Caso Nº 01: Medición de riesgo en el mercado Bursátil

Una medida del riesgo o volatilidad de una acción es la desviación estándar del rendimiento durante un lapso de tiempo. Aunque la desviación
estándar es fácil de calcular, no toma en cuenta la variación del precio de una acción en función de un índice estándar del mercado, como el S&P
500. Por esta razón, muchos analistas financieros prefieren emplear otra medida, conocida como beta, para medir el riesgo.

La beta de una acción se determina mediante regresión lineal simple. La variable independiente es la rentabilidad total de la acción de que se
trate y la variable independiente es la rentabilidad total del mercado de valores. En este caso problema se usará el índice S&P 500 como medida
de la rentabilidad total del mercado de valores y se obtendrá una ecuación de regresión estimada usando datos mensuales. La beta de una acción
es la pendiente en la ecuación de regresión estimada (b1). En el archivo Beta del disco compacto que se distribuye con el libro se proporciona la
rentabilidad total de ocho acciones comunes muy conocidas y la del S&P 500 a lo largo de 36 meses.

El valor beta del mercado de valores siempre será 1; por lo tanto, una acción que tienda a subir o a bajar con el mercado de valores tendrá
también una beta cercana a 1. Betas mayores a 1 corresponden a acciones que son más volátiles que el mercado y betas menores a 1
corresponden a acciones menos volátiles que el mercado. Por ejemplo, si la beta de una acción es 1.4, esta acción es 40% más volátil que el
mercado, y si la beta de una acción es 0.4, la acción es 60% menos volátil que el mercado.

Reporte Administrativo

Se le ha encomendado la tarea de analizar las características del riesgo de estas acciones. Elabore un informe que comprenda los puntos
siguientes, sin limitarse sólo a ellos.

a) Calcular los estadísticos descriptivos de cada una de las acciones y del S&P 500. Hacer comentarios sobre los resultados. ¿Qué
acción es la más volátil?
 Estadísticos
Johnson & Procter &
Microsoft Exxon Mobil Caterpillar Johnson McDonald's Sandisk Qualcomm Gamble S&P 500
N Válido 36 36 36 36 36 36 36 36 36
Perdidos 0 0 0 0 0 0 0 0 0
Media .0050256 .0166372 .0300972 .0052956 .0244742 .0692619 .0283603 .01058886 .01009528
Mediana .0040000 .0127850 .0408150 -.0014750 .0370150 .0741350 .0387050 .01332550 .01034300
Moda -,08201 a -,11646 a -,10060 a -,05917 a -,11443 a -,28331 a -,12170 a -,053649 a -,034291 a
Desviación estándar .04537158 .05534009 .06856325 .03486600 .06809637 .19539743 .08618695 .037066748 .026329354
Varianza .002 .003 .005 .001 .005 .038 .007 .001 .001
Asimetría .024 1.518 .331 .596 .210 .309 .002 .156 .531
Error estándar de asimetría .393 .393 .393 .393 .393 .393 .393 .393 .393
Curtosis -.940 6.584 .286 .434 .224 -.193 -.489 -.556 .143
Error estándar de curtosis .768 .768 .768 .768 .768 .768 .768 .768 .768
Mínimo -.08201 -.11646 -.10060 -.05917 -.11443 -.28331 -.12170 -.053649 -.034291
Máximo .08883 .23217 .21847 .10334 .18257 .50165 .21055 .087833 .081044
Percentiles 15 -.0465625 -.0255665 -.0396225 -.0308380 -.0511885 -.1394115 -.0700375 -.03504155 -.01836065
75 .0455250 .0396775 .0687825 .0314975 .0609375 .2024550 .0844925 .02918375 .02718975

Según los datos obtenidos se puede decir que la acción que posee un dato menor en la rentabilidad es Sandisk con -0.28331 y la acción que posee
un dato mayor en la rentabilidad es Sandisk con 0.50165.
 b) Calcular la beta de cada acción. ¿Cuál de estas acciones se esperaría que se comportara mejor en un mercado de alta calidad?
¿Cuál conservaría mejor su valor en un mercado para el sector popular?

Microsoft – S&P500
1. Diagrama de Dispersión
Podemos observar que la acción Microsoft no presenta ninguna relación con la acción S&P500
 2. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación
De acuerdo a los resultados encontramos podemos decir que se acepta la hipótesis nula (Valor SIG. Es mayor que 0.05) y concluir que
no existe correlación significativa, la cual es r=0.266.

3. Calcular el coeficiente de determinación (R2 = 0.071*100 = 7.1%)

Esto nos indica que la rentabilidad total Microsoft explica a la rentabilidad total de S&P 500 en 7.1% y no la explican en 92.9%.
4. Validez del modelo:
 H0: 0=1=0: El modelo no es significativo,
 Ha: al menos uno de ellos es diferente de cero: El modelo es significativo

De acuerdo a los resultados encontrados se acepta la hipótesis nula (SIG mayor que 0.05) por lo tanto el modelo no es significativo.

5. Plantear el modelo

El modelo es: 0.009 + 0.154(Microsoft)

Exxon Móvil – S&P500

1. Diagrama de Dispersión
Podemos observar que la acción Exxon Móvil no presenta ninguna relación con la acción S&P500
2. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación
De acuerdo a los resultados encontramos podemos decir que se acepta la hipótesis nula (Valor SIG. Es mayor que 0.05) y concluir que
no existe correlación significativa, la cual es r=0.348.

3. Calcular el coeficiente de determinación (R2 = 0.121*100 = 12.1%)

Esto nos indica que la rentabilidad total Exxon Mobil explica a la rentabilidad total de S&P 500 en 12.1% y no la explican en 87.9%.
4. Validez del modelo:
 H0: 0=1=0: El modelo no es significativo,
 Ha: al menos uno de ellos es diferente de cero: El modelo es significativo

De acuerdo a los resultados encontrados se acepta la hipótesis nula (SIG mayor que 0.05) por lo tanto el modelo no es significativo.

5. Plantear el modelo

El modelo es: 0.007 + 0.165(Exxon Mobil)

 Caterpillar – S&P500

1. Diagrama de Dispersión
Podemos observar que la acción Caterpillar presenta una relación directa con la acción S&P500
2. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación
De acuerdo a los resultados encontramos podemos decir que se rechaza la hipótesis nula (Valor SIG. menor que 0.05) y concluir que
existe correlación significativa, la cual es r=0.573

3. Calcular el coeficiente de determinación (R2 = 0.329*100 = 32.9%)

Esto nos indica que la rentabilidad total Exxon Mobil explica a la rentabilidad total de S&P 500 en 32.9% y no la explican en 67.1%.
4. Validez del modelo:

 H0: 0=1=0: El modelo no es significativo,

 Ha: al menos uno de ellos es diferente de cero: El modelo es significativo

De acuerdo a los resultados encontrados se rechaza la hipótesis nula (SIG menor que 0.05) por lo tanto el modelo es significativo.

5. Plantear el modelo

El modelo es: 0.003 + 0.22 (Caterpillar)

Johnson & Johnson – S&P500

1. Diagrama de Dispersión
Podemos observar que la acción Johnson & Johnson no presenta ninguna relación con la acción S&P500
2. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación
De acuerdo a los resultados encontramos podemos decir que se acepta la hipótesis nula (Valor SIG. mayor que 0.05) y concluir que no
existe correlación significativa, la cual es r=0.007

3. Calcular el coeficiente de determinación (R2 = 0.000*100 = 0%)

Esto nos indica que la rentabilidad total Johnson & Johnson no explica a la rentabilidad total de S&P.
4. Validez del modelo:

 H0: 0=1=0: El modelo no es significativo,

 Ha: al menos uno de ellos es diferente de cero: El modelo es significativo

De acuerdo a los resultados encontrados se acepta la hipótesis nula (SIG mayor que 0.05) por lo tanto el modelo no es significativo.

5. Plantear el modelo

El modelo es: 0.010 + 0.005 (Johnson & Johnson)

McDonald’s – S&P500

1. Diagrama de Dispersión
Podemos observar que la acción McDonald’s presenta una relación directa con la acción S&P500
2. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación
De acuerdo a los resultados encontramos podemos decir que se rechaza la hipótesis nula (Valor SIG. menor que 0.05) y concluir que
existe correlación significativa, la cual es r=0.581

3. Calcular el coeficiente de determinación (R2 = 0.338*100 = 33.8%)

Esto nos indica que la rentabilidad total de McDonald’s explica a la rentabilidad total de S&P 500 en 33.8% y no la explican en 66.2%.
4. Validez del modelo:

 H0: 0=1=0: El modelo no es significativo,

 Ha: al menos uno de ellos es diferente de cero: El modelo es significativo

De acuerdo a los resultados encontrados se rechaza la hipótesis nula (SIG menor que 0.05) por lo tanto el modelo es significativo.

5. Plantear el modelo

El modelo es: 0.005 + 0.225 (McDonald’s)

Sandisk – S&P500

1. Diagrama de Dispersión
Podemos observar que la acción Sandisk presenta una relación positiva con la acción S&P500
2. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación
De acuerdo a los resultados encontramos podemos decir que se rechaza la hipótesis nula (Valor SIG. menor que 0.05) y concluir que
existe correlación significativa, la cual es r=0.351

3. Calcular el coeficiente de determinación (R2 = 0.123*100 = 12.3%)

Esto nos indica que la rentabilidad total de Sandisk explica a la rentabilidad total de S&P 500 en 12.3% y no la explican en 87.7%.
4. Validez del modelo:

 H0: 0=1=0: El modelo no es significativo,

 Ha: al menos uno de ellos es diferente de cero: El modelo es significativo

De acuerdo a los resultados encontrados se rechaza la hipótesis nula (SIG menor que 0.05) por lo tanto el modelo es significativo.

5. Plantear el modelo

El modelo es: 0.007 + 0.047(Sandisk)

Qualcomm – S&P500

1. Diagrama de Dispersión
Podemos observar que la acción Qualcomm presenta una relación positiva con la acción S&P500
2. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación
De acuerdo a los resultados encontramos podemos decir que se rechaza la hipótesis nula (Valor SIG. menor que 0.05) y concluir que
existe correlación significativa, la cual es r=0.432

3. Calcular el coeficiente de determinación (R2 = 0.187*100 = 18.7%)

Esto nos indica que la rentabilidad total de Qualcomm explica a la rentabilidad total de S&P 500 en 18.7% y no la explican en 81.3%.
4. Validez del modelo:

 H0: 0=1=0: El modelo no es significativo,

 Ha: al menos uno de ellos es diferente de cero: El modelo es significativo

De acuerdo a los resultados encontrados se rechaza la hipótesis nula (SIG menor que 0.05) por lo tanto el modelo es significativo.

5. Plantear el modelo

El modelo es: 0.006 + 0.132(Qualcomm)

Procter & Gamble – S&P500

1. Diagrama de Dispersión
Podemos observar que la acción Procter & Gamble no presenta ninguna relación con la acción S&P500
2. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación
De acuerdo a los resultados encontramos podemos decir que se acepta la hipótesis nula (Valor SIG. mayor que 0.05) y concluir que no
existe correlación significativa, la cual es r=0.360

3. Calcular el coeficiente de determinación (R2 = 0.129*100 = 12.9%)

Esto nos indica que la rentabilidad total Procter & Gamble explica a la rentabilidad total de S&P 500 en 12.9% y no la explican en 87.1%.
4. Validez del modelo:

 H0: 0=1=0: El modelo no es significativo,

 Ha: al menos uno de ellos es diferente de cero: El modelo es significativo

De acuerdo a los resultados encontrados se acepta la hipótesis nula (SIG mayor que 0.05) por lo tanto el modelo no es significativo.

5. Plantear el modelo

El modelo es: 0.007 + 0.256 (Procter & Gamble)

Caso Nº 02: Departamento de Transporte de Estados Unidos
Como parte de un estudio sobre seguridad en el transporte, el Departamento de Transporte de Estados Unidos, de una muestra de 42
ciudades, recogió datos sobre el número de accidentes fatales por cada 1000 licencias y sobre el porcentaje de licencia de conductores
menores de 21 años.

Reporte Administrativo

1. Diagrama de Dispersión
Se observa que el comportamiento de Porcentaje de Menor de 21 años y los accidentes fatales por 1000 licencias tienen una relación
directa.
2. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación
De acuerdo a los resultados encontramos podemos decir que se rechaza la hipótesis nula (Valor SIG. menor que 0.05) y concluir que
existe correlación significativa, la cual es r=0.839

3. Calcular el coeficiente de determinación (R2 = 0.705*100 = 70.5%)

Esto nos indica que el Porcentaje de Menores de 21 años explica a los accidentes fatales en 1000 licencias en 70.5% y no la explican en 29.5%.
4. Validez del modelo:

 H0: 0=1=0: El modelo no es significativo,

 Ha: al menos uno de ellos es diferente de cero: El modelo es significativo

De acuerdo a los resultados encontrados se rechaza la hipótesis nula (SIG menor que 0.05) por lo tanto el modelo es significativo.

5. Plantear el modelo

El modelo es: -1.597 + 0.287(Porcentaje de Menores de 21 años)

Caso Nª 03
Las donaciones de los ex alumnos son una importante fuente de ingresos para las universidades. Si los gerentes pudieran determinar los factores que
influyen sobre el aumento del porcentaje de alumnos que hace donaciones, podrían poner en marcha políticas que llevarían a ganancias mayores. Las
investigaciones indican que estudiantes más satisfechos con la relación con sus profesores tienen más probabilidad de titularse, lo que a su vez puede llevar
al aumento del porcentaje de alumnos que haga donaciones. En la tabla 14.13 se muestran datos de 48 universidades de Estados Unidos (American’s Best
Collage, edición del año 2000). La columna titulada “% de grupos con menos de 20” muestra el porcentaje de grupos con menos de 20 alumnos. La columna
que tiene como título “Tasa de estudiantes/facultad” da el número de estudiantes inscritos, dividido entre el número total de facultades. Por último, la
columna que tiene como título “Tasa de alumnos que donan” da el porcentaje de alumnos que han hecho alguna donación a la universidad.

Reporte Administrativo

a) Presente resúmenes numéricos y gráficos de los datos

Se observa que el comportamiento Tasa de Estudiantes/Facultad y Tasa de alumnos que donan tienen una relación negativa.
Se observa que el comportamiento % de grupos con menos de 20 y Tasa de alumnos que donan tienen una relación directa.
b) Emplee el análisis de regresión para obtener una ecuación de regresión estimada que sirva para pronosticar el porcentaje de los estudiantes que
hacen donaciones dado el porcentaje de grupos con menos de 20 estudiantes.

1. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación

De acuerdo a los resultados encontramos podemos decir que se rechaza la hipótesis nula (Valor SIG. menor que 0.05) y concluir
que existe correlación significativa, la cual es r=0.646

2. Calcular el coeficiente de determinación (R2 = 0.417*100 = 41.7%)

Esto nos indica que la % de grupos con menos de 20 explica a la tasa de alumnos de que donan en 41.7% y no la explican en 58.3%.
3. Validez del modelo:
H0: 0=1=0: El modelo no es significativo,
Ha: al menos uno de ellos es diferente de cero: El modelo es significativo
De acuerdo a los resultados encontrados se rechaza la hipótesis nula (SIG menor que 0.05) por lo tanto el modelo es significativo.

4. Plantear el modelo
El modelo es: -7.386 + 0.658(% de grupos con menos de 20)
c) Use el análisis de regresión para obtener una ecuación de regresión estimada que sirva para pronosticar el porcentaje de los alumnos que hacen
donaciones dada la proporción de estudiantes por facultad.

1. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación

De acuerdo a los resultados encontramos podemos decir que se rechaza la hipótesis nula (Valor SIG. menor que 0.05) y concluir
que existe correlación significativa, la cual es r=-0.742

2. Calcular el coeficiente de determinación (R2 = 0.551*100 = 55.1%)

Esto nos indica que la Tasa de Estudiantes/Facultado explica a la tasa de alumnos de que donan en 55.1% y no la explican en 44.9%.
 3. Validez del modelo:
H0: 0=1=0: El modelo no es significativo,
Ha: al menos uno de ellos es diferente de cero: El modelo es significativo
De acuerdo a los resultados encontrados se rechaza la hipótesis nula (SIG menor que 0.05) por lo tanto el modelo es significativo.

4. Plantear el modelo
El modelo es: 53.014 -2.057(Tasa de Estudiantes/Facultad)

d) ¿Cuál de las dos ecuaciones de regresión estimada muestra un mejor ajuste?

La ecuación de regresión estimada que presenta un mejor ajuste es la segunda, la de tasa estudiantes/facultad, ya que explica a la tasa de alumnos
que donan en 55.1%. En cambio, el % de grupos con menos de 20 alumnos explica a la tasa de alumnos que donan en 41.7%.
 Caso Nº 04: Valor de los equipos de béisbol de la liga mayor.
Un grupo encabezado por John Henry pago $700 millones por la adquisición del equipo Boston Red Sox (Medias Rojas de Boston) en 2002, aun cuando
el Boston Red Sox no había ganado la serie mundial desde 1918 y tenía una pérdida de operación de $11.4 millones de 2001. Es más la revista Forbes
estima que el valor actual del equipo es en realidad $426 millones. Forbes atribuye la diferencia entre valor actual del equipo y precio que los
inversionistas están dispuesto a pagar, al hecho de que la compra de un equipo suele incluir la adquisición de una red de cable exageradamente
subvaluada. Por ejemplo, con la compra del equipo, los nuevos propietarios obtuvieron también la New England Sports Network. En la tabla 14.14 se
presentan datos de 30 equipos de la liga mayor (Forbes, 15 de abril de 2002). En la columna titulada Valor se da el valor de los equipos con base en las
actuales negociaciones con los estadios, sin deducción de deudas. En la columna titulada Ingreso se presenta las ganancias sin intereses, impuestos y
depreciación.

Informe Administrativo

a) Presente resúmenes numéricos y gráficos de datos.

Se observa que el comportamiento de la ganancia y el valor tienen una relación directa.
Se observa que el comportamiento del ingreso y el valor tienen no tienen ninguna relación.
b) Use el análisis de regresión para investigar la relación entre valor e ingreso. Discuta sus hallazgos.

1. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación

De acuerdo a los resultados encontramos podemos decir que se acepta la hipótesis nula (Valor SIG. mayor que 0.05) y concluir
que no existe correlación significativa, la cual es r=0.186.

2. Calcular el coeficiente de determinación (R2 = 0.034*100 = 3.4%)

Esto nos indica que los ingresos explica al valor en un 3.4% y no la explican en 96.6%.
3. Validez del modelo:
H0: 0=1=0: El modelo no es significativo,
Ha: al menos uno de ellos es diferente de cero: El modelo es significativo
De acuerdo a los resultados encontrados se acepta la hipótesis nula (SIG mayor que 0.05) por lo tanto el modelo no es significativo.

4. Plantear el modelo
El modelo es: 280.716 + 2.258 (Ingreso)
c) Use el análisis de regresión para investigar la relación entre valor y ganancias. Discuta sus hallazgos.

1. Coeficiente de Correlación: Ho: No existe correlación , Ha: Existe Correlación

De acuerdo a los resultados encontramos podemos decir que se rechaza la hipótesis nula (Valor SIG. menor que 0.05) y concluir
que existe correlación significativa, la cual es r=-0.965

2. Calcular el coeficiente de determinación (R2 = 0.931*100 = 93.1%)

Esto nos indica la ganancia explica al valor en 93.1% y no la explican en 6.9%.
3. Validez del modelo:
H0: 0=1=0: El modelo no es significativo,
Ha: al menos uno de ellos es diferente de cero: El modelo es significativo
De acuerdo a los resultados encontrados se rechaza la hipótesis nula (SIG menor que 0.05) por lo tanto el modelo es significativo.

4. Plantear el modelo
El modelo es: -165.948 -3.787(Ganancia)