionado.

Referencias

Ball, R., & Brown, P. (1968, otoño). An empirical evaluation of


revista del mercado de valores , núm . 5 , edición julio 2016

accounting income numbers. Journal of Accounting Research, 159-


178.
Caicedo Cerezo, E. (2004). Medición de betas del capital propio a través
de la información contable. Simposio Nacional de Docentes de
Finanzas, 1.
Giraldo Gómez, N. (2005, enero-junio). Predicciones de betas y VAR de
portafolios de acciones mediante el filtro de Kalman y los modelos
garch. Cuadernos de Administración.
Gitman, L. J., & Joehnk, M. D. (1997). Fundamentos de administración
financiera (8ª ed.). Harcourt College.
Graps, A. (1995). An introduction to wavelets. IEEE Computational
Science and Engineering, 2(2).
Hamada, R. (1972, mayo). The effects of the firm’s capital structure on
the systematic risk of common stocks. Journal of Finance, 435-452.
Hill, N. C., & Stone, B. K. (1980). Accounting betas, systematic
operating risk, and financial leverage: A risk composition approach
to the determinants of systematic risk. Journal of Financial and
Quantitative Analysis, 15(3).

Mandelker, G. N., & Rhee, S. G. (1984). The impact of degrees of


análisis

operating an financial leverage on systematic risk of common


stock. Journal of Financial and Quantitative Analysis, 19, 45-57.
Mora, H. (1996). Valoración de activos en mercados con restricciones
de liquidez. Ensayos sobre Política Económica, 29, 59-99.
Pereiro, L. E. (2010). The beta dilemma in emerging markets. Journal of
Applied Corporate Finance, 22(4), 110-122.
Rubinstein, M. (1973). A mean-variance synthesis of corporate financial
theory. Journal of Finance, 28, 167-182.

58

Inicio Contenido Salir Volver


Superintendencia de Valores. (1997). Riesgo de inversión en el mercado
accionario: coeficientes betas.
Téllez Gaytán, J., Vargas Vega, T., & Hernández González, J. (2010).
Análisis basado en wavelets del mercado accionario mexicano.
Revista Internacional La Nueva Gestión Organizacional, 11, 35-64.
Vélez Pareja, I. (2002). Costo de capital para firmas no transadas en
bolsa. Revista Latinoamericana de Administración, 29, 45-75.
Vos, E. (1992, julio). A conceptual framework for practical risk
measurement in small businesses. Journal of Small Business
Management, 47-56.
Weston, F., & Brigham, E. (1994). Fundamentos de administración
financiera. McGraw-Hill.

jhon alex ander jiménez triviño, pp. 31-77


Yaw, M. (1992). Adjusted accounting beta, operating leverage and
financial leverage as determinants of market beta: A synthesis
and empirical evaluation. Review of Quantitative Finance and
Accounting, 187-203.

| betas contables

59

Inicio Contenido Salir Volver


60
análisis – revista del mercado de valores , núm . 5 , edición julio 2016

Porcentajes

15

10.000
15.000
20.000
25.000
30.000
Anexo

FQ12006
Bancolombia

Inicio
FQ22006
FQ32006

10
FQ42006
FQ12007
FQ22007

Contenido
Bancolombia
FQ32007

5
FQ42007

Salir
ROE
FQ12008
FQ22008
0
10
20

10
15
25

5
5

IGBC INDEX
FQ32008
0
Porcentajes

FQ42008
FQ12009
FQ22009

ROA
VARE
FQ32009
Lineal (Bancolombia)
5

FQ42009
FQ12010

Volver
FQ22010
FQ32010
Y=0,6299x

FQ42010
10
Bancolombia

ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,014214666 0,014214666 4,447345227 0,049226547

Inicio
Residuos 18 0,057531849 0,003196214
Total 19 0,071746515
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,027879476 0,013615963 2,047558106 0,055483128 –0,000726601 0,056485553 –0,000726601 0,056485553

Contenido
Variable X1 0,462964541 0,219531734 2,108872976 0,049226547 0,001745483 0,9241836 0,001745483 0,9241836

Salir
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,030530809 0,030530809 8,178053983 0,010411409
Residuos 19 0,070931957 0,003733261
Total 20 0,101462765
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,629945671 0,220281543 2,859729705 0,010026423 0,168891103 1,091000238 0,168891103 1,091000238

Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77

61
62
análisis – revista del mercado de valores , núm . 5 , edición julio 2016

20.000
25.000
30.000
35.000
40.000
45.000
50.000
55.000
60.000
FQ12006 Porcentajes

FQ22006

Inicio
0,00
0,20
0,40
0,60
0,80
1,00
1,20

FQ32006
Banco de Bogotá

0,00
FQ42006
FQ12007

IGBC INDEX
0,50
FQ22007

Contenido
Bogotá
FQ32007
FQ42007

1,00

Salir
FQ12008

ROE
FQ22008
1,50

FQ32008
Porcentajes

FQ42008
2,00

FQ12009

ROA
FQ22009
FQ32009
2,50

Lineal (Bogotá)

FQ42009
Y=0,3536x

FQ12010
3,00

Volver
FQ22010

VARE
FQ32010
FQ42010
Banco de Bogotá

ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 6,32827E-08 6,32827E-08 0,016978128 0,897774108

Inicio
Residuos 18 6,70915E-05 6,72731E-06
Total 19 6,71548E-05
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,00645141 0,000985994 6,543054466 3,77859E-06 0,004379914 0,008522906 0,004379914 0,008522906

Contenido
Variable X1 –0,008009745 0,061471496 –0,130300145 0,897774108 –0,137156566 0,121137076 –0,137156566 0,121137076

Salir
ANALISI DE VARIANZA
Promedio de los
G.L Suma de cuadrados F Valor crítico F
cuadrados
Regresión 1 0,000643365 0,000643365 53,92991152 8,11123E-07
Residuos 19 0,000226663 1,19297E-05
Total 20 0,000870028
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,353600914 0,048150248 7,34398763 5,83331E-07 0,252821287 0,45438054 0,252821287 0,4543805

Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77

63
Nutresa

4,00 Y=0,4327x

3,50

3,00

Porcentajes 2,50

2,00

1,50

1,00

0,50
revista del mercado de valores , núm . 5 , edición julio 2016

0,00

-0,50
0,00 1,00 2,00 3,00 4,00 5,00 6,00
Porcentajes
Nutresa Lineal (Nutresa)

29.000
27.000

25.000

23.000

21.000

19.000

17.000

15.000

13.000
13.000
FQ12006
FQ22006
FQ32006
FQ42006
FQ12007
FQ22007
FQ32007
FQ42007
FQ12008
FQ22008
FQ32008
FQ42008
FQ12009
FQ22009
FQ32009
FQ42009
FQ12010
FQ22010
FQ32010
FQ42010
– análisis

Precio mercado ROE


ROA VARE

64

Inicio Contenido Salir Volver


Nutresa

ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 2,5298E-05 6,32827E-08 0,315392598 0,581315545

Inicio
Residuos 18 1,0014438 6,72731E-06
Total 19 0,001469098
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,011507576 0,005350859 2,15060354 0,045342813 0,000265839 0,022749314 0,004379914 0,022749314

Contenido
Variable X1 0,09511662 0,169367728 0,5615982553 0,581315545 –0,260711772 0,450945012 –0,260711772 0,450945012

Salir
ANALISI DE VARIANZA
Promedio de los
G.L Suma de cuadrados F Valor crítico F
cuadrados
Regresión 1 0,003740803 0,003740803 39,16458506 6,67098E-06
Residuos 19 0,001814784 9,55149E-05
Total 20 0,005555586
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,432887003 0,0691714594 6,258161476 5,21289E-06 0,288109194 0,577664813 0,288109194 0,577664813

Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77

65
66
análisis – revista del mercado de valores , núm . 5 , edición julio 2016
ETB

300
500
700
900
1.100
1.300
Porcentajes
FQ12006

15

Inicio
FQ22006
FQ32006
FQ42006

10
FQ12007
FQ22007

Contenido
Precio mercado
FQ32007

ETB
FQ42007
5
4
10

6
8

-6
-4
-2
0
12

-8
2

Salir
FQ12008
FQ22008
0
Porcentajes

ROE
FQ32008
0

FQ42008
FQ12009
Lineal (ETB)

FQ22009

ROA
5

FQ32009
FQ42009
FQ12010
FQ22010
Y=0,2764x

Volver
10

FQ32010

VARE
FQ42010
ETB

ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,003841783 0,003841783 2,539206209 0,128458777

Inicio
Residuos 18 0,027233745 0,001512986
Total 19 0,031075528
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,005894553 0,009377137 0,628609025 0,628609025 –0,013806081 0,025595186 –0,013806081 0,0255954186

Contenido
Variable X1 0,239593591 0,150357886 1,593488691 1,593488691 –0,076296605 0,555483787 –0,076296605 0,555483787

Salir
ANALISI DE VARIANZA
Promedio de los
G.L Suma de cuadrados F Valor crítico F
cuadrados
Regresión 1 0,005879234 0,005879234 4,013619183 0,060424794
Residuos 19 0,027831601 0,001464821
Total 20 0,033710835
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,0274916833 0,0691714594 2,003401902 0,059606739 –0,012298399 0,562132066 –0,012298399 0,562132066

Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77

67
68
análisis – revista del mercado de valores , núm . 5 , edición julio 2016
Éxito

8.000
10.000
12.000
14.000
16.000
18.000
20.000
24.000

22.000
FQ12006

Inicio
FQ22006
FQ32006
Y=0,4519x

FQ42006

Éxito
FQ12007
FQ22007

Contenido
FQ32007
FQ42007

ROA

Salir
FQ12008
FQ22008

Precio mercado
FQ32008
FQ42008
FQ12009
FQ22009
Lineal (Éxito)

ROE
FQ32009

VARE
FQ42009
FQ12010
FQ22010

Volver
FQ32010
FQ42010
Éxito

ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,011274061 0,011274061 11,54340021 0,003208816

Inicio
Residuos 18 0,017580011 0,000976667
Total 19 0,028854072
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,006612501 0,007526686 0,878540912 0,391227242 –0,009200478 0,022425481 –0,009200478 0,022425481

Contenido
Variable X1 0,412305935 0,121353613 3,397557978 0,003208816 0,057351455 0,667260414 0,157351455 0,667260414

Salir
ANALISI DE VARIANZA
Grado de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,01571222 0,01571222 16,28312767 0,000776451
Residuos 19 0,018333836 0,000964939
Total 20 0,034046056
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,451910801 0,111991177 4,035235764 0,000706942 0,217510574 0,686311027 0,217510574 0,686311027

Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77

69
70
análisis – revista del mercado de valores , núm . 5 , edición julio 2016

400
600
800
1.000
1.200
1.400
1.600
1.800
Porcentajes
Grupo Aval

FQ12006

-15

Inicio
FQ22006
FQ32006
FQ42006

-10
FQ12007

Contenido
FQ22007

Grupo Aval
FQ32007
-5

FQ42007

Salir
ROA
FQ12008
5
15

10
20

-15
-10
0

FQ22008
0

Precio mercado
FQ32008
Porcentajes

FQ42008
FQ12009
FQ22009
5

ROE
FQ32009

VARE
Lineal (Grupo Aval)

FQ42009
FQ12010
Y=0,5344x

10

Volver
FQ22010
FQ32010
FQ42010
Grupo Aval

ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,016298642 0,016298642 7,300278293 0,014592573

Inicio
Residuos 18 0,040186901 0,002232606
Total 19 0,056485543
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,006448739 0,007526686 0,566680547 0,577929748 –0,017459435 0,030356912 –0,017459435 0,030356912

Contenido
Variable X1 0,495741308 0,121353613 2,701902717 0,014592573 0,110267089 0,881215528 0,110267089 0,881215528

Salir
ANALISI DE VARIANZA
Grado de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,01571222 0,021968918 10,20464933 0,005023159
Residuos 19 0,018333836 0,002152834
Total 20 0,034046056
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,534365336 0,167278157 3,194471683 0,004772967 0,184248129 0,88448242 0,184248129 0,884482542

Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77

71
72
análisis – revista del mercado de valores , núm . 5 , edición julio 2016

Porcentajes

400
5.400
10.400
15.400
20.400
25.400
30.400
35.400
40.400
45.400
FQ12006
Grupo Sura

-0,50
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50

FQ22006

Inicio
0
FQ32006
FQ42006

1
FQ12007
FQ22007

Contenido
Grupo Sura
FQ32007

ROE
FQ42007

Salir
FQ12008
FQ22008
3

Precio mercado
FQ32008
Porcentajes

FQ42008
FQ12009
4

FQ22009

ROA
FQ32009

VARE
Lineal (Grupo Sura)
5

FQ42009
FQ12010

Volver
FQ22010
Y=0,3801x

FQ32010
FQ42010
Grupo Sura

ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,000388457 0,000388457 6,995712681 0,016463922

Inicio
Residuos 18 0,000999503 5,55279E-05
Total 19 0,00138796
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,000255578 0,00445207 0,057406545 0,954853823 –0,009097874 0,00960903 –0,009097874 0,00960903

Contenido
Variable X1 0,372722076 0,140918864 2,64494096 0,016463922 0,076662529 0,668781624 0,076662529 0,668781624

Salir
ANALISI DE VARIANZA
Grado de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,002885986 0,002885986 54,85099352 7,22025E-07
Residuos 19 0,000999685 5,2615E-05
Total 20 0,003885672
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,380223801 0,051338958 7,406145659 5,16768E-07 0,272770127 0,487677474 0,272770127 0,487677474

Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77

73
74
análisis – revista del mercado de valores , núm . 5 , edición julio 2016

8.000
10.000
12.000
14.000
16.000
18.000
20.000
22.000
Inverargos

FQ12006 Porcentajes

-2
-1
0
1
2
3
4
5
6
7

FQ22006

Inicio
0
FQ32006
FQ42006
FQ12007

0,50
FQ22007

Contenido
FQ32007

Inverargos
1,00
FQ42007

ROA

Salir
FQ12008
FQ22008
1,50

Precio mercado
FQ32008
Porcentajes

FQ42008
2,00

FQ12009
FQ22009

ROE
2,50

FQ32009

VARE
FQ42009
Lineal (Inverargos)
Y=0,7184x

FQ12010
3,00

Volver
FQ22010
FQ32010
FQ42010
Inverargos

ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,000285917 0,000285917 1,64362551 0,216095891

Inicio
Residuos 18 0,0003131188 0,000173955
Total 19 0,003417105
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,003211544 0,00635888 0,47678102 0,639254999 –0,010940032 0,017363119 –0,010940032 0,017363119

Contenido
Variable X1 0,538388738 0,419947045 1,28203959 0,216095891 –0,343887266 1,420664741 –0,343887266 1,420664741

Salir
ANALISI DE VARIANZA
Grado de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,002655606 0,002655606 15,91321015 0,000860398
Residuos 19 0,003170732 0,000166881
Total 20 0,005826338
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,718400297 0,180089173 3,989136517 0,000785443 0,3411469325 1,095331268 0,341469325 1,095331268

Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77

75
76
análisis – revista del mercado de valores , núm . 5 , edición julio 2016

1
2
3
4
5
6
7
8
10
11
Porcentajes
FQ12006
Tablemac

FQ22006

10,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00

Inicio
0
FQ32006
FQ42006
FQ12007

0,50
FQ22007

Contenido
FQ32007

Tablemac
FQ42007

ROA
1,00
FQ12008

Salir
FQ22008

Precio mercado
1,50

FQ32008
Porcentajes

FQ42008
FQ12009
2,00

FQ22009

ROE
FQ32009

VARE
FQ42009
Lineal (Tablemac)
2,50

FQ12010
FQ22010
Y=0,8004x

Volver
3,00

FQ32010
FQ42010
Tablemac

ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 6,4829E-05 6,48291E-05 0,956663918 0,340992395

Inicio
Residuos 18 0,001219785 6,77658E-05
Total 19 0,001284614
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,018853458 0,00635888 0,47678102 0,000286667 0,010020792 0,027686124 0,010020792 0,027686124

Contenido
Variable X1 –0,25636647 0,419947045 1,28203959 0,340992395 –0,807036528 0,294303588 –0,807036528 0,294303588

Salir
ANALISI DE VARIANZA
Grado de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,003296409 0,003296409 24,25167535 0,000109328
Residuos 19 0,002582575 0,000135925
Total 20 0,005878983
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,800396507 0,162530291 4,924599004 9,41008E-05 0,4602167 1,140576315 0,4602167 1,140576315

Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77

77
Inicio Contenido Salir Volver
SANTI: robot de trading
con pronósticos basados
en inteligencia artificial,
una evolución para el
mercado de valores
Gustavo Adolfo Vásquez Perdomoa,
Jorge Muñoz Sepúlvedab

Resumen
Predecir series de tiempo financieras y tener un
adecuado control de las emociones, dos problemas
complejos que disminuyen las probabilidades de
éxito en el trading.
Este artículo ilustra un nuevo y original desarrollo
para el mercado de valores colombiano, que mejora
el retorno de las transacciones y disminuye el riesgo,
mediante pronósticos basados en inteligencia artifi-
cial y herramientas de gestión del riesgo, y que eli-
mina el impacto de las emociones en la toma de
posiciones para el mercado de valores colombiano.
Administrador de Empresas,
Se aplica satisfactoriamente a activos financieros
a

Magister en Administración (c),


transados en la Bolsa de Valores de Colombia (BVC) Universidad del Valle Bachelor
of Science in Computer Science
y a otros mercados, para lo cual evalúa su capaci- (c), University of the People, Pa.
dad de generalización. Ca. USA.
b
Ingeniero electrónico y MBA
Palabras clave: finanzas computacionales, trading con énfasis en gestión humana
de la Universidad del Valle
algorítmico, inteligencia artificial, desarrollo del mer- en convenio con ACRIP. Ha
cado de valores, aprendizaje de máquina, redes neu- laborado como jefe de planta
en empresas manufactureras
ronales artificiales, pronósticos de índices financieros. y profesional financiero.
Actualmente es jefe de planta
Clasificación JEL: C22, C45, C53, C63. en Coca Cola - FEMSA.

Inicio Contenido Salir Volver


SANTI, a stock market
trading robot with
forecasts based on
artificial intelligence:
An evolution for the
securities market
Gustavo Adolfo Vásquez Perdomoa,
Jorge Muñoz Sepúlvedab

Abstract
Predicting financial time series and having adequate control
over emotions are two complex problems that decrease the
probabilities of success in trading.
This article is winner of the
competition of Capital Market This article details a new and original development for
Architecs of Main year 2013 the Colombian securities market that improves the rate of
proposed by the Autorregulador
del Mercado de Valores return on transactions and decreases the risk through fore-
and The Bolsa de Valores casts based on artificial intelligence and risk management
de Colombia in the form of
posgraduate studies. tools. These eliminate the impact of emotions when taking
a position on the Colombian Securities Exchange.
a
Administrator of Companies,
Magister in Administration (c),
Universidad del Valle Bachelor
It can be satisfactorily applied to financial assets that are
of Science in Computer Science traded on the Colombian Securities Exchange (BVC) and
(c), University of the People, Pa.
Ca. It USES.
other markets in order to evaluate its capacity for wider
usage.
b
Electronic engineer and
MBA with emphasis in human Key words: Computational finance, algorithmic trading,
resources of the Universidad del
Valle in agreement with ACRIP. artificial intelligence, development of the securities market,
It has labored like boss of plant machine learning, artificial neural networks, financial index
in companies manufacturers
and financial professional. At forecasting.
present it is boss of plant in
Coca Tail - FEMSA. JEL classification: C22, C45, C53, C63.

Inicio Contenido Salir Volver


“Trading strategies work, traders don’t”
Larry Williams

Introducción

La generación de productos y servicios útiles en el mercado de


valores es una estrategia para aumentar la penetración entre los
inversionistas. Este artículo propone un novedoso sistema robó-
tico que basa sus pronósticos en modelos sofisticados de inteli-
gencia artificial y en análisis técnico. Se explican los procesos de
diseño y evaluación de múltiples algoritmos de trading1 automá-
tico, para ser aplicado al mercado de valores colombiano, lo que

gustavo vá sque z y jorg e muñoz , pp. 79 -103


a la vez minimiza el riesgo al eliminar el impacto de las emocio-
nes en la toma de posiciones de inversión y supera los resultados
de su benchmark.
Citando a The Economist (2012)2, “en un mundo donde los
algoritmos propietarios son una fuente de ventaja competitiva, el
secreto en sus métodos y desarrollos genera todo un arraigo cultu-
ral”. Así, la relevancia de esta investigación para los inversionistas
y las casas de bolsa la plantea Aldridge (2010), cuando plantea que
Jim Simmons de Renaissance Technologies Corp., un grupo dedi-
cado al desarrollo de algoritmos de trading automático, reportó
utilidades durante 2008 por valor de $2,5 billones de dólares, en
un año en que la mayoría de fondos dedicados al trading en Esta-
dos Unidos (y en el mundo entero, debido al colapso financiero)
reportaron pérdidas. Durante dicho periodo, las utilidades en este
tipo de negocios fueron repartidas entre organizaciones dedicadas |
santi : robot de trading
al trading algorítmico.
A partir de los desarrollos teóricos de las aplicaciones de inte-
ligencia artificial para realizar pronósticos de los índices financie-
ros (Wang, Wang, Zhang y Guo, 2011) y aprovechando las nuevas
tecnologías aplicadas al desarrollo y uso de estrategias automatiza-
das de trading, también conocidas como robots (Izumi et al., 2010;
Vuorenmaa, 2012; Xiaowei, Zehong y Yixu, 2011), se realiza en
esta investigación el diseño e implementación de SANTI (sistema
automatizado neuronal de trading inteligente), un robot compuesto

1 Trading se refiere a comerciar (comprar y vender) activos, específicamente acti-


vos financieros.
2 The Economist (2012). High frequency trading the fast and the furious. Disponi-
ble en http://www.economist.com/node/21547988, traducción libre. 81

Inicio Contenido Salir Volver


por varios módulos, que se conecta a una base de datos con los
precios históricos, los analiza, realiza pronósticos para el precio de
cierre y genera una cotización objetivo (target). Este objetivo hace
que el robot de trading evalúe la brecha entre la cotización actual
y el target y emita una orden de compra de determinada cantidad
de unidades del activo cuando sea conveniente.

Gráfico 1. Crecimiento del trading algorítmico en el mundo

70 70
60 60
Pronóstico Pronóstico
50 50
revista del mercado de valores , núm . 5 , edición julio 2016

40 40
30 30
20 20
10 10
0 0
2004 2006 2008 2010 2012 2014 2004 2006 2008 2010 2012 2014
Acciones Futuros Opciones Estados Unidos Asia
Divisas Renta fija Europa

Fuente: Aite Group y The Economist (2012).

El diseño del algoritmo de inteligencia artificial que se utiliza


para la investigación es el planteado por Vásquez y Muñoz (2012),
mientras que el algoritmo basado en análisis técnico emplea el
cruce de la señal con la MACD, una confirmación de la tendencia
mediante la EMA(200) y una validación previa a la orden de com-
pra mediante el indicador RSI(14), de uso frecuente en los merca-
dos financieros, descritos por Elder (1999).
El orden del artículo es el siguiente: descripción de las prin-
cipales teorías y teóricos del trading e hipótesis sobre la eficiencia
o fallos del mercado; posteriormente se encuentra el proceso de
– análisis

diseño de robots3 y descripciones de los módulos de gestión de


riesgo, pronóstico y de rebalanceo del portafolio. Luego se revisa
el desempeño de tres algoritmos de trading durante un periodo de
tiempo del mercado mediante la metodología del backtesting y se
examinan varios pros y contras de dicha metodología; el módulo
de inteligencia artificial del robot se aplica después a otros merca-

3 En el documento se le llama robot o algoritmo de trading, indistintamente del


módulo que toma las decisiones y envía las órdenes de compra del activo finan-
82 ciero.

Inicio Contenido Salir Volver


dos, como el S&P 500, el par EURUSD del mercado de divisas y
la cotización del oro. Para finalizar se presentan las conclusiones y
futuras temáticas en la investigación.

I. Marco teórico de referencia

A. La hipótesis de los mercados eficientes (HME)


En resumen, la hipótesis de los mercados eficientes establece
que no se pueden obtener mejores retornos que los del mercado
(Grinold y Kahn, 1999; Wolfinger, 2005) de manera consistente a
través del tiempo. Dicha situación se presenta debido a que en un
mercado eficiente todos los participantes disponen de la misma

gustavo vá sque z y jorg e muñoz , pp. 79 -103


información, lo cual regula los precios mediante un equilibrio
entre oferta y demanda de cada activo en el mercado, o expre-
sado de otra manera, el precio del activo refleja el valor presente
de este, con lo que se eliminan las posibilidades de tener una utili-
dad excesiva a partir del activo mediante el uso de la información
disponible (Ross, Westerfield y Jaffe, 2003).
Lo (2004) presenta una adaptación de la HME y en su trabajo
parte de los principios de la evolución, donde el establecimiento
de los precios surge debido a las condiciones ambientales y al
número y naturaleza de las “especies” (agentes) en la economía.
Así, los mercados serían “adaptativamente eficientes”, cuyo grado
de eficiencia sería función de la cantidad de agentes en compe-
tencia, el tamaño de las oportunidades para generar utilidades
con determinado activo y la adaptabilidad de los participantes del
mercado. Según dicha hipótesis, una bolsa de valores pequeña y |
santi : robot de trading
con un reducido número de inversionistas presenta menor eficien-
cia que un mercado como el Mercado Integrado Latinoamericano
(MILA), donde entidades de muchos países pueden estar en puja
por los mismos activos.

B. Teoría moderna del portafolio (TMP)


La TMP plantea, según los hallazgos de Harry Markowitz
(1952), que la diversificación de los activos realizada de manera
sistemática, teniendo en cuenta sus expectativas de retorno y de
riesgo, minimiza la exposición de la inversión al riesgo, mientras
que maximiza las probabilidades de un alto retorno al desplazarse
por lo que se ha llamado “la frontera eficiente”.
83

Inicio Contenido Salir Volver


C. Gestión activa de portafolios
Según Grinold y Kahn (1999), la gestión activa del portafolio
se refiere al uso de pronósticos. Aunque el modelo de valoración
de activos de capital se basa en la teoría de la hipótesis de los
mercados eficientes y en la teoría moderna del portafolio, por lo
cual el retorno residual esperado de los portafolios de inversión
debe ser igual a cero; para los teóricos de la gestión activa de
portafolios el CAPM cumple un papel importante el pronóstico del
mercado. En general, la posibilidad de identificar posibles tenden-
cias o variaciones futuras en el precio de los activos financieros se
constituye en el retorno esperado (conocido como alfa), que es el
elemento que se pronosticará, y que puede ser calculado como
revista del mercado de valores , núm . 5 , edición julio 2016

el promedio de los retornos históricos. Sin pronósticos no habría


más opción que la gestión pasiva de los portafolios, consistente en
comprar el activo y esperar a lo largo del tiempo y con alta incer-
tidumbre a que estos incrementen su precio o lo disminuyan. La
gestión activa de los portafolios también busca reducir el riesgo al
cual se expone el inversionista durante su construcción mediante
estadísticos que involucran la medición de los retornos y el riesgo.

D. Evaluación de portafolios
La evaluación de los portafolios de inversión es una labor
compleja. La noción intuitiva para un inversionista sería considerar
los retornos sobre su inversión para evaluar entre dos o más porta-
folios. Sin embargo, esta visión deja a un lado aspectos importantes
como el riesgo en que se ha incurrido para obtener dicho retorno
o la pérdida máxima histórica que ha tenido dicho portafolio en
un determinado periodo de tiempo. Debido a lo anterior, y según
establece Aldridge (2010), se han desarrollado múltiples estadísti-
cos para resumir el impacto del retorno esperado y el riesgo en un
solo número o índice que permita comparar el desempeño de las
– análisis

estrategias de trading utilizadas por distintos portafolios de inver-


sión; algunos de los principales son el Sharpe ratio, el Sortino ratio,
al alfa de Jensen y el ratio de Treynor. El benchmark o referencia
para la evaluación será el índice general de la Bolsa de Valores de
Colombia, con la estrategia que utiliza el iColcap4; un benchmark
adecuado debe utilizarse para cada mercado por analizar.

4 Creado por iShares, iColcapes es un ETF (exchange traded funds) que busca
84 replicar el comportamiento del índice COLCAP.

Inicio Contenido Salir Volver


E. Pronóstico del mercado mediante inteligencia artificial
El pronóstico de los mercados toma como insumo diferentes
tipos de información, por ejemplo, datos fundamentales sobre el
valor de las empresas (indicadores de análisis financiero), el des-
empeño macroeconómico del país donde se realizan las transac-
ciones o el retorno del activo.
Balch (2011) utiliza métodos de aprendizaje de máquina como
los árboles de decisión para sus pronósticos; Guresen, Kayakutlu
y Daim (2011) recurren a modelos mixtos de inteligencia artifi-
cial y econometría; Wang et al. (2011) emplean modelos de redes
neuronales con pre-procesamiento mediante el filtrado de señales;
Vásquez y Muñoz (2012) proponen y evalúan diferentes métodos

gustavo vá sque z y jorg e muñoz , pp. 79 -103


para realizar pronósticos de índices financieros, basándose en
métodos de inteligencia artificial; redes neuronales artificiales del
tipo NARX, con aprendizaje supervisado que brindan un buen
ajuste (R2) en el pronóstico del índice COLCAP, así como del S&P
500. Una red neuronal es un modelo matemático computarizado
que permite realizar ajuste y pronóstico de series de tiempo (entre
otros, Caicedo y López, 2009; Wang et al., 2011).
En la red neuronal artificial NARX la salida (o valor a prede-
cir) es función tanto de las entradas y las salidas actuales como de
los valores previos de la serie de tiempo, lo que genera su compo-
nente autorregresivo (Menezes y Barreto, 2008).

Ecuación 1. Red neuronal autorregresiva

|
y(n + 1) = f ( y(n), y(n − 1),..., y(n − dy ),u(n),u(n − 1),...,u(n − du) ) (1)
santi : robot de trading
u(n) = entrada actual
y(n) = salida actual
dy > = du
h = cantidad de neuronas en la capa oculta

Esta arquitectura consta de una capa de entrada, capas ocul-


tas y una de salida, con una función de activación en su capa
oculta del tipo no lineal (figura 1).

85

Inicio Contenido Salir Volver


Figura 1. Arquitectura de una red neuronal NARX

u(n) wit
∑ fh wh0
z-1 bh
u(n-1) y(n+1)
∑ fh ∑ f0
z-1
b0

∑ fh
z-1
u(n-du)
y(n-dy)
z-1
z1
...

wjh
revista del mercado de valores , núm . 5 , edición julio 2016

z-1
y(n-1)
z-1
y(n)

Fuente: Menezes y Barreto (2008).

II. Metodología

Un robot de trading, también llamado “estrategia de trading auto-


mático”, “algoritmo de trading”, “trading algorítmico”, es en resu-
men un sistema informático compuesto por módulos que cumplen
diferentes funciones: cargue y análisis de datos históricos del pre-
cio del activo, análisis de eventos (fundamentales), pronósticos
del mercado, balanceo de portafolios, generación de órdenes de
mercado y cálculo del tamaño de orden, entre otros. Un esquema
general se puede observar en la figura 2.

Figura 2. Esquematización de un sistema automatizado de trading


Módulo (( ((
Precios (( ((
análisis

históricos Rebalance
Portafolio
(O,H,L,C,V)
Indicadores
Fundamentales técnicos Broker
Seguridad MACD
Riesgo país RSI
etc. Estocástico
Emisión órdenes Módulo Mercado
Otros
de compra financiero:
Otros Gestión de
Módulo y venta *Divisas
fundamentales riesgo
*Derivados
Pronóstico
PIB, IPC, *Capitales
TRM, etc. de mercado
*etc.

86
Fuente: elaboración propia.

Inicio Contenido Salir Volver


A. Módulo de emisión de órdenes
Para el diseño del algoritmo de trading se ha realizado una
adaptación del método establecido por Pardo (2008), en el cual
se esquematiza lo concerniente a la selección de la estrategia, su
evaluación preliminar, optimización, validación en una plataforma
demo, evaluación del desempeño en tiempo real y mejoramiento
permanente del algoritmo.

Figura 3. Flujograma del diseño y evaluación del robot SANTI

¿Codificación
exitosa?
¿Sharpe Ratio

gustavo vá sque z y jorg e muñoz , pp. 79 -103


ok?
Indentificar Formular y Evaluación
y definir codificar la preliminar
estrategia estrategia

Optimización

Mejoramiento Mercado
permanente real

Evaluación Validación en
desempeño Demo

Fuente: adaptación de los autores con base en Pardo (2008).

1. Definición de la estrategia
Una estrategia de trading consiste en una serie de reglas

|
matemáticas, analíticas y gráficas, entre otras, mediante las cuales
santi : robot de trading
se busca inferir el comportamiento futuro del mercado (pronós-
tico). Aunque no hay evidencia académica concluyente sobre la
posibilidad de pronosticar el mercado mediante el análisis técnico
(Lo, Mamaysky y Wang, 2000; Xiaowei et al., 2011), se han desa-
rrollado diversos métodos a partir de la estadística y la inteligencia
artificial que permiten pronósticos adecuados.

2. Formulación de la estrategia
Existen diferentes fuentes para la estrategia que se trabajará
con el robot y abundante literatura sobre estrategias basadas en
indicadores técnicos, como por ejemplo, Elder (1999) y Bollinger
(2002). También es posible conseguir información en internet a tra-
vés de los portales de trading y los foros sobre trading automático.
87

Inicio Contenido Salir Volver


Otra fuente de estrategias son los profesionales del trading,
que utilizan diversos métodos e indicadores para desempeñar
su labor, entre ellos los servicios de Bloomberg con indicadores
pre-configurados. También es posible encontrar estrategias en la
literatura científica y en revistas sobre finanzas computacionales
o aprendizaje de máquinas. Finalmente, la estrategia puede ser
una simple idea. Lo único imprescindible es el hecho de que la
idea debe poderse expresar como un conjunto de reglas y fór-
mulas, de manera sistemática, y que siguen un flujo de ejecución
estricto. Una vez se selecciona la estrategia, se procede a realizar
la implementación en lenguaje de programación del algoritmo que
la representa.
revista del mercado de valores , núm . 5 , edición julio 2016

La formulación y escogencia de la estrategia tiene mucha


similitud con el método científico en el hecho de que se plantea
una hipótesis, que después será rechazada o no según el desem-
peño que se obtenga con el algoritmo aplicado.

3. Evaluación preliminar
Una vez traducida la estrategia a lenguaje de programación,
se procede a validar que dicha codificación haya sido exitosa, es
decir, que el programa efectivamente corra en la plataforma esco-
gida, lea de manera adecuada los datos históricos y cumpla las
órdenes que se pretenden mediante la estrategia.
Cuando se evidencia que la codificación cumple con los
estándares y requerimientos de la estrategia, como por ejemplo,
abrir y cerrar operaciones cuando los pronósticos y el módulo de
gestión de riesgo así lo indiquen, se procede a evaluar su desem-
peño en función del retorno y riesgo asumido con los datos históri-
cos. Esta prueba se conoce como backtesting. La función objetivo
de esta evaluación puede ser simplemente la utilidad obtenida o
diversas combinaciones de retorno con riesgo, como el Sharpe
– análisis

ratio o el Treynor ratio.


Funciones objetivo para la evaluación: durante la presente
investigación se utiliza el Sharpe ratio como función objetivo de
optimización y evaluación de los robots.
El Sharpe ratio, postulado en 1966 por el profesor William
F. Sharpe, es uno de los estadísticos más utilizados para medir el
desempeño de los portafolios de inversión e incorpora tres medi-
das en una: el retorno promedio o esperado ([r]), la desviación
estándar de los retornos ([r]) y el costo de capital.
88

Inicio Contenido Salir Volver


Ecuación 2. Estadístico para el Sharpe ratio

ε[ r ] − rf
Sharpe ratio = (2)
σ[ r ]

Ecuación 3. Retorno esperado del portafolio

r1 +  + rτ
ε[ r ] = (3)
τ

Ecuación 4. Desviación estándar de los retornos del portafolio

gustavo vá sque z y jorg e muñoz , pp. 79 -103


(r1 − ε[ r ])2 +  + (rτ − ε[ r ])2 (4)
σ[ r ] =
τ −1

Para el análisis de las estrategias de SANTI, se tomará rf = 0,


debido a que el retorno de los activos conocidos como “sin riesgo”
en el periodo de un día tiende a cero.
Si el algoritmo utilizado muestra durante la evaluación preli-
minar utilidades positivas, se procede a su optimización.
Ante la imposibilidad de utilizar los costos de transacción
durante el backtesting, se realizó una modelación con datos esta-
dísticos mediante el cálculo de un valor esperado de slippage5,
que incluye el spread y una tarifa del comisionista que se carga a
cada transacción.

4. Optimización |
santi : robot de trading
Esta etapa se refiere a mejorar el desempeño del robot, maxi-
mizando el Sharpe ratio. Un riesgo presente en el desarrollo de
estrategias automatizadas es el llamado sobre-aprendizaje, que se
refiere a una adaptación de las reglas de decisión a las tendencias y
comportamientos de los datos históricos utilizados para el proceso
de optimización. Según Pardo (2008), el sobreaprendizaje sucede
durante los procesos de modelamiento estadístico cuando se realiza
un esfuerzo muy grande al crear una curva que encaje perfecta-
mente en cada inflexión que posea la serie de tiempo original.

5 Investopedia define el slippage como la diferencia entre el precio esperado de


una orden (compra o venta del activo) y el precio al que realmente se ejecuta en
la plataforma (http://www.investopedia.com/terms/s/slippage.asp). 89

Inicio Contenido Salir Volver


En cuanto a las estrategias de trading, la optimización se
refiere a generar variaciones en los parámetros de la estrategia y
validar cada vez el resultado en la función objetivo, de tal manera
que se obtenga una maximización de esta; he ahí el riesgo del
sobre-aprendizaje y para evitarlo se presenta el siguiente paso.

5. Validación del robot en tiempo real


Dos maneras de realizar este paso:

1) Con datos por fuera de la muestra con la que se realizó la


optimización (también llamado análisis de caminata hacia
adelante), o
revista del mercado de valores , núm . 5 , edición julio 2016

2) Con datos en tiempo real, utilizando una plataforma demo.

Si durante este proceso el estadístico escogido como función


objetivo varía drásticamente en su desempeño durante las eva-
luaciones en backtesting con tendencia de mercado al alza o a la
baja, el algoritmo debe regresar a la etapa de evaluación, optimi-
zación y ajustes.

6. Evaluación del desempeño en un mercado real


Tan pronto como se haya avanzado en el proceso hasta la
validación del robot en tiempo real o en la plataforma demo, se
procede a implementarlo en tiempo real y con dinero real, eva-
luando su desempeño permanentemente. Al igual que en el paso
anterior, si se evidencia una desviación grande del desempeño en
las pruebas, es conveniente detenerlo y evaluarlo de nuevo.
Los motivos para que haya variaciones grandes son diversos,
pues se pueden generar un cambio en tendencia o movimientos
atípicos (brechas y datos fundamentales, entre otros).
– análisis

7. Mejoramiento permanente del algoritmo


La revisión permanente del desempeño del robot, transac-
ción por transacción, permitirá evidenciar potenciales fortalezas
y debilidades de la estrategia y junto a ellas las oportunidades de
mejora.
Este mejoramiento se realiza validando permanente el Sharpe
ratio, el retorno anualizado y el vencimiento del tiempo de validez
de la optimización.
90

Inicio Contenido Salir Volver


Dicho tiempo se ha establecido como una función del
tamaño de la ventana de entrenamiento (cantidad de datos histó-
ricos) establecida, que en el caso de SANTI en esta investigación
incluye datos de cuatro semanas en periodos de quince minutos.
De acuerdo con Pardo (2008), el robot pierde la validez de sus
pruebas y debe ser optimizado en un intervalo de tiempo que fluc-
túa entre 1/3 y 1/8 del tamaño de su ventana de entrenamiento.
Para el estudio actual, SANTI se optimiza cuando se ha cumplido
1/4 del tamaño de la ventana, lo cual lleva a una optimización
semanal antes de empezar el proceso de trading.

gustavo vá sque z y jorg e muñoz , pp. 79 -103


B. Módulo de gestión del riesgo
El módulo de gestión de riesgo se diseña para que cada orden
enviada al mercado contenga un límite para la toma de utilidades
(take profit) y un límite que disminuya la posible pérdida (stop loss).
Además, antes de colocar cada orden, el sistema calcula automá-
ticamente un margen de seguridad o margen mínimo que debe
mantenerse en la cuenta y que puede alterar el stop loss, lo que
evita un cierre de cuenta por llamado a margen.
El cálculo del cierre de órdenes se realiza teniendo en cuenta
el indicador de Welles (1978), llamado average true range (ATR)
o rango promedio verdadero, que se calcula como el promedio
entre los “rangos reales” de las últimas n cotizaciones del activo. El
rango real se identifica como el mayor valor que tome cualquiera
de los siguientes rangos:
|
santi : robot de trading
1) Máximo actual menos mínimo actual.
2) Valor absoluto del máximo actual menos el cierre de la vela
anterior.
3) Valor absoluto del mínimo actual menos el cierre de la vela
anterior.

Así, las órdenes de compra tendrán:

Ecuación 5. Cálculo del take profit

Take Profit = Ask + a  ATR (5)

91

Inicio Contenido Salir Volver


Ecuación 6. Cálculo del stop loss

Stop Loss = Bid − a × ATR,


(6)
0 < a < 3, ∀ α ∈ Ζ

Finalmente, para disminuir el riesgo causado por las bre-


chas entre el precio de cierre en un día y el precio de apertura al
siguiente, SANTI liquida al final de cada día las posiciones abiertas.

Figura 4. Rangos verdaderos para el cálculo del ATR

Máximo
revista del mercado de valores , núm . 5 , edición julio 2016

Cierre
anterior

Rango Rango
verdadero verdadero

Cierre
anterior

Mínimo

Fuente: elaboración propia.

C. Módulo de rebalanceo del portafolio


Siguiendo las recomendaciones de Wolfinger (2005) y Balch
(2013b), se ha escogido un ETF del Mercado de Valores Colom-
biano, el iColcap, lo que presenta las siguientes ventajas:
– análisis

1) Diversificación del riesgo: Debido a las condiciones de crea-


ción del iColcap podemos decir que la variedad de acciones
y sectores representados en el ETF genera una diversificación
natural del riesgo, según la teoría moderna del portafolio.
2) Bajos costos de transacción: La compra y venta de ETF genera
menor costo de transacción que la compra y venta indexada
de las acciones subyacentes al activo.

92

Inicio Contenido Salir Volver


3) Se evita el pronóstico y selección de múltiples acciones, lo
cual genera mayores requerimientos de máquina (hardware)
y tiempo.

Debido a lo anterior, no se ha utilizado el módulo de cálculo


de la frontera eficiente ni de rebalanceo del portafolio.

D. Módulos de pronóstico
SANTI posee dos módulos de pronóstico que pueden trabajar
de manera individual o cooperativa. El primer módulo es el de pro-
nóstico mediante indicadores técnicos; para efectos del presente
artículo se utilizaron únicamente los indicadores técnicos MACD,

gustavo vá sque z y jorg e muñoz , pp. 79 -103


RSI y media móvil exponencial, pero se puede codificar cualquier
indicador técnico para que se utilice mediante este módulo. El
segundo módulo de pronóstico utiliza aprendizaje de máquina,
específicamente las redes neuronales artificiales. El diseño de
dicho módulo parte de la metodología presentada por Balestrassi,
Popova, Paiva y Marangon (2009): el pronóstico se realiza sobre
los precios de cierre de la divisa en el periodo de tiempo escogido.

E. Algoritmos y evaluación
SANTI se compone de tres algoritmos resultantes de la mez-
cla de la inteligencia artificial y el análisis técnico. Dichos algorit-
mos han sido llamados técnico, mixto e inteligente, los cuales se
describen brevemente a continuación.

1. Técnico |
santi : robot de trading
Este algoritmo establece como elemento de pronóstico al alza
o de cambio de tendencia el cruce de la línea MACD con la señal.
Debido a que en la BVC no se encuentran disponibles las ventas
en corto, el algoritmo solo puede realizar operaciones de compra
en mercados al alza, por lo cual la orden se refuerza con una
media móvil exponencial larga, que debe estar debajo del precio
de compra (ask). Por último, se tiene en cuenta que el indicador de
fuerza relativa (RSI, por sus siglas en inglés) esté en ascenso.

2. Inteligente
Este algoritmo posee una RNA con capacidad de pronosticar
el sentido y la probabilidad de que el activo financiero alcance
determinado precio. Puede predecir a corto (intradía también
93

Inicio Contenido Salir Volver


conocido como High Frequency o de alta frecuencia) y mediano
plazo (semanal); dicho plazo depende del periodo de tiempo
esperado para las transacciones. Para efectos de la investigación
los pronósticos se han realizado a mediano plazo.
El algoritmo inteligente está diseñado para abrir y cerrar las
operaciones en un intervalo máximo de un día.

Gráfico 2. Intervalos de confianza para un módulo de pronóstico

SANTI: módulo de pronóstico


24

20
revista del mercado de valores , núm . 5 , edición julio 2016

16

12
n valores de entrenamiento n  1/4 valores de pronóstico

Activo: valores aleatorios


8
Feb-06 Feb-07 Feb-08 Feb-09 Feb-10 Feb-11 Feb-12 Feb-13 Feb-14

Intervalo de confianza al 95% Intervalo de confianza al 75%


Intervalo de confianza al 50% Precio de cierre

Fuente: elaboración propia.

3. Mixto
Similar a lo propuesto por Chen, Mabu, Shimada y Hirasawa
(2009), en el algoritmo con funcionamiento mixto, la señal que
provee la red neuronal es validada por la media móvil exponencial
y el sentido del indicador de fuerza relativa. Está diseñado para
abrir y cerrar las operaciones en un intervalo máximo de un día.

III. RESULTADOS
análisis

A. Comparación de resultados frente a la


gestión pasiva de buy & hold
Una vez terminado el proceso de validación con iColcap,
para un periodo de cuatro semanas, los resultados fueron los
siguientes: retorno del periodo en estrategia buy & hold: -5,5%,
Sharpe ratio: -0,184.

94

Inicio Contenido Salir Volver


Cuadro 1. Estadísticos para SANTI con el iColcap

Estrategia Técnica Mixta Inteligente


Tiempo Retorno Sharpe ratio Retorno Sharpe ratio Retorno Sharpe ratio
Cuatro
semanas
-0,28% -1,20 -2,10% -0,16 -0,33% -1,33
15/04/13
10/05/13

Fuente: elaboración propia.

Gráfico 3. Intervalos de confianza para un módulo de pronóstico

17.840 Módulo “Inteligente” activo

17.640

gustavo vá sque z y jorg e muñoz , pp. 79 -103


Cotización activo

17.440

17.240

17.040

16.840

16.640

16.440
Ma-forecast Close
Compras Ventas

17.840 Módulo “Técnico” activo

17.640
Cotización activo

17.440

17.240

17.040

16.840

|
16.640

16.440 santi : robot de trading


Ma-forecast Close
Compras Ventas

18.240 Módulo “Mixto” activo


Cotización activo

17.740
17.240
16.740
16.240
15.740
Ma-forecast Close
Compras Ventas

Fuente: elaboración propia con base en datos de Bloomberg.

B. Desempeño en otros mercados


Se evaluaron los demás mercados en periodos de cuatro
semanas, que aunque no son directamente comparables, permiten 95

Inicio Contenido Salir Volver


tener una idea del desempeño. Los módulos mixto y de inteligen-
cia artificial deben ser ajustados cada vez que se realice un cam-
bio de mercado o de franja de tiempo.
Los resultados al aplicar el módulo “inteligente” se resumen
en el cuadro 2.

Cuadro 2. Estadísticos de SANTI en otros mercados

Módulo S&P 500


EURUSD ORO
“inteligente” SPY
Retorno Sharpe Buy & Retorno Sharpe Buy & Retorno Sharpe Buy &
ratio hold ratio hold ratio hold
Resultados en
revista del mercado de valores , núm . 5 , edición julio 2016

cuatro semanas, 5,4% 0,14 1,81% 30,7% 0,25 -0,68% 2,4% 0,06 -5,7%
lunes a viernes

Fuente: elaboración propia.

IV. Conclusiones y recomendaciones

El desarrollo de las finanzas computacionales y el interés por inno-


var en la BVC han permitido contribuir al desarrollo del mercado
financiero colombiano mediante el diseño e implementación de
SANTI, que es, hasta donde se evidencia en las publicaciones
consultadas, el primer robot de trading que utiliza pronósticos de
inteligencia artificial en Colombia, como una alternativa válida e
interesante para continuar su desarrollo y que funciona en tiempo
real, más allá de las pruebas con datos históricos.
El resultado del backtesting de SANTI en el índice iColcap
supera el retorno de la estrategia pasiva (buy & hold) con mejor
Sharpe ratio (1,3 para SANTI frente a 0,18 del buy & hold).
Destaca también el buen comportamiento en otros merca-
dos; retorno de 5,4% con S&P 500, 30,7% en EURUSD y 2,4%
para el oro.

Los resultados con el iColcap son atractivos para continuar


análisis

con el refinamiento de los modelos de pronóstico, utilizando


nuevos modelos de inteligencia artificial basados en cadenas de
Markov, redes bayesianas, árboles y bosques de decisiones; en
los modelos de análisis técnico también hay muchos algoritmos
y combinaciones de indicadores por ser ensayados. Una vez se
disponga de un algoritmo con resultados adecuados al mercado
(superar el benchmark con Sharpe ratio mayor), el siguiente paso

96

Inicio Contenido Salir Volver


del grupo de investigación será con los algoritmos de más alta
frecuencia.
Es interesante que durante el periodo analizado y bajo las
condiciones del mercado (tendencia marcada a la baja y sin posi-
bilidad de compras en corto), el retorno de la estrategia pasiva
(buy & hold) con el iColcap como referente del mercado colom-
biano es inferior al resultado de los tres algoritmos; sin embargo,
es necesario hacer más pruebas, en backtesting y en tiempo real,
para decidir sobre la implementación de uno de estos algoritmos:
solo con muchas pruebas se logrará llegar a resultados estadística-
mente significativos.
Entre las principales dificultades que ha enfrentado este estu-

gustavo vá sque z y jorg e muñoz , pp. 79 -103


dio se encuentran: aunque la prueba en tiempo real con EURUSD,
S&P 500 y oro permite validar la confiabilidad de SANTI, la BVC
no dispone aún de un servidor de prueba para plataformas demo.
Esta situación presenta una oportunidad importante para mejorar
los servicios de la Bolsa de Valores de Colombia y en un momento
donde el trading algorítmico es cada vez más importante a nivel
mundial, este servidor permitiría incentivar el mercado de la BVC
mediante concursos orientados a desarrolladores de estrategias,
situación que ya se presenta en Rusia, Japón y Estados Unidos,
entre otros países, y ubicar la BVC y el mercado financiero nacional
a la vanguardia de la tecnología y el desarrollo humano mediante
competencias difíciles de conseguir en el mercado laboral.
Con la prueba o backtesting se realiza un procedimiento
matemático con el que se espera “simular” la situación real del
mercado; sin embargo, es posible que en el momento mismo de |
santi : robot de trading
colocar la posición en tiempo real no se encuentre oferta o la
demanda efectiva de este, es decir no haya un comprador dis-
puesto al otro lado del mercado. Para minimizar la probabilidad
de ocurrencia de esta situación, se escogen activos financieros de
alta bursatilidad.
Debido a la ley de la oferta y la demanda, cada posición que
se tome en el mercado (compra o venta) genera fluctuaciones en
el precio del activo. El análisis con los precios históricos o en mer-
cados demo niega esta situación, debido a la ausencia de agentes
para responder a la solicitud; se limita a una simulación matemá-
tica del tipo “qué pasaría si”.
En la práctica, el mercado se ve afectado por el trading auto-
mático (Miller, 2008), de tal manera que una investigación futura
97

Inicio Contenido Salir Volver


debe contar con un módulo para calcular el tamaño de la orden,
y cuando la orden sea muy grande, fragmentarla en cantidad (de
compra) y en el tiempo, es decir, comprar pequeñas cantidades
durante varias horas o incluso días, en vez de comprar mucho en
una sola ocasión, para evitar que el mercado se revierta en contra
del comprador.
Otro de los efectos que no pueden ser analizados durante el
backtesting son las posibles ineficiencias del mercado financiero,
causadas por compras/ventas de grandes participantes, como los
fondos de pensiones, y que pueden generar fluctuaciones o ten-
dencias en el precio debido a su alta capacidad de compra res-
pecto al total del mercado.
revista del mercado de valores , núm . 5 , edición julio 2016

La recomendación para la Academia es fomentar la investi-


gación en finanzas computacionales y finanzas cuantitativas, así
como en ingeniería financiera; más allá de la conceptualización
actual que nos permite tener buenos gerentes financieros, con
competencias técnicas en finanzas corporativas, debemos estar
pensando en investigación y desarrollo para nuevos productos
financieros y herramientas que permitan desarrollar y profundizar
más nuestro mercado financiero.
Por último, para futuras investigaciones seguramente será
necesario activar el total de los módulos (análisis de fundamenta-
les y rebalanceo del portafolio, entre otros).

Referencias

Aldridge, I. (2010). High frequency trading. John Wiley & Sons.


Balch, T. (2011). Machine learning is sneaking up on you. Disponible
en http://augmentedtrader.wordpress.com/2011/03/13/machine-
learning-is-sneaking-up-on-you/.

Balch, T. (2013a). Computational Investment I. Materiales del curso


análisis

en Georgia Tech. Disponible en https://class.coursera.org/


compinvesting1-002/class/index.
Balch, T. (2013b). StumpGrinder: An open source actively managed
portfolio of ETFs. Disponible en http://augmentedtrader.wordpress.
com/2013/04/07/stumpgrinder-an-open-source-actively-managed-
portfolio-of-etfs/.
Balestrassi, P., Popova, E., Paiva, A., & Marangon, J. (2009). Design of
experiments on neural network’s training for nonlinear time series
forecasting. Neurocomputing, 72, 1160-1178.
98

Inicio Contenido Salir Volver


Beltratti, A., Margarita, S., & Terna, P. (1996). Neural networks for
economic and financial modelling. ITCP.
Bodie, Z., Kane, A., & Marcus, A. (1999). Investments (4th ed.). Irwin/
McGraw-Hill.
Bollinger, J., (2002), Bollinger on Bollinger Bands, McGraw Hill, 2002
Brealey, R., & Myers, S. (2003). Principles of corporate finance (7th ed.).
Irwin/McGraw-Hill.
Caicedo, E., & López, J. (2009). Una aproximación práctica a las redes
neuronales artificiales. Universidad del Valle.
Campbell, S. (2005). A review of backtesting and backtesting procedures.
Washington, D. C.: Federal Reserve Board.
Chen, Y., Mabu, S., Shimada, K., & Hirasawa, K. (2009). A genetic

gustavo vá sque z y jorg e muñoz , pp. 79 -103


network programming with learning approach for enhanced stock
trading model. Expert Systems with Applications, 36, 12537-12546.
Cruz, E., Restrepo, J., & Varela, P. (2009). Pronóstico del índice general
de la Bolsa de Valores de Colombia usandoo redes neuronales.
Scientia et Technica, 15(41).
Dacorogna, M., Gencay, R., Muller, U., Olsen, R., & Pictet, O. (2001). An
introduction to high frequency finance. Elsevier.
Edwards, R., & Magee, J. (s. d.). Analysis stock trends. Boston: Jhon
Magee.
Elder, A. (1999). Trading for living. John Wiley & Sons.
Fama, E. F. (1970). Efficient capital markets: A review of empirical work.
Journal of Finance, 25, 383-417.
García, P. (2002). Aplicaciones de las redes neuronales en las finanzas.
Universidad Complutense de Madrid.
Gómez, M. L., & López, H. (2004). Modelación estadística de precios de |
santi : robot de trading
Bolsa de Energía en Colombia (Trabajo de grado). Universidad del
Valle.
Grinold & Kahn (1999). Active portfolio management (2nd ed.). McGraw-
Hill.
Guresen, E., Kayakutlu, G., & Daim, T. U. (2011). Using artificial neural
network models in stock market index prediction. Expert Systems
with Applications, 38, 10389-10397.
Hamid, S. A., & Iqbal, Z. (2004). Using neural networks for forecasting
volatility of S&P 500 Index futures prices. Journal of Business
Research, 57, 1116-1125.
Hansen, B. (2011). Econometrics. University of Wisconsin,
Hinton, G. (2012). Neural networks for machine learning. Materiales
del curso, Universidad de Toronto. Disponible en https://www.
99
coursera.org/#course/neuralnets.

Inicio Contenido Salir Volver


Izumi et al. (2010). Evaluation of automated-trading strategies using an
artificial market. Neurocomputing, 72, 3469-3476.
Kaastra, I., & Boyd, M. (1996). Designing a neural network for forecasting
financial and economic time series. Neurocomputing, 10.
Kostolany, A. (1987). Estrategia bursátil, La mejor guía para inversores y
especuladores. Planeta.
Lo, A. (2004). The adaptive markets hypothesis: Market efficiency from
an evolutionary perspective. MIT.
Lo, A., & Mackinlay, C. (2007). A non-random walk down Wall Street.
Princeton University Press.
Lo, A., Mamaysky, H., & Wang, J. (2000). Foundations of technical
analysis: Computational algorithms, statistical inference, and
revista del mercado de valores , núm . 5 , edición julio 2016

empirical implementation. The Journal of Finance, 55(4).


Manual metodológico para el cálculo del índice COLCAP, Bolsa de
Valores de Colombia. (2011).
Markovitz, H. (1952). Portfolio selection. The Journal of Finance, 7(1),
77-91.
Menezes, P., & Barreto, G. (2008). Long-term time series prediction with
the NARX network: An empirical evaluation. Neurocomputing,
71(16), 3335-3343.
Miller, R. (2008). Don’t let your robots grow up to be traders: Artificial
intelligence, human intelligence, and asset-market bubbles. Journal
of Economic Behavior & Organization, 68, 153-166.
Monroy, J. (2002). Fundamentos de análisis técnico bursátil (Documento
de Trabajo).
Mörchen, F. (2003). Time series feature extraction for data mining using
DWT and DFT. Elsevier.
Mostafa, M. M. (2010). Forecasting stock exchange movements using
neural networks: Empirical evidence from Kuwait. Expert Systems
with Applications, 37, 6302-6309.
Murphy, J. J. (2000). Análisis técnico de los mercados financieros.
– análisis

Ediciones Gestión 2000.


Ng, A. (2013). Machine Learning. Materiales del curso, Stanford.
Disponible en https://www.coursera.org/#course/ml.
Pardo, R. (2008). The evaluation and optimization of trading strategies
(2nd ed.). John Wiley & Sons.
Pissarenlo, D. (2002). Neural networks for financial time series prediction:
Overview over recent research.
Pring, M. (1985). Análisis técnico explicado. Gesmovasa.
Reglamento Fondo Bursátil iShares COLCAP. (2012). iShares-BlackRock.
100

Inicio Contenido Salir Volver


Rospide, J. (2008). Una revisión sobre redes neuronales artificiales
en finanzas. Ponencia para las XXVIII Jornadas Nacionales de
Administración Financiera, Vaquerías, Córdoba, septiembre.
Ross, R., Westerfield R., & Jaffe, A. (2003). Corporate finance (6th ed.).
McGraw Hill.
Santana, J. C. (2006). Predicción de series temporales con redes
neuronales: una aplicación a la inflación colombiana. Revista
Colombiana de Estadística.
Schneider, J. (2010). Investigation of simulated trading, A multi agent
based trading system for optimization purposes. Physica, 389, 2816-
2824.
Sharpe, W. (1994). The Sharpe ratio. The Journal of Portfolio

gustavo vá sque z y jorg e muñoz , pp. 79 -103


Management. Disponible en http://www.stanford.edu/~wfsharpe/
art/sr/sr.htm.
Shen, W., Guo, X., Wub, C., & Wuc, D. (2011). Forecasting stock indices
using radial basis function neural networks optimized by artificial
fish swarm algorithm. Knowledge-Based Systems, 24, 378-385.
The Economist (2012). High frequency trading the fast and the furious.
Disponible en http://www.economist.com/node/21547988.
Vásquez, G., Muñoz, J. (2012). Diseño y evaluación de un modelo
de pronóstico para el índice COLCAP mediante filtros DWT y
redes neuronales. Memorias del II Encuentro Internacional de
Investigadores en Administración, Universidad Externado de
Colombia.
Vásquez, G., & Jiménez, E. (2013). Developing of trading algorithms
based on artificial intelligence and econometric techniques: a
Colombian case. Memorias del III Encuentro Internacional de |
santi : robot de trading
Investigadores en Administración, Universidad Externado de
Colombia.
Vuorenmaa, T. (2012). A short introduction to automated and high-
frequency trading. VALO Research + Trading.
Wang, J.-Z., Wang, J.-J., Zhang, Z.-G., & Guo, S.-P. (2011). Forecasting
stock indices with back propagation neural network. Journal Expert
Systems with Applications, 38.
Watada, J. (2006). Structural learning of neural networks for forecasting
stock prices. En B. Gabrys, R. J. Howlett, & L. C. Jain (Eds.), KES
2006, part III, LNAI 4253 (pp. 972-979).
Welles, W. (1978). New concepts in technical trading systems.
Wolfinger, M. (2005). Create your own hedge fund, increase profits and
reduce risks with ETFs and options. John Wiley & Sons.
101

Inicio Contenido Salir Volver


Xiaowei, L., Zehong, Y., & Yixu, S. (2011). Intelligent stock trading system
based on improved technical analysis and Echo State Network.
Expert Systems with Applications, 38, 11347-11354.
Yao, J., & Lim, C. (2000). A case study on using neural networks to
perform technical forecasting of Forex. Neurocomputing, 34.
revista del mercado de valores , núm . 5 , edición julio 2016
– análisis

102

Inicio Contenido Salir Volver


Anexos
Anexo 1. Estadísticos y datos para el iColcap

Datos con Módulo Inteligente Datos Buy & Hold


E(r)= -0,16% E(r)= -0,04%
Desviación estándar 0,12% Desviación estándar 0,22%
Sharpe ratio -1,327 Sharpe ratio -0,184
Retorno real -0,33% Retorno real -5,51%

Fuente: elaboración propia.

gustavo vá sque z y jorg e muñoz , pp. 79 -103


|
santi : robot de trading

103

Inicio Contenido Salir Volver


Inicio Contenido Salir Volver
Modelo de valoración
de exchange traded
funds (ETF)
Camilo Bayarri Arboledaa,
Roberto Camargo Morenob

Documento ganador del


Concurso Arquitectos del
Mercado de Capitales año
2012. Categoría Pregrado.
Resumen
a
Economista con énfasis en
Este trabajo busca aproximar al lector a los exchange tra­ finanzas de la Universidad
Pontificia Bolivariana, con
ded funds y proponer dos modelos de valoración mediante diplomado en Cátedra
precios objetivos y el modelo de Black-Litterman. Ambos Bursátil de la misma
institución en convenio
modelos permiten tener un horizonte sobre el comporta- con la Bolsa de Valores
miento futuro del ETF. El modelo de valoración mediante de Colombia. Correo
electrónico: camilobayarri@
precios objetivos presenta mayor simplicidad en su imple- gmail.com.
mentación al considerar el fondo como un holding, ya
El autor agradece los
que a través de las rentabilidades esperadas estimadas se comentarios de Roberto
promedia cuál va a ser la rentabilidad esperada del ETF, Camargo Moreno,
Administrador de Empresas
mientras que la valoración mediante el modelo de Black- de la Universidad Pontificia
Litterman considera la composición de este como un Bolivariana y Magíster en
Ingeniería Administrativa
portafolio y a través de las visiones de los analistas y sus de la Universidad Nacional,
respectivos niveles de confianza se estiman la rentabili- quien se desempeña como
profesor titular de la Escuela
dad y la volatilidad del portafolio, lo cual permite ubicarlo de Ciencias Estratégicas de
sobre una frontera eficiente. la Universidad Pontificia
Bolivariana.
Palabras clave: Exchange traded funds, valoración, Black- b
Magíster en Gestión
Litterman Colcap. Tecnológica, Universidad
Pontificia Bolivariana. Asesor
Clasificación JEL: G110, G170. metodológico y temático.

Inicio Contenido Salir Volver


The exchange
traded funds (ETF)
pricing model
Camilo Bayarri Arboledaa,
Roberto Camargo Morenob

This article is winner of the


competition of Capital Market
Architecs of Main year 2012
proposed by the Autorregulador
del Mercado de Valores
and The Bolsa de Valores
de Colombia in the form of
undergraduate studies.

a
The author is economist
with emphasis in finances of Abstract
the Universidad Pontificia
Bolivariana, with diploma This paper seeks to educate the reader on exchange traded
in Stock market Chair of the
same institution in agreement
funds and propose two pricing models through pricing
with the Stock exchange of objectives and the Black-Litterman model. Both these mod-
Colombia. Email:
camilobayarri@ gmail.com.
els allow for the future behaviour of ETF to be forecasted.
The pricing model through pricing objectives is simpler in
The author appreciates the
comments of Roberto Camargo
its implementation if the fund is considered to be a hold-
Moreno, Administrator of ing, given that an average of the desired ETF profitability
Companies of the Universidad
Pontificia Bolivariana and
can be calculated through estimating the desired profit-
Magíster in Administrative ability. However, pricing using the Black-Litterman model
Engineering of the National
University, the one who exerts
understands profitability to be like a portfolio, and, through
like professor title of the analysts’ projections and their respective confidence levels
School of Strategic Sciences
of the Universidad Pontificia
the profitability and volatility of the portfolio are estimated,
Bolivariana. which allows it to be ranked in terms of efficiency.
Magíster In Technological
b
Key words: Exchange traded funds, pricing, Black-Litterman
management, Universidad
Pontificia Bolivariana. Colcap.
Methodological and thematic
adviser. JEL Classification: G110, G170.

Inicio Contenido Salir Volver


Introducción

Los exchange traded funds (ETF) son fondos bursátiles, cuyas uni-
dades de participación son de transacción bursátil, es decir, son
títulos participativos que se transan en la bolsa de valores igual
que las acciones, lo cual permite comprarlas o venderlas en cual-
quier momento del día. Los ETF fluctúan de acuerdo con los cam-
bios en el valor de sus activos subyacentes y, por otro lado, de
acuerdo con los cambios en la oferta y la demanda de las mismas
unidades de participación emitidas por estos fondos bursátiles en
el mercado. Estas unidades de participación pueden ser objeto
de ventas en corto o de transacciones como repos, simultáneas

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
o de transferencia temporal de valores en la Bolsa de Valores de
Colombia (BVC) (Blackrock, 2011a).
La inversión en índices bursátiles a través de ETF permite a los
inversionistas tener una diversificación más eficiente a un menor
costo, ya que con una sola unidad de un fondo bursátil tiene una
participación en las principales acciones del país, sector o activo
en particular, por lo cual el inversionista no queda expuesto al
riesgo de una sola compañía, sino que una unidad de participa-
ción representa el riesgo de todas las compañías que conforman el
índice de referencia. Por lo tanto, la decisión de inversión queda
ligada al desempeño de un país, sector o activo en particular (Blac-
krock, 2012).
Los ETF han revolucionado el mundo bursátil desde su
introducción en el mercado norteamericano en 1993 y se han
incrementado exponencialmente desde 2004. En su primer año
de existencia solo existía un ETF1 en el mercado con activos por
US$464 millones y para el año 1997 tan solo existían dos ETF
cotizando en la bolsa de Estados Unidos con activos por un total
de US$6,2 billones (Ferri, 2008). En el gráfico 1 se observa el cre-

1 The American Stock Exchange, mediante el Investment Company Act Release


17809, pidió a la Securities Exchange Commission (SEC) el permiso para la crea-
ción del primer Standard & Poors Depositary Receipts (SPDR). El nombre oficial
del primer ETF es SPDR Trust Serie 1, mejor conocido como SPDR S&P 500, y
fue creado el 22 de enero de 1993 bajo el ticket (SPY) con el objetivo de replicar
el comportamiento del índice S&P 500, el cual está compuesto por 500 acciones
listadas en New York Stock Exchange (NYSE) y abarca las 24 principales indus-
trias de Estados Unidos. Es administrado por State Street Global Advisors (SSGA),
actualmente tiene activos por US$103,103 miles de millones, un volumen pro-
medio de negociación de US$21.183 miles de millones y una participación de
mercado del 8,6% (Ferri, 2008). 107

Inicio Contenido Salir Volver


cimiento que han tenido los fondos bursátiles a nivel mundial, ya
que para el mes de julio de 2015 existían 4.244 ETF que cubrían
diversas acciones globales, materias primas y bonos por un valor
de activos administrados por más de US$2.828 billones (ETF Glo-
bal Insight, 2015)

Gráfico 1. Crecimiento mundial de los ETF

3.000 4.500
4.000
2.500
3.500
Activos (US$ Bn)

2.000 3.000
2.500

#ETF
1.500
revista del mercado de valores , núm . 5 , edición julio 2016

2.000
1.000 1.500
1.000
500
500
-
2000 2002 2003 2004 2006 2008 2010 2011 2012 2013 2014 jul-15
Activos ETF #ETF

Fuente: (ETF Global Insight, 2015)

Latinoamérica no ha sido ajena a esta tendencia. En el año 2002


se lanzó el primer ETF llamado S&P Latin America 40 Index Fund y
administrado por Blackrock bajo el ticket (ILF), el cual dio inicio al
auge experimentado por los ETF en la región (véase gráfico 2). Para el
mes de julio de 2015 existían 48 ETF, con activos administrados por
más de US$6,0 billones (ETF Global Insight, 2015), es de resaltar que
la caída en los activos administrados en la región es explicada por la
caída en el precio de los commodities, la crisis griega, la desacelera-
ción de la economía China y el retorno de capitales especulativos a
mercados desarrollados, lo cual conllevo a importantes desvaloriza-
ciones en los índices Latinoamericanos.
– análisis

I. ETF en Colombia

En Colombia, el auge por los ETF tardó un poco en llegar en com-


paración con otros países latinoamericanos (como Brasil, México,
Chile y Argentina), que venían presenciando este fenómeno desde
el año 2002 con la creación del primer ETF de Latinoamérica,
llamado S&P Latin America 40 Index Fund, administrado por Blac-
krock (ETF Global Insight, 2012).

108

Inicio Contenido Salir Volver


Gráfico 2. Crecimiento de los ETF en América Latina

$14 60

Activos (US$ Bn) $12 50


$10
40

#ETF
$8
30
$6
20
$4
$2 10

$- 0
2002 2003 2004 2004 2006 2007 2008 2009 2010 2011 2012 2013 2014 jul-15
Acticos ETF #ETF

Fuente: (ETF Global Insight, 2015)

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
Esto se explica en parte por algunas condiciones macroeco-
nómicas y regulatorias en Colombia que no permitían que los fon-
dos internacionales participaran del mercado local. Gracias a los
cambios regulatorios que se evidenciaron con los Decretos 2555 y
4805 de 2010, se impulsó la entrada de los inversionistas extranje-
ros. A partir de febrero de 2010 se inició una tendencia creciente
en las compras netas de los inversionistas extranjeros y han adqui-
rido una participación muy relevante al punto de convertirse en
los principales inversionistas del mercado accionario Colombiano
(véase gráfico 3).

Gráfico 3. Compradores-Vendedores netos inversionistas extranjeros

800.000
600.000
400.000
200.000
-0
-200.000
-400.000
May-11
Mar-11

Sep-11
Dic-11
Jul-11
Ene-11

May-12
Mar-12

Sep-12
Dic-12

May-13

May-14
Jul-12
Ene-12

Mar-13

Sep-13
Dic-13

Mar-14

Sep-14
Dic-14
Jul-13

Jul-14
Ene-13

Ene-14

May-15
Mar-15

Jul-15
Ene-15

ADR+Extranjeros Promedio 2013 Promedio 2014

Fuente: BVC.

En el transcurso del año 2015 se observó una desinversión


por parte de los fondos de pensiones(véase gráfico 4), siendo los
mayores vendedores netos, explicado por la estrategia de diver-
sificación que han venido llevando a cabo buscando una mayor
109

Inicio Contenido Salir Volver


diversificación con acciones internacionales, caso contrario los
fondos extranjeros y los American Depositary Receipts (ADR) se
mantuvieron como los principales compradores netos en lo corrido
del año a pesar de las difíciles condiciones macroeconómicas que
se han venido presentando en las economías emergentes debido
a la caída de precios en el petróleo y al fortalecimiento del dólar
respecto a las economías emergentes.

Gráfico 4. Flujos de Acciones de Julio de 2015 – Compradores y Vendedores Netos

2.500
1967
2.000
1.500 1.233
revista del mercado de valores , núm . 5 , edición julio 2016

1.000 549 751


500 320 101 122 18
13 16
0
(500) -14 -10 -53 -108 -204 -224 -265
-194 -316
(1.000) -807
(1.500) -1089
(2.000) -1808

Sector Real

Pna Natural
Extrajeros

SCB

Fiduciarias

Fondos

FIC
ADR

AFP
Soc. de
Inversión

Cñia
Seguros

Jul-15 2014

Nota: cifras en miles de millones COP$.


Fuente: BVC; BTG Pactual

Aunque se presentan algunos avances en materia de regu-


lación para la entrada de fondos internacionales al mercado de
renta variable local, Morgan Stanley Composite Index (MSCI) en
el informe MSCI Global Market Accessibility 2015 enuncia algunas
limitantes para una mayor participación de Colombia en importan-
tes índices internacionales como el MSCI Emerging Markets Index,
en el cual hacen presencial algunas acciones colombianas (Banco-

lombia, Grupo de Inversiones Suramericana, Ecopetrol, Inversio-


análisis

nes Argos, Cementos Argos, Corporación Financiera Colombiana,


Almacenes Éxito, Grupo Aval Preferencial, Grupo de Inversiones
Suramericana Preferencial, Isagen, Banco Davivienda, Interco-
nexión Eléctrica).

110

Inicio Contenido Salir Volver


Según MSCI Index Research (2015), dichos limitantes son:

• Igualdad de derechos para los inversionistas internacionales:


información de las empresas no siempre está en inglés.
• Nivel de restricción de flujo de capital: el país tiene una histo-
ria de imponer y remover restricciones al ingreso de capital,
con el fin de controlar la tasa de cambio.
• Nivel de liberalización del mercado cambiario: el mercado
offshore está restringido y las operaciones onshore deben ser
registradas en el Banco Central.
• Registro de inversionistas: los documentos deben ser llenados
en español y el proceso tarda ocho días.

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
• Regulaciones del mercado: no todas las regulaciones están
en inglés.
• Compensación y liquidación: falta de base jurídica clara para
las cuentas ómnibus
• Custodio: DECEVAL actúa como el único custodio del mer-
cado local
• Trading: bajó nivel de competencia entre las Sociedades
Comisionistas de Bolsa conlleva a altos costos de transacción.
• Transferibilidad: operaciones en especie y operaciones en el
mercado al mostrador están prohibidas en renta variable.
• Ventas en corto: es permitido pero no es una práctica común
en el mercado
• Estabilidad del marco institucional: en el pasado reciente el
gobierno ha impuesto restricciones que han impactado los
flujos de capital extranjero.

El primer ETF en hacer presencia en el mercado de renta


variable local fue el Global X MSCI Colombia bajo el ticket (GXG)
y administrado por Global X Funds, el cual inició el 5 de febrero de
2009 (véase gráfico 5) y cotiza en NYSE. Este ETF trata de replicar
el comportamiento del índice FTSE Colombia 20, un índice que
representa el desempeño de las veinte compañías más grandes y
líquidas del mercado colombiano.

111

Inicio Contenido Salir Volver


Gráfico 5. Comportamiento ETF Global X FTSE Colombia 20 (GXG)

60

40

20

-20

Dic Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar
2000 2001 2002 2003 2004 2005

The global x MSCI CO MSCI ALL COLOMBIA


revista del mercado de valores , núm . 5 , edición julio 2016

Fuente: Bloomberg.

Otro ETF con presencia en el mercado colombiano es el Mar-


ket Vectors Colombia, con el ticket (COLX), el cual es administrado
por Van Eck Global. Este ETF inició el 14 de marzo de 2011 (véase
gráfico 6) y cotiza en NYSE. El objetivo de este fondo bursátil es
replicar el comportamiento del índice Market Vectors Colombia
Index, el cual representa el desempeño de compañías públicas
que cotizan en la BVC o están radicadas principalmente en el país
y que generan al menos el 50% de sus ingresos por sus activida-
des en Colombia. Este ETF fue deslistado el 12 de diciembre de
2014, ya que este ETF junto con el Bank and Brokerage, Germany
Small-Cap, Latin America Small-Cap Index, Renminbi Bond ETF
representaban menos del 0,25% de los activos administrados por
Market Vectors
El otro ETF en hacer presencia en el mercado colombiano es
el ETF iShares COLCAP, el cual opera bajo el ticket (ICOLCAP) y
es administrado por Blackrock, que inició el 7 de junio de 2011
(véase gráfico 7). A diferencia del Global X MSCI Colombia y el
– análisis

Market Vectors Colombia, el ICOLCAP cotiza en la Bolsa de Valo-


res de Colombia y busca replicar el desempeño del índice Colcap,
que pretende reflejar el comportamiento de las veinte acciones
más líquidas de la Bolsa de Valores de Colombia2. Aunque inver-
tir a través de un ETF ofrece una serie de beneficios, no hay que
olvidar que el ETF está expuesto a riesgos similares a los de las

2 Esta canasta de acciones que componen el Colcap se rebalancea trimestral-


mente. Para mayor información respecto a la composición actual de este índice,
112 ingrese a www.bvc.com.co.

Inicio Contenido Salir Volver


acciones (riesgo de mercado, del subyacente y de portafolio), ya
que el valor del fondo bursátil está directamente relacionado con
el valor de los activos subyacentes.

Gráfico 6. Comportamiento ETF Market Vectors Colombia (COLX)

10

-10

-20

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
-30

Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec
2011 2012 2013 2014

MARKET VECTOR CO MV Colombia TR Index

Fuente: Bloomberg.

Gráfico 7. Comportamiento ETF ICOLCAP

20

10

-10

-20

-30
Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun
2011 2012 2013 2014 2015

ISHPAES COLCAP COLOMBIA COLCAP INDEX

Fuente: Bloomberg.

En Colombia hacen presencia varios ETF mediante la inclu-


sión de algunas acciones colombianas en importantes índices
internacionales como S&P, MSCI3 y FTSE, los cuales les asignan
cierta ponderación a las acciones del Colcap (véase cuadro 1), lo

3 MSCI EM Latin America Index, MSCI Emerging Markets Index y MSCI ACWI
Index (MSCI Index Research, 2015). 113

Inicio Contenido Salir Volver


que confirma la creciente confianza de los inversionistas interna-
cionales al incluir en sus portafolios acciones del mercado local.
Esto se ha visto reflejado en los flujos de inversionistas a Colombia
en los últimos años (véase gráfico 3).

Cuadro 1. Principales ETF con ponderación en Colombia

Ticket ETF Categoria Ponderacón


GXG interbolsa FTSE c´Colombia 20 EFT Latin America Equities 89,65%
ICOL iShares MSCI Colombia Capped ETF Latin America Equities 76,80%
AND FTSE Andean 40 ETF Latin America Equities 29,24%
FRN Frontier Marlets ETF Emerging Markets Equities 11,07%
FLN Latin America AlphaDEX Fund Latin America Equities 5,20%
revista del mercado de valores , núm . 5 , edición julio 2016

GML SPDR S&P Emerging Markets Latin America Equities 4,32%


Dividend ETF
HILO Low Volatility Emerging Markets Dividen Emerging Markets Equitie 4,25%
ETF
DIVI Athena High Dividend ETF Global Equities 4,04%
WBIG WBI Large Cap Tactical Yield Shares Large Cap Value Equities 3,73%
BCHP Blue Chip ETF Global Equities 3,72%
PXE Dynamic Energy E&P Energy Equities 3,56%
BBRC Beyond BRICs ETF Emerging Markets Equities 3,09%
EEMV iShares MSCI Emerging Markets Minium Emerging Markets Equities 3,04%
Volatility ETF
RWV Navallier Overall A-100 Fund All Cap Equities 3,01%
EEML MSCI Emerging Markets Latin America Latin America Equities 3,00%
Index Fund
WBIF WBI Large Cap Tactical Value Shares Large Cap Value Equities 2,54%
EDIV SPDR S&P Emerging Markets Emerging Markets Equities 2,42%
Dividend ETF
CUT Timber ETF Commodity Producers 2,72%
Equities

Fuente: Bloomberg.

II. Valoración de ETF


análisis

Los analistas no realizan estimaciones sobre el precio justo de un


ETF, por lo que no es posible determinar si el ETF está sobrevalo-
rado o subvalorado de acuerdo con el potencial de valorización
que tengan las acciones que lo componen. Por esta razón, este
trabajo busca dar una guía a los inversionistas sobre el posible
potencial de valorización de su inversión en ETF.

114

Inicio Contenido Salir Volver


Los siguientes modelos para valoración de ETF solo son apli-
cables para aquellos fondos bursátiles que busquen replicar un
índice accionario.

A. Valoración a través de precios objetivo (PO)


Para la valoración de ETF a través de la metodología de pre-
cios objetivo, se utilizará el ETF ICOLCAP, el cual busca replicar el
desempeño del índice Colcap, compuesto por las acciones de las
empresas listadas en la BVC que aparecen en el cuadro 2.

Cuadro 2. Composición ICOLCAP-Tercer Trimestre 2012

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
Compañía Ponderación
Ecopetrol 19,75%
Bancolombia-PREF 13,77%
Grupo de INV Suramericana 12,80%
Almacenes Éxito 7,41%
Grupo Nutresa 6,88%
Pacific Rubiales Energy Corp 6,58%
Interconexión Electrica 6,47%
Grupos Argos 6,27%
Grupo Aval acciones- PREF 3,39%
Cementos Argos 3,75%
Corp Financiera Colombiana 3,20%
Isagen 2,88%
Banco Davivienda 2,79%
Petrominerales LTD 0,96%
Avianca Taca Holding 0,66%
Fabricato 0,61%
Bolsa de Valores de Colombia 0,48%
Canacol Energy 0,33%
Tablemac 0,25%
Empresa de Telecom de Bogotá 0,23%

Fuente: Bloomberg.
Los precios objetivo de las acciones que componen el ETF
son consultados en una terminal Bloomberg a través del comando
ANR (recomendación analistas). Esta función despliega el listado
de las recomendaciones de los analistas, precios objetivo, perio-
dos para lograr dichos precios objetivo y rating del consenso de
analistas para una acción específica (esta escala esta entre 0 y 5,
siendo 0 recomendación de venta y 5 recomendación de compra).
115

Inicio Contenido Salir Volver


El rating del consenso de analistas se basa en las recomen-
daciones de investigadores de todo el mundo y es compilado por
los reporteros de Bloomberg. La función ANR permite determinar
el más reciente sentimiento de mercado e identificar cuál analista
tiene mayor poder de predicción sobre una acción específica.
Por ejemplo, para encontrar la recomendación de los analis-
tas sobre la acción de Ecopetrol, se debe escribir “ECOPETL CB
<EQUITY> ANR <GO>” (véase gráfico 8).

Gráfico 8. Función ANR

100 4500
revista del mercado de valores , núm . 5 , edición julio 2016

80 4000
60 3500
3000
40 2500
20 2000
0 1500
500
0
-500
Sep NovDec Jun Feb MarMay Jul AugSep NovDec Jun Feb Mar May Jul Aug
2010 2011 2012

Pro obj 12M Precio Compra


Montaner Venta

Fuente: Bloomberg.

En el cuadro 3 se encuentran las acciones que componen el ETF


ICOLCAP y su respectivo mejor precio objetivo para cada una de las
acciones que lo componen. Este mejor precio objetivo es consultado
en Bloomberg a través de la función ANR y obedece al precio obje-
tivo con mayor credibilidad por parte de los analistas consultados.

Cuadro 3. Mejor precio objetivo de los analistas consultados por Bloomberg


Mejor precio Potencial


Compañía Precio
análisis

objetivo Valorización
Ecopetrol $5.280 $5.317 0,7%
Bancolombia-PREF $26.720 $32.654 22,2%
Grupo de INV Suramericana $30.560 $39.595 29,6%
Almacenes Éxito $29.980 $31.200 4,1%
Grupo Nutresa $20.960 $26.106 24,6%
Pacific Rubiales Energy Corp $45.400 $60.389 33,0%
Interconexión Electrica $10.780 $13.490 25,1%
Grupos Argos $18.160 $21.550 18,7%
(Continúa)
116

Inicio Contenido Salir Volver


Cuadro 3. Mejor precio objetivo de los analistas consultados por Bloomberg
(continuación)
Mejor precio Potencial
Compañía Precio
objetivo Valorización
Grupo Aval acciones- PREF $1.155 $1.420 22,9%
Cementos Argos $7.400 $8.118 9,7%
Corp Financiera Colombiana $34.840 $38.550 10,6%
Isagen $2.490 $2.735 9,8%
Banco Davivienda $21.980 $26.058 18,6%
Petrominerales LTD $17.500 $27.718 58,4%
Avianca Taca Holding $4.190 $6.477 54,6%
Fabricato $93 $71 –23,2%

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
Bolsa de Valores de Colombia $29 $39 32,3%
Canacol Energy $838 $1.999 138,6%
Tablemac $10 $15 50,0%
Empresa de Telecom de Bogotá $410 $510 24,4%

Fuente: Bloomberg.

El cuadro 4 contiene la recomendación de comprar, ven-


der o mantener de los analistas consultados por Bloomberg, lo
que muestra una gran diferencia frente a la inversión en acciones
individuales, ya que mientras una acción puede tener en prome-
dio a diez analistas realizando cobertura de los fundamentales
de la empresa, el ETF ICOLCAP tiene a 192 analistas realizando
cobertura de todo su portafolio de inversión (véase cuadro 4). Esto
brinda más tranquilidad a la hora de invertir en un ETF, porque al
invertir en esta alternativa, se encuentra más diversificado que en
una acción individual y tiene una buena cobertura de las empresas
que componen este fondo bursátil.

Cuadro 4. Recomendación analistas consultados por Bloomberg

Compañía Compra Venta Mantener

Ecopetrol 4 4 6
Bancolombia-PREF 8 – 3
Grupo de INV Suramericana 12 – –
Almacenes Éxito 7 1 6
Grupo Nutresa 8 1 1
Pacific Rubiales Energy Corp 28 – 5
Interconexión Electrica 4 1 1
Grupos Argos 7 1 1
(Continúa)
117

Inicio Contenido Salir Volver


Cuadro 4. Recomendación analistas consultados por Bloomberg
(continuación)

Compañía Compra Venta Mantener

Grupo Aval acciones- PREF 1 – –


Cementos Argos 7 – 4
Corp Financiera Colombiana 1 1 1
Isagen 6 1 1
Banco Davivienda 7 – –
Petrominerales LTD 14 1 6
Avianca Taca Holding 5 – –
Fabricato – 5 –
revista del mercado de valores , núm . 5 , edición julio 2016

Bolsa de Valores de Colombia 2 – 1


Canacol Energy 10 – 3
Tablemac 4 – –
Empresa de Telecom de Bogotá 1 1 –
Total 136 17 39

Fuente: Bloomberg.

Para la valoración del ETF ICOLCAP se utilizó el mejor precio


objetivo de los analistas consultados por Bloomberg y con este se
estimó el potencial de valorización para cada acción que com-
pone el ETF. Por medio de un promedio ponderado según la parti-
cipación de cada acción en el COLCAP se obtuvo el potencial de
valorización para el ETF diariamente. Dado que dicho potencial
es para un periodo de doce meses, se llevó esta rentabilidad de
efectiva anual a diaria y con esta se realizó un valor futuro diario
del precio del ETF partiendo del precio inicial del ETF ICOLCAP,
teniendo en cuenta el potencial de valorización diario.
En el backtesting realizado para el ETF ICOLCAP se puede
observar que el precio justo siempre ha estado por encima del pre-
cio actual del ICOLCAP y cuando el precio del ETF se ha acercado
– análisis

al precio justo ha habido un proceso de toma de utilidad por parte


de los inversionistas. A su vez, el hecho de que el precio justo esté
siempre por encima del precio del ETF es un indicador de que los
analistas internacionales tienen buenas perspectivas para el des-
empeño de las compañías colombianas (véase gráfico 9).

118

Inicio Contenido Salir Volver


Gráfico 9. Backtesting valoración a través de precios objetivos

18.400

17.900

17.400 Precio justo; $17.383,39

16.900
ICOLCAP CB Equity; 16.984
16.400

15.900

15.400

14.900
06/07/2011 06/10/2011 06/01/2012 06/04/2012 06/07/2012

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
ICOLCAP CB Equity Precio justo

Fuente: Bloomberg, cálculos propios.

En el grafico 10 se puede observar con mayor detalle el bac­


ktesting realizado para el ETF ICOLCAP y se aprecia que la diferen-
cia entre el precio del ETF y el precio justo en promedio son $390
y las mayores diferencias se encuentran cuando hay una caída en
el precio del ICOLCAP. Como se mencionó anteriormente, cuando
el precio del ETF se acerca al precio justo hay un proceso de toma
de utilidades normal.

B. Valoración mediante Black-Litterman


Para la valoración de ETF mediante el modelo de Black-
Litterman (en adelante, B-L), se utilizará el ETF ICOLCAP, el cual
busca replicar el desempeño del índice Colcap, compuesto por
las acciones de las empresas listadas en la BVC que aparecen en
el cuadro 2.

1. Modelo B-L
La primera aproximación a una teoría de portafolio efi-
ciente fue expuesta por Harry Markowitz en la década de los cin-
cuenta y subsecuentemente expandida por autores como Sharpe
(1964), Lintner (1965) y Mossin (1966) citados por Beninga (2008).
Markowitz cambió el paradigma de inversión al darle un soporte
estadístico a la creencia popular de que “todos los huevos no
debían estar en una sola canasta”, lo que dio paso a la creación de
la teoría moderna de portafolio (Benninga, 2008).
119

Inicio Contenido Salir Volver


Gráfico 10. Backtesting valoración a través de precios objetivo

17.600

17.400 Precio justo; $17.383,39

17.200

17.000

16.800 ICOLCAP CB Equity; 16.984

16.600

16.400

16.200

16.000
06/07/2012

16/07/2012

26/07/2012

05/08/2012

15/08/2012

25/08/2012

04/09/2012

14/09/2012

24/09/2012
revista del mercado de valores , núm . 5 , edición julio 2016

ICOLCAP CB Equity Precio justo

Fuente: Bloomberg, cálculos propios.

El modelo de optimización de media varianza (MVO, por sus


siglas en inglés) de Markowitz asume que los inversionistas bus-
can maximizar sus utilidades con el menor riesgo posible (antes
se procuraba el máximo retorno, pero se dejaba a un lado el
riesgo). Por esta razón, los inversionistas deben tener en cuenta
los movimientos correlacionados de los activos al interior de un
portafolio representado como la covarianza entre los activos. Si
los inversionistas toman en consideración las covarianzas a la hora
de formar sus portafolios, estos pueden construir portafolios que
generarían retornos esperados mayores con un riesgo (entendido
como la varianza del portafolio, la cual depende de la varianza de
los activos y las covarianzas entre los activos) igual o inferior con
los mismos retornos esperados (Mankert, 2006).
La ecuación que describe el MVO es la siguiente:
– análisis

Min 2 ( x ) = x’ ∑ x

Sujeto a las siguientes condiciones

∑x i = 1y xi ≥ 0

120

Inicio Contenido Salir Volver


x: vector de pesos
: matriz de covarianza

Supuestos:

• Supone conocida la rentabilidad esperada de cada activo


• Supone conocida la varianza y la covarianza de los activos
• Las rentabilidades se comportan como una distribución normal
• Los inversionistas son racionales
• El modelo optimiza para un periodo

De acuerdo con (Markowitz, 1952), para la construcción de un

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
portafolio óptimo se hace necesario contar con los retornos espe-
rados para cada activo, la varianza de todos los activos y la cova-
rianza entre todos los activos del portafolio (Mankert, 2006). Esto
permitirá teóricamente construir un portafolio que permita maximi-
zar los retornos esperados a un nivel de riesgo determinado.
Sin embargo, en la práctica el MVO de Markowitz presenta
algunas inconsistencias:

• Algunos supuestos no se cumplen


• Se originan portafolios muy concentrados
• El modelo es muy sensible a algunos parámetros (inestable)
• No refleja el punto de vista del inversionista
• Retornos históricos de los activos producen errores en las
estimaciones de los precios futuros de los activos, ya que uti-
liza el promedio de las rentabilidades pasadas para estimar
los retornos futuros de los activos
• El modelo sobrepondera activos con altos retornos esperados y
correlaciones negativas y subpondera activos con bajos retor-
nos esperados y correlación positiva, lo cual ocasiona errores
en la estimación del portafolio al partir de retornos históricos
• El portafolio estimado no tiene en cuenta la capitalización
bursátil en las ponderaciones, ya que una empresa con baja
capitalización bursátil, altos retornos esperados y una corre-
lación negativa con otros activos en el portafolio dará como
resultado una alta asignación en este activo

El modelo B-L surge como una solución a algunos problemas


prácticos que tiene el modelo de Markowitz, a través de una solu-
121

Inicio Contenido Salir Volver


ción bayesiana a la asignación de activos. Algunos autores consi-
deran que las ponderaciones estimadas por el modelo MVO son
intuitivas, ya que no tienen un portafolio contra el cual medirse.
Mientras en el modelo de Markowitz se parte de un portafolio
nulo, en el modelo BL se comienza de un portafolio de equilibrio
que hace las funciones de benchmark, lo que permite hacer una
comparación frente al portafolio estimado y evaluar al administra-
dor (Mankert, 2006). En la experiencia práctica de Goldman Sachs,
fue utilizado el modelo B-L como una estrategia de inversión y en
agregado el portafolio presentó un desempeño superior al de su
benchmark durante el periodo 1995-1998 (Goldman Sachs, 1998).
Las diferencias entre el portafolio de referencia y el estimado
revista del mercado de valores , núm . 5 , edición julio 2016

por BL se explican por las visiones que tienen los analistas sobre
cada activo. A cada visión el encargado de la asignación de activos
le asigna un nivel de confianza dependiendo de qué tan seguro
se encuentra sobre esta visión y el nivel de confianza asignado
a cada visión impacta las ponderaciones del modelo BL sobre el
portafolio benchmark (Mankert, 2006).
Una de las características del modelo B-L es la noción de que
los inversionistas asumirán mayores riesgos donde tengan visiones
y, en consecuencia, con los riesgos más grandes donde tengan las
visiones más fuertes. En este modelo todos los retornos esperados
son vistos como una mezcla entre las visiones y los retornos de
equilibrio (Goldman Sachs, 1998).
Actualmente el modelo B-L solo difiere con el de Markowitz
en la forma de estimar los retornos esperados. En los otros aspec-
tos es muy similar al modelo de optimización de media varianza
de Markowitz (Mankert, 2006).
La fórmula que describe el modelo B-L es la siguiente
(Idzorek, 2004):
– análisis

−1
E [ R ] = [ (t ∑−1) + P ’Ω−1P ] [ (t ∑−1) π + P ’Ω−1Q ]

Donde
E(R) es la columna de los retornos combinados
T es un escalar
 es la matriz de covarianza y de excesos de los retornos
P es la matriz que identifica los activos involucrados en
las visiones
122

Inicio Contenido Salir Volver


 es la matriz diagonal de los términos de error de las visio-
nes, representada en el riesgo de cada visión
 son los retornos implícitos en los retornos
Q es el vector de las visiones

2. Valoración a través de B-L


Mediante el modelo B-L se realizó la valoración del ETF
ICOLCAP, a través de la rentabilidad esperada de cada uno de los
activos del portafolio y sus respectivas ponderaciones en el índice
Colcap. La rentabilidad esperada de este modelo obedece a las
visiones para cada uno de los activos, las cuales se recopilaron a
través de una encuesta realizada a los analistas de renta variable

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
local en Serfinco Comisionistas de Bolsa S. A.
Dado que un ETF tiene la función de replicar un índice, la
ponderación de los activos que componen este fondo bursátil no
es susceptible a modificaciones, a no ser que se anuncien reba-
lanceos trimestrales para el caso del Colcap. En este caso la única
función del modelo BL es utilizar la asignación del ICOLCAP y
utilizarla como portafolio benchmark y determinar qué tan lejos o
cerca se encuentra de la frontera eficiente.
Teniendo en cuenta el portafolio benchmark, que para este
caso es el ICOLCAP, se modeló un portafolio a través del modelo
B-L. Las desviaciones entre el portafolio benchmark y el estimado
por este modelo corresponden a las visiones que tienen los analis-
tas sobre los distintos activos (véase cuadro 5).
El precio objetivo para el ICOLCAP a través del modelo B-L
es de $19.306, ubicándose cerca del precio objetivo medio esti-
mado mediante precios objetivo.

Cuadro 5. Valoración del ETF ICOLCAP

Acciones COLCAP ICOLCAP E. A. Volatilidad

BVC 0,48% 0,47% 16,91% 25,38%

Cemargos 3,75% 3,76% 4,09% 22,27%

CNEC 0,33% 0,33% 27,13% 50,24%

Corficolcf 3,20% 3,56% 6,54% 15,01%

Ecopetrol 19,75% 20,30% 11,42% 22,71%

ETB 0,23% 0,22% 5,46% 35,55%

Éxito 7,41% 7,36% 9,98% 21,84%

(Continúa)

123

Inicio Contenido Salir Volver


Cuadro 5. Valoración del ETF ICOLCAP
(continuación)
Acciones COLCAP ICOLCAP E. A. Volatilidad

Fabricato 0,61% 0,61% 10,21% 27,14%

Grupo Aval 0,00% 0,09% 9,52% 25,55%

Grupo Sura 12,80% 12,36% 17,49% 23,37%

Inverargos 6,27% 6,64% 11,82% 26,04%

ISA 6,47% 5,96% 10,44% 20,88%

Isagen 2,88% 2,84% 7,25% 19,73%

Nutresa 6,88% 6,88% 12,78% 19,79%

PFAVAL 3,93% 3,77% 10,68% 24,55%


revista del mercado de valores , núm . 5 , edición julio 2016

PFAVTA 0,66% 0,72% 12,19% 29,03%

PFBColom 13,77% 12,78% 11,95% 21,67%

PFDavivienda 2,79% 2,68% 9,11% 15,48%

PMGC 0,96% 0,80% 16,64% 61,53%

PREC 6,58% 7,61% 22,65% 38,18%

Tablemac 0,25% 0,25% 13,67% 26,33%

Fuente: cálculos propios.

La valoración a través del modelo B-L permite a los inversio-


nistas no solo conocer el precio al cual podría estar el ETF en los
próximos doce meses, sino saber, a través de las visiones incor-
poradas en el modelo, qué tan cerca se encuentra de la frontera
eficiente incorporando el riesgo en dicha valoración, el cual es
ignorado en la valoración a través de precios objetivo. Una limi-
tante de esta valoración es que el proceso para la recopilación
de las visiones de los analistas es una encuesta a un conjunto de
analistas y no es posible disponer de un histórico de estas visiones.

III. Conclusiones
– análisis

Los ETF han ido consolidándose como un instrumento innovador


al comportarse como una acción y como un fondo bursátil simul-
táneamente. Como una acción tienen la ventaja de transar a diario
en la BVC, con lo que le ofrecen a los inversionistas la posibilidad
de tomar posiciones cortas y opciones sobre estos fondos, mien-
tras que al estar estructurados como un fondo que replica deter-
minado índice de referencia tiene bajos costos de administración,
lo cual ha permitido su crecimiento de manera importante en los
124 últimos años (véase gráfico 7) (Ishares, 2010).

Inicio Contenido Salir Volver


Gráfico 11. Frontera eficiente

25,0%

20,0%
Rentabilidad E.A

15,0%

10,0%

5,0%

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
0,0%
0% 5% 10% 15% 20% 25% 30%
Volatilidad

Frontera Eficiente COLPAC ICOLPAC

Fuente: cálculos propios

Al convertirse en un vehículo de inversión más accesible para


los inversionistas pasivos que buscan diversificar sus portafolios,
sin incurrir en muchos costos, esto sin dejar a un lado la facilidad
que tienen de comprar y vender su participación en este porta-
folio en cualquier momento, y al ser una inversión a la vista que
cotiza en la bolsa, estos fondos bursátiles se han convertido en un
instrumento de alta precisión y han pasado a formar parte de las
opciones de los inversionistas, pues les brindan la posibilidad de
comprar acciones de ETF especializados (Ferri, 2008).
La valoración mediante precios objetivo permite tener una
idea sobre cuál va a ser el comportamiento del ETF diariamente.
El uso de esta metodología se convierte en una guía, en la medida
que los analistas consultados por Bloomberg no realizan estima-
ciones sobre el comportamiento de un fondo bursátil, pero al
visualizar el fondo como un holding se puede contar con un pre-
cio objetivo y de esta manera tener una idea del potencial de valo-
rización o desvalorización del fondo mediante los precios objetivo
de las acciones que lo componen.
Por otro lado, al realizar la valoración del ETF a través del
modelo B-L se incorporan las visiones de los analistas sobre los
activos del fondo, lo cual permite tener una idea más clara sobre
el comportamiento del ETF, ya que aunque el administrador tiene
125

Inicio Contenido Salir Volver


unas visiones acerca de los activos que componen el fondo,
estas pueden tener niveles distintos de confianza, a diferencia del
modelo de valoración a través de precios objetivo, donde las visio-
nes tienen una credibilidad del 100% y se ignora el riesgo y la
correlación entre los activos en dicha valoración.
Ambos modelos permiten tener un horizonte sobre el com-
portamiento futuro del ETF. El modelo de valoración mediante pre-
cios objetivo presenta mayor simplicidad en su implementación al
considerar el fondo como un holding, ya que a través de las ren-
tabilidades esperadas estimadas se promedia cuál va a ser la ren-
tabilidad esperada del ETF, mientras que la valoración mediante el
modelo B-L considera la composición de este como un portafolio
revista del mercado de valores , núm . 5 , edición julio 2016

y a través de las visiones de los analistas y sus respectivos niveles


de confianza se estiman la rentabilidad y la volatilidad de este por-
tafolio, lo que permite ubicarlo sobre una frontera eficiente.

Referencias

Benninga, S. (2008). Financial modeling. Massachusetts: MIT Press.


Blackrock. (2011a). La manera de invertir cambió. Medellín.
Blackrock. (2011b). Lo básico en 5 - minutos sobre ETFs.
Blackrock. (2012). ¿Cómo invertir en los fondos bursátiles (ETFs) iShares?
ETF Global Insight. (2012). Latin America ETFs/ETPs Monthly Review, Q1.
ETF Global Insight. (25 de Agosto de 2015). Obtenido de http://www.
etfgi.com/
Ferri, R. (2008). The ETF Book: All you need to know about exchanged-
traded funds. Nueva Jersey: Wiley.
Goldman Sachs. (1998). Using Black-Litterman asset allocation model:
Three years of practical experience. Londres: Fixed Income Research.
Idzorek, T. (2004). A step by step guide to the Black Litterman model.

Dorla Court Ste: Zephyr Associates.


análisis

Ishares. (2010). ETF basics: An introduction to iShares exchange


traded funds.
Mankert, C. (2006). The Black-Litterman model: Mathematical and
behavioral finance approaches. Estocolmo: Royal Institute of
Technology.
Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7(1),
77-91.

126

Inicio Contenido Salir Volver


Morgan Stanley Smith Barney. (2011). ETF Quarterly.
MSCI Index Research. (2015). The Global Market Accessibility Review.
SPDR. (2012). ETF SNAPSHOT, abril.
Wells Fargo. (2009). A guide to investing in exchange-traded funds.

modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127

127

Inicio Contenido Salir Volver


Inicio Contenido Salir Volver
El efecto day of the
week en el mercado
de capitales
colombiano 2001-2013
Johanna Daza Morenoa
Ana Magaly Cepeda Cepedab

Resumen
En este documento investigativo se pretende comprobar
la existencia del efecto day of the week en el mercado
de capitales colombiano con los precios de cierre del
índice general de la Bolsa de Valores de Colombia (IGBC),
Documento ganador del
durante el período 2001 a 2013. Se estiman regresiones Concurso Arquitectos del
para el retorno del índice con los métodos de Prais y Mercado de Capitales año
2013. Categoría Pregrado.
Winsten y GARCH, además se comprueba que el día vier- a
Profesional en Finanzas
nes se tienen mayores retornos que el resto de la semana, y Comercio Exterior de la
lo cual permite a los inversionistas tener en cuenta otro Universidad Sergio Arboleda.
Correo electrónico: johan-
parámetro para la toma de decisiones. nadmoreno@gmail.org.
b
Profesional en Contaduría
Palabras clave: efecto day of the week, decisiones de Pública y noveno semestre de
inversión, volatilidad, psicología del mercado. Finanzas y Comercio Exterior
de la Universidad Sergio
Arboleda. Correo electrónico:
Clasificación JEL: G11, G14, G17. ana.cepedac@gmail.com.

Inicio Contenido Salir Volver


The day of the week
effect on the capitals
market in Colombia
2001-2013
Johanna Daza Morenoa
Ana Magaly Cepeda Cepedab

This article is winner of the


competition of Capital Market
Architecs of Main year 2013
proposed by the Autorregulador
Abstract
del Mercado de Valores
and The Bolsa de Valores This purpose of this paper is to prove the existence of the
de Colombia in the form of day of the week effect on the Colombian stock market using
undergraduate studies.
the IGBC index closing prices during the 2001 to 2013
a
The author is professional period. By means of econometrics methods such as Prise
in Finances and External
Trade of the Universidad Winsten and GARCH, we concluded that the Friday Effect
Sergio Arboleda. Email: implies greater returns than the rest of the week, providing
johannadmoreno@gmail.org.
an extra parameter for investors’ decision-making.
a
Professional in accounting
Public and ninth semester of Key words: Day of the week effect, investment decisions,
Finances and External Trade
of the Universidad Sergio volatility, market psychology.
Arboleda.
Email: ana.cepedac@gmail.com JEL classification: G11, G14, G17.

Inicio Contenido Salir Volver


Introducción

La interacción de los agentes en el mercado de capitales se basa en


la existencia de la hipótesis de mercados eficientes, la cual afirma
que los títulos valores tienen un precio que se explica por informa-
ción completa referente a cada uno de ellos. Por esta razón, todos
los títulos están perfectamente valorados, es decir, no existen títu-
los sobre o subvalorados (Aragonés y Mascareñas, 1994).
Una de las implicaciones de trabajar con esta hipótesis es
que cualquier tipo de información pública no contribuye a la pre-
dicción de los precios futuros de un título (Zablotsky, 2001). Sin
embargo, en la operación diaria del mercado se puede identificar

johanna da z a moreno y ana magaly cepeda cepeda , pp. 129 -143


que los inversionistas al momento de armar un portafolio no solo
tienen en cuenta la información actual sobre el comportamiento
del título, sino una serie de factores adicionales, lo que permite un
pronóstico sobre el valor futuro del activo.
Esto daría una primera aproximación a la verificación del
difícil cumplimiento de la hipótesis de mercados eficientes, en un
mercado de capitales como el colombiano. Los fenómenos de este
tipo abren el interrogante de cómo las anomalías no permiten el
cumplimiento de esta hipótesis y cambian el comportamiento de
las operaciones en el mercado accionario.
Algunas de las anomalías del mercado más reconocidas son
las fundamentales y de calendario. Las anomalías fundamentales
más comunes son la small-firm o el efecto del tamaño, citado por
Aragonés y Mascareñas (1994), el cual supone que las empresas
de menor tamaño tienden a ser olvidadas por los grandes opera-
dores institucionales debido a que la información sobre ellas está
menos disponible. También se encuentra la price earnings ratio,
que sugiere que las acciones que poseen una baja relación entre
el precio de estas y el dividendo anual obtienen un mayor riesgo
que aquellas en las que es alta (Bond y Thaler, 1989).
| el efecto day of the week

Así mismo, las llamadas anomalías de calendario se presen-


tan por la diferenciación en el tiempo, entre los días de operación
en la bolsa y los días no activos de operación. Las más comunes
son el efecto enero, el efecto fin de año, el efecto festivo, el efecto
lunes, el efecto fin de semana y el efecto day of the week. Esta
investigación se enfoca en este último grupo y tiene como objetivo
probar la existencia del efecto day of the week (o día de la semana)
131

Inicio Contenido Salir Volver


en el mercado de capitales colombiano, tomando como referente
los precios de cierre para el período 2001 a 2013 del IGBC.
Aunque ya se han realizado investigaciones sobre este efecto
en países como Estados Unidos, Canadá, Filipinas, Corea del Sur,
Malasia, Singapur, Taiwán, Tailandia, Inglaterra, Turquía e India, en
Latinoamérica son incipientes. No existen registros en Colombia
de un estudio detallado que tome datos actuales y que se centre
específicamente en el mercado de valores del país.
La comprobación de la existencia de este efecto se realiza
por medio de técnicas econométricas, controlando los efectos
del día de la semana en los retornos diarios del IGBC observados
desde 2001 hasta 2013.
revista del mercado de valores , núm . 5 , edición julio 2016

Este documento se divide en cinco secciones. La primera


parte es la revisión literaria, donde se evidencian antecedentes de
estudios realizados sobre el efecto day of the week en los merca-
dos de capitales analizados. El segundo segmento es el marco teó-
rico que reúne los principales conceptos que permiten analizar las
consecuencias de la presencia de este tipo de efectos en el mer-
cado. La tercera parte presenta la metodología donde se describe
la forma de estimar el efecto. En la cuarta sección se discuten los
resultados y, por último, se resumen las principales conclusiones
del documento.

I. Revisión de la literatura

Fields (1934) presenta por primera vez el efecto day of the week al
realizar un análisis del índice Dow Jones Industrial Average, para
lo cual toma datos diarios en un período de quince años (1915-
1930) y obtiene como resultado una gran significancia en los pro-
medios de los retornos de los días lunes y viernes. Durante las
siguientes décadas Fama (1970) y Cross (1973) demostraron con
– análisis

sus estudios los mismos resultados de Fields, esto es, que los días
lunes tienen un promedio más bajo y una volatilidad más alta que
los demás días.
French (1980) toma los datos del índice S&P 500 compren-
didos desde 1953 hasta 1977 y analiza la rentabilidad diaria y su
comportamiento. Los resultados que obtiene son evidencia de que
los días lunes presentan en promedio una rentabilidad más baja.
De igual manera, el viernes presenta un promedio de ren-
tabilidad más alto sobre los demás días. Gibbons y Hess (1981)
132

Inicio Contenido Salir Volver


confirman la teoría de French con relación a las acciones y los
bonos del Tesoro de los Estados Unidos, ya que se comportan de
forma diferente según el día analizado. Brooks y Persand (citados
por Nageswari, Selvam y Gayathri, 2011) examinaron los mercados
del sureste asiático, principalmente Filipinas, Corea del Sur, Mala-
sia, Singapur, Taiwán y Tailandia. Estos autores encontraron que en
Corea del Sur y Filipinas no tiene gran importancia el efecto day of
the week, a diferencia de Tailandia y Malasia, que registraron un
promedio positivo de los retornos para los días lunes y uno nega-
tivo para los días martes. Taiwán presenta un efecto miércoles en
el cual el promedio de los retornos es negativo.
Un estudio realizado con el Dow Jones Industrial Average en

johanna da z a moreno y ana magaly cepeda cepeda , pp. 129 -143


Estados Unidos, en el cual se toma un período de noventa años
(1897-1986), muestra que el efecto viernes tiene una mayor impor-
tancia y define que existe un retraso en el cierre de las operacio-
nes, dado que se pactan hasta máximo tres días (Lakanishok y
Levi, 1982).
Gregoriou, Kontonikas y Tsitsianis (2004) en su estudio sobre
el FTSE 100 del Reino Unido concluyen que en ese mercado existe
el efecto day of the week y que una vez los costos de transacción
han sido contabilizados dicho efecto no parece ser una anoma-
lía perdurable. Esto se debe a que cuando no se contabilizan los
costos de transacción, los retornos de los días lunes son negativos
y significativamente diferentes de los demás días, lo que implica
que el día lunes es más barato invertir en el mercado, siendo los
inversionistas quienes crean este efecto.
En cuanto a los mercados emergentes, Balaban (1994) docu-
menta un estudio sobre Turquía en el cual concluye que el efecto
day of the week es un fenómeno internacional. Adicionalmente
realiza una investigación para 19 países, de los cuales trece mues-
tran estacionalidad en relación con la volatilidad o en los retornos
de los activos. Solo ocho países tienen una relación entre estas
| el efecto day of the week

dos variables. También confirma que por lo menos un día es esta-


dísticamente significativo: el viernes (Balaban, Bayar y Kan, 2001).
Nageswari et al. (2011) realizan un estudio en India, el cual
comprende desde 2002 hasta 2010, y toman como datos el S&P
CNX 500 (que representa cerca del 90% del mercado flotante).
Sus resultados arrojan que los promedios de los retornos diarios
no son significativamente estadísticos en un día en especial. Sin
133

Inicio Contenido Salir Volver


embargo, también encuentran que el lunes presenta el promedio
de retornos más bajo y el viernes el promedio más alto.
En América Latina existe el estudio realizado por Kristjanpo-
ller Rodríguez (2009), de la Universidad de Antioquia, en Brasil,
Chile, Colombia, México, Perú y Argentina, que confirma la exis-
tencia de la teoría day of the week en estos mercados, a lo largo
del período analizado: 1993-2007. Se mantiene el efecto lunes, el
día con el menor retorno en promedio. Una de sus conclusiones
más relevantes es el hallazgo del efecto martes en el mercado de
capitales colombiano.
Contrariamente a los hallazgos de Kristjanpoller, Ajayi, Meh-
dian y Perry (2004) concluyen inexistente el efecto lunes, dado
revista del mercado de valores , núm . 5 , edición julio 2016

que los resultados de once países del este de Europa arrojaron


únicamente dos mercados estadísticamente significativos.
Igualmente autores como Steely (2001) y Bodla y Kiran (2006)
analizaron que no existe el efecto lunes en los mercados de Ingla-
terra e India, respectivamente.

II. Marco teórico

Los mercados no se encuentran activos todos los días de la


semana, lo cual genera las anomalías de calendario. Estas anoma-
lías se refieren al efecto de los días en que no opera el mercado y
sus consecuencias, tanto en el tiempo como en los retornos.
Existen sustentaciones que explican por qué se dan estas ano-
malías de calendario. Fields (1934) sostiene que el juicio de los
inversionistas especuladores está determinado por la composición
de diversos factores y que puede ser desarrollado en días cerrados
del mercado, lo que afecta las decisiones sobre compras y ventas
del siguiente día, probablemente el día lunes.
El Gobierno y las compañías generalmente emiten buenas
– análisis

noticias entre los días lunes y viernes y las malas en los fines de
semana. En consecuencia, las noticias negativas se reflejan en
bajos precios de las acciones del siguiente día de operación (lunes),
así como ante las buenas noticas se observa un alto precio de las
acciones los días viernes (Nageswari et al., 2011).
Las anomalías de calendario más reconocidas son el efecto
enero, el cual relaciona la capitalización de las pequeñas com-
pañías y sus retornos, superando a aquellas de alta capitalización
(Latif, Arshad, Fatima y Farooq, 2011). El efecto lunes es aquel que
134

Inicio Contenido Salir Volver


muestra un menor promedio diario de retornos en comparación con
los demás días de la semana. El efecto fin de semana supone que
el viernes presenta un promedio de retornos diarios más alto con
respecto a los días restantes. Los últimos dos efectos mencionados
anteriormente forman parte del efecto day of the week, por el que
se afirma que existe al menos un día con retornos diferenciados
(Nageswari et al., 2011).
Para efectos de esta investigación se ha determinado analizar
la existencia del efecto day of the week en el mercado de capitales
colombiano, así como las implicaciones al momento de tomar deci-
siones de inversión. Lo anterior dado que no se encontró evidencia
de la realización de un estudio similar que fuera exhaustivo y tomara

johanna da z a moreno y ana magaly cepeda cepeda , pp. 129 -143


un período de tiempo amplio para el análisis de este tipo de anoma-
lía. Además, se espera obtener en los resultados un día significativo
que contribuya a ampliar el discernimiento de los inversionistas.
Berglund, Lijeblom y Wahlroos (1984) emplean la siguiente
fórmula para obtener los retornos diarios:

rt = E( r ) + rdt + t (1)

donde rt son los retornos diarios, E( r ) es el promedio de los retor-


nos diarios esperados, rdt es el coeficiente dummy por la relevan-
cia del día de la semana y t expresa los errores que se pueden
presentar.
Teniendo en cuenta que se analizaron cinco variables, lunes,
martes, miércoles, jueves y viernes, se toma la ecuación desarro-
llada por Gibbons y Hess (1981) para los retornos promedio.

rt = βt + β1D1 + β2D2 + β3D3 + β4D4 + εt


(2)
εt ∼ N(0, σ2 )
| el efecto day of the week

donde rt son los retornos diarios, Dt es la variable dummy diaria y


t a 4 corresponden a coeficientes de regresión. Las propiedades
del error muestran que los residuos no son normales dado que se
conoce financieramente que los retornos no tienen una distribu-
ción normal.

135

Inicio Contenido Salir Volver


III. Metodología

A. Datos
Los datos para el modelo son el IGBC, entre enero de 2001
hasta marzo de 2013. En este índice se incluyen las acciones de
acuerdo con su rotación y frecuencia. Se tomaron los precios dia-
rios de cierre y se calcularon los retornos usando el método OLS,
que se representa en la ecuación:


It (3)
Rit = In( )
It −1
revista del mercado de valores , núm . 5 , edición julio 2016

En el gráfico 1 se analiza el comportamiento de los retornos


diarios del IGBC, por día de la semana.

Gráfico 1. Histograma de los retornos por día de la semana


Viernes Miércoles Lunes
60
Densidad

40

20
0
60 Jueves Martes
Densidad

40

20
0
-1 0 -1 -2 0 -1 -2
Retorno Retorno
K densidad retorno Densidad

Fuente: elaboración propia con datos de la Bolsa de Valores de Colombia (BVC).

Se puede observar que cada día de la semana tiene un com-


portamiento diferenciador. El viernes presenta los retornos más


análisis

altos y la mayoría de los datos se encuentran dentro del intervalo


de confianza. El apuntamiento del día viernes es el más alto y, por
ende, se puede inferir que es el día que tiene el mayor promedio
de retorno. De igual manera, se infiere que es el día que muestra
una mayor probabilidad de retornos extraordinarios. El gráfico 1
ilustra que la dispersión de los datos no tiene importancia en nin-
guno de los días.

136

Inicio Contenido Salir Volver


Cuadro 1. Datos estadísticos del IGBC por día

Retorno día Observaciones Media Desviación estándar Mínimo Máximo


Lunes 485 -0,0008 0,01373 -0,11052 0,0452

Martes 596 -0,0004 0,01422 -0,0914 0,0845

Miércoles 601 0,0014 0,01278 -0,0713 0,0632

Jueves 587 0,0012 0,01476 -0,0996 0,1468

Viernes 589 0,0030 0,01281 -0,0887 0,0889

Fuente: elaboración propia con datos de la BVC.

En el cuadro 1 se observa que el lunes presenta un promedio


de retorno negativo, siendo el más bajo de la semana. El martes es

johanna da z a moreno y ana magaly cepeda cepeda , pp. 129 -143


el día con el menor promedio de rentabilidad y, a diferencia del
lunes, el martes registra 111 observaciones de más.
El miércoles presenta un promedio de retorno mayor en com-
paración con los días lunes, martes y jueves. Estadísticamente es
uno de los días más significativos. Es el día que más observaciones
tiene. Para terminar el análisis por días, el viernes es el que tiene
en promedio el retorno más alto de toda la semana. Estadística-
mente es el día más significativo.

B. Estimación del modelo


Se toma como referencia la investigación realizada por
Nageswari et al. (2011) en India, dado que esta tiene un enfoque
hacia los países emergentes. El análisis es interpretado desde el
primero de abril de 2002 hasta el 31 de marzo de 2010 y recurre
a datos del S&P CNX 500 (representa cerca del 90% del mercado
flotante) de 50 acciones para 22 sectores de la economía. El análi-
sis arrojó resultados sobre dos días en específico: lunes y viernes.
Los autores encuentran el promedio de los retornos del lunes más
bajo y el del viernes, más alto, en comparación con los demás
días de la semana. De igual manera concluyen para los retornos
| el efecto day of the week

diarios que la significancia estadística no es relevante para un día


en específico.
Kristjanpoller (2009) realizó una exploración sobre el efecto
día de la semana para los mercados accionarios de Latinoamérica.
Escogió los índices más representativos de cada país. Los países
que se tomaron para el análisis fueron: Chile, Colombia, Argentina,
México, Brasil y Perú, y utilizó los siguientes índices del mercado,
respectivamente: IPSA, IGBC, Merval, IPC, Bovespa, e ISBVL. Los
137

Inicio Contenido Salir Volver


datos analizados dependen de la antigüedad del índice y del volu-
men de cotización. Kristjanpoller concluye que algunos mercados
de valores siguen las anomalías más comunes, el efecto lunes y el
efecto fin de semana (día viernes). Colombia es el único país que
no representa significativamente un efecto lunes, siendo el efecto
martes el de mayor relevancia.
A partir del marco teórico y de la revisión literaria, se estimó
una variable dummy para cada día de la semana.

rt = β1D1 + β2D2 + β3D3 + β4D4 + εt


(4)
εt ∼ N(0, σ2 )
revista del mercado de valores , núm . 5 , edición julio 2016

donde rt son los retornos diarios en un tiempo t y D son variables


dummy binarias, las cuales tienen valor de 0 o 1. Por ejemplo, la
variable dummy asociada al día martes es representada con D1, por
ende, cuando el t corresponde a un día martes, su valor es 1, de
lo contrario su valor es 0. Para los días, miércoles, jueves y viernes
se tiene la misma lógica y están asociados a D2, D3, D4; el lunes se
toma como la constante de la regresión (Kristjanpoller, 2009).
Probablemente los errores del modelo no se distribuyen nor-
malmente, dado que los retornos financieros no tienen una distri-
bución normal.

IV. Resultados

En el cuadro 2 se muestran los resultados obtenidos de la estima-


ción realizada por el modelo de mínimos cuadrados, corrigiendo
la correlación serial de los residuos por el método de Prais y Wins-
ten, debido a que las series de tiempo tienen ruido blanco que
tiende a lo largo del tiempo.

Cuadro 2. Resultado de la regresión


– análisis

Retorno Coeficiente Error estándar t P>t

Lunes -0,00074 0,00064 -1,160 0,248


Martes 0,00041 0,00073 0,570 0,571
Miércoles 0,00218 0,00083 2,640 0,008
Jueves 0,00205 0,00086 2,370 0,018
Viernes 0,00378 0,00087 4,330 0,000
Rho 0,34841
Prob. > F 0,0000
R-cuadrado 0,0073

138

Inicio Contenido Salir Volver


Fuente: elaboración propia con datos de la BVC.
La regresión se estimó con 2.859 observaciones. Los datos
mencionados anteriormente evidencian una probabilidad de F de
0,0000, es decir, las variables independientes explican el modelo.
Sumado a lo anterior, el coeficiente R-cuadrado (0,0073) revela
que se está haciendo uso del modelo adecuado. El Durbin-Watson
obtenido luego de estimar es 1,8268.
Los resultados preliminares muestran que el lunes tiene un
promedio de retorno negativo, en un comportamiento similar al
martes. El viernes presenta el promedio de retorno más alto de
todos los días de la semana. El lunes no es estadísticamente signifi-
cativo, sin embargo, los días martes, miércoles, jueves y viernes sí

johanna da z a moreno y ana magaly cepeda cepeda , pp. 129 -143


son estadísticamente significativos.

Cuadro 3. Prueba de robustez

No. de observaciones 2.859

Wald chi2(5) 13,56


Prob > chi2 0
 
Retorno Coeficiente Error estándar z P>|z|
Lunes 0,00024 0,00054 0,460 0,647
Martes 0,00001 0,00068 0,030 0,977
Miércoles 0,00109 0,00070 1,550 0,121
Jueves 0,00084 0,00066 1,270 0,204
Viernes 0,00205 0,00071 2,890 0,004
ARCH
L1. 0,28501 0,01892 15,06 0
GARCH
L1. 0,63925 0,03686 17,34 0
Constante 5,91E-06 9,88E-06 1,25 0,210

Fuente: elaboración propia con datos de la BVC.


| el efecto day of the week

Se encuentra un efecto ARCH y se prueba modelando la


varianza de foma tal que se verifique la persistencia de la diferen-
ciación de los promedios de los retornos entre los días.
Aplicando la prueba de robustez al modelo estimado, se
implementaron pruebas sobre los residuales y se encontró hete-
rocedasticidad, por lo que se vuelve a estimar el retorno, mode-
lando la varianza de los residuos, a través de una estructura tipo
GARCH (1,1), y manteniendo la continuidad de los datos ya que el
139

Inicio Contenido Salir Volver


coeficiente para el día lunes no es estadísticamente significativo. El
coeficiente para estos dos días en las dos pruebas es 0.
Aun ejerciendo la prueba de robustez, se mantiene el patrón
del día lunes con el promedio de retornos más bajo de todos los
días, y el miércoles, jueves y viernes muestran un promedio de
retornos positivo.

V. Conclusiones

A partir de los resultados obtenidos de las estimaciones de los


modelos anteriormente señalados, se puede inferir que existe el
efecto day of the week en el mercado accionario de Colombia.
revista del mercado de valores , núm . 5 , edición julio 2016

Se encuentra en particular un día relevante, el viernes. Como se


menciona en el marco teórico, los mercados emergentes también
presentan el efecto calendario.
Dicho lo anterior, se contradice la teoría de los mercados efi-
cientes, por cuanto los precios de los activos no reflejan perfec-
tamente toda la información conocida. De igual forma se observa
que los inversionistas toman en cuenta otros factores para deci-
dir sobre sus posiciones de inversión. Cabe decir que los precios
de los activos no son aleatorios, ya que son influenciados por las
decisiones tomadas por los inversionistas.
Así mismo se confirma la existencia del efecto fin de semana
(viernes), citado en las secciones anteriores por diferentes autores
que evidencian su presencia en diferentes mercados. En el mer-
cado de capitales colombiano, el viernes es el día con el mayor
promedio de retorno frente a los otros días y el más significativo
estadísticamente.
Así, los hallazgos de Kristjanpoller (2009) no se evidencian
en la actualidad, puesto que él afirma que el día martes es el día
con el promedio de rentabilidad más bajo. Sus datos no tienen
– análisis

en cuenta los recientes hechos económicos que han afectado el


mercado de capitales colombiano, ya que el período por él anali-
zado va hasta el año 2007, lo cual excluye los efectos generados
por acontecimientos como la crisis de 2008, la nueva regulación
en los agentes del mercado para lograr mayor confianza en este y
el incremento en el volumen de las operaciones tanto de renta fija
como de renta variable.
Los resultados obtenidos en las regresiones evidencian que
los días estadísticamente significativos son miércoles, jueves y
140

Inicio Contenido Salir Volver


viernes. Los lunes y martes arrojaron una significancia cero, por
lo cual no son relevantes para un análisis. Aplicando el método
ARCH, se comprueba que la diferenciación de los promedios de
los retornos es persistente.
Luego de efectuar la prueba de robustez y aplicar el modelo
GARCH, los resultados confirmaron la continuidad de los datos y
expresan el mismo resultado ya encontrado.
En cuanto a las implicaciones prácticas de este estudio, sus
hallazgos podrían influir en los parámetros en que los inversionis-
tas se basan para la toma de decisiones al momento de invertir, ya
que dependiendo del día en que se realicen diferentes inversiones,
compras, ventas, emisiones y otros, el activo puede estar siendo

johanna da z a moreno y ana magaly cepeda cepeda , pp. 129 -143


afectado por el efecto day of the week. Los inversionistas podrían
aumentar la probabilidad de un mayor retorno, si tienen en cuenta
que el día viernes es el de mayor promedio de rentabilidad.
Así, al conocer que existe este efecto en el mercado de capi-
tales colombiano los resultados obtenidos en esta investigación
beneficiarían la forma de comprar y vender activos en el mercado.
Es decir, lograr beneficios por medio de inversiones que contem-
plen el calendario con los días festivos en Colombia y de esta
manera hacer que sus posiciones financieras no se afecten por el
efecto day of the week.

Referencias

Ajayi, R., Mehdian, S., & Perry, M. (2004). The day-of-the week effect
in stock returns. Further evidence from Eastern European emerging
markets. Emerging Markets Finance and Trade, 40(4), 53-62.
Aragonés, J., & Mascareñas, J. (1994). La eficiencia y el equilibrio en los
mercados de capitales. Disponible en http://economiayfinanzas.
tripod.com/tf/m_eficientes.pdf.
|

Balaban, E. (1994). Day of the week effects: New evidence from an


el efecto day of the week

emerging stock market. Disponible en http://www.tcmb.gov.tr/


jenny/evds/teblig/94/9410.pdf.
Balaban, E., Bayar, A., & Kan, O. Z. (2001). Stock returns, seasonality
and asymmetric conditional volatility in world equity markets.
Applied Economics Letters, 8, 263-268.
Berglund, T., Lijeblom, E., & Wahlroos, B. (1984). Day-of-the-week
effects on a thin stock market. Disponible en http://www.kellogg.
northwestern.edu/research/math/papers/599.pdf.
141

Inicio Contenido Salir Volver


Bodla, B. S., & Kiran, J. (2006). Seasonal anomalies in stock returns:
Evidence from India and the US. Decision, 33(1), 163-178.
Bond, D., & Thaler, R. (1989, invierno). Anomalies: A mean-reverting
walk down Wall Street. The Journal of Economic Perspectives, 3,
189-202.
Brooks, C., & Persand, G. (2001). Seasonality in Southeast Asian stock
markets: Some new evidence on day-of-the-week effects. Applied
Economics Letters, 8, 155-158.
Cross, F. (1973). The behavior of stock prices on Fridays and Mondays.
Financial Analyst Journal, 29(6), 67-69.
Fama, E. F. (1970). Efficient capital markets: Are view of theory and
empirical work. J. Finance, 25, 383-417.
revista del mercado de valores , núm . 5 , edición julio 2016

Fields, J. M. (1934). Security prices and stock exchange. Holidays in


relation to short selling. The Journal of Business of the University
of Chicago, 7, 328-338. Disponible en http://www.jstor.org/
stable/2349545.
French, K. (1980). Stock returns and the weekend effect. Journal of
Financial Economics, 8, 55-69.
Gibbons, M., & Hess, P. (1981). Day of the week effects and asset
returns. Journal of Business, 54(4), 579-596.
Gregoriou, A., Kontonikas, A., & Tsitsianis, N. (2004). Does the day of
the week effect exist once transaction cost have been accounted
for? Evidence from The UK. Appplied Financial Economics, 4,
125-220. Disponible en http://uhra.herts.ac.uk/xmlui/bitstream/
handle/2299/3766/102618.pdf?sequence=1.
Kristjanpoller, W. (2009, julio-diciembre). Análisis del efecto día de
semana en los mercados accionarios latinoamericanos. Lecturas de
Economía, 71, 189-208.
Latif, M., Arshad, S., Fatima, M., & Farooq, S. (2011, 9 de octubre).
Market efficiency anomalies, causes, evidences, and some
behavioral aspects of market anomalies. Research Journal of
– análisis

Finance and Accounting, 2, 1697-2222.


Lakanishok, J., & Levi, M. (1982). Weekend effects in stock returns: A
note. Journal of Finance, 37, 883-889
Nageswari, P., Selvam, M., & Gayathri, J. (2011). Analysis of Monday
effect in Indian stock market. Research Journal of Business
Management, 5(4), 170-177. doi:10.3923/rjbm.2011.170.177.
Steely, J. (2001). A note on information seasonality and the disappearance
of the weekend effect in the UK stock market. Journal of Banking
and Finance, 25(10), 1941-1956.
142

Inicio Contenido Salir Volver


Zablotsky, E. (2001). Eficiencia de los mercados de capitales, una
ilustración. Disponible en http://www.ucema.edu.ar/u/eez/
Publucaciones/Serie_Documentos_de_Trabajo/doc194.pdf.

johanna da z a moreno y ana magaly cepeda cepeda , pp. 129 -143


| el efecto day of the week

143

Inicio Contenido Salir Volver


Inicio Contenido Salir Volver
Estimación de una
superficie de volatilidad
sobre el índice COLCAP,
para la creación y
valoración de un
mercado de opciones
colombiano, como
base del CVIX

Jenny Viviana Santana Foreroa


Diana Patricia Figueroa Aguilarb

Resumen
El crecimiento presentado en el mercado bursátil colom-
biano de renta variable, junto a la introducción del índice
COLCAP como referencia para aquellos inversionistas que
estructuren sus portafolios con un beta que replique el mer-
cado, han permitido el desarrollo de este trabajo que con-
templa la creación de una opción sobre el índice COLCAP
y el planteamiento de un mercado de opciones inexistente
en el país, base para el índice CVIX como instrumentos de
cobertura. La volatilidad implícita, variable fundamental
en la valoración de las primas, es extraída de una superfi- Documento ganador del
cie de volatilidad modelada a partir de una aproximación Concurso Arquitectos del
Mercado de Capitales año 2014.
econofísica y la teoría de Black and Scholes, en función Categoría Pregrado.
del plazo al vencimiento y deltas. Una vez contempladas a
Ingeniera Financiera de la
todas las variables se procede a calcular para el primer día Universidad Piloto de Colombia,
con diplomado en Riesgos
de negociación un mercado de opciones que contempla Financieros en la Escuela de
182.400 datos e igual número de volatilidades, de donde Finanzas de España. Correo
electrónico: Jennyviviana2000@
se estima finalmente el índice CVIX. yahoo.com.
b
Ingeniera Financiera de la
Palabras clave: cobertura, jump diffusion, opciones, super- Universidad Piloto de Colombia,
ficie de volatilidad, volatilidad histórica, volatilidad implí- con diplomado en Riesgos
Financieros de la Escuela de
cita, VIX, mercado de opciones, mercado de volatilidades. Finanzas de España. Correo
electrónico: Diana15p.91@
Clasificación JEL: G10, G17. hotmail.com.

Inicio Contenido Salir Volver


Estimate of a volatility
surface on the
COLCAP index for the
creation and pricing
of a Colombian
options market as
basis for a CVIX
Jenny Viviana Santana Foreroa
Diana Patricia Figueroa Aguilarb

Abstract
Growth in equities seen in the Colombian stock market
together with the introduction of the COLCAP index, which
serves as a reference for those investors who organize their
portfolios with a beta that replicates the market, has led
to the development of this work. It studies the creation
of an option on the COLCAP index and the proposal of
This article is winner of the
competition of Capital Market
an options market, which currently does not exist in the
Architecs of Main year 2014 country, as hedging instruments and a basis for the CVIX.
proposed by the Autorregulador
del Mercado de Valores
Implied volatility, which is a fundamental variable in the
and The Bolsa de Valores pricing of option prices when given a certain deadline and
de Colombia in the form of
undergraduate studies.
option’s delta, is calculated from a volatility surface that is
modelled based on an econophysics estimation and the
a
Financial engineer of
the Universidad Piloto de
Black-Scholes Model. When all the variables are consid-
Colombia, with diploma in ered a calculation is produced for the first day of trading in
Financial Risks in the School of
Finances of Spain.
an options market that considers 182,400 pieces of informa-
Email: Jennyviviana2000@ tion and an equal number of volatilities, and the final CVIX
yahoo.com.
index is estimated.
b
Financial engineer of
the Universidad Piloto de Key words: coverage, jump diffusion, options, volatility
Colombia, with diploma in surface, historical volatility, implied volatility, VIX, options
Financial Risks of the School of
Finances of Spain. market, volatility.
Email: Diana15p.91@hotmail.
com. JEL classification: G10, G17.

Inicio Contenido Salir Volver


Introducción

Los inversionistas y administradores de portafolios de renta varia-


ble están expuestos a un riesgo de mercado constante por la
incertidumbre que genera el mercado accionario, para lo cual el
mercado bursátil colombiano carece de alternativas estandariza-
das como instrumentos de cobertura. Por ello se quiere ofrecer
al mercado de valores colombiano un marco de referencia para
el primer día de negociación de opciones sobre el índice bursátil
COLCAP1, mientras se da inicio al desarrollo de este tipo de con-
tratos en el mercado bursátil y a su vez proponer la introducción
de un índice de volatilidad al que denominamos CVIX2. Los mer-

jenny santana y diana figueroa , pp. 145 -168


cados desarrollados contemplan la negociación y precio de las
primas con base en la percepción del mercado y la ley de oferta y
demanda, con lo cual la volatilidad que se negocia es consolidada
a través de una superficie de volatilidad, considerándose implícito
el precio de la opción.
El presente trabajo centra su importancia en el desarrollo
de la superficie, para lo cual se emplea una metodología mixta
dando igual relevancia al estudio cualitativo del caso-proyecto y
los resultados obtenidos cuantitativamente. Para ello se analizan
y desarrollan procedimientos teóricos y relaciones matemáticas,
que permiten obtener valores aceptables y lógicos en el cálculo
de las variables a intervenir en la estimación de las primas a nego-
ciar sobre el índice COLCAP, de manera que se pueda estructurar

|
un mercado de opciones3 y de volatilidades4, y una vez con esta
información plantear y valorar el índice CVIX. estimación de una superficie de vol atilidad
La superficie de volatilidad5 es desarrollada mediante una
aproximación al modelo econofísico jump diffusion, desarrollado
por Robert Merton; la estimación de los strikes y su posterior

1 Índice de capitalización de la Bolsa de Valores de Colombia (BVC), que refleja


las variaciones de los precios de las veinte acciones más líquidas.
2 Nombre dado por los autores al índice de volatilidad para el mercado colom-
biano, el nombre original es VIX en Estados Unidos.
3 Medio que permite la iteración de agentes y clientes, donde son negociadas las
primas de un activo subyacente, para nuestro caso, el índice COLCAP.
4 Mercado donde se negocian las volatilidades implícitas de las primas transadas
en el mercado de opciones.
5 Corresponde a una  representación  visual tridimensional de las  volatilidades
implícitas asociadas a las opciones de un mismo activo subyacente, a diferen-
tes precios de ejercicio y fechas de vencimiento. 147

Inicio Contenido Salir Volver


simulación empleando el método de Monte Carlo apoyado en
el software Risk Simulator; de esta manera se obtienen diferen-
tes escenarios de negociación, se calculan los deltas y diferentes
medidas de moneyness mediante BSM6 como base de la superficie
de volatilidad, en función del delta y el periodo de maduración de
la opción, y con ello se pueden estimar las primas tanto de opcio-
nes call como put; por último, el valor del CVIX es calculado con
base en la metodología aplicada en Mexder7, estructurada a partir
de la implementada por el CBOE8 para el día correspondiente a
la fecha del spot.
revista del mercado de valores , núm . 5 , edición julio 2016

I. Marco referencial

Los instrumentos financieros derivados han sido empleados como


objeto para mitigar y distribuir los riesgos entre los inversionistas,
lo que ha contribuido a dar mayor eficiencia al mercado, ya que
permiten operaciones de especulación y cobertura en un mismo
portafolio. En este mercado se presentan diferentes tipos de instru-
mentos, entre otros, las opciones.
Los contratos de opciones son contratos donde se adquiere
el “derecho”, más no la obligación de comprar o vender un activo
subyacente, a un precio determinado y en una fecha futura esta-
blecida.
A diferencia de los otros instrumentos financieros, los con-
tratos de opciones proveen un seguro contra los movimientos de
los precios, con la ventaja que el valor de la pérdida es limitada al
no exceder el valor de la prima de negociación, mientras que la
ganancia es ilimitada; por tanto, se va hacer énfasis en el estudio
de este derivado en particular.

A. Tipos de opciones
análisis

Existen dos tipos de opciones. La primera es la opción de


compra (call) y la segunda es la opción de venta (put).
Dependiendo de la posición que exista respecto al precio de
mercado, las opciones pueden encontrarse en dinero, a dinero y

6 Abreviación para el modelo de Black and Scholes - Merton.


7 Bolsa de Valores de México.
148 8 Mercado de opciones de Chicago.

Inicio Contenido Salir Volver


fuera de dinero (o in the money (ITM), at the money (ATM) y out of
the money (OTM), respectivamente).
Una opción en dinero es aquella que genera un flujo de caja
positivo para el inversionista en caso de ejercerla en el momento;
por otro lado, una opción a dinero es aquella donde el flujo de
caja es cero, mientras que una opción fuera de dinero generaría
flujo de caja negativo si se ejerce inmediatamente.

1. Opciones sobre índices bursátiles


Los contratos de opciones sobre índices bursátiles se presen-
tan para realizar cobertura de riesgos inherentes a la inversión en
portafolios de renta variable; el costo que el comprador abonará al

jenny santana y diana figueroa , pp. 145 -168


vendedor por la opción se denomina prima, cuyo valor depende
de diversos factores:

• Precio spot (S): Corresponde al precio de negociación del


mercado.
• Precio de ejercicio (strike) (K): Precio al que el usuario decide
tomar el contrato.
• Dividendos (q): Se define como la reducción del precio de la
acción, en la fecha ex dividendo como consecuencia de cual-
quier dividendo declarado, siendo q igual al rendimiento de
dividendos promedio anualizado durante la vida de la opción9.
• Tasa libre de riesgo (r): Es el rendimiento total que propor-
ciona la acción en un escenario neutral al riesgo.

|
• Volatilidad (): Se define como la medida de incertidumbre,
sobre los movimientos futuros del precio. Al ser un parámetro estimación de una superficie de vol atilidad
que no se puede observar directamente en el modelo BSM,
en el mercado real, es transado por medio de una superficie
de volatilidad, la cual suministra las volatilidades implícitas,
siendo estas las esperadas por el mercado. Esta superficie fue
propuesta por Dupire10 y desarrollada en 1994 por Derman11,

9 Jhon C. Hull, Introducción a los Mercados de Futuros y Opciones; Capítulo 13


opciones sobre índices y divisas, página 302.
10 Bruno Dupire: director de investigación cuantitativa en Bloomberg LP.
11 Emanuel Derman: académico en la Universidad de Columbia, del programa
Ingeniería Financiera, empresario y escritor. 149

Inicio Contenido Salir Volver


Kani y Rubinstein, donde muestra que su función está dada
por el delta y el plazo, denominada igualmente varianza local12.
• Plazo: Se considera la fecha de vencimiento de la opción,
para el caso de las opciones europeas, al menor vencimiento
las primas valen más.

2. Utilidades de las opciones sobre índices


Las opciones sobre índices permiten la cobertura de porta-
folios de renta variable con un beta=1, es decir, que repliquen el
índice. De ser así, es apropiado para el inversionista comprar una
opción de venta que permita la cobertura contra disminución en
revista del mercado de valores , núm . 5 , edición julio 2016

el precio de cotización del subyacente; pero si por el contario el


beta es <1, al no replicar por completo las acciones que compo-
nen el índice y se predice que estas acciones van a disminuir, es
conveniente para el inversionista comprar una opción de compra
que le permita un beneficio si el índice incrementa su valor.

B. Mercado de opciones
El mercado de opciones es el medio que permite la iteración
de agentes y clientes, donde pueden negociar un activo subya-
cente de manera que puedan especular un riesgo a cambio de una
ganancia o realizar una operación de cobertura cuyo fin es reducir
o mitigar los riesgos que se derivan de la fluctuación de los precios
del activo subyacente.
Para hacer más eficiente el tema de cobertura, fue conside-
rada la volatilidad implícita de los subyacentes negociados, como
base para un nuevo índice que midiera la expectativa al corto
plazo, dando lugar al índice de volatilidad VIX13, el cual fue imple-
mentado en 1993 por el CBOE, en base a las opciones negociadas
sobre el índice S&P 50014, para medir el nivel de volatilidad implí-
– análisis

cita del mercado.


El VIX es un indicador que determina la volatilidad que los
inversores esperan para los siguientes treinta días, midiendo las

12 Rodríguez Arrieta, Daniel. Título: La superficie de volatilidad, Universidad Com-


plutense de Madrid, 2012.
13 Volatility Index.
14 Standard and Poors 500, está conformado por 400 compañías industriales, 20
de transporte, 40 de servicio público y 40 financieras, las más representativas
150 de la bolsa.

Inicio Contenido Salir Volver


posibles pérdidas15. Cada vez es implementado por más inversio-
nistas en el corto y mediano plazo, ya que se puede monitorear
en forma intradía.
Estados Unidos fue el primer mercado en implementar este
indicador, seguido por el mercado alemán en 1994 con el VDAX.
En países latinoamericanos el más grande es el mercado mexi-
cano con el desarrollo del VIMEX, indicador que se realiza sobre
las opciones del futuro del IPC, y su medición está dada para un
periodo de tres meses.

C. Mercado de derivados en Colombia


Este mercado inicia partir de septiembre de 2008 con la intro-

jenny santana y diana figueroa , pp. 145 -168


ducción de futuros sobre títulos de deuda pública del Gobierno
nacional. A mediados de junio de 2009, se realizan operaciones
de futuros sobre la tasa de cambio, negociación con divisas, y tam-
bién se ha ido desarrollando un mercado de derivados de energía
eléctrica, aunque su volumen ha sido bajo por su poca liquidez16.
De acuerdo con el reporte entregado por el Foro Econó-
mico Mundial para el año 2013, el mercado colombiano transó
US$1,5 billones, es decir, tan solo el 0,13% y el 0,60% del mer-
cado de Brasil y México, respectivamente, por lo que se concluye
que en Colombia este mercado es débil, con un mínimo volumen
de negociación, de baja diversificación, ya que no desarrollan la
mayoría de los productos derivados y se concentran principal-
mente en operaciones OTC17.

|
En la Ley 964 de 2005 quedó establecido que los derivados
financieros, entre los cuales se incluyen las opciones, serán regu- estimación de una superficie de vol atilidad
lados como valores, siempre que sean estandarizados y suscepti-
bles de ser transados en bolsas de valores o en otros sistemas de
negociación. De esta manera se crea la Cámara de Riesgo Central
de Contraparte, para mitigar los riesgos de contraparte y facilitar la
liquidez de las operaciones.

15 Guiner, Javier y Morini, Sandra. Título: Midiendo la volatilidad del mercado de


opciones VIX, Universidad de la Laguna, 2002.
16 González, Alejandro. Título: Desarrollo del mercado de derivados en Colombia.
http://www.deceval.com.co/portal/page/portal/Home/Gestion_Corporativa/
Enfoque/2009/Enfoque35-09.pdf .
17 Operaciones OTC, Over the counter, son operaciones de derivados no estanda-
rizados que se transan a través de dos agentes o contrapartes. 151

Inicio Contenido Salir Volver


1. Mercado de opciones en Colombia
Los contratos de opciones no han sido ajenos al mercado
financiero en Colombia, pues de hecho se realizan por entida-
des financieras y otros agentes del sector real de la economía. Sin
embargo, su desarrollo en el mercado de valores colombiano se
ha visto frenado por dos grandes limitaciones:

• La falta de una normatividad adecuada y


• La falta de agentes especializados18

Como consecuencia, en la actualidad son negociados los


siguientes contratos:
revista del mercado de valores , núm . 5 , edición julio 2016

Opciones sobre títulos valores de deuda pública o privada:


Desde el punto de vista de la capacidad legal, las sociedades comi-
sionistas de bolsa se encuentran facultadas para celebrar operacio-
nes de opciones, bien por cuenta propia o por cuenta de terceros,
siempre que se encuentren inscritas en el Registro Nacional de
Valores y Emisores (RNVE)19.
Opciones sobre divisas: Desde el punto de vista de la capa-
cidad legal, las sociedades comisionistas de bolsa tienen un marco
expreso de actuación como intermediarios del mercado cambia-
rio, recogido en la resolución 8 de 2000.

D. Una aproximación al mercado de opciones colombiano,


sobre un índice bursátil
A continuación se plantean los procedimientos teóricos y
relaciones matemáticas a considerar para el desarrollo del pro-
yecto, que permiten obtener valores aceptables y lógicos en el
cálculo de las variables, que intervienen en la estimación de las
primas a negociar sobre el índice COLCAP.
– análisis

1. La volatilidad implícita frente a la volatilidad histórica


Una variable fundamental en el desarrollo del mercado finan-
ciero es la volatilidad, la cual nos permite medir, estimar y cuan-

18 Concepto 20048-1009 del 12 de enero de 2005 de la Superintendencia de Valores.


19 Registro que posee por objeto matricular las clases y tipos de valores, a los emi-
sores de los mismos y las emisiones. Aadicionalmente legaliza lo relacionado
con la filiación de dichos emisores, clases y tipos de valores. Las ofertas públicas
152 de valores se obligarán a estar precedidas por la inscripción en el RNVE.

Inicio Contenido Salir Volver


tificar los cambios que se presentan con las rentabilidades de
diferentes activos, y que no se pueden predecir.
Existen dos tipos de volatilidades: la primera es determinista,
que es aquella que si presenta cambio lo hace de manera cierta
y conocida, asociada a la volatilidad histórica, y la segunda es la
estocástica, aquella que presenta cambios de manera incierta y
desconocida, asociada a la volatilidad implícita.
En vista que los precios de los derivados financieros son deri-
vados a su vez del activo subyacente sobre el cual se realiza la
negociación, se demostró que la volatilidad sobre el precio del
subyacente está relacionada con la volatilidad sobre el precio del
derivado como tal (Tagliafichi, 2008).

jenny santana y diana figueroa , pp. 145 -168


Cuando las volatilidades históricas del subyacente en el corto
plazo son bajas con respecto al mercado, la volatilidad implícita
tiende a ser una función creciente del vencimiento, debido a la
expectativa de los inversionistas de que estas aumenten y vice-
versa. Acorde a lo mencionado en el supuesto de normalidad que
atribuye a los retornos un movimiento independiente a los sucesos
pasados, y comprobado que ello no se cumple, Tagliafichi en un
estudio ajeno a lo aquí mencionado realiza un comparativo entre
el resultado obtenido al valorar una prima teórica mediante BS
estilo europeo mediante la estimación de la volatilidad a partir de
una serie temporal de los rendimientos del subyacente, empleando
modelos heterocedásticos no lineales de volatilidad condicionada
a un pasado reciente, como lo es el modelo GARCH (1,1).

|
De Los resultados obtenidos con el modelo tradicional20 se
concluye lo siguiente (gráfico 1): estimación de una superficie de vol atilidad

• Cuando la volatilidad no lineal se acerca a la volatilidad tra-


dicional, los precios teóricos están por encima de las primas
que cobra el mercado.
• Cuando la volatilidad estimada mediante GARCH (1,1) se
encuentra por encima de la volatilidad tradicional, las primas
tienden a estar a la par del mercado.

Por tanto, una fuente que asegura la confiabilidad del modelo


a realizar mediante la implementación de la superficie de volatilidad
se constituye en la comparación de las primas halladas implícitas

20 Modelo de simulación histórica. 153

Inicio Contenido Salir Volver


extraídas de la superficie y la volatilidad histórica estimada para el
índice COLCAP mediante la modelación de varianza condicionada.

Gráfico 1. Diferencia entre el modelo de volatilidad tradicional y el modelo.


GARCH (1,1) y diferencia entre las primas teóricas y reales
4,0 25.000

3,5
20.000
3,0

2,5 15.000
2,0

1,5 10.000
revista del mercado de valores , núm . 5 , edición julio 2016

1,0
5.000
0,5

0 0.000
01/02/2008
05/02/2008
07/02/2008
11/02/2008
13/02/2008
15/02/2008
19/02/2008
21/02/2008
25/02/2008
27/02/2008
29/02/2008
04/03/2008
08/03/2008
10/03/2008
12/03/2008
14/03/2008
19/03/2008
25/03/2008
27/03/2008
31/03/2008
Volat. ultimos 30 días Volat. modelada con Garch (1,1)
Prima teoríca BS (Garch1,1) Prima de mercado al cierre

Fuente: Tagliafichi (2008), Palermo Bussines Review /N°2/2008, p. 10.

2. Valoración de opciones: modelo BSM


El método de valoración de opciones generalizado en los
mercados corresponde al estilo europeo propuesto por Black and
Scholes (BSM) en 1973, por la simplicidad de sus cálculos y su
algoritmo sencillo, con la modificación realizada por Merton en
1978 para la valoración de opciones sobre acciones que pagan
dividendos, cuya formulación se presenta en la siguiente ecuación:

c = s0 e−qT N(d1) − K e−rT N(d2 ) (1)


análisis

p = ke−rT N(−d2 ) − s0 e−qT N(−d1) (2)

donde: s
0  2 
In( +  r − q + T
k  2 (3)
d1 =
154  T

Inicio Contenido Salir Volver


d2 = d1 −  T (4)

donde k es el strike o precio del ejercicio, r la tasa libre de


riesgo, q la tasa de dividendos, el precio actual del subyacente, T
el número de días que faltan para el vencimiento de la opción, la
volatilidad del subyacente y y corresponden al valor de la distri-
bución normal estándar.
Entre los supuestos se considera que la varianza del activo
subyacente permanece constante hasta el vencimiento del instru-
mento, contrario a ello y dado que los agentes del mercado asig-
nan de manera implícita una volatilidad para diferentes precios

jenny santana y diana figueroa , pp. 145 -168


de ejercicio o niveles de moneyness21que representan las expec-
tativas de los participantes; estas al ser graficadas se visualizan
como una sonrisa o mueca, lo que se conoce generalmente como
volatility smile, skew o smirk, estas últimas típicas de índices accio-
narios (gráfico 2). Es decir que la volatilidad usada para evaluar
una opción o hallar su precio o prima depende de su precio de
ejercicio y el tiempo al vencimiento22. De esta manera, si se aco-
moda la volatilidad como función del precio de ejercicio [(K)] y
los diferentes plazos de negociación [(T)] en un día, se obtiene la
superficie de volatilidad [(K,T)].
La volatilidad mencionada es la implícita estimada mediante
el delta neutral, el cual refleja el cambio del strike ante cambios en
el spot de acuerdo con el modelo BSM.
Su formulación se presenta en la siguiente ecuación:
| estimación de una superficie de vol atilidad
 s  2  
 In( ) +  r + T  (5)
 k  2 
deltacall = N  
  T 
 
 
delta ATMcall ≈ 0.5 deltaput = deltacall − 1

21 En los mercados de derivados para simplificar el uso de diferentes precios de


ejercicio, a la vez que la volatilidad asociada se estandariza una medida denomi-
nada moneyness, mediante el cociente [(K,S)], el retorno del cociente suavizado
al vencimiento [ln(K/S)/√t] o el delta de la opción.
22 Jhon C. Hull, Introducción a los Mercados de Futuros y Opciones, capítulo 17:
Sonrisa de Volatilidad. 155

Inicio Contenido Salir Volver


Gráfico 2. Sonrisa de volatilidad para un índice accionario
35

30
Volatility (%)
25

20

15

10
0,41 0,51 0,56 0,60 0,63 0,68
Option Strike (GBP per 1 AUD)
revista del mercado de valores , núm . 5 , edición julio 2016

Fuente: Visual Risk.

3. Superficie de volatilidad
Para el desarrollo de la superficie de volatilidad se plantea
un modelo propio empleando los supuestos generales del modelo
jump diffusion, estudiado en Colombia por el autor Carlos León23,
cuya investigación fue publicada por el Banco de la República24
y quien realiza un aproximación teórica con este método para
modelar una superficie de volatilidad en el mercado cambiario.
El autor concluye que los resultados encontrados se ajustan a lo
señalado por la evidencia de mercados de opciones desarrollados.
Al conocerse la volatilidad (dada por la superficie), el strike, el
spot y el plazo, lo que el mercado considera realmente implícito es
la prima de la opción, tanto así, que se negocian las volatilidades
implícitas directamente mediante el VIX.
La estimación de los precios de la opción con volatilidades
implícitas extraídas de la superficie de volatilidad surge en vista
que los supuestos contemplados por la metodología BSM no reco-
nocen la realidad de los mercados. El más evidente corresponde

a que los precios siguen un movimiento browniano o de caminata


análisis

aleatoria (random walk), por lo que se asume, entre otros, que:

23 Investigador del Departamento de Operaciones y Desarrollo de Mercados de la


Subgerencia Monetaria y de Reservas del Banco de la República de Colombia.
24 Título de la investigación: Una aproximación teórica a la superficie de volatilidad
en el mercado colombiano a través del modelo de difusión con saltos, Borrador
156 de Economía 570, año 2009.

Inicio Contenido Salir Volver


1) Las características de tendencia y volatilidad son constantes
en el tiempo.
2) Los retornos son independientes, no existe correlación con
cambios anteriores.
3) Los retornos del subyacente son continuos, no presentan
saltos o picos.
4) Los retornos tienen una distribución normal.

El primer supuesto se abordó con anterioridad; el segundo,


según Mandelbrot y Hudson (2004), comprueba que cambios
grandes o pequeños en el activo financiero tienden a ser seguidos
por otros de similar tamaño, lo que se conoce como agrupamiento

jenny santana y diana figueroa , pp. 145 -168


de volatilidad o volatility clustering.
El autor, en el tercer y cuarto supuesto, de nuestro interés,
demuestra mediante inspección gráfica, que la distribución empí-
rica difiere de la normal; a su vez, la curtosis excede entre tres
y seis veces el supuesto de normalidad (3) y esta diferencia es
más notoria para las observaciones que exceden dos desviaciones
estándar, es decir, los saltos, que representan los eventos extremos
conocidos también como colas anchas.
Así mismo, el sesgo difiere significativamente de cero, por lo
cual las observaciones se concentran hacia un lado de la distribu-
ción, si es positivo hacia la cola derecha y si es negativo hacia la
cola izquierda.
En conclusión, la evidencia reveló que los precios de los activos

|
financieros “saltan”, por tanto, no puede ser ignorado este evento y
debe ser considerado como elemento esencial en los mercados. estimación de una superficie de vol atilidad

4. VIX
Una vez se cuenta con los precios estimados y negociados en
un día, se constituye el mercado de opciones con el cual, extraídas
las volatilidades implícitas, es conformado un mercado de volatili-
dad donde estas son negociadas.
Para su cálculo a continuación se presentan las fórmulas:


C ,1, A + P ,1, A  
C ,1, B + P ,1, B
1, A = y 1, B = (6)
2 2

C , 2, A + P , 2, A 
 
C , 2, B + P , 2, B

2, A = y 2, B = (7)
2 2
157

Inicio Contenido Salir Volver


S − KB K
B−S
1 = 1, A K

+ 
1, B (8)
A − KB K
A − KB

S − KB K
B−S

2 =  2, A K + 
2, B (9)
A− BK K
A − KB

T
2 − 90  90 − T1
VIX = 1 T + 2T (10)
2 − T1 2 − T1

Cuando se presenta un índice de volatilidad alto, los inver-


sionistas cubren sus portafolios por medio de compra en opciones
revista del mercado de valores , núm . 5 , edición julio 2016

put, por el contrario, si el índice es bajo no habrá necesidad de


adquirir esta cobertura.

II. Metodología y desarrollo de un mercado


de opciones sobre el índice COLCAP

A. Estimación de strikes
A continuación se relaciona el desarrollo para la obtención
de los precios, que permitirán establecer los niveles de moneyness
de acuerdo con el delta de la opción.

1. Aproximación jump
Esta aproximación consiste en la división de los retornos del
índice mediante la desviación estándar de la serie25. Se define el
número de desviaciones que generan exceso de curtosis26 como
parámetro de división y así se obtienen dos series nuevas: una sin
saltos (browniana) que presenta una curtosis aproximada a cero
y corresponde a los movimientos cuya magnitud estandarizada es

igual o inferior a dicho límite y otra con saltos, esta última con
análisis

exceso de curtosis (gráfico 3). Definimos saltos como aquellas vari-


aciones súbitas en los precios, ya sean aumentos o disminuciones
para un tiempo dado, y que no asumen normalidad, es decir, no
hay manera de predecirlas.

25 Periodicidad de la serie de precios del 4 de enero de 2010 al 15 de febrero de


2012. Los retornos en esta periodicidad mostraron picos o “saltos” que permiti-
rán la aplicación de un modelo más ajustado.
26 Se refiere al grado de empinación de una distribución con respecto a la normal.
158 Si este valor es próximo a 0, la distribución sigue una distribución normal.

Inicio Contenido Salir Volver


La desviación estándar de la serie de los retornos original
arroja un resultado de 0,0104816; la serie normal presenta una
curtosis de 3, mientras que la serie con saltos presenta exceso de
curtosis del 12,6765, confirmando lo antes mencionado.

Gráfico 3. Retornos con saltos

0,03

0,02

0,01

jenny santana y diana figueroa , pp. 145 -168


-0,01

-0,02

-0,03
20110103
20110124
20110211
20110222
20110303
20110324
20110404
20110426
20110505
20110525
20110615
20110624
20110707
20110728
20110808
20110829
20110907
20110927
20111006
20111018
20111108
20111118
20111129
20111209
20111220
Retornos Normales

Fuente: autores, con datos de la BVC.

2. Simulación de Montecarlo
Mediante el software Risk Simulator 2013, en el módulo de
análisis de datos se hace la simulación de acuerdo con la distri-
bución de probabilidad que presente mejor ajuste de bondad
mediante el p-valor; la primera debe presentar normalidad, pues
| estimación de una superficie de vol atilidad
es la finalidad de la aproximación jump.
La bondad de ajuste será evaluada entre estos tres métodos:

• Método chi cuadrado: comprobación de distribuciones discre-


tas y continuas, con un valor de bondad de ajuste > de 0,5.
• Método Kolmogorovsmirnov: distribuciones continuas, con
un valor de bondad de ajuste < al 0,03.
• Método Anderson Darling: análisis del área de las colas, pre-
sentando un valor de bondad de ajuste < a 1,5027.

27 Centeno Roberto, Simulación de Montecarlo y su aplicación a la ingeniería geo­


tecnia, capítulo. Pruebas de bondad de ajuste para la data con la que se pretende
simular. 159

Inicio Contenido Salir Volver


Para la simulación de la serie browniana, se valida la distri-
bución por medio de la prueba Kolmogorov Smirnov, que muestra
como resultado una distribución normal con el 97,41% de con-
fianza. Por otro lado, se muestra una distribución multiplicativa
de Beta para la serie con saltos y forma exponencial, con un 0,2%
de bondad de ajuste.

3. Estimación de precios o strike


Una vez con los retornos simulados (ri), se emplea la fórmula
expresada a continuación para devolverlos a precio nuevamente:
Las dos series de precios se agrupan nuevamente en una sola
y se realizan distintos filtros para escoger de acuerdo con el mone­
revista del mercado de valores , núm . 5 , edición julio 2016

yness aquellos que permitan observar las diferentes situaciones:


ITM, ATM u OTM, con respecto al spot28.

Strike = Spot ∗ eri

B. Superficie de volatilidad
La superficie está conformada por tres variables: la volati-
lidad, el plazo y el moneyness. Los plazos corresponden a los
publicados en Bloomberg29: 1 día, 7 días, 14 días y hasta 1.828
días al vencimiento.
Adicionalmente, el moneyness está dado por el delta de la
opción de acuerdo con la misma página de referencia: 0,1, 0,25,
0,5, 0,75 y 0,9
La volatilidad es estimada con la fórmula delta neutral [8].
Para ello se cuenta con el spot, los distintos strikes y el plazo. Por
tanto, se debe buscar la volatilidad que de acuerdo con el delta
establecido permite la igualación de la ecuación.
Este procedimiento se lleva a cabo 85 veces hasta completar
– análisis

los diferentes plazos al vencimiento para cada moneyness; por con-


siguiente, se hace necesario una optimización mediante una primera
herramienta en Visual Basic, que agrupa los resultados obtenidos. El
resultado final de la superficie se presenta en el gráfico 4.

28 Valor del índice al cierre del 15 de febrero de 2012 (1.690).


29 Red interactiva de información financiera, usada en la mayoría de las empresas
160 bursátiles.

Inicio Contenido Salir Volver


Gráfico 4. Superficie de volatilidad obtenida para el índice COLCAP
Superficie de Volatilidad
Indice COLCAP

50%
45%
40%
35%
30%
Volatilidad

25 %
20%
15%
10%
5%

jenny santana y diana figueroa , pp. 145 -168


0,1
7 14 0,2
21 29 0,3
58 90 0,4
120 183 0,6 Delta
Plazo 0,7
211 0,8
274 365 0,9

Fuente: autores, mediante software MATLAB.

1. Volatilidad implícita
Para hallar la volatilidad de cada prima, se determinan los
strikes que se encuentren ATM, ITM y OTM. Para ello se asume
que el spot corresponde al valor ATM (delta 0,5); en cuanto a los
valores que se encuentran ITM (delta 0,75 y 0,9) y OTM (delta 0,25
y 0,1), se calculan con el strike de referencia a evaluar en la prima
de la opción, en función del spot, la tasa libre de riesgo, la tasa de
dividendos y el valor delta invertido.

| estimación de una superficie de vol atilidad


El strike asociado a cada delta debe encontrarse entre dos
puntos, el primero es que sean por encima o debajo, o los más
próximos por debajo del strike de referencia, así mismo las volatili-
dades correspondientes a estos, de manera que como resultado se
obtiene una matriz 2x2 para una nueva interpolación.
Para cada prima se estima la volatilidad de acuerdo con cada
día al vencimiento y cada strike, con lo cual se construye un regis-
tro que conforma el mercado de volatilidades, base para el índice
de volatilidad CVIX. Este proceso es realizado mediante una herra-
mienta en Visual Basic.

2. Volatilidad histórica: GARCH


Para su estimación se realizó un modelo GARCH (1,1) resul-
tante de la regresión entre el índice COLCAP (a), COL 20 (b) e
161

Inicio Contenido Salir Volver


IGBC (c), donde se muestra que los parámetros son significativos
conforme a los resultados.
Según la fórmula de varianza condicional y una vez reali-
zados los cálculos en el software Stata30, el modelo resultante se
presenta a continuación:

t2 = 288, 26a + 0,1256b + 0.8627c

Se comprueban los supuestos donde la constante debe ser


mayor que alfa y beta, y afirmando que la sumatoria de estas dos
es menor a 1.
revista del mercado de valores , núm . 5 , edición julio 2016

3. Interpolación
Para la valoración de las primas de la opción es necesario
hallar la volatilidad para cada plazo al vencimiento, con base en
la calculadora de opciones de la empresa Infovalmer, proveedor
de precios del mercado colombiano, cuya base es el método de
interpolación polinómica de primer orden de Newton31, se estima
el valor de la volatilidad para cada plazo contemplado en la super-
ficie de volatilidad.
Se separan por rangos los días al vencimiento de la superficie
de volatilidad y con cada uno de ellos se abstrae la volatilidad
asociada, de manera que se establece la matriz base para realizar
la interpolación; con ella y empleando la fórmula de interpolación
lineal, se hallan las volatilidades asociadas para cada delta y cada
día al vencimiento desde el día 1 hasta 1.828 días.
En síntesis, lo que se logra es ampliar la superficie de volatilidad.

C. Prima de la opción
Se valora mediante el modelo BMS para acciones que pagan
– análisis

dividendos empleando las ecuaciones [1] y [2] para el cálculo de


la prima tanto call como put.
Tasa de Dividendos: Mediante los dividendos efectivamente
pagados por las empresas que componen el COLCAP registrados

30 Programa integrado de estadística.


31 O interpolación lineal para hallar un punto medido entre dos puntos dados cre-
162 cientes o decrecientes.

Inicio Contenido Salir Volver


por el ETF32 Ishare del COLCAP (ICOLCAP)33 para el periodo del
29 de diciembre de 2011 al 30 de noviembre de 2012.
Tasa libre de Riesgo: Corresponde a la tasa cero cupón TES
2024 del 16 de febrero de 2012, por ser la referencia más líquida y
con mayor volumen de negociación.
Se escogen los días de vencimiento de la opción que se desea
estimar, de manera que pueda observar el valor de la prima con el
paso de los días; al contemplar los diferentes escenarios, el inver-
sionista selecciona cuál le proporciona una mejor cobertura.
Para la consolidación de las primas en una base de datos se
diseñaron dos programas en Visual Basic, uno para las primas call
y otro para las primas put.

jenny santana y diana figueroa , pp. 145 -168


La herramienta permite la obtención de todos los posibles
valores de primas mediante la fórmula de BSM estilo europeo,
para cada strike (en total 304) y cada día (desde 1 hasta 1.828).

D. CVIX
Está conformado por 4 opciones call y 4 put, que se encuen-
tren ATM y con los plazos al vencimiento más cercano, se escogen
dos strikes aleatoriamente, uno ITM y otro OTM, y de acuerdo con
las volatilidades obtenidas, se calcula una nueva media con estos
datos para obtener el precio de ejercicio más ATM; por último se
realiza el cálculo del índice, implementando la ecuación [10].

III. Análisis de resultados

En el siguiente apartado se enseñan los resultados obtenidos a par- | estimación de una superficie de vol atilidad
tir de los modelos desarrollados.

A. Superficie de volatilidad
En vista que el mercado acepta y emplea la fórmula de Black and
Scholes para la valoración de las primas, se evidencian dos supuestos
que se encontraron válidos al estimar la superficie de volatilidad.

32 O fondo bursátil. Es un instrumento financiero que combina las acciones y las


carteras colectivas tradicionales; permite acceder en una sola transacción a los
títulos del COLCAP.
33 Busca proporcionar a los inversionistas una rentabilidad similar a la del índice
COLCAP, descontando las comisiones de gestión y administración. 163

Inicio Contenido Salir Volver


1) La volatilidad del activo subyacente permanece constante
durante el vencimiento de la opción. El valor de esta volatilidad
con un spot de 1.690 correspondiente al delta 0,5 (at the money)
es constante en 13,8%
2) La superficie está conformada por la unión de las sonrisas
de volatilidad, para el caso de estudio debe corresponder con
una skew o sonrisa de volatilidad decreciente, como se evidencia
en el gráfico 5.

Gráfico 5. Sonrisa de volatilidad obtenida para una opción call

25%
revista del mercado de valores , núm . 5 , edición julio 2016

23%

21%

19%

17%
Volatilidad

15%

13%

11%

9%

7%

5%
1590 1610 1630 1650 1670 1690 1710 1730 1750
Strike
Fuente: autores.

B. Volatilidad implícita
La volatilidad presentada en las opciones que tienen un plazo
de expiración menor a 10 días de operación, según la experien-
cia del mercado, es distorsionada, es decir, sobrevalua o subvalúa

el valor real de volatilidad34 y, por tanto, el valor de la prima se


análisis

ve afectado por esta apreciación del mercado y describe para el


índice COLCAP que la volatilidad aumenta excesivamente fal-
tando un día para su vencimiento y hacia los 7 días se normaliza,
presentando un 38% a 40% anual de volatilidad, lo que corrobora
su relación con la volatilidad histórica (gráfico 6).

164 34 Metodología para el cálculo del índice VIMEX, p. 5.

Inicio Contenido Salir Volver


Gráfico 6. Volatilidades implícitas obtenidas sobre las primas negociadas vs el
precio de ejercicio ITM (delta 0,5)

130%
120%
110%
100%
90%
80%
Volatilidad

70%
60%
50%
40%
30%

jenny santana y diana figueroa , pp. 145 -168


20%
10%
0%

1.861
1.751
1.609

1.627

1.647

1.668
1.688

1.706
1.730

1.779

1.816

1.887
1.500

1.519
1.537

1.554
1.572

1.600

Strike
Volatilidad 1 día Volatilidad 4 día

Fuente: autores.

C. CVIX
Una vez se realizan los cálculos, se obtiene un CVIX del
19,54%, lo que quiere decir que esta es la volatilidad que esperan
ver los inversionistas durante los treinta días siguientes.
Como es un valor inferior a veinte, se interpreta que es un
periodo de tranquilidad para el mercado, lo que puede mostrar
tendencia alcista sostenida.
| estimación de una superficie de vol atilidad
IV. Utilidad y aplicación financiera
de los resultados

Este modelo brinda una aproximación al mercado de opciones en


Colombia sobre el índice COLCAP que permite dar inicio en su
primer día de negociación al desarrollo de este tipo de contratos;
a su vez provee un marco de referencia para aquellos días en que
no haya cotizaciones de primas.
Hasta el momento en que un ente regulador decida negociar
la superficie de volatilidad mediante este modelo habría una com-
binación entre primas observadas por el mercado y las estimacio-
nes proporcionadas por los modelos financieros propuestos.

165

Inicio Contenido Salir Volver


Para los strikes que no presentaron negociación y que por
ende no presentan información de volatilidad o en el caso de que
los strikes y plazos sean demasiados altos, se complementan con
la metodología planteada. En caso contrario va a prevalecer lo que
muestre el mercado con las primas observadas.
Una vez exista el mercado de opciones, puede ser imple-
mentado el índice de volatilidad CVIX, mediante la metodología
aquí planteada.

V. Conclusiones

Con la implementación de la superficie de volatilidad para la esti-


revista del mercado de valores , núm . 5 , edición julio 2016

mación de las primas, se demuestra cualitativamente que la vola-


tilidad es mayor a medida que se acercan los días al vencimiento
de la opción y, por ende, el valor de la prima es proporcional a
este incremento.
La valoración de las primas para los strikes in the money pre-
sentan el valor más alto, decreciente en los strikes out the money.
Se logra demostrar que la superficie encontrada es el con-
junto de sonrisas de volatilidad acordes con la forma skew obser-
vadas en mercados desarrollados para opciones call.
Se hace necesario, por las limitaciones en productos de
cobertura disponibles para los inversionistas de renta variable,
realizar una primera aproximación a lo que sería el mercado de
opciones en Colombia sobre el índice COLCAP para posterior a
este, crear el índice de volatilidad CVIX, tal como se encuentra
implementado en los mercados que ya manejan opciones finan-
cieras como instrumento de cobertura.

VI. Recomendaciones
– análisis

Estudiar las condiciones en que sería llevada a cabo la negociación


de la opción sobre el índice COLCAP y cómo permite la cobertura
al inversionista.
Crear la opción sobre el índice CVIX, a partir del mercado de
volatilidades planteado.

166

Inicio Contenido Salir Volver


Referencias

Alankar, K. (2012). Valuation: Volatility surfaces. Disponible en http://


www.visualrisk.com/brochures/UndertheHood_VolatilitySurface_
February2012.pdf.
Centeno, R. (s. f.). Simulación de Montecarlo y su aplicación a la
ingeniería geotecnia.
Cordero, E. (2013). VIX: Conociendo todos sus secretos. Disponible en
http://Esbolsa.com/blog/análisis-tecnico/vix-secretos/.
García, M., & Ibar, R. (s. f.). Estimación de modelos de volatilidad
estocástica. Universidad San Pablo, Facultad de Ciencias
Económicas y Empresariales.

jenny santana y diana figueroa , pp. 145 -168


García, P. (s. f.). La volatilidad implícita en las opciones sobre índices
bursátiles. Universidad Complutense de Madrid.
Giner, J., & Morini, S. (2004). El índice VIX para la predicción de
volatilidad: un estudio internacional. Universidad de la Laguna,
Departamento de Economía Financiera y Contabilidad.
Hull, C. J. (2002). Introducción a los mercados de futuros y opciones.
Madrid: Prentice Hall.
León, C. (2009). Una aproximación teórica a la superficie de volatilidad
en el mercado colombiano a través del modelo de difusión con
saltos (Borrador de Economía 570). Banco de la República.
Levy, J. (s. f.). Modelización con estructuras de covarianzas en ciencias
sociales.
Ludlow, J., & Mota, B. (2006). Volatilidad del IPC, Nasdaq y S&P500: un

|
modelo garch multivariado. UAM, Departamento de Economía.
Mathews, J. (2000). Interpolación y aproximación polinomial. Disponible estimación de una superficie de vol atilidad
en http://disi.unal.edu.co/~lctorress/MetNum/MeNuCl03.pdf.
Merton, R. (1973). Theory of rational option pricing. Bell Journal of
Economics and Management Science.
Novales, A. (2012). Volatilidad, Universidad Complutense, Departamento
de Economía Cuantitativa.
Saavedra, P., & Ibarra, V. (s. f.). El método de Montecarlo y su aplicación
a finanzas. Universidad Autónoma Metropolitana Itapalada,
Departamento de Matemáticas.
Tagliafichi, R. (2008). La volatilidad, su cálculo y su incidencia en los
precios de los derivados. Palermo Business Review, 2.
Boletín de Información Financiera FIRA (2011). Mercado de futuros y
opciones. Disponible en http://www.fira.gob.mx.

167

Inicio Contenido Salir Volver


Boletín del Mercado de Derivados Financieros. Forwards, swaps,
contratos digitales. Disponible en http://planetaforex.com.
Boletín de Tipos de Instrumentos Derivados. Superintendencia de banca,
seguros, y AFP. Disponible en http://www.sbs.gob.pe
Calculadora de opciones INFOVALMER. Disponible en http://www.
infovalmer.com.
Fondo bursátil. Disponible en http://co.ishares.com.
Información índice Colcap. Bolsa de Valores de Colombia. Disponible en
www.bvc.com.co
Metodología VIMEX. Bolsa mexicana de derivados. Disponible en http://
www. Mexder.com.mx.
Reporte del Foro Económico de Suiza (2011). Disponible en http://www.
revista del mercado de valores , núm . 5 , edición julio 2016

weforum.orgdocs.
Calculadora de opciones INFOVALMER, Recuperado de http://www.
infovalmer.com
Mathews, J. Interpolación y aproximación polinomial. (2000). Recuperado
de http://disi.unal.edu.co/~lctorress/MetNum/MeNuCl03.pdf
Alankar, K. (2012) Valuation: Volatility Surfaces. Recuperado de http://
www.visualrisk.com/brochures/UndertheHood_VolatilitySurface_
February2012.pdf
Información índice Colcap, Bolsa de Valores de Colombia. Recuperado
de www.bvc.com.co
– análisis

168

Inicio Contenido Salir Volver


Modelo de valor en
riesgo ajustado por
liquidez: aplicación
al mercado de renta
variable colombiano
Brayan Ricardo Rojas Ormaza

Resumen
Después de la crisis del 2008 y de la caída de Interbolsa,
se ha visto la importancia de incluir el riesgo de liquidez
como un factor clave en los sistemas de administración
de riesgos. Por tal razón, se realiza un estudio que incor-
pora el riesgo de liquidez de trading a la metodología tra-
dicional de Valor en Riesgo aplicado al mercado de renta
variable colombiano; en consecuencia, se encuentra que
la metodología mejora la cuantificación del riesgo en tér- Documento ganador del
minos del backtesting y refleja la importancia de incluir el Concurso Arquitectos del
Mercado de Capitales año
riesgo de liquidez en la gestión diaria. Finalmente, se rea- 2014. Categoría Posgrado.
lizan recomendaciones a la Superintendencia Financiera El autor es economista de
la Universidad Nacional de
de Colombia (SFC) para mejorar el monitoreo del riesgo. Colombia, especialista en
Gestión de Riesgos y Control
Palabras clave: riesgo de mercado, riesgo de liquidez, de Instituciones Financie-
cuantificación del riesgo. ras y Magíster en Finanzas
de la Universidad de los
Andes. Correo electrónico:
Clasificación JEL: C58, G32, G12. br.rojas40@uniandes.edu.co.

Inicio Contenido Salir Volver


Value-at-risk model
adjusted by market
liquidity: The
application to the
Colombian equities
market
Brayan Ricardo Rojas Ormaza

Abstract
After the 2008 crisis and the fall of Interbolsa, it became
clear that it was important to include liquidity risk as a key
This article is winner of the
competition of Capital Market
factor in the risk administration systems. As such, a study
Architecs of Main year 2014 was undertaken that included liquidity risk in trading in
proposed by the Autorregulador
del Mercado de Valores
the traditional value-at-risk method that is applied to the
and The Bolsa de Valores Colombian equities market. As a result, it was found that
de Colombia in the form of
posgraduate studies.
the methodology improves the risk quantification in terms
of backtesting and reflects the importance of including the
The author is economist of
the Universidad Nacional
liquidity risk in daily management. Finally, suggestions are
de Colombia, specialist in made aimed at the Colombian Superintendence of Finance
risk management of Control
of Financial Institutions and
(SFC) in order that they improve the monitoring of risk.
Magíster in Finances of the
Universidad de los Andes. Key words: Market risk, liquidity risk, risk quantification.
Email: br.Red40@uniandes.
edu.co. JEL classification: C58, G32, G12.

Inicio Contenido Salir Volver


Introducción

La crisis del 2008 dejó varias críticas a los controles impuestos por
los entes reguladores locales e internacionales en temas de riesgos,
debido a que se evidenció flexibilidad en las políticas establecidas
por ellos en temas de gestión de riesgos; uno de los puntos que
se criticó fue el poco control en las estrategias de inversión que
aumentaron el riesgo de mercado y liquidez en el ámbito mun-
dial. En Colombia se presentó un período de tensión de la Bolsa
de Valores en el 2002, ocasionado por el debacle de Interbolsa,
el cual se dio por el incumplimiento de una obligación debido
a la iliquidez de la compañía, lo que conllevó una intervención

br ayan rojas orma z a , pp. 169 -198


del ente supervisor. Las entidades que se encargan de regular el
tema de riesgos financieros son la Superintendencia Financiera
de Colombia (SFC) a nivel local y el Comité de Basilea a escala
global; este último fue criticado fuertemente por la flexibilidad en
algunos temas regulatorios (véase Herring, 2011).
La Superintendencia Financiera de Colombia (SFC) en la cir-
cular 100 de 1995 estableció la reglamentación y normas en la
administración del riesgo. En el capítulo XXI de la norma men-
cionada se encuentran las reglas relativas al Sistema de Adminis-
tración de Riesgo de Mercado (SARM) (véase Superintendencia

|
Financiera de Colombia [SFC], 1995) y en el capítulo VI las reglas

modelo de valor en riesgo ajustado por liquidez


para el Sistema de Administración de Riesgo de Liquidez (SARL);
en estos capítulos, la SFC establece las pautas que deben regir las
instituciones financieras vigiladas por el ente para la definición de
las etapas y los elementos de cada sistema en búsqueda de una
adecuada gestión de los riesgos de mercado y liquidez.
En el campo global, el Comité de Basilea (denominado Basi-
lea por ser la ciudad sede) adscrito al Bank for International Settle­
ments (BIS), determina las recomendaciones en temas de gestión
de riesgo que deben seguir las instituciones financieras y las políti-
cas para los entes supervisores por medio del Acuerdo de Basilea
III (véase Basel Committee on Banking Supervision [Basel], 2010a).
La última versión oficial de propuestas se desarrolló a partir de
las causas y consecuencias que generó la crisis del 2008, y uno
de los cambios más relevantes fue la implementación de nuevas
metodologías de medición del riesgo de liquidez, brindando a este
riesgo una importancia que no había sido dada en las versiones
anteriores del acuerdo.
171

Inicio Contenido Salir Volver


Tanto la SFC como Basilea han reflejado la importancia de
la gestión del riesgo de mercado y de liquidez al incluirlos dentro
de las reglas y recomendaciones en la gestión del riesgo, pero se
refleja una debilidad en las políticas cuando se habla de integra-
ción y agregación de los riesgos.
Las instituciones financieras generalmente usan la metodo-
logía de medición del riesgo conocida como Value-at-Risk (VaR),
concepto aplicado principalmente en la cuantificación del riesgo
de mercado; pero esta técnica presenta debilidades en la integra-
ción del riesgo cuando una posición se debe ajustar a los movi-
mientos y situaciones del mercado.
La incertidumbre que se presenta en el trading de un activo
revista del mercado de valores , núm . 5 , edición julio 2016

financiero genera un riesgo de liquidez que debe ser implemen-


tado en la cuantificación del riesgo de mercado. Estudios realiza-
dos por Bangia, Diebold, Schuermann y Stroughair (1999), Almgren
y Chriss (2000) y Dowd (2005), reflejan la importancia de incluir
el riesgo de liquidez dada las pérdidas potenciales que se pueden
generar por la negociación de un activo (trading) con respecto a
su valor de mercado.
El presente artículo hace un estudio de herramientas apli-
cables al sector financiero y supervisor que permite mejorar los
sistemas de administración del riesgo buscando generar mayor
confianza en el mercado y disminuir eventos de crisis financie-
ras. Para lograr lo anterior se realiza un ajuste al Valor en Riesgo
incluyendo el riesgo de liquidez, usando una metodología uni-
variada basada en la propuesta de Bangia et al. (1999) e incor-
porando modificaciones como la inclusión de la simulación de
Monte Carlo, volatilidad condicional y ajustes en el escalamiento
del nivel de confianza. Este modelo se aplica al mercado de renta
variable para acciones de la Bolsa de Valores de Colombia desde
el 1º de abril del 2010 hasta el 30 de abril del 2014. Con base en
– análisis

la metodología se propone una incorporación de la integración del


riesgo de mercado y liquidez como una regla por parte de la SFC
hacia las instituciones financieras.
El artículo está organizado, primero, por un marco teórico
que incluye una explicación de las metodologías de medición de
riesgo de mercado y liquidez. En la sección II, el marco normativo
de los riesgos financieros; en la sección III se presenta el modelo
de ajuste del riesgo de mercado por riesgo de liquidez; la sección
IV describe los datos y los resultados de la metodología; la sección
172

Inicio Contenido Salir Volver


V unas recomendaciones normativas y, finalmente, una sección
con las conclusiones.

I. Marco teórico de referencia

El riesgo generalmente tiene una concepción negativa, pero este


se puede definir como la posibilidad de cambios en la situación
esperada. De acuerdo con Lara (2004), el riesgo son las pérdidas
potenciales que se pueden sufrir en portafolios de inversión. Desde
hace varios años, la medición del riesgo ha tomado gran fuerza,
especialmente por el impacto que puede generar en la economía,
siendo uno de los riesgos principales el riesgo de mercado, que

br ayan rojas orma z a , pp. 169 -198


son las posibles pérdidas ocasionadas por variaciones en factores
de riesgo de mercado como precios de acciones, tasas de interés,
tasa de cambio, entre otros.
En la crisis del 2008 se vio cómo el riesgo de liquidez generó
un gran impacto a nivel global, ocasionando que la Reserva Fede-
ral (FED) implementara políticas de inyección de liquidez a la
economía para generar confianza en los mercados. Se debe tener
presente que en las instituciones financieras existen dos concep-
tos asociados a la liquidez: el primero, la solvencia, que consiste
en tener recursos superiores a las obligaciones contractuales y no

|
contractuales y, el segundo, la liquidez, definida como la posi-

modelo de valor en riesgo ajustado por liquidez


bilidad de convertir activos líquidos o ilíquidos en efectivo en
el momento requerido. Por tanto, se define el riesgo de liquidez
como las posibles pérdidas ocasionadas por la imposibilidad de
convertir activos en efectivo para cubrir sus obligaciones.
Como se mencionó previamente, la metodología tradicional
de medición de riesgo de mercado es el VaR, que cuantifica la
máxima pérdida esperada en un horizonte de tiempo y con un
nivel de confianza dado (véase Jorion, 2007). El VaR no incluye
el riesgo de liquidez ocasionado por las posibles pérdidas al
momento de intentar liquidar una posición, esto debido a que el
VaR generalmente se calcula con el precio de cierre del activo
para el día t.
Los estudios prácticos que integran el riesgo de mercado y
el riesgo de liquidez realizados con diversas metodologías, se han
elaborado para países como Estados Unidos, Reino Unido y Aus-
tralia, realizado por Marcato y Ward (2007) donde construyeron
regresiones para calcular la liquidez en los mercados, usando el
173

Inicio Contenido Salir Volver


spread entre el bid-ask price, el tamaño de la firma y variables
dummy de mercado; Cao y Petrasek (2013) efectuaron un estu-
dio para Estados Unidos para determinar cuáles factores son los
determinantes de las variaciones en los retornos ante situaciones
de crisis de liquidez, usando estadísticos como el spread efectivo
y aplicándolo a un modelo de datos panel. También para este país,
Meucci (2012) llevó a cabo una metodología que integra el riesgo
de liquidez, el riesgo de fondeo y el riesgo de mercado para diver-
sos portafolios simulados del S&P500 e implementó diversos hori-
zontes de inversión.
Para Grecia, Papavassiliou (2013) propone una metodología
no paramétrica que incluya el riesgo de liquidez por medio de un
revista del mercado de valores , núm . 5 , edición julio 2016

modelo CAPM. Usando una metodología similar, Chen y Wang


(2011) realizaron una aplicación para China incluyendo un costo de
liquidez como variable dependiente. Mamoghli y Rouetbi (2014)
aplicaron para datos de alta frecuencia —intraday— modelos de
duración, volatilidad condicional y simulaciones de Monte Carlo al
mercado de Túnez. Para Perú, Indacochea y Olcese (2008) aplican
la metodología de costo de liquidez exógeno, pero realizan un
ajuste a la no normalidad por medio de regresiones para escalar
las distribuciones leptocúrticas. Para diversos países, véanse los
estudios de Al Janabi (2009), que calcula el riesgo de liquidez en
seis países del Oriente Medio; finalmente, Liang y Wei (2012) rea-
lizan el estudio para once países desarrollados.
En Colombia no se evidencian muchos estudios que cuanti-
fiquen el riesgo de liquidez. Se tienen los trabajos de González y
Osorio (2007), quienes realizaron un estudio de incorporación de
riesgo de liquidez en el VaR para renta fija, usando una metodolo-
gía multivariada; Agudelo (2011), en el cual se obtienen los costos
de transacción de acuerdo con el volumen transado registrado en
el libro de órdenes para las acciones de la Bolsa de Valores de
– análisis

Colombia, empleando datos de alta frecuencia; y el trabajo reali-


zado por León (2012), donde calculó el riesgo de liquidez intraday
para las instituciones financieras colombianas, utilizando simula-
ciones de Monte Carlo. Finalmente, basados en el trabajo de Gon-
zález y Osorio (2007) y usando indicadores de liquidez, el Banco
de la República publica el Reporte de estabilidad financiera1, que

1 Información disponible en http://www.banrep.gov.co/es/reporte-estabilidad-


174 financiera.

Inicio Contenido Salir Volver


contiene cálculos semestrales sobre el riesgo de liquidez del mer-
cado de renta fija.

A. Riesgo de mercado
El riesgo de mercado se define como las posibles pérdidas que
se pueden dar por disminución del valor del portafolio por cambio
en factores de riesgo de mercado, como tasas de interés, tasas de
cambio, precios de acciones, precios de commodities, entre otros.
Para su medición se usa el Valor en Riesgo que presenta diferentes
metodologías de cálculo, siendo las más relevantes la metodología
paramétrica (delta normal), no paramétrica o simulación histórica
y la técnica de Monte Carlo. El tema de cuantificación del riesgo

br ayan rojas orma z a , pp. 169 -198


de mercado se encuentra ampliamente explicado en Lara (2004),
Dowd (2005), Jorion (2007) y Hull (2012).
Uno de los elementos relevantes en la cuantificación del
riesgo de mercado es la obtención de los precios. La formación
de precios para el caso colombiano se encuentra regulada en la
Bolsa de Valores de Colombia [BVC] (2014), donde por medio
de diferentes mecanismos de intermediación entre compradores
y vendedores y teniendo presente factores como volumen, pre-
cios ofertados, precios demandados, ruedas y de acuerdo con la
metodología de negociación (continua, por subasta, mixta, calce

|
automático sin puja y calce voluntario) se establecen los precios,

modelo de valor en riesgo ajustado por liquidez


los cuales son la base para la cuantificación del riesgo a través de
las diferentes metodologías presentadas a continuación.
El cálculo del VaR se puede realizar por medio de los retor-
nos o por medio de los precios. Dado que se requiere incluir un
componente de liquidez, este se incluirá a través de variaciones en
precios, se define Pt como el mid-price de un activo en el momento
 pt 
r = In 
t y sea t  Pt −1  el retorno logarítmico del precio; por tanto,

para obtener el VaR definido como P se tiene:


P
α = Pe
t
[ Ε ( rt )−Ζα σt ]
(1)

En la ecuación (1), el valor esperado de los retornos bajo nor-


malidad y por ley de los grandes números tiende a cero, t es la
volatilidad de los retornos del activo Rt y Z es la inversa de una 175

Inicio Contenido Salir Volver


distribución normal estándar. Por tanto, el VaR paramétrico usando
la nomenclatura de Bangia et al. (1999), P– VaR se define como:

P − VaR = Pt (1− e[ −Ζa σt ] ) (2)

La volatilidad puede ser calculada por medio de diferentes


metodologías, entre ellas se tiene histórica o desviación estándar,
promedio móvil ponderado exponencialmente (EWMA, por sus
siglas en inglés)2 definido como:
revista del mercado de valores , núm . 5 , edición julio 2016

σt2 = (1− λ)∑ λi −1rt2 (3)


i =1

Dándole mayor peso a las observaciones más recientes,


usando para ello el factor de decaimiento , la otra metodología
de medición de volatilidad son los modelos de series de tiempo de
la familia GARCH3.

rt = βo + ∈t donde ∈t  N(0, ht2 ) (4)

q p
ht2 = α0 + ∑ αi ut2−i + ∑ βi ht2−i (5)
i =1 i =1

Donde (4) equivale a la ecuación de media, la cual puede


ser descrita por un retorno constante  o y (5) es la ecuación de
varianza donde los parámetros ut2 es una variable ruido blanco
y ht2 es la varianza de los errores de la ecuación (4). Para mayor
profundidad sobre la estimación de los modelos GARCH, véase
Bollerslev (1986); por medio de los retornos obtenidos a través de
los precios implementados en las ecuaciones (4) y (5) se obtiene la
– análisis

volatilidad GARCH t2 .

B. Riesgo de liquidez
El riesgo de liquidez de trading se presenta cuando el trader
fija una posición a un precio de mercado, creyendo que el mer-
cado estará en la capacidad de liquidar la posición al precio esta-

2 Véase JP Morgan Bank (1995).


176 3 Véanse Engle (1982) y Bollerslev (1986).

Inicio Contenido Salir Volver


blecido; pero dependiendo la liquidez del mercado y el volumen
de la posición, no todas las ventas o compras son ejecutadas o de
serlo lo serán con un precio ajustado, eliminando así el supuesto
de los mercados perfectos de ser suficientemente líquidos.

Gráfico 1. Relación Bid-Ask Price

Ask Price

br ayan rojas orma z a , pp. 169 -198


Bid Price

Cantidad

Fuente: Hull (2012),p. 448.

|
Como lo menciona Hull (2012), el precio por el cual un activo

modelo de valor en riesgo ajustado por liquidez


puede ser vendido depende de los siguientes factores: a) El pre-
cio medio de mercado, b) La cantidad a vender4, c) Velocidad
de venta y d) Entorno económico5. Los anteriores factores gene-
ran la existencia de un spread entre el precio de compra (bid) y
venta (ask); por ejemplo, como se observa en el gráfico 1, existe
un incremento del spread entre los precios de acuerdo con la can-
tidad de la posición. De igual forma, existe aumento del spread
dependiendo los demás factores que menciona Hull; esto refleja
la importancia de la incorporación del riesgo de liquidez en los
cálculos del riesgo de mercado debido a que un portafolio puede
generar mayores pérdidas dependiendo el tamaño del spread del
mercado, el VaR no incorpora estas pérdidas dado que su cálculo

4 El análisis de riesgo de liquidez del trabajo se basa en posiciones cortas, dado


que es donde se reflejan generalmente las pérdidas por iliquidez en el mercado.
5 Un quinto factor es el costo de las transacciones, pero no se incluye debido a que
generalmente el cliente asume el costo de acuerdo con el precio de venta ex post. 177

Inicio Contenido Salir Volver


se basa en el mid-price,  Pask + PBid  ignorando las pér-
Pricemid =  
didas por posición  2 
generadas entre la volatilidad originada entre el precio de oferta y
el precio de venta.
Para la cuantificación del riesgo de liquidez por trading, Ban-
gia et al. (1999) propusieron la inclusión de los conceptos de riesgo
de liquidez exógeno y endógeno. El concepto de riesgo de liquidez
exógeno consiste en los factores comunes o propios que tienen el
mercado y sus agentes y donde las decisiones de un agente en par-
ticular no afecta a los demás. Por otro lado, en el factor endógeno,
las decisiones individuales o de un agente representativo afectan
revista del mercado de valores , núm . 5 , edición julio 2016

a los demás; por ejemplo, ocasionado por establecer una posición


con un gran volumen de títulos lo que dificulta su medición.
La cuantificación del riesgo de liquidez en posiciones de
trading de acuerdo con los factores exógenos, ha sido explicada
principalmente en Bangia et al. (1999) y Dowd (2005). Las metodo-
logías buscan medir el costo de la liquidez exógeno (COL), usando
para ello la información del precio ask y bid. En primera instancia
se tiene la ecuación:

1
COL1 = PS (6)
2 t

ask Bid
Donde S es el spread relativo definido como P  P , a (6) se
PriceMid
le denomina modelo del spread constante, donde el COL1 no se ve
afectado por la distribución o comportamiento histórico del spread;
debido a esta debilidad, se realiza un ajuste dado en la ecuación (7).

1
COL2 = [ Pt ( S + Ζα σS ) ] (7)

2
análisis

Donde S es el promedio y S es la volatilidad del spread


relativo y Z es el factor de la distribución normal estándar al nivel
de confianza del modelo. A (7) se le conoce como modelo COL2
de spread exógeno. A causa de la presencia de no normalidad en
el spread, Bangia et al. (2005) proponen un ajuste por exceso de
curtosis, usando una ponderación , reemplazando a Z por fac-
tores asociados al grado de leptocurtosis del spread. Hull (2012)
menciona la posibilidad de obtener a partir de (7) una medida
178

Inicio Contenido Salir Volver


de riesgo de liquidez estresada, multiplicando ( S + Z S) por un
factor de tensión k que refleja la situación estresada del mercado.
La inclusión de los factores endógenos en el cálculo del COL,
ha sido estudiada principalmente por Jarrow y Subramanian (1997)
y Almgren y Chriss (1999, 2000), incluyendo estrategias de optimi-
zación que minimizará los costos de transacción. Una aproxima-
ción no paramétrica la realizan Fragnière, Gondzio, Tuchschmid y
Zhang (2010), pero el riesgo de liquidez endógeno no será incor-
porado en el presente trabajo.

II. Requerimientos regulatorios

br ayan rojas orma z a , pp. 169 -198


Las instituciones financieras que se encuentran reguladas y vigila-
das por la SFC, la cual a través de la circular 100 de 1995 (véase
Superintendencia Financiera de Colombia, 1995) reglamenta los
sistemas de administración de riesgos para las instituciones finan-
cieras que operan en el territorio colombiano: presenta para la
administración del riesgo de mercado el capítulo XXI de la SFC y
la administración del riesgo de liquidez se encuentra en el capítulo
VI de la misma norma.
El capítulo XXI contiene tres anexos, los cuales establecen los
modelos estándar que deben emplear las instituciones financieras;

| modelo de valor en riesgo ajustado por liquidez


cada uno de los anexos indica a qué entidades es aplicable. El anexo
I se enfoca principalmente a establecimientos de crédito, el anexo II a
sociedades fiduciarias y fondos de pensiones y el anexo III a entidades
aseguradoras. Las instituciones, de acuerdo con el anexo respectivo,
deben reportar a la SFC los cálculos correspondientes en los formatos
destinados para ello y con la periodicidad reglamentada.
Para el capítulo VI de la SFC (1995), se tienen dos anexos: el
primero regula las metodologías de riesgo de liquidez a estableci-
mientos de crédito y, el segundo, a comisionistas de bolsa. Para las
sociedades fiduciarias, la Asociación de Fiduciarias (Asofiducia-
rias) cuenta con metodologías recomendadas para la cuantifica-
ción del riesgo de liquidez y, de igual forma para las comisionistas,
la Asociación de Comisionistas de Bolsa de Colombia (Asobolsa)
cuenta con recomendaciones para el riesgo de liquidez. Las nor-
mas establecidas en este capítulo se centran en la modelación del
riesgo de fondeo, como lo define la SFC (1995): “Esta contingencia
(riesgo de liquidez de fondeo) se manifiesta en la insuficiencia de
179

Inicio Contenido Salir Volver


activos líquidos disponibles para ello y/o en la necesidad de asumir
costos inusuales de fondeo”.
Los capítulos VI y XXI presentan las metodologías correspon-
dientes de acuerdo con el tipo de riesgo, factor de riesgo y enti-
dad; pero como se puede observar en la norma, no se incluyen
modelos que cuantifiquen primero el riesgo de liquidez de trading
y segundo la integración del riesgo de mercado y riesgo de liqui-
dez al que se encuentran expuestas las instituciones reguladas. Se
debe destacar que las reglas emitidas por la Superintendencia para
el riesgo de mercado, cuentan con la retroalimentación de las ins-
tituciones vigiladas, esto en pro de tener una regulación que tenga
aportes de todas las partes.
revista del mercado de valores , núm . 5 , edición julio 2016

En el ámbito internacional —como se mencionó anterior-


mente—, el Comité de Basilea es la entidad que a nivel global
da las recomendaciones en la gestión de riesgos financieros. La
última norma de Basel Committee on Banking Supervision [Basel]
(2010b) o denominada Basilea III, presenta los principios en la
administración del riesgo de liquidez, el cual se enfoca en la ges-
tión del riesgo de liquidez de fondeo de igual forma que la SFC;
por tanto, no se cuenta con reglas en la gestión de riesgo de liqui-
dez de trading, dado que se supone está implícito en el cálculo del
riesgo de mercado.

III. Ajuste del riesgo de mercado por riesgo


de liquidez

De acuerdo con las metodologías regulatorias de riesgo de


mercado y a los modelos internos tradicionales calculados por las
instituciones, se tiene que el VaR no es una herramienta suficiente
para incluir el riesgo de liquidez al momento de establecer una
posición; por ello se documentarán propuestas de integración de
– análisis

riesgos y algunas modificaciones que permitirán ajustar los cálcu-


los al mercado colombiano.
Como se presentó en secciones anteriores, el Valor en Riesgo
paramétrico (ecuación 2) supone un comportamiento normal. Bajo
la implementación de modificaciones a la metodología, como los
modelos GARCH o la inclusión de las simulaciones de Monte
Carlo, este supuesto puede ser ajustado al comportamiento his-
tórico de los datos. Además, integrando las ecuaciones (6) y (7) al
180

Inicio Contenido Salir Volver


modelo de riesgo de mercado, es posible obtener una medida de
riesgo de mercado ajustada con el riesgo de liquidez.
Por tanto, de acuerdo con Bangia et al. (1999), se define el
Liquidity Adjust VaR, denominado LAdj-VaR como:

1
Ladj − VaR = P − VaR + Col2 = Pt (1− e[ −Ζα σt ] ) + [ PT ( S + Ζa σ S ) ] (8)
2

El LAdj-VaR, por tanto, incluye la máxima pérdida esperada


por variación en mid-prices y el costo de liquidez asociado a varia-
ciones del spread. La ecuación (6) puede ser incorporada para el
cálculo del LAdj-VaR, pero el supuesto de spread constante no se

br ayan rojas orma z a , pp. 169 -198


da en situaciones de mercado.
Bajo (8) se presentan varios comentarios, el primero es: ¿existe
relación entre el P-VaR (2) y el COL (7)?, para resolver esta inquie-
tud véase el cuadro 1, el cual muestra la relación que se puede
presentar entre el riesgo de mercado y riesgo de liquidez, ante un
escenario de tensión o crisis en el cual los precios presentan altas
volatilidades y aumenta el riesgo de liquidez y el spread se incre-
menta. De acuerdo con la teoría de diversificación de Markowitz
(1952), la relación entre activos calculada por medio de la corre-
lación presenta ventajas en la disminución del riesgo, de la misma

|
forma se puede aplicar el concepto en la integración de riesgos,

modelo de valor en riesgo ajustado por liquidez


alta liquidez y alto riesgo es derivado de correlaciones positivas
entre el P-VaR y el COL.

Cuadro 1. Riesgo de liquidez frente al riesgo de mercado

Riesgo de mercado
Integración riesgos
Alto Bajo
Riesgo de liquidez Alto Crisis Títulos de renta fija
Gobierno central
Bajo Cuentas de ahorro Mercados
moneda extranjera desarrollados

Fuente: Elaboración propia.

En el cuadro 1 se pueden ver ejemplos de escenarios o pro-


ductos financieros en los cuales se presentan otras correlaciones;
por ejemplo, la literatura muestra que los mercados desarrolla-
dos presentan menor riesgo de mercado y de liquidez debido a
la penetración y tamaño de los mercados de capitales, por tanto
181

Inicio Contenido Salir Volver


existe una correlación negativa entre estos aspectos (bajo situa-
ciones de normalidad). Un ejemplo de correlaciones neutras es el
caso de las cuentas de ahorro en moneda extranjera, las cuales
están expuestas a las variaciones del tipo de cambio pero, debido
a su naturaleza de alta liquidez, presentan bajo riesgo de liquidez.
Para la modelación de la correlación, autores como Erzego-
vesi (2002) exponen la integración de los riesgos por medio del
cálculo del riesgo LAdj-VaR para portafolios de inversión, inclu-
yendo las correlaciones entre los componentes de liquidez y los
componentes de mercado a través de pares entre precio-spread,
precio-precio y spread-spread, y concluyen que las correlaciones
positivas son teóricamente justificadas debido al riesgo de contagio
revista del mercado de valores , núm . 5 , edición julio 2016

que se da ante anuncios de crisis de riesgo de mercado o liquidez6.


El segundo comentario está relacionado con el incumpli-
miento del supuesto de normalidad de los retornos y del spread.
Como se ha mencionado, existen diferentes modificaciones sobre
la no normalidad. Adicional a estas, el LAdj-VaR cuenta con los
factores que escalan la volatilidad a un percentil dada una distri-
bución normal; para su corrección se proponen dos alternativas:
la primera, es la realización de ajustes de escalamiento de acuerdo
con la distribución empírica obtenida por medio de pruebas de
bondad de ajuste, que permita obtener la distribución más ajus-
tada al comportamiento de los retornos y del spread.
En el anexo 1 del presente documento se encuentra una
explicación estadística de los ajustes realizados por medio de las
pruebas de bondad de ajuste de Kolmogorov-Smirnov, Anderson
Darling y Chi-Cuadrado. La segunda corrección es la aplicación
de la aproximación de Cornish Fisher que ante la presencia de no
normalidad en los datos realiza un ajuste usando el coeficiente de
asimetría y la curtosis, se define la ecuación como:
– análisis

1 1 3 1
Ζkf = Ζα + ( Ζ2α − 1) γ + ( Ζα − 3Ζα )k − ( 2Ζ3α − 5Ζα ) γ2 (9)
6 24 36

Donde Zkt es el escalar ajustado, Z es el percentil  de la


distribución normal estándar,  el coeficiente de asimetría y K la
curtosis; por tanto, se reemplaza Z de la ecuación (8) por Zkt. En

6 Para hacer el análisis de portafolios es común la realización de correlaciones


multivariadas por medio de cópulas. Para mayor profundidad, véanse Becerra y
182 Melo (2008) y Supper y Weiss (2013).

Inicio Contenido Salir Volver


el estudio de Mamoghli y Rouetbi (2014), se realiza una aplicación
de (9) al mercado de valores tunecino y se evidencia la ventaja de
esta aproximación frente a la propuesta de Bangia, aplicando la
metodología en datos de alta frecuencia.

IV. Aplicación al mercado de valores


colombiano

Debido a las pocas aplicaciones de estudios en Colombia sobre


el riesgo de mercado integrado al riesgo de liquidez de trading, se
observa la necesidad de realizar una aplicación de las metodolo-
gías presentadas anteriormente que permita analizar el comporta-

br ayan rojas orma z a , pp. 169 -198


miento del riesgo de liquidez exógeno en el mercado colombiano.
Para hacer el análisis se tomaron las acciones de acuerdo con
la clasificación del índice de bursatilidad accionaria (IBA) publi-
cado por la Superintendencia Financiera7, con corte a 31 de marzo
del 2014. El indicador es generado, entre otros, por el volumen, el
número de transacciones y cantidad de acciones en circulación;
por medio de este se informan las acciones más y menos líqui-
das, por tal razón se seleccionó como criterio para identificar las
acciones. Este índice contiene cuatro clasificaciones: alta, media,
baja y mínima bursatilidad. Del indicador se tomó la acción con

|
mayor puntaje dentro de las categorías; para la fecha son: alta 

modelo de valor en riesgo ajustado por liquidez


Ecopetrol; media  ETB; baja  Banco de Occidente, y mínima 
Proenergía Internacional (Proenergí)8.
Las fechas de la base de datos se encuentran entre el 1º de
abril del 2010 y el 30 de abril del 2014 para garantizar una infor-
mación de que capture variaciones significativas en los precios, la
información se descargó de Bloomberg®.
En el gráfico 2 se observa el comportamiento histórico del
mid-price de cada acción, donde se puede ver la diferencia entre
la variación del precio de cada acción. Inicialmente no se evi-
dencian relaciones o comportamientos simétricos, lo cual puede
ser ocasionado porque cada uno pertenece a sectores divergentes;
además, para la acción de Proenergía Internacional (Proenergí) no
se cuenta con la totalidad de los datos debido a la fecha de emi-

7 Para mayor información consúltese la página /www.superfinanciera.gov.co.


8 Desde el 2013, la Bolsa de Valores pública el COLSC [Small Cap Colombia]
que puede ser una referencia sobre las acciones menos líquidas del mercado de
acuerdo con su capitalización bursátil. 183

Inicio Contenido Salir Volver


sión del título y se observa que la variación del precio no es suavi-
zada como se puede interpretar en las demás acciones.

Gráfico 2. Mid-price histórico


Ecopetrol ETB
6,000 1.200

5,000 1.000
800
4,000
600
3,000
400
2,000 200
I II IIIIV I II IIIIV I II IIIIV I II IIIIV I II I II IIIIV I II IIIIV I II IIIIV I II IIIIV I II
2010 2011 2012 2013 2014 2010 2011 2012 2013 2014
revista del mercado de valores , núm . 5 , edición julio 2016

Banco Occidentel Proenergí


44.000 12.000
40.000 10.000
36.000 8.000
32.000 6.000
28.000 4.000
24.000 2.000
I IIIIIIV I II IIIIV I II IIIIV I II IIIIV I II I IIIIIIV I II IIIIV I II IIIIV I II IIIIV I II
2010 2011 2012 2013 2014 2010 2011 2012 2013 2014

Fuente: Elaboración propia.

Cuadro 2. Estadísticas descriptivas retornos mid-price

Banco
Estadísticas Ecopetrol ETB Proenergí
Occidente
Promedio 0,0003 –0,0008 0,0002 –0,0003
Máximo 0,0541 0,0982 0,6537 0,5563
Mìnimo –0,0634 –0,3340 –0,6225 –0,5563
Std. Dev 0,0133 0,0201 0,0318 0,0519
Simetría –0,4521 –3,9979 1,0756 –0,4451
Curtosis 5,7670 77,1913 308,1948 54,0552

Jarque-Bera 376,04 247.092,20 4.133.436,00 96.909,32


análisis

Probabilidad 0,00000 0,00000 0,00000 0,00000

Fuente: Elaboración propia.

El cuadro 2 resume los estadísticos descriptivos de los retor-


nos del mid-price, donde el mayor retorno promedio de las accio-
nes es generado por la acción con mayor bursatilidad – Ecopetrol.
Por otra parte, Proenergí presenta los mayores retornos y, a la vez,
las mayores pérdidas en un día; analizando la curtosis comparada
184 con una distribución mesocúrtica (curtosis igual a tres), ninguno

Inicio Contenido Salir Volver


de los retornos está asociado a un apuntalamiento normal, todo
lo contrario, presentan comportamiento de colas gordas o lep-
tocurtosis. Para analizar si existe normalidad en los retornos, es
posible analizar la prueba de Normalidad de Jarque-Bera9, la cual
al evaluar el p-value presenta que los retornos no se distribuyen
normales, validando las críticas presentadas anteriormente sobre
el comportamiento de las variables financieras.
En el anexo 2 se pueden observar las gráficas de los retornos
las cuales evidencian la leptocurtosis, asimetría de los datos y la no
normalidad de los rendimientos basados en el mid-price; además,
se observan volatilidades agrupadas o clústeres, lo que da indicios
de requerir la realización de ajuste en la varianza en el modelo

br ayan rojas orma z a , pp. 169 -198


P-VaR por medio de modelos GARCH.

Gráfico 3. Spread relativo

.04 Spread Ecopetrol .16 Spread ETB

.00 .12

-.04 .08

-.08 .04

-.12 .00

-.16 -.04
I II IIIIV I II IIIIV I II IIIIV I II IIIIV I II I II IIIIV I II IIIIV I II IIIIV I II IIIIV I II

|
2010 2011 2012 2013 2014 2010 2011 2012 2013 2014

modelo de valor en riesgo ajustado por liquidez


.3
Spread Occidente 1.0
Spread Proenergí

0.8
.2
0.6

.1 0.4

0.2
.0
0.0

-.1 -0.2

I IIIIIIV I II IIIIV I II IIIIV I II IIIIV I II I IIIIIIV I II IIIIV I II IIIIV I II IIIIV I II


2010 2011 2012 2013 2014 2010 2011 2012 2013 2014

Fuente: Elaboración propia.


En el gráfico 3 se presenta la evolución del spread relativo
(véase ecuación 6) de cada acción. Las acciones entre menor can-
tidad de transacciones y menor volumen presentan cambios más
drásticos de un día de operación a otro, que en este caso se refleja

9 El test de Jarque-Bera evalúa la hipótesis nula de normalidad en los datos; el test


se distribuye X2 con 2 grados de libertad. 185

Inicio Contenido Salir Volver


en el spread de Proenergí, para las series de Occidente, ETB y
Ecopetrol los cambios son menores, respectivamente.
De acuerdo con el cuadro 2 y el gráfico 3, se observa la
relevancia de tener presente el COL en las operaciones diarias que
realizan los inversionistas y los intermediarios financieros, debido
a que el riesgo de mercado solo tiene presente las variaciones en
precio pero no las variaciones por liquidez. Otro elemento impor-
tante que se observa en el gráfico 3, es la presencia de clústeres
de volatilidad y como se comentó para el P-VaR, da indicios de
requerir ajustes por modelos GARCH.

Cuadro 3. Estadísticas descriptivas spread relativo


revista del mercado de valores , núm . 5 , edición julio 2016

Spread Spread Spread Spread


Estadísticas
Ecopetrol ETB Occidente Proenergí
Promedio 0,0062 0,0194 0,0348 0,2032
Máximo 0,0373 0,1308 0,2893 0,9087
Mìnimo –0,1290 –0,0382 –0,0272 –0,0215
Std. Dev 0,0071 0,0144 0,0358 0,1962
Simetría –7,6215 1,8347 2,7729 1,5132
Curtosis 146,4792 10,9990 14,0673 5,0634
Jarque-Bera 924.693,80 3.440,03 6.806,37 499,23
Probabilidad 0,00000 0,00000 0,00000 0,00000
Observaciones 1.066 1.066 1.066 893

Fuente: Elaboración propia.

Los estadísticos descriptivos del relative spread se resumen


en el cuadro 3; el mayor spread se encuentra para la serie de
Proenergí, lo que es coherente con la calificación IBA dado que
las acciones con baja liquidez presentan un mayor gap entre los
precios. Por otro lado, la serie de Ecopetrol tiene según los años
de estudio la menor distancia entre el precio bid y ask10. Ana-
– análisis

lizando la curtosis, la simetría y el test de Jarque-Bera, ninguna


de las series de spread se comporta como una distribución nor-
mal, así las críticas presentadas al modelo de la ecuación (8) son
relevantes para la muestra del mercado colombiano; por tanto, se

10 Semestralmente, el Banco de la República publica el Reporte de Estabilidad


Financiera y el Informe Especial de Riesgo de Liquidez donde presentan los
resultados del promedio del spread para los TES; para el informe publicado en
186 marzo de 2014, el promedio del spread fue de 0,26%.

Inicio Contenido Salir Volver


aplican las correcciones mencionadas en la sección III, por medio
de las pruebas de bondad de ajuste y el ajuste de la ecuación (9).
Primero se evalúa el comportamiento del retorno y del
spread de cada acción por medio de las pruebas de bondad de
ajuste explicadas en el anexo 1. Los resultados se encuentran en
el cuadro 411 y, como se puede observar, solo en los rendimientos
de Ecopetrol y en el spread de ETB se ajustaron los datos a las
distribuciones teóricas (p-value mayor al 5%) pero con niveles de
confianza muy bajos; por tanto, para la información tomada no se
recomienda realizar ajustes de Monte Carlo. Segundo, dado que
no se puede recurrir a las simulaciones para obtener el LAdj-VaR y
debido a que las series evidencian leptocurtosis, se realiza el ajuste

br ayan rojas orma z a , pp. 169 -198


por medio de la ecuación (9).

Cuadro 4. Resultados de las pruebas de bondad de ajuste

K-S A-D Chi-Cuadrado


ACCIÓN SERIE
Distribución p-value Distribución p-value Distribución p-value

Ecopetrol Rendi- Laplace 0,1087 Laplace 0,1043 Weibull 0,0000


mientos
Spread Weibull 0,0056 Laplace 0,0000 t-student 0,0000

ETB Rendi- Cauchy 0,0003 Uniforme 0,0021 t-student 0,0000


mientos

| modelo de valor en riesgo ajustado por liquidez


Spread PERT 0,1342 PowerS 0,1642 Gumbel 0,0000
Máxima
Bco. Rendi- Cauchy 0,0000 Weibull 0,0000 t-student 0,0000
Occidente mientos
Spread Laplace 0,0000 Log Normal 0,0031 Log Normal 0,0000

Proenergí Rendi- Gamma 0,0000 Logística 0,0000 t-student 0,0000


mientos
Spread Exponencial 0,0030 Log Normal 0,0000 Log Normal 0,0000

Fuente: Elaboración propia.

Dado el comportamiento de conglomerados de volatilidad


visualizado en el anexo 2 y en el gráfico 3, se realizan pruebas de
efecto ARCH en los datos. Los resultados de los test se encuentran
en el anexo 3 donde se evidencia la presencia de volatilidad con-
dicional para las series de retornos de Ecopetrol, y para los spreads

11 Las pruebas de bondad de ajuste se hicieron en el software Risk Simulator. 187

Inicio Contenido Salir Volver


de ETB, Banco de Occidente y Proenergí; los resultados de la esti-
mación del modelo GARCH(1,1)12 se presentan en el anexo 4.
De acuerdo con las evidencias presentadas anteriormente, se
construyen diversos modelos de riesgo de mercado ajustado por
liquidez, incluyendo diferentes especificaciones de la volatilidad
en los retornos de los precios y en el spread relativo y se hace un
ajuste del escalamiento de la distribución normal . No se realiza el
proceso de simulación de Monte Carlo, debido a que no se encon-
traron evidencias significativas en las pruebas de bondad de ajuste.

Cuadro 5. Resultados LAdj-VaR Ecopetrol


revista del mercado de valores , núm . 5 , edición julio 2016

Indicadores* Ecopetrol

Desviación estándar EWMA GARCH

Mid-Price (30/04/2014) 3.590

Componente R.M. -79,646 -88,570 -89,934

Componente R.L. (Z) -9,993 -18,549

Componente R.L. (Zkf) -47,449 -71,213

Ladj-VaR (Z) -89,638 -107,119 -89,934

Ladj-VaR (Zkf) -127,095 -159,784 -89,934

Precio Ladj-VaR (Z) 3.500 3.483 3.500

Precio Ladj-VaR (Zkf) 3.463 3.430 3.500

%COL(Z) 11,148% 17,316% 0,000%

%COL(Zkf) 37,334% 44,569% 0,000%

* R.M. = riesgo de mercado, R.L. = riesgo de liquidez, Z = inversa distribución normal


estándar, Zkf = ajuste Cornish Fisher, LAdj-VaR = valor en riesgo ajustado por liquidez.
Precio LAdj-VaR = estimador del precio que genera la máxima pérdida esperada ajustada
por liquidez, y %COL = RL/(RL + RM) porcentaje de riesgo de liquidez con respecto al
riesgo total.
Fuente: Elaboración propia.

Los resultados de la estimación de los modelos, incluyendo


análisis

las diferentes estructuras de volatilidad y el factor de ajuste Z y


Zft se presentan en el cuadro 5. Se observa que ante el mid-price
de 3.590, Ecopetrol presenta un riesgo de mercado de 79,64 que
es la máxima caída esperada del precio en un día con un nivel de
confianza del 95% de acuerdo con una volatilidad histórica. Adi-

12 Se realiza la estimación de un modelo GARCH(1,1) siguiendo la recomendación


presentada por Engle (1982), donde se recomienda esta estructura de rezagos
188 para series financieras.

Inicio Contenido Salir Volver


cionando el COL de una distribución normal, la máxima pérdida
por liquidez en trading es de 9,99; usando el ajuste de Cornell
Fisher, el riesgo de liquidez es de 47,45, es decir, que excluyendo
el supuesto de normalidad en el spread relativo se presenta mayor
riesgo de liquidez. Al realizar el cálculo de la pérdida total riesgo
de mercado + riesgo de liquidez bajo Z, se encuentra que el riesgo
de liquidez representa el 11,15% del riesgo total % COL = RL y
RL + RM
con Zft es de un 37,3%.

El cuadro 5 presenta los resultados para las demás volatilidades.


No se encuentra resultado para COL con volatilidad GARCH, debido
a que no se evidenció efecto ARCH en la serie de spread relativo. En

br ayan rojas orma z a , pp. 169 -198


el mismo cuadro se encuentran los resultados con el modelo EWMA
que genera un 17% y 44% del riesgo total de acuerdo con Z y a Zft,
respectivamente; para tomar la decisión de cuál es más eficiente se
presentará más adelante los resultados del backtesting.

Cuadro 6. Resultados LAdj-VaR ETB

Indicadores ETB

Desviación estándar EWMA GARCH

Mid-Price (30/04/2014) 433

|
Componente R.M. -14,568 -14,148

modelo de valor en riesgo ajustado por liquidez


Componente R.L. (Z) -0,921 -0,782 -4,589

Componente R.L. (Zkf) -1,657 -1,499 -5,825

Ladj-VaR (Z) -15,489 -14,930 -4,589

Ladj-VaR (Zkf) -16,226 -15,647 -5,852

Precio Ladj-VaR (Z) 418 418 428

Precio Ladj-VaR (Zkf) 417 417 427

%COL (Z) 5,945% 5,240% 100%

%COL (Zkf) 10,215% 9,581% 100%

Fuente: Elaboración propia.

Los resultados para ETB se presentan en el cuadro 6, donde


el riesgo de liquidez bajo distribución normal corresponde a un
5,95% del riesgo total y ajustando el supuesto a los datos obser-
vados, el %COL se incrementa a un 10,22%. Para la acción del
Banco de Occidente, el cuadro 7 muestra que %COL con Z es de
189

Inicio Contenido Salir Volver


un 31,6% y con Zft es del 41,46%; finalmente, para Proenergí (véase
cuadro 8), el %COL con Z es del 40,14% y con Zft de 49,65%.

Cuadro 7. Resultados LAdj-VaR Banco de Occidente

Banco de Occidente
Indicadores
Desviación estándar EWMA GARCH

M¡d-Pr¡ce (30/04/2014) 39.450

Componente R.M. -1.028,232 -996,990

Componente R.L (Z) -474,176 -439,273 68,610

Componente R.L (Zkf) -728,232 -685,692 -66,682


revista del mercado de valores , núm . 5 , edición julio 2016

Ladj-VaR (Z) -1.502,408 -1.436,263 68,610

Ladj-VaR (Zkf) -1.756,465 -1.682,683 -66,682

Precio Ladj-VaR (Z) 37.948 38.014 39.519

Precio Ladj-VaR (Zkf) 37.694 37.767 39.383

%COL(Z) 31,561% 30,584% 100%

%COL (Zkf) 41,460% 40,750% 100%

Fuente: Elaboración propia.

Cuadro 8. Resultados LAdj-VaR Proenergí

Proenergí
Indicadores
Desviación estándar EWMA GARCH

Míd-Price (30/04/2014) 6.355

Componente R.M. -566,102 -548,454

Componente R.L (Z) -379,615 -348,579 -500,069

Componente R.L (Zkf) -557,232 -520,819 -698,554

Ladj-VaR (Z) -945,717 -897,033 -500,069


– análisis

Ladj-VaR (Zkf) -1.123,334 -1.069,273 -698,554

Precio Ladj-VaR (Z) 5.409 5.458 5.855

Precio Ladj-VaR (Zkf) 5.232 5.286 5.656

%COL(Z) 40,140% 38,859% 100%

%COL(Zkf) 49,605% 48,708% 100%

Fuente: Elaboración propia.

190

Inicio Contenido Salir Volver


De acuerdo con los resultados presentados, se puede con-
cluir que a medida que la acción registra menor número de tran-
sacciones y de volumen, según el IBA presenta un mayor riesgo
de liquidez, Ecopetrol presenta un alto riesgo de liquidez lo que
puede ser explicado por factores exógenos, debido a que el precio
de la acción se ve afectada por noticias y al precio del petróleo.
Para analizar las ventajas del modelo LAdj-VaR se hacen
pruebas de backtesting. La primera es la metodología de la Super-
intendencia Financiera de Colombia (1995) y de Basel Commit-
tee on Banking Supervision (2010a), que consiste en zonas según
el número de excesos; la zona roja indica un modelo incorrecto
de riesgo, al extremo la zona verde indica un adecuado modelo.

br ayan rojas orma z a , pp. 169 -198


La segunda metodología es el test de Kupiec, que por medio del
número de excesos y el nivel de confianza del VaR se concluye
sobre el ajuste del modelo. Otras pruebas recomendadas son las
de Christoffersen y las funciones de pérdida13.

Cuadro 9. Backtesting

Backtesting (250 datos)

Acción Indicador No. de LR-Kupiec p-value Basilea


excesos /SFC

| modelo de valor en riesgo ajustado por liquidez


RM 15 0,496 48,124% Roja
Ecopetrol
LAdj-VaR 6 4,369 3,661% Amarilla

RM 4 8,185 0,422% Verde


ETB
LAdj-VaR 3 10,812 0,101% Verde

Banco RM 9 1,138 28,602% Amarilla

Occidente LAdj-VaR 6 4,369 3,661% Amarilla

Proenergí RM 7 3,01 8,280% Amarilla

LAdj-VaR 1 18,497 0,000% Verde

Fuente: Elaboración propia.

Los resultados presentados en el cuadro 9 reflejan que de


acuerdo con el criterio de backtesting de Basilea, el modelo de
LAdj-VaR mejora las estimaciones de riesgo, disminuyendo el
número de excesos (pérdidas < VaR). Por otro lado, según el test de
Kupiec, las pruebas reflejan que se rechaza la hipótesis de ajuste

13 Véanse Granados y Melo (2010) para una mayor profundidad teórica. 191

Inicio Contenido Salir Volver


del nivel de confianza del VaR, lo que indica que generalmente
sobrestima el riesgo lo que en términos regulatorios es óptimo,
debido a que se busca minimizar el riesgo de los inversionistas.

iV. Recomendaciones normativas

En términos normativos, se recomienda, de acuerdo con los resul-


tados encontrados, que es relevante que tanto la SFC como Basilea
realicen recomendaciones sobre la integración de los riesgos. En
este artículo se evidenció cómo el riesgo de liquidez es de gran
importancia en las variaciones diarias de precios y cómo permite
mejorar la estimación del riesgo de mercado.
revista del mercado de valores , núm . 5 , edición julio 2016

Para ello se propone que la SFC evalúe la relevancia de


incluir en el capítulo XXI o en el capítulo VI una sección que dé
las políticas en materia de cuantificación del riesgo de liquidez de
trading. Algunas de las alternativas recomendadas a la SFC son las
siguientes:

1) Incorporar el modelo de LAdj-VaR como modelo de refe-


rencia para las instituciones financieras que se encuentran
reguladas por la SFC, exigiendo su cálculo en la misma perio-
dicidad que se requiere para los informes de riesgo de mer-
cado o liquidez.
2) Incluir en la matriz para el reporte oficial de riesgos de mer-
cado un factor de riesgo de liquidez que se adicione a los
incluidos en la matriz; de esta forma, por medio de la inclu-
sión de un nuevo factor se incluiría en el reporte periódico
enviado a la SFC.
3) Solicitar la cuantificación del riesgo de trading a las institu-
ciones vigiladas por la SFC, usando para ello metodologías
internas, e incluir su cálculo en los reportes oficiales.
– análisis

V. Conclusiones

Ha sido de gran interés en el ámbito mundial la gestión del riesgo,


especialmente en lo referente al riesgo de liquidez como resultado
de la pasada crisis subprime y a la crisis local generada por el deba-
cle de Interbolsa; esto ha generado que se incremente la impor-
tancia de la cuantificación de este riesgo. Por tal razón, se realizó
una aplicación al mercado de valores colombiano, tomando cua-
192

Inicio Contenido Salir Volver


tro acciones de la Bolsa de Valores de Colombia (BVC) de acuerdo
con el IBA: se aplicó una metodología de Valor en Riesgo ajustado
por liquidez; se realización diferentes ajustes al modelo original; se
incluyeron distintas expresiones de volatilidad, ajustes de nivel de
confianza, y se evaluaron diversas distribuciones de probabilidad.
Según los resultados obtenidos, se encuentra que no hay
evidencia de que los datos presenten distribuciones de probabi-
lidad particulares. Por tanto, al realizar los ajustes alternativos a
los datos, se encuentra que existe presencia de volatilidad con-
dicional en los retornos de Ecopetrol, pero principalmente en el
spread relativo de ETB, Banco de Occidente y Proenergí; a la vez,
se hicieron ajustes sobre el escalamiento de la distribución nor-

br ayan rojas orma z a , pp. 169 -198


mal usando una aproximación estadística. Con las modificaciones
mencionadas se llegó a concluir que el riesgo de liquidez presenta
mayor relevancia a medida que las variables son menos transadas.
En los resultados se concluye que la metodología tra-
dicional de Valor en Riesgo no es una técnica adecuada de
cuantificación de riesgos de mercado y liquidez; dado como se
presentó el modelo de LAdj-VaR, mejora las estimaciones del
riesgo, permitiendo tener en cuenta el riesgo de liquidez de tra­
ding, el cual no se incluye en VaR. Además, al tener en cuenta
el COL, se obtiene una mejora en términos de backtesting.

|
Finalmente, se recomienda que la SFC y Basilea incorporen

modelo de valor en riesgo ajustado por liquidez


metodologías de medición del riesgo de liquidez de trading o se
incluyan normas que permitan la integración del riesgo de mer-
cado y de liquidez en los reportes y en los sistemas de administra-
ción del riesgo.

Referencias

Agudelo, D. (2011). Costos de transacción asociados a la liquidez en la


Bolsa de Valores de Colombia. Cuadernos de Administración, 24
(42), 13-37.
Al Janabi, M. (2009). Asset allocation with liquidity-adjusted market risk
modeling: Empirical relevance to emerging GCC financial markets.
Working Paper, 464, Economic Research Forum.
Almgren, R., & Chriss, N. (1999). Value under liquidation. Risk, 12,
61-63.
Almgren, R., & Chriss, N. (2000). Optimal execution of portfolio
transactions. Journal of Risk, 3, 5-39.
193

Inicio Contenido Salir Volver


Bangia, A., Diebold, F., Schuermann, T., & Stroughair, J. (1999).
Modeling liquidity risk with implications for traditional market risk
measurement and management. Working Paper, Wharton School,
University of Pennsylvania.
Basel Committee on Banking Supervision (2010a). “Basel III: A global
regulatory framework for more resilient banks and banking
systems”. Bank for International Settlements.
Basel Committee on Banking Supervision (2010b). “Basel III:
International framework for liquidity risk measurement, standards
and monitoring”. Bank for International Settlements.
Becerra, O., & Melo, L. (2008). Medidas de riesgo financiero usando
cópulas: teoría y aplicaciones. Borradores de Economía, 489,
revista del mercado de valores , núm . 5 , edición julio 2016

Banco de la República.
Bolsa de Valores de Colombia (2014). Reglamento general de la BVC.
Recuperado el 1º de marzo de 2014, de http://bvc.com.co/.
Bollerslev, T. (1986). Generalized autoregressive conditional
heteroscedasticity. Journal of Econometrics, 31, 309-328.
Cao, C., & Petrasek, L. (2013). Liquidity risk in stock returns: An event-
study perspective. Journal of Banking & Finance, 18, 72-83.
Chen, L., & Wang, J. (2011). Liquidity, skewness and stock returns:
Evidence from chinese stock market. Asia-Pacific Financial
Markets, 18, 405-427.
Dowd, K. (2005). Measuring market risk. John Wiley & Sons.
Engle, R. (1982). Autoregressive conditional heteroscedasticity with
estimates of the variance of uk inflation. Econometrica, 50, 987-1008.
Erzegovesi, L. (2002). VaR and liquidity risk: Impact on market
behaviour and measurement issues. Tech Report Nr. 14, ALEA.
Fragnière, E., Gondzio, J., Tuchschmid, N., & Zhang, Q. (2010).
Non-parametric liquidity-adjusted VaR model: A stochastic
programming approach. Journal of Financial Transformation, 28,
109-116.
– análisis

González, J., & Osorio, D. (2007). El valor en riesgo ajustado por


liquidez en Colombia, Temas de Estabilidad Financiera, Banco de
la República.
Granados, J., & Melo, L. (2010). Regulación y Valor en Riesgo.
Borradores de Economía, 615, Banco de la República.
Herring, R. (2011). The capital conundrum. International Journal of
Central Banking, 7 (4), 171-187.
Hull, J. (2012). Risk management and financial institutions. 3ra edición,
John Wiley & Sons: Nueva Jersey.
194

Inicio Contenido Salir Volver


Indacochea, S., & Olcese, D. (2008). Sinceramiento de los modelos de
valor-en-riesgo incorporando el efecto de la iliquidez de mercado:
evidencia en la Bolsa de Valores de Lima. Apuntes Universidad del
Pacífico, 63.
Jarrow, R., & Subramanian, A. (1997). Mopping up liquidity. Risk, 10
(12), 170-173.
Jorion, P. (2007). Value at risk. 3ra edición, McGraw-Hill: Nueva York.
JP Morgan Bank (1995). Risk metrics technical document. Discussion paper.
Lara, A. (2004). Medición y control de riesgos financieros. 3ra edición,
México: Limusa.
León, C. (2012). Estimating financial institutions’ intraday liquidity risk:
A Monte Carlo simulation approach. Borradores de Economía,

br ayan rojas orma z a , pp. 169 -198


703, Banco de la República.
Liang, S., & Wei, J. (2012). Liquidity risk and stock returns around the
world. Journal of Banking & Finance, 36, 3274-3288.
Mamoghli, C., & Rouetbi, E. (2014). Measuring liquidity risk in an
emerging market: Liquidity adjusted value at risk approach for high
frequency data. International Journal of Economics and Financial
Issues, 4 (1), 40-53.
Markowitz, H. (1952). Portfolio selection. The Journal of Finance, 7 (1),
77-91.
Marcato, G., & Ward, C. (2007). Back from beyond the bid-ask

|
spread: Estimating liquidity in international markets. Real Estate

modelo de valor en riesgo ajustado por liquidez


Economics, 35 (4), 599-622.
Meucci, A. (2012). A fully integrated liquidity and market risk model.
Financial Analysts Journal, 58 (6).
Papavassiliou, V. (2013). A new method for estimating liquidity risk:
Insights from a liquidity-adjusted CAPM framework. Journal of
International Financial Markets, Institutions & Money, 24, 184-197.
Superintendencia Financiera de Colombia (1995). “Circular básica
contable y financiera”. Superintendencia Financiera de Colombia.
Supper, H., & Weiss, G. (2013). Forecasting liquidity-adjusted intraday
Value-at-Risk with vine copulas. Journal of Banking & Finance, 37,
3334-3350.

195

Inicio Contenido Salir Volver


ANEXOS
Anexo 1. Pruebas de bondad de ajuste14

Test de Kolmogorov-Smirnov
Sea X una variable aleatoria con una muestra x1, x2 ,..., xn , se
define la hipótesis nula H0 : F0 (X ) = FT (X ) que evalúa si la distribu-
ción empírica u observada F0 (X ) es igual a la distribución teórica.
FT ( X ) , por tanto, define la prueba de Kolmogorov-Smirnov (KS)
como:
revista del mercado de valores , núm . 5 , edición julio 2016

DKS = MaxF0 ( xi ) − FT ( xi 
)

Test de Anderson-Darling
Sea X una variable aleatoria y bajo el mismo supuesto del test
de KS, se tiene el estadístico de Anderson-Darling (AD) como:

A2 = −N − S

Donde N es el tamaño de muestra y sea los datos ordena-


dos, tenemos que S se define como:

N
( 2i − 1)
s= ∑i =1 N
[ In F ( xi ) + In(1− F ( xN +1−i ) ]

Test Chi-Cuadrado
Sea X una variable aleatoria, bajo la misma hipótesis de KS y
AD, sea fi la frecuencia observada de Xi, se define el test X2 como:
– análisis

K
(fi − Ei )2
2 = ∑i =1 Ei

Donde Ei es la frecuencia teórica de la distribución de proba-


bilidad evaluada.

14 Véase Dowd (2005), apéndice A15.2, pp. 344-349, para mayor información
196 sobre otras pruebas de bondad de ajuste.

Inicio Contenido Salir Volver


Anexo 2. Retornos mid-price

.06 Ecopetrol .2 ETB


.04 .1
.02
.0
.00
-.1
-.02
-.04 -.2
-.06 -.3
-.08 -.4
I II IIIIV I II IIIIV I II IIIIV I II IIIIV I II I II IIIIV I II IIIIV I II IIIIV I II IIIIV I II
2010 2011 2012 2013 2014 2010 2011 2012 2013 2014

.15 Banco Occidentel .6 Proenergí

.10 .4

br ayan rojas orma z a , pp. 169 -198


.05 .2
.00 .0
-.05 -.2
-.10 -.4
-.15 -.6
I IIIIIIV I II IIIIV I II IIIIV I II IIIIV I II I IIIIIIV I II IIIIV I II IIIIV I II IIIIV I II
2010 2011 2012 2013 2014 2010 2011 2012 2013 2014

Anexo 3. Pruebas de efecto ARCH

Acción Serie p-value

Ecopetrol Rendimientos 0,0000

| modelo de valor en riesgo ajustado por liquidez


Spread 0,9584

ETB Rendimientos 0,5758

Spread 0,0001

Banco Occidente Rendimientos 0,9417

Spread 0,0000

Proenergí Rendimientos 0,1738

Spread 0,0000

Ho: no existe efecto ARCH, test realizado en EViews.


Fuente: Elaboración propia.

197

Inicio Contenido Salir Volver


Anexo 4. Resultados modelos GARCH(1,1)

Coeficiente Retorno Ecopetrol Spread ETB Spread Occidente Spread Proenergí

Constante 0.00069* 0.014083*** 0.027248*** 0.081993***

ARCH(1) 0.187051*** 0.183455*** 0.427129*** 0.001083***

GARCH(1) 0.577887*** 0.817178*** 0.490577*** 0.581496***

Constante 0.000043*** 0.000004*** 0.000163*** 0.454044***


Varianza

(*) significativo al 10%, (**) significativo al 5% y (***) significativo al 1%. Estimaciones


realizadas en Eviews.
revista del mercado de valores , núm . 5 , edición julio 2016

Fuente: Elaboración propia.


– análisis

198

Inicio Contenido Salir Volver


Estudio empírico de
las propiedades
estadísticas de los
mercados financieros
colombianos
José Adolfo Colorado Gonzáleza
Jackelyne Gómez Restrepob

Resumen
En el presente documento se realiza el análisis de la
microestructura del mercado de renta fija y renta variable
colombiano, usando un activo representativo en cada uno
de los mercados (TES TF de Jul/24 y Ecopetrol, respectiva-
mente). Se propone identificar de manera empírica la exis-
tencia de cinco hechos estilizados en el comportamiento
de los retornos intraday de cada activo mediante el análi-
sis de las series utilizando herramientas estadísticas. Luego
del análisis, se encuentra que estas propiedades se presen-
Documento ganador del
tan en el activo de renta variable local, mas no completa- Concurso Arquitectos del
mente en el activo del mercado de renta fija local. Mercado de Capitales año
2014. Categoría Libre.
Este análisis se considera un punto de partida para la iden- a
Ingeniero Industrial de la
tificación de comportamientos de los retornos intraday de Universidad de Antioquia,
especialista en Finanzas
activos financieros, lo que posteriormente podrá derivarse Corporativas de la Escuela
en un modelo matemático que tenga por objetivo realizar de Ingeniería de Antioquia y
estudiante de la Maestría en
pronósticos de dichos retornos, algoritmos de trading para Matemáticas Aplicadas en
poner y agredir puntas de manera más óptima o algorit- EAFIT. Correo electrónico:
joseadolfocg@gmail.com.
mos para creadores de mercado. b
Ingeniera Matemática de la
Universidad EAFIT, Magíster
Palabras clave: Libro de Órdenes, hechos estilizados, mer- en Matemáticas Aplicadas
cados financieros, métodos estadísticos, microestructura de la Universidad EAFIT y
estudiante de la Maestría en
de mercado. Economía en esta misma uni-
versidad. Correo electrónico:
Clasificación JEL: C1, D4, G100. jackegomezr@gmail.com.

Inicio Contenido Salir Volver


Empirical study of the
statistical properties
of Colombian
financial markets
José Adolfo Colorado Gonzáleza
Jackelyne Gómez Restrepob

Abstract
This paper analyses the microstructure of the Colombian
fixed and variable income markets by using assets (fixed
rate government bonds as of Jul/24 and Ecopetrol) that are
representative in each one of the markets. It proposes to
This article is winner of the
competition of Capital Market empirically identify the existence of five stylized facts in the
Architecs of Main year 2014 behaviour of intraday returns of each share through time
proposed by the Autorregulador
del Mercado de Valores and series analysis using statistical tools. After analysis it was
The Bolsa de Valores de found that these facts exist in the local variable income
Colombia in the form of free
category. share and not completely in the local fixed income market
share.
a
Industrial Engineer of the
Universidad de Antioquia,
specialist in Corporate Finances
This analysis is considered to be a starting point to identify
of the School of Engineering intraday returns behaviour for financial assets. This could
of Antioquia and student of
the Mastery in Mathematics
later be turned into a mathematical model the purpose
Applied in EAFIT. Email: of which is to undertake returns forecasts, to use trading
joseadolfocg@gmail.com.
algorithms to optimally capitalize on trades with high basis
b
Mathematical Engineer of the points, and algorithms for market makers.
University EAFIT, Magíster in
Mathematics Applied of the Key words: Order book, stylized facts, financial markets,
Universidad EAFIT and student
of the Mastery in Economy in statistical methods, market microstructure.
this same university. Email:
jackegomezr@gmail.com. JEL classification: C1, D4, G100.

Inicio Contenido Salir Volver


INTRODUCCIÓN

Los mercados financieros operan, durante las horas de la rueda, de


manera continua y en altas frecuencias. En la actualidad, estas tran-
sacciones son almacenadas de forma electrónica y masiva, lo que
ha facilitado la obtención de información relevante como tamaño,
temporalidad, precio y volumen de las órdenes. Estas mediciones
son útiles a la hora de analizar estos intercambios como un mer-
cado (microestructura de mercado), donde el objetivo es enten-
der los factores que afectan el proceso de formación de precios;
no obstante, más allá de las transacciones existen relaciones que
deben ser analizadas en profundidad, como la existente entre los

josé color ado y jackelyne gómez , pp. 199 -220


diferentes tipos de órdenes (límite, a mercado, de cancelación) y
operaciones (compra o venta). De acuerdo con Kokot (2004), la
microestructura de mercado se ha enfocado principalmente en
modelar la formación de precios de los activos, teniendo como
principal análisis la manera en que el timing de las transacciones
afecta al mercado, idea que nace bajo el supuesto de la existencia
de información implícita e incluso imperceptible en las órdenes
de llegada.
Durante décadas, académicos y financieros han estado
interesados en pronosticar los precios de los activos financie-
ros utilizando herramientas convencionales de modelado como
la econometría, aunque sin obtener mucho éxito; estas metodo-
logías, aunque no son erradas y están basadas en teorías cien-
tíficamente aceptadas, han sido muy criticadas debido a que la
información existente en el mercado no se encuentra sincronizada | estudio empírico de l as propiedades
y puede presentarse de forma irregular (Campbell, Lo y MacKinlay,
1996), generando cuestionamientos sobre la manera correcta de
entender y posteriormente pronosticar los precios. Algunos estu-
dios, mencionados por los autores Goodhart y O’Hara (1997), han
puesto en duda las metodologías tradicionales de modelado de
series financieras, pues estas generan supuestos tan fuertes que
pasan por alto características importantes como la complejidad y
no linealidad del comportamiento de dichas características.
Los mercados financieros son sistemas complejos donde
muchos factores intervienen en la generación de los precios, y aun
cuando autores como Cont (1999), sugieren la existencia de pro-
piedades estadísticas universales dentro de las series financieras,
es necesario analizar la información de manera independiente con
201

Inicio Contenido Salir Volver


el fin de validar la hipótesis de forma empírica dentro de cada mer-
cado (renta fija, acciones, alternativos) y tipo de operación (BID y
ASK); es esta una de las razones por las cuales se opta por realizar
un análisis del precio MID (promedio entre el BID y el ASK) de
activos de diferentes mercados.
De acuerdo con Cont (1999), el conjunto de propiedades de
los retornos financieros se han calificado como “hechos estiliza-
dos” que suelen ser analizados como propiedades cualitativas de
las series sin necesidad de realizar una estimación de modelos
paramétricos. Dentro de los hechos estilizados comúnmente ana-
lizados en series con frecuencia diaria, se encuentran: ausencia de
autocorrelación, colas pesadas, asimetría de ganancias/pérdidas,
revista del mercado de valores , núm . 5 , edición julio 2016

normalidad aditiva, intermitencia, clústeres de volatilidad, caída


lenta de autocorrelación en los retornos absolutos, efecto leve­
rage, correlación entre volumen/volatilidad y asimetría en escalas
de tiempo diferentes. Taylor (2005), por su parte, menciona que en
los retornos intraday deben ser analizados principalmente cinco
hechos estilizados: distribuciones de colas pesadas, los retornos
son casi no correlacionados, existe una dependencia positiva entre
los retornos absolutos, el promedio de la volatilidad depende del
momento en el día y, finalmente, existen explosiones de alta vola-
tilidad debidas a eventos macroeconómicos.
Los principales aportes al estudio de los libros de órdenes han
estado en la economía y en la física. Desde la economía, el enfo-
que ha estado centrado en los agentes que interactúan en el Libro
de Órdenes y son catalogados como modelos de racionalidad per-
fecta. Desde el campo de la física, parten de una analogía con la
interacción entre partículas que construyen entre sí la dinámica
del Libro de Órdenes como un sistema complejo, y son conocidos
como modelos de inteligencia cero.
Es interesante antes de analizar cómo realizar la modelación
– análisis

de estos comportamientos, identificarlos de manera práctica, tal y


como se ha desarrollado en mercados internacionales, donde se
han evidenciado de manera empírica estos hechos estilizados. Con
este entorno surge la necesidad de analizar de la misma manera el
mercado local, tomando una de las referencias actuales de renta
fija (TES TF Jul/24) y una de las acciones más transadas (Ecopetrol).
Se propone realizar un análisis tomando el MID con el fin de iden-
tificar las principales características en los comportamientos de los
precios y volúmenes de las órdenes.
202

Inicio Contenido Salir Volver


Desde el punto de vista de la aplicación, lograr describir estos
comportamientos será útil para definir de una manera cuantitativa
la construcción de creadores de mercado y ejecución óptima de
trades, además de poder obtener una alternativa adicional para
pronosticar el comportamiento en el corto plazo de los precios,
volúmenes y flujos de órdenes. Realizar este análisis usando datos
intraday, se convierte en una herramienta útil a la hora de estudiar
la microestructura del mercado, lo cual puede ser utilizado para
comparar la eficiencia de diferentes sistemas de trading, identificar
la dinámica de las órdenes BID y ASK en activos particulares e
incluso responder a preguntas interesantes como ¿quién le provee
liquidez al mercado? (Tsay, 2005).

josé color ado y jackelyne gómez , pp. 199 -220


En este estudio se busca identificar de manera empírica la
existencia de hechos estilizados en los retornos intraday de activos
representativos del mercado local, por medio del análisis de meto-
dologías estadísticas implementadas en Matlab.
El artículo está dividido en tres secciones: la primera presenta
la metodología (Libro de Órdenes, hechos estilizados y revisión) y
teoría necesaria para el desarrollo del análisis; la segunda realiza la
presentación de los resultados y el análisis de los mismos, y la tercera
finaliza con las conclusiones y propuestas para un trabajo futuro.

I. MARCO TEÓRICO

A. Mercados financieros
Un mercado financiero es un mecanismo que reúne a ven- | estudio empírico de l as propiedades
dedores y compradores de activos financieros facilitando las inte-
racciones a través de plataformas electrónicas de negociación. La
principal función de un mercado es el proceso de “descubrimiento
del precio”, lo que significa que los instrumentos financieros refle-
jen toda la información disponible en cada instante de tiempo
(Alexander, Sharpe y Bailey, 2003).
Los mercados financieros se clasifican por clase de activo
y por el esquema de funcionamiento. Las acciones se negocian
en bolsas de valores, al igual que la mayoría de los instrumentos
estandarizados como los futuros y commodities. Los instrumen-
tos de renta fija operan algunos en plataformas administradas por
bolsas de valores y en otro tipo de esquemas conocidos como
mercados “en el mostrador” (over the counter, OTC), que significa
203

Inicio Contenido Salir Volver


que se negocian directamente entre el comprador y el vendedor
sin que exista algún tipo de intermediario.
En los mercados de renta variable se negocian las acciones
de las compañías listadas y su rentabilidad depende del desem-
peño de la compañía y de las diferencias en los precios de los
títulos que representan. En la Bolsa de Valores de Colombia (BVC)
se pueden negociar las acciones listadas en el mercado local, así
como acciones listadas en el Mercado Integrado Latinoamericano
(Mila) y también acciones listadas en bolsas en el exterior (BVC,
2013). Uno de los activos sobre los que se realiza el estudio es
Ecopetrol, acción que se cotiza en la BVC.
En el mercado de renta fija se negocian diferentes emisiones
revista del mercado de valores , núm . 5 , edición julio 2016

de títulos de deuda pública (Títulos de Tesorería, TES) y privada


con diversos plazos al vencimiento y tasas de interés. En Colom-
bia, este mercado funciona en la plataforma administrada por la
Bolsa de Valores de Colombia conocida como Mercado Electró-
nico Colombiano (MEC), que comprende el sistema centralizado
de operaciones de negociación y registro (BVC, 2013). Uno de los
activos sobre los que se realiza el estudio es TES TF Jul/24, título
que se cotiza en el MEC.
La formación de los precios ocurre de acuerdo con los flujos
compradores y vendedores que van concurriendo en cada una de
las plataformas de negociación, de tal manera que el mismo es una
consecuencia de la interacción de compradores y vendedores. La
principal fuente de incertidumbre en la formación del precio de
los activos financieros, más que el precio en sí mismo, es la diná-
mica de los participantes del mercado. Las intenciones de cada
uno de los participantes se organizan en el Libro de Órdenes que
se explica a continuación.

B. Libros de Órdenes
– análisis

Hoy en día, la dinámica de los mercados financieros está


determinada por las cotizaciones de los precios que los agentes
exponen públicamente en las plataformas de negociación. Este
tipo de mercado es conocido como order driven market, a dife-
rencia de un quote driven market en el que existe un creador de
mercado, quien define los precios a los que se puede comprar y
vender; en el primero, cada participante puede expresar su deseo
de comprar o vender directamente y hacerlo visible para los demás
204

Inicio Contenido Salir Volver


participantes, quienes, a su vez, pueden tomar dicho precio gene-
rando una transacción.
El deseo de comprar o vender se expresa mediante una
orden de compra o venta, respectivamente. Todas las órdenes que
van llegando al mercado se agrupan por tipo (compra o venta),
constituyendo de esta forma la totalidad de las órdenes en cada
momento que es conocida como Libro de Órdenes.
Cuando un agente expone una orden de compra (venta) y
otro agente expone una orden de venta (compra) a un precio igual
y por la misma cantidad, se genera automáticamente una tran-
sacción; cuando una orden de compra (venta) no se transforma
en una transacción, entonces se queda en el Libro de Órdenes

josé color ado y jackelyne gómez , pp. 199 -220


hasta que se cumplan las condiciones de precio y cantidad que
generen una transacción; así, la orden desaparece del Libro de
Órdenes convertida en transacción. De igual manera, una orden
puede desaparecer del Libro de Órdenes antes de convertirse en
una transacción, si el agente que la expuso ya no desea más com-
prar o vender esa cantidad por ese precio.
Actualmente, más de la mitad de los mercados financieros
funcionan bajo un esquema de operación conocido como Libro
de Órdenes (Gould et al., 2013). Este mecanismo permite que los
diferentes agentes puedan ofrecer y demandar públicamente un
activo financiero; es decir, las posturas en términos de cantidad
(q) y precio (p) se exponen al resto de participantes del mercado
de manera secuencial en un esquema de subasta doble continua.
Puesto que el Libro de Órdenes es manejado por cada bolsa de
valores en sistemas electrónicos, la información contenida en él | estudio empírico de l as propiedades
está disponible con actualizaciones en tiempo real para todos los
participantes del mercado.
El Libro de Órdenes en un instante t dado, es el conjunto de
todas las órdenes de los participantes de mercado que aún conti-
núan activas hasta ese momento; es decir, una orden que ingresa
al Libro de Órdenes puede estar en estado activo hasta que es
cancelada o hasta que se convierte en una transacción del activo
financiero. Las órdenes pueden clasificarse en órdenes de compra
y venta; en el argot de los mercados financieros, una orden de
compra se denomina BID y una orden de venta se llama ASK. Nor-
malmente, el Libro de Órdenes tiene mecanismos de priorización
para clasificar cada uno de los tipos de órdenes BID y ASK, siendo
el más común por precio-tiempo; aunque existen otros mecanis-
205

Inicio Contenido Salir Volver


mos de priorización como los de los mercados de futuros por pro-
rrateo y otros mercados por precio-cantidad (Gould et al., 2013).
La priorización por precio-tiempo ordena las órdenes BID y ASK
por separado, de mayor a menor, y cuando hay dos o más órdenes
con el mismo precio, tiene mayor prioridad la que primero haya
llegado, dando lugar a un esquema tipo FIFO (first in - first out).

C. Hechos estilizados
En 1961, Kaldor introdujo el concepto de “hechos estiliza-
dos”, quien alegaba que el estudio de un fenómeno “debía ser libre
de comenzar con un acercamiento estilizado de cada suceso”;
basado en ello, el autor comenzó por analizar cualitativamente el
revista del mercado de valores , núm . 5 , edición julio 2016

crecimiento económico en el tiempo y en diferentes países, origi-


nando así una nueva forma de análisis de los comportamientos de
las series macroeconómicas y, posteriormente, financieras. Desde
el punto de vista técnico, en finanzas, el concepto se utiliza para
explicar propiedades generales (relacionando comportamientos
de las medias, varianzas, distribuciones y autocorrelaciones de los
datos) que se dan en los retornos de los activos financieros.
Los resultados de estudios empíricos de series de tiempo
financieras indican que luego de analizar las características esta-
dísticas, existen propiedades generales en todos los activos finan-
cieros (Cont, 2001). Estas características, comunes en activos y
mercados, se conocen como hechos estilizados y se caracterizan
por ser propiedades cualitativas de los retornos de los activos. De
acuerdo con Cristelli (2013) en su tesis, la gran mayoría de los acti-
vos presentan las mismas características estadísticas (al menos de
forma cualitativa), razón por la cual es totalmente válido analizar-
las en mercados diferentes (renta fija, acciones, futuros, monedas).
Tal y como se mencionó en la introducción, en general, los
retornos presentan hechos estilizados; sin embargo, estas caracte-
– análisis

rísticas pueden variar si dichos retornos son diarios o intraday. En


el caso de los retornos diarios, existen tres hechos estilizados con-
siderados como los de mayor relevancia: con respecto a la distri-
bución, esta es casi simétrica, con curtosis alta y colas pesadas; la
autocorrelación entre los retornos es cercana a cero y, por último,
la autocorrelación de los retornos absolutos y los retornos al cua-
drado es positiva con tendencia lineal. No obstante, el enfoque
que se presenta en esta investigación está ligado a datos medidos
durante el día, lo que permite tener mayor cantidad de datos, y
206

Inicio Contenido Salir Volver


por tanto, es posible extraer más información que se traducirá en
realizar estimaciones y pronósticos un poco más confiables. Taylor
(2005) menciona los principales hechos estilizados:

1) Los retornos intraday tienen distribuciones de colas pesadas,


su curtosis crece al aumentar la frecuencia de los precios;
para realizar este análisis, se recomienda calcular los cuatro
primeros momentos de los retornos.
2) Los retornos intraday de los activos transados son casi no
correlacionados, pero si lo hay será una correlación negativa
entre retornos consecutivos.
3) Existe una dependencia positiva entre los retornos absolutos.

josé color ado y jackelyne gómez , pp. 199 -220


4) El promedio de la volatilidad depende de la hora del día, con
una variación intraday significativa.
5) Existen cortas explosiones de alta volatilidad en precios intra­
day que responden a noticias macroeconómicas.

Taylor (2005) hace una aplicación a los retornos medidos


cada 5 minutos entre diciembre 1976 y noviembre 1996; el obje-
tivo es encontrar evidencia del primer hecho estilizado en diferen-
tes mercados. Para identificar esta primera característica, propone
estandarizar los retornos y ajustarlos a una distribución, que se
espera sea aproximadamente normal; luego se calcula el coefi-
ciente de asimetría y la curtosis. Para identificar los cambios de la
curtosis al aumentar la frecuencia de los precios, propone llevar
a cabo este mismo análisis con diferentes intervalos de tiempo y
comparar los ajustes de distribuciones. Los resúmenes estadísticos | estudio empírico de l as propiedades
pueden ser útiles para identificar la presencia de colas pesadas y
picos en la distribución.
Algunos autores como Thompson (2001), argumentan que
los retornos intraday de activos líquidos en períodos de más de
20 minutos no presentan autocorrelación, aunque para períodos
menores las distorsiones que genera la microestructura del mer-
cado puede generar autocorrelaciones negativas. De acuerdo con
Van der Valk (2001), existen dos explicaciones para la existencia
de dependencia negativa: el spread BID-ASK y los costos de nego-
ciación; de esta manera existirá una correlación más negativa al
usar frecuencias más altas; por consiguiente, se plantea exami-
nar la autocorrelación ante diferentes frecuencias de muestreo. El
mismo procedimiento es planteado para verificar la existencia de
207

Inicio Contenido Salir Volver


la tercera característica, pero tomando los retornos absolutos; este
mismo autor menciona que a medida que la frecuencia aumenta,
es más persistente la existencia de la autocorrelación positiva.
Para validar la existencia de estacionalidad en la volatilidad,
se propone medirla en tres intervalos diferentes del día, con el fin
de evidenciar una forma de “u”, la cual indica que la volatilidad
más alta se presenta en la apertura y cierre del mercado.
Finalmente, para examinar el último hecho estilizado, se
deben identificar momentos con grandes picos de volatilidad, los
cuales se intentarán asociar a eventos macroeconómicos.
revista del mercado de valores , núm . 5 , edición julio 2016

II. ANÁLISIS Y RESULTADOS

A. Datos
El análisis se realizó sobre dos activos referentes al mercado
de renta fija y renta variable colombiano (TES TF Jul/24 y Eco-
petrol), utilizando un período que comprende del 1º de enero
de 2014 al 27 de marzo de 2014. Se cuenta con información del
mejor BID y el mejor ASK descargada de Bloomberg, tomando
para Ecopetrol el precio de las órdenes de compra y venta, mien-
tras que para los TES TF Jul/24 se elige la tasa de las órdenes de
compra y venta.
Los mercados financieros no están abiertos todo el tiempo;
por tanto, durante las noches y fines de semana los valores no
son tenidos en cuenta. Antes del procesamiento preliminar de los
datos, se toma el valor del cierre del BID y el ASK en intervalos
con una frecuencia de 5 minutos, para así construir un valor pro-
medio; estos precios MID son transformados en retornos (con el
objetivo de eliminar la no estacionariedad de la serie). Se reali-
zaron los análisis estadísticos utilizando Matlab y la descarga de
– análisis

información se efectuó a través de Bloomberg.


Se hizo la eliminación de datos atípicos relacionados a errores
operativos utilizando la eliminación de outliers a través de un boxplot.

B. Análisis preliminar
Tomando la serie de tiempo de los TES TF Jul/24, con medi-
ciones cada 5 minutos, se observa una serie con valores MID que
oscilan entre 6,5% y 7,3%, aproximadamente, con algunas tenden-
cias en agrupaciones de rangos de tiempo (véase gráfico 1.)
208

Inicio Contenido Salir Volver


Gráfico 1. Comportamiento de las tasas de los TES24
7,4
7,3
7,2
7,1
7,0
Yield

6,9
6,8
6,7
6,6
6,5
6,4

josé color ado y jackelyne gómez , pp. 199 -220


0 500 1000 1500 2000 2500 3000 3500 4000 4500
Intervalos 5 minutos

Fuente: Elaboración propia. Información intraday tomada de Bloomberg, agrupada en


intervalos de 5 minutos.

Por su parte, la serie de tiempo correspondiente al compor-


tamiento del MID del precio de Ecopetrol, presenta movimientos
bruscos periódicos, los cuales se atribuyen al incremento normal
que se presenta en los precios del BID y el ASK en los primeros
minutos de apertura y cierre del mercado; razón por la cual se ha
decidido mantener estos datos y no tratarlos como outliers. Los
datos se mueven entre $ 3.300 y $ 3.900 (véase gráfico 2) con
presencia de tendencias dentro de algunos rangos de tiempo.

Gráfico 2. Comportamiento de los precios de Ecopetrol

|
3,900
estudio empírico de l as propiedades

3,800

3,700
Precio

3,600

3,500

3,400

3,300
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Intervalos 5 minutos

Fuente: Elaboración propia. Información intraday tomada de Bloomberg, agrupada en interva-


los de 5 minutos. 209

Inicio Contenido Salir Volver


Las variaciones de las tasas de los TES24 evidencian la exis-
tencia de algunos momentos de altas y bajas volatilidades (véase
gráfico 3). Mientras que la gráfica de retornos logarítmicos de la
especie de renta variable presenta mayor cantidad de momentos
de alta volatilidad (debido al amplio spread presente entre las pun-
tas en la apertura y cierre del mercado).

Gráfico 3. Variaciones en puntos básicos de las tasas de los TES24

2
revista del mercado de valores , núm . 5 , edición julio 2016

Variación pbs

-2

-4

-6

-10

-12
0 500 1000 1500 2000 2500 3000 3500 4000 4500

Fuente: Elaboración propia. Primera diferencia de las tasas expresada en puntos básicos (pbs)1.

C. Evidencia estadística de los hechos estilizados


Identificar la presencia de hechos estilizados estudiados
principalmente en activos de mercados internacionales, es una
herramienta totalmente útil para ingresar al mercado como agente
informado, y así generar órdenes de una manera óptima (en los
momentos adecuados, con el mejor spread, entre otros), o entrar
como creador de mercado de una manera más estratégica (con
ventaja competitiva para agredir o poner puntas).
– análisis

i. Existencia de colas pesadas en la distribución de los retornos


Para identificar la existencia de colas pesadas, se propone
realizar la medición de la curtosis de la distribución de cada una
de las series, tomando diferentes tamaños de los intervalos (véase
tabla 1).

210 1 Un punto básico equivale a 0,01%.

Inicio Contenido Salir Volver


Gráfico 4. Retornos logarítmicos de los precios de Ecopetrol
0,05

0,04

0,03

0,02
Log Retornos

0,01

-0,01

-0,02

josé color ado y jackelyne gómez , pp. 199 -220


-0,03

-0,04
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Intervalos 5 minutos

Fuente: Elaboración propia. Retornos logarítmicos de los precios.

Tabla 1. Curtosis

Activo TES TF Jul/24 Ecopetrol


Curtosis 5 min 33,29 40,95

Curtosis 10 min 51,48 21,8

Curtosis 15 min 33,86 17,22

Curtosis 30 min 38,75 9,45

Curtosis 60 min 39,85 5,6

Fuente: Elaboración propia.

| estudio empírico de l as propiedades


De acuerdo con los resultados presentados en la tabla 1,
se evidencia la existencia de altos valores de curtosis (superior a
3, que corresponde a la curtosis de una distribución normal) en
ambos activos, lo que indica distribuciones leptocúrticas.
En Ecopetrol, a medida que se amplía el intervalo (usando
frecuencias de 5, 10, 15, 30 y 60 minutos) de tiempo, la curtosis
va disminuyendo; sin embargo, no alcanza a ajustarse a una dis-
tribución normal.
Las variaciones de los TES24 presentan evidencia de una dis-
tribución leptocúrtica pero sin ninguna dependencia del tamaño
del intervalo usado para la medición, tal y como se evidencia en
la tabla 1.
211

Inicio Contenido Salir Volver


La existencia de leptocurtosis, indica la presencia de colas
pesadas y picos grandes en comparación con una distribución
normal. Esto implica que los valores extremos y los cercanos a la
media tienen una probabilidad mayor de ocurrencia; de esta forma
se encuentra una evidencia de que los retornos de estos activos no
tienen una distribución normal.

ii. Retornos correlacionados negativamente


Para identificar la existencia de correlación se utilizó el Q-Test,
cuya hipótesis nula es la inexistencia de autocorrelación; de esta
forma, la generación de un estadístico superior al valor crítico aso-
ciado a la prueba indicará que la hipótesis debe ser rechazada y,
revista del mercado de valores , núm . 5 , edición julio 2016

por tanto, se concluye la existencia de correlación. Para identificar


si las relaciones de dependencia son negativas, se propone analizar
el signo del primer rezago del autocorrelograma (véanse anexos).
En las tablas 2 y 3 se presentan los resultados del test para
diferentes intervalos de tiempo. Para cada activo se calcula el valor
del estadístico de prueba y el valor crítico para realizar la valida-
ción de la hipótesis nula.
En el caso de Ecopetrol, siguiendo la regla de decisión, se
rechaza la existencia de no correlación, aunque a medida que se
disminuye la frecuencia del muestreo por día el valor del estadís-
tico decrece, lo que generaría rechazar la hipótesis con menor
grado de certeza.
Continuando con el análisis para el activo de deuda pública,
se corrobora la existencia de autocorrelación sin relación alguna
con la frecuencia de muestreo; el signo de la autocorrelación es
variable, razón por la cual no se puede garantizar la autocorrela-
ción negativa de los retornos.

Tabla 2. Autocorrelación negativa


Activo TES TF Jul/24 Ecopetrol


análisis

Q-Test 5 min 58,59|31,41 425,68|31,41

Q-Test 10 min 37,63|31,41 296,44|31,41

Q-Test 15 min 38,67|31,41 182,61|31,41

Q-Test 30 min 47,01|31,41 116,04|31,41

Q-Test 60 min 54,04|31,41 55,57|31,41

Fuente: Elaboración propia.

212

Inicio Contenido Salir Volver


La presencia de autocorrelación negativa, principalmente en
aquellos intervalos de tiempo más pequeños, suele atribuirse a
la ejecución de órdenes muy grandes que genera distorsiones en
los precios y atrae órdenes contrarias que producen un efecto de
reversión en el precio y, por consiguiente, correlación negativa. La
autocorrelación negativa, también puede deberse a errores en los
precios o tasas de las órdenes en el mercado.

iii. Retornos absolutos autocorrelacionados positivamente


Al igual que en el numeral anterior, la existencia de autoco-
rrelación se examina con el Q-Test. Se analiza el signo del primer
rezago del autocorrelograma con el fin de identificar si las relacio-

josé color ado y jackelyne gómez , pp. 199 -220


nes de dependencia son positivas (véanse anexos).
Para Ecopetrol, siguiendo la regla de decisión, se rechaza la
existencia de no correlación, aunque a medida que se disminuye la
frecuencia del muestreo por día el valor del estadístico decrece, lo
que generaría rechazar la hipótesis con un menor grado de certeza.
Para los TES24, se corrobora la existencia de autocorrelación
menos en uno de los intervalos, lo cual puede obedecer a los
datos. El signo de la autocorrelación es positivo, por lo que, en
general, se puede concluir la existencia de autocorrelación posi-
tiva en los retornos absolutos.

Tabla 3. Autocorrelación positiva de los retornos absolutos

Activo TES TF Jul/24 Ecopetrol

|
Q-Test 5 min 383,7|31,41 1.106,8|31,41
estudio empírico de l as propiedades
Q-Test 10 min 25,83|31,41 720,50|31,41

Q-Test 15 min 75,14|31,41 423,68|31,41

Q-Test 30 min 145,2|31,41 437,21|31,41

Q-Test 60 min 50,97|31,41 128,13|31,41

Fuente: Elaboración propia.

Existen diferentes variables proxies para medir la volatilidad de


un activo, entre ellas el valor absoluto de los retornos o el cuadrado
de los retornos; de manera que este hecho estilizado se relaciona
directamente con los clústeres de volatilidad (volatilidad variable)
de los activos e indica la presencia de una tendencia marcada
en momentos de retornos absolutos extremos. No obstante, estos
eventos son seguidos por decaimientos suaves de los retornos 213

Inicio Contenido Salir Volver


absolutos, tal y como lo presentan los retornos mismos (evidencia
de memoria a largo plazo).

iv. Volatilidad estacional


Para identificar la estacionalidad de la volatilidad en los inter-
valos se realiza la medición de esta en diferentes horas del día
(desde las 9 a.m. hasta las 12 m.) y para cada uno de los días de
negociación del período de tiempo tomado para el análisis.
El activo del mercado de acciones presenta altas volatilida-
des, principalmente durante las dos primeras horas de la rueda y
durante casi todos los días (véase gráfico 5). Además, se evidencia
la existencia de “valles” cercanos a las 11 a.m. Con estos resulta-
revista del mercado de valores , núm . 5 , edición julio 2016

dos es clara la existencia del cuarto hecho estilizado, propuesto


por Taylor (2005).
El activo del mercado de renta fija, en términos generales,
presenta volatilidades muy similares en los diferentes intervalos de
tiempo (véase gráfico 6), salvo para algunos pocos días de la serie
de tiempo, lo que conlleva concluir que esta característica no se
evidencia para este activo.

Gráfico 5. Volatilidad de Ecopetrol

0,018
0,016
0,014
Volatilidad

0,012
0,01
0,008
0,006
0,004
0,002
0,00
1
1,5 0
2 10
2,5 20
3 30
Hora 3,5 4 40 Día
4,5 50
5 60
– análisis

Fuente: Elaboración propia.

Básicamente, se busca identificar momentos de mayor movi-


miento de los mercados que, intuitivamente, corresponden a los
horarios de apertura y cierre de mercado, y de menor movimiento,
los cuales son momentos que se atribuyen a las horas del mediodía.
No obstante, con los intervalos elegidos, este hecho se evidencia
solo en el activo de renta variable; se propone para estudios pos-
teriores analizar frecuencias más altas para el activo de renta fija.
214

Inicio Contenido Salir Volver


Gráfico 6. Volatilidad de TES24
7
6
Volatilidad (pbs) 5
4
3
2
1
0
1 0
1,5 2
2,5 20 10
3 3,5 30
4 40
4,5 5 60 50 Día

josé color ado y jackelyne gómez , pp. 199 -220


Fuente: Elaboración propia.

v. Momentos de alta volatilidad


Ambas series presentan instantes de alta volatilidad (véanse
gráficos 3 y 4) que pueden ser atribuidos a momentos puntuales
del mercado o anuncios macroeconómicos. No obstante, este aná-
lisis no se tratará dentro de este trabajo, ya que requiere un poco
más de profundidad en el análisis de las relaciones macroeconó-
micas para identificar los anuncios que influyen en los mercados
financieros locales.

III. CONCLUSIONES Y TRABAJO FUTURO

Conocer las características básicas que tienen los retornos de cual-


quier activo se vuelve una herramienta totalmente eficaz a la hora
de interactuar en el mercado, puesto que se está ingresando a él | estudio empírico de l as propiedades
con un poco más de información, hecho que genera una ventaja
competitiva en el momento de poner o agredir puntas.
En este estudio se presenta una primera aproximación a la
verificación de la existencia de los hechos estilizados financieros
dentro de los mercados colombianos (renta fija y renta variable)
mediante dos activos representativos. Usando los retornos intraday
de Ecopetrol y TES TF Jul/24, se evidencia la existencia de colas
pesadas medida con el coeficiente de curtosis tanto en el mercado
de renta variable como en el mercado de renta fija. De esta forma,
se corrobora que los retornos de estos activos no siguen una distri-
bución normal, lo que genera una mayor probabilidad de que los
retornos estén alrededor de su media, o que tengan una probabili-
dad relativamente alta de tomar valores extremos.
215

Inicio Contenido Salir Volver


La autocorrelación de los retornos existe y es negativa en el
mercado de renta variable, mientras que para el mercado de renta
fija, aunque existe correlación, no se puede concluir el tipo de
dependencia por su signo. Sin embargo, la presencia de este tipo
de autocorrelación suele atribuirse a errores comunes que se pre-
sentan en los precios o tasas del intraday o en los casos de órdenes
muy grandes que distorsionan los precios.
Al analizar los retornos absolutos, se encontró que la autoco-
rrelación existe en ambos mercados y es positiva, lo que confirma
la relación de dependencia directa entre los retornos absolutos.
Esta propiedad valida la existencia de volatilidad variable y clúste-
res de volatilidad en el comportamiento de los retornos intraday.
revista del mercado de valores , núm . 5 , edición julio 2016

Con respecto a los hechos estilizados asociados a la volati-


lidad, se evidencia que en el mercado de renta variable hay un
mayor nivel de volatilidad en la apertura del mercado, a diferencia
de otros momentos del día en los que se aprecia una mayor calma
en el movimiento de los retornos; mientras que en el mercado de
renta fija hay un leve sesgo de mayor volatilidad en la apertura,
aunque no es tan evidente.
Para analizar el quinto hecho estilizado, es necesario asociar
los outliers de las variaciones a eventos macroeconómicos, lo cual
se propone como un tema para trabajos futuros.
Aunque Taylor (2005) encontró evidencia empírica de estos
hechos estilizados en otros merc