para una muestra de 33 acciones que cotian en la !olsa Me"icana de #alores Mar$a de la Pa %um&n Plata Profesora-investigadora del departamento de Economa de la UAM-Azcapotzalco 'ntroduccin La teora moderna de la toma de decisiones en incertidumbre introduce un marco conceptual gnerico para medir el riesgo y el rendimiento de un activo que se mantiene como parte de una cartera y en condiciones de equilibrio de mercado. Este marco conceptual se denomina modelo de fiaci!n de los precios de los activos de capital o capm "del ingls #apital Asset Pricing Model$ modelo de fi(acin de precios de acti)os de capital%. Para este modelo el riesgo de una acci!n se divide en riesgo diversificable o riesgo especfico de una compa&a y el riesgo no diversificable o de mercado. Este 'ltimo riesgo es el m(s importante para el capm y est( medido por su coeficiente beta. Este coeficiente relaciona el e)ceso de rendimiento de la acci!n respecto de la tasa libre de riesgo y el e)ceso de rendimiento de mercado respecto a la tasa libre de riesgo. *radicionalmente+ el coeficiente beta se obtiene por medio de una regresi!n lineal de dos variables seg'n el supuesto de que el rendimiento en e)ceso de la acci!n+ analizada como una serie de tiempo+ tiene varianza condicional ,omosced(stica. Aunque el modelo capm y otros modelos que miden el riesgo de un activo ,an recibido severas crticas+ en los a&os recientes podemos encontrar una clase de modelos+ pertenecientes a la teora de series de tiempo+ que tratan de superar las ineficiencias estructurales de los modelos financieros. Esta clase de modelos son los llamados modelos de ,eteroscedasticidad condicional autorregresiva "arc,$ modelos de *eteroscedasticidad condicional autorre+resi)a+ garc, y arc,-m%. El modelo arc, y el modelo garc,+ como antecedentes del modelo arc,-m+ estudian la varianza condicional variable en el tiempo a partir de relaciones de variables rezagadas. El modelo arc, e)presa la varianza condicional en funci!n lineal del cuadrado de las innovaciones rezagadas+ y el modelo garc, determina la varianza condicional en funci!n de las innovaciones y de la varianza retrasada varios periodos. Una e)tensi!n del modelo arc, y del modelo garc, es el modelo arc,-m+ el cual se aplica principalmente en la medici!n del riesgo y el rendimiento esperado de un activo riesgoso. Este modelo ,ace depender a la media condicional de la varianza condicional variable. El mtodo que utiliza el modelo arc,-m para estimar el precio al riesgo variable es introducir la varianza condicional de las series de tiempo financieras como un regresor del rendimiento esperado de un activo riesgoso. Este mtodo resuelve las limitaciones estructurales de los modelos financieros. #on el fin de estimar el coeficiente beta mediante el modelo capm y con las aportaciones te!ricas del modelo arc,-m para una muestra de las -- acciones m(s burs(tiles en los a&os .//0+ .//1 y el primer trimestre de .//2 que cotizaron en la 3olsa Me)icana de 4alores+ esta investigaci!n se ,a dividido en dos secciones$ en la i se realiza una revisi!n te!rica del modelo capm+ el modelo arc,+ el garc, y el arc,-m5 en la ii se presenta la muestra que se utiliz! y los resultados del coeficiente beta obtenidos de manera tradicional y estimados al tomar en cuenta la volatilidad de las series. En la parte final de la investigaci!n se presentan las conclusiones. '. Los modelos ,. -l modelo capm a. Los supuestos 6entro de las teoras financieras se ,an desarrollado modelos para relacionar el rendimiento de los valores y su riesgo. Una de las teoras m(s empleadas en la actualidad+ que considera rendimiento y riesgo+ es el modelo de fiaci!n de precios de los activos de capital "capm%.. Este modelo se desarrolla en un mundo ,ipottico donde se ,acen los siguientes supuestos acerca de los inversionistas y del conunto de las oportunidades de cartera$ 1. 7os inversionistas son individuos que tienen aversi!n al riesgo y buscan ma)imizar la utilidad esperada de su riqueza al final del periodo. 2. 7os inversionistas son tomadores de precios y poseen e)pectativas ,omogneas acerca de los rendimientos de los activos+ los cuales tienen una distribuci!n normal conunta. 3. E)iste un activo libre de riesgo tal que los inversionistas pueden pedir en prstamo o prestar montos ilimitados a la tasa libre de riesgo. 4. 7as cantidades de todos los activos son negociables y perfectamente divisibles. 5. 7os mercados de activos est(n libres de fricciones5 la informaci!n no tiene costo alguno y est( al alcance de todos los inversionistas. 6. 8o e)isten imperfecciones en el mercado "como impuestos+ leyes+ etctera%. Estos supuestos muestran que el capm se basa en los postulados de la teora microecon!mica+ en donde el consumidor "el inversionista con aversi!n al riesgo% elige entre curvas de indiferencia que le proporcionan la misma utilidad entre el riesgo y el rendimiento. Esta elecci!n entre el riesgo y el rendimiento lleva al inversionista+ por un lado+ a la formaci!n de carteras y a la b'squeda de portafolios que incluyan+ adem(s de los activos riesgosos+ valores cuya tasa es libre de riesgo+ y por otro lado a enfrentarse a un mercado de fondos prestables que debe estar en equilibrio en cada momento del tiempo. Adicionalmente+ como todo consumidor racional+ el inversionista adverso al riesgo buscar( m()imizar el rendimiento esperado sobre sus activos y minimizar el riesgo. Esta conducta de los inversionistas ,ace que e)ista un conunto de portafolios 'nicos que ma)imizan el rendimiento esperado de un activo y minimizan el riesgo5 a esta serie de portafolios se le llama com'nmente portafolios eficientes. b. La ecuacin del capm 9eg'n los supuestos anteriores+ el modelo capm requiere de la e)istencia del equilibrio en el mercado y de la presencia de portafolios eficientes. 9e sabe que si e)iste equilibrio+ los precios de todos los activos deben austarse ,asta que todos sean sostenidos por los inversionistas+ es decir+ los precios deben establecerse de modo que la oferta de todos los activos sea igual a la demanda por sostenerlos. En equilibrio+ entonces+ no debe ,aber e)ceso de demanda y oferta de activos. 7a ecuaci!n que resume el equilibrio de mercado y la e)istencia de portafolios eficientes es$: . Esta ecuaci!n es la e)presi!n del modelo de fiaci!n de los precios de los activos de capital+ la cual nos dice que la tasa de rendimiento esperada sobre un activo es igual a la tasa libre de riesgo";f%+ m(s una tasa de premio por el riesgo$ . Este premio al riesgo es el precio al riesgo+ E";m% - ;f + multiplicado por la cantidad de riesgo+ im< : m. 7a cantidad de riesgo es llamada beta+ i+ que es la relaci!n entre la covarianza del rendimiento de la acci!n y el rendimiento del portafolio de mercado con la varianza del rendimiento del portafolio de mercado. . Esta beta mide el riesgo sistem(tico o no diversificable que surge de aspectos como inflaci!n+ guerras+ recesiones y altas tasas de inters+ que son factores que afectan a todas las empresas en forma conunta. Puesto que todas las empresas se ven afectadas simult(neamente por estos factores+ este tipo de riesgo no puede ser eliminado por diversificaci!n.- 6esde el punto de vista estadstico+ los valores de beta se calculan por medio de la siguiente regresi!n lineal+ tambin conocida como lnea caracterstica del mercado de valores$ donde$ = intercepto de la regresi!n o rendimiento aut!nomo i = coeficiente que mide el grado de riesgo del activo con respecto al rendimiento de mercado ;m+t = rendimiento del mercado durante el periodo t eit = trmino de error aleatorio de la regresi!n en el periodo t. ;it = tasa de rendimiento del activo i en el periodo t 9e requiere que la regresi!n cumpla con los supuestos de mnimos cuadrados ordinarios> para que beta sea el meor estimador insesgado. 7a beta se puede interpretar como el grado de respuesta de la variabilidad de los rendimientos de la acci!n a la variabilidad de los rendimientos del mercado. 9i i ? .+ entonces tenemos que las variaciones en los rendimientos del valor i ser(n mayores a las variaciones del rendimiento del mercado. Por lo contrario+ si i @ .+ entonces el valor i ser( menos riesgoso que el rendimiento del mercado. 9i i = .+ el rendimiento del valor i variar( en la misma proporci!n que la variaci!n del rendimiento de mercado.0 Una vez que se obtiene i+ sta se utiliza para determinar el rendimiento requerido de la acci!n por medio de la ecuaci!n del capm+ que empricamente se calcula como$ donde en primer lugar se ,a agregado el tiempo en las variables5 en segundo lugar+ se ,a eliminado la variable de e)pectativas+ E+ porque se usan datos e) post para probar el capm e) ante y el tercer punto importante a destacar es que se a&ade un trmino de error eit. Para probar el modelo capm se ,a utilizado la siguiente e)presi!n$ ".% o bien+ . ":% #omo la tasa libre de riesgo se rest! de ambos lados de las ecuaciones+ la interpretaci!n del trmino ";it - ;ft% sera el e)ceso del rendimiento del i-simo ttulo o acci!n. As+ seg'n el capm+ el e)ceso de rendimiento de la acci!n debe ser igual al e)ceso de rendimiento del mercado multiplicado por su beta+ ecuaci!n ":%. /. Los modelos de *eteroscedasticidad condicional autorre+resi)a 0arc*1 +arc* y arc*-m. En la secci!n anterior se anot! que para las estimaciones empricas de la lnea caracterstica como medida del riesgo y del modelo capm se ,a utilizado el modelo de regresi!n lineal de dos variables$ Estas ecuaciones+ que forman las e)presiones empricas del capm para la valuaci!n del riesgo y del rendimiento de un activo+ tienen limitaciones en su estructura porque suponen que la varianza es constante en el tiempo. Aunque son modelos economtricos+ las variables que intervienen en la determinaci!n del precio al riesgo no son analizadas en el marco del estudio de las series de tiempo. Afortunadamente+ en los a&os recientes el desarrollo en los modelos de series de tiempo ,a contribuido a disminuir las limitaciones estructurales de los modelos financieros al incorporar la estimaci!n de la varianza condicional variable en las series. Esta clase de modelos son los llamados de ,eteroscedasticidad condicional autorregresiva "arc,+1 garc,2 y arc,-m%.A El modelo arc, y el modelo garc, estudian la varianza condicional variable mediante relaciones de variables conocidas de periodos rezagados. El modelo arc, e)presa la varianza condicional como funci!n lineal del cuadrado de las innovaciones rezagadas. El modelo garc, determina la varianza condicional por medio del cuadrado de las innovaciones y de la varianza retrasada varios periodos. El modelo arc,-m es una e)tensi!n del modelo arc, y del modelo garc,+ pero principalmente se utiliza en la valuaci!n del precio del activo. Este modelo supone que el grado de incertidumbre en el rendimiento de un activo vara en el tiempo+ y por tanto la compensaci!n que requieren los inversionistas con aversi!n al riesgo para invertir tambin debe variar. 7a caracterstica principal del modelo arc,-m es que ,ace depender la media condicional de la varianza condicional. En este sentido+ la varianza condicional afecta al rendimiento esperado del portafolio. Adem(s+ la varianza condicional se utiliza como un regresor en aquellos modelos que estudian el riesgo. a. -l modelo arc* Engle presenta una nueva clase de modelos capaces de e)plicar periodos de alta volatilidad con aquellos de relativa volatilidad. 7a metodologa de Engle es mostrar primero que la varianza condicional de los errores de una serie puede variar mientras que la varianza incondicional es una constante y+ en segundo lugar+ c!mo se puede modelar la varianza condicional ,eterosced(stica por medio de un proceso A;./ 9up!ngase que se estima un modelo A;".% y deseamos estimar la esperanza condicional de ytB.+ donde$ . dado que si se usa la varianza condicional para estimar ytB.+ el valor esperado de los errores es$ 9i se utiliza la varianza incondicional+ el valor esperado de esta varianza es una media de largo plazo de la secuencia de yt que es igual a . 7a estimaci!n de la varianza incondicional del error es$ donde #omo el valor esperado de la varianza condicional es : y el valor esperado de la varianza incondicional es + se deduce que la varianza incondicional es mayor que la varianza condicional+ por lo cual esta 'ltima se prefiere para el an(lisis. Por otra parte+ si la varianza de los errores estoc(sticos no es constante+ se puede estimar una tendencia de los movimientos de la varianza usando un modelo A;. Por eemplo+ denota la estimaci!n de los residuales del modelo$ + as que la varianza condicional de ytB. es$ Pero sabemos que . A,ora supongamos que la varianza condicional no es constante. Una simple estrategia para ,acer que la varianza condicional no sea constante es usar un modelo A;"q%+ utilizando el cuadrado de los residuales estimados$ donde vt es un ruido blanco. 9i los valores de son iguales a cero+ la varianza estimada es constante5 si son diferentes de cero la varianza condicional de los errores no ser( constante. #omo la especificaci!n lineal de la varianza condicional ,eterosced(stica no es muy conveniente+ Engle propone un modelo de ,eteroscedasticidad condicional multiplicativa.C arc,".%+ dado de la siguiente forma$ donde vt = ruido blanco con : v= .+ y t -. es independiente de vt+ C y . son constantes que toman los valores C ? C y C @ . @ .. 7as condiciones sobre los par(metros C y . garantizan la estacionalidad del proceso A;".% en la varianza condicional. 9iguiendo la ecuaci!n anterior+ el modelo de ,eteroscedasticidad condicional multiplicativa arc, "q% es$ donde vt = ruido blanco con : v= .. 7as condiciones sobre los par(metros que garantizan la estabilidad del modelo arc, "q% son a,ora b. -l modelo +arc* 3ollerslev ,izo una e)tensi!n del trabao original de Engle y desarroll! una tcnica aplicando un proceso arma.. a la varianza condicional de los errores. donde : v y para un modelo garc, ".+.% Al igual que en el modelo arc,+ vt es un proceso de ruido blanco que es independiente de las realizaciones pasadas de t-i. 7as condiciones sobre los par(metros que garantizan la estabilidad del modelo son$ El modelo garc, "p+ q% es$ o bien$ 7as condiciones sobre los par(metros son a,ora$ 7a varianza condicional et tambin puede escribirse como + que al sustituirse en la generalizaci!n del modelo garc, "p+ q% nos queda$ 7a ecuaci!n anterior muestra con mayor claridad un proceso arma "p+ q% en la generaci!n de la varianza condicional. Esta generalidad del modelo arc, "q% llamado garc, "p+ q% tiene un componente autorregresivo y de media m!vil en la varianza ,eterosced(stica. 9in embargo+ la ventaa del modelo garc, sobre el modelo arc, es que el modelo garc, podra tener m(s parsimonia+ representaci!n que es f(cil identificar y estimar. c. -l modelo arc*-m Engle+ 7ilien y ;obins e)tienden el modelo arc, b(sico ,aciendo que la media dependa de los movimientos de la varianza. Esta clase de modelos+ llamados arc,-m+ estudian particularmente los mercados de activos. 7a idea fundamental de estos mercados es que los inversionistas adversos al riesgo requieren una compensaci!n para retener un activo riesgoso. 6ado que el riesgo de un activo puede ser medido por la varianza del rendimiento+ el premio al riesgo puede incrementarse en funci!n de la varianza condicional del rendimiento. Engle+ 7ilien y ;obins e)presan esta idea+ formulando el rendimiento en e)ceso del activo riesgoso que se desea retener+ como$ donde$ yt = rendimiento en e)ceso del activo que se desea retener t= el premio al riesgo necesario para inducir al inversionista a retener el activo t = c,oque no estimable del rendimiento en e)ceso de los activos. Esta ecuaci!n e)plica que el e)ceso de rendimiento para retener el activo debe ser igual al premio al riesgo Engle+ 7ilien y ;obins asumen que el premio al riesgo se incrementa en funci!n de la varianza condicional de t es decir+ el incremento de la varianza condicional de los rendimientos aumenta la compensaci!n necesaria para inducir a los inversionistas a retener el activo a largo plazo. Matem(ticamente+ si : tes la varianza condicional de el premio al riesgo puede ser e)presado como$ donde : t es el proceso arc,"q%$ . Una generalizaci!n del modelo arc,-m"q% es el modelo arc,-m "p+ q%+ que considera a la varianza condicional como un modelo garc, y est( dado como$ . Estas ecuaciones constituyen la idea b(sica del modelo arc,-m. 6e las dos primeras ecuaciones observamos que la media de yt depende de la varianza condicional : t. 6e las dos 'ltimas ecuaciones+ notamos que la varianza condicional es un proceso arc,"q% y arc,"p+ q%+ respectivamente. 9i la varianza condicional es constante y el modelo arc,-m degenera dentro del caso tradicional del premio al riesgo constante. 7o importante del modelo arc,-m es que incorpora la varianza condicional no constante al e)ceso de rendimiento necesario para retener el activo a largo plazo. En el caso de la ecuaci!n emprica del capm el modelo arc,-m se introduce en la variable e)ceso de rendimiento del mercado de la siguiente manera$ donde o bien+ donde ''. -)idencia emp$rica ,. La muestra En esta investigaci!n se considera una muestra de -- acciones que cotizaron en la 3olsa Me)icana de 4alores los a&os .//0+ .//1 y marzo de .//2. 7as acciones se eligieron tomando en cuenta su facilidad para venderse y comprarse diariamente+ es decir+ se eligieron las que tienen un ndice de bursatilidad mayor y que permanecieron bimestralmente como determinantes en el ndice de precios y cotizaciones en el periodo que comprende el estudio. 9e tomaron 01- observaciones diarias del precio al cierre de cada acci!n correspondientes a los a&os .//0+ .//1 y marzo de .//2. En caso de que la acci!n no ,aya cotizado en una fec,a determinada+ se consider! el precio del da inmediatamente anterior. #omo la variable ;m "rendimiento del mercado% se eligi! el ndice de precios y cotizaciones de la 3olsa Me)icana de 4alores por ser el ndice representativo del mercado de capitales me)icano. /. Aplicacin de los modelos capm y arc*-m a. Obtencin del ries+o no di)ersificable #omo se anot! en la secci!n anterior+ el modelo de fiaci!n de los precios de los activos de capital e)plica el comportamiento de los rendimientos requeridos de las acciones considerando su grado de riesgo no diversificable o de mercado. Este riesgo no diversificable medido por la variable se obtuvo por una simple regresi!n lineal de dos variables del rendimiento de cada una de las acciones contra el rendimiento de mercado. donde$ ;i= rendimiento de la acci!n i = ordenada al origen i= coeficiente beta "medida del riesgo no diversificable% ;m= rendimiento de mercado eit= residuo. Para encontrar el coeficiente seg'n el modelo arc,-m se procedi! de la siguiente manera$ 1. 9e ,izo un an(lisis del correlograma de cada serie para determinar el grado del modelo arma correspondiente a los rendimientos de la acci!n. 2. Para observar la volatilidad de la serie+ se analiz! la suma de los errores al cuadrado de las regresiones siguientes$ si la serie es generada por un proceso arma"p+ q% si la serie es estacionaria en covarianza.: sin necesidad de modelarla como un proceso arma. Adem(s+ con esos errores al cuadrado se llev! a cabo la prueba de efectos arc,+ que consiste en medir la significancia estadstica de los coeficientes de los errores al cuadrado contra sus rezagos. con la ,ip!tesis nula . 9i se acepta la ,ip!tesis nula no ,ay efectos arc,+ es decir+ la serie tiene varianza condicional constante. 9i no se acepta la ,ip!tesis nula ,ay efectos arc, o bien la serie es vol(til. 3. #uando la serie no presenta efectos arc, entonces prevalece el coeficiente b que se obtuvo con la ecuaci!n de la lnea caracterstica del mercado de valores. 4. 9i la serie muestra efectos arc, se modelan los errores o la varianza condicional con base en el modelo arc, o garc, y se obtiene la varianza o desviaci!n est(ndar garc,. 5. 7a desviaci!n est(ndar garc, se incorpora como variable e)plicativa a la ecuaci!n caracterstica del mercado de valores. donde$ i = coeficiente de la desviaci!n est(ndar garc, 9it = desviaci!n est(ndar garc, 7os resultados del coeficiente obtenidos por medio de la ecuaci!n caracterstica y con base en el modelo arc,-m se muestran en el cuadro :. 3. An&lisis de resultados a. -l coeficiente obtenido del modo tradicional 8ueve de las -- acciones consideradas en la muestra observan un coeficiente de sensibilidad mayor que uno. En este sentido+ los rendimientos en e)ceso de Apasco+ 3anacci 3+ #eme) A+ #eme) 3+ #eme) #+ #ifra 3+ #ifra #+ 6ina y Dcarso varan de manera m(s que proporcional al rendimiento en e)ceso del ndice de precios y cotizaciones de la 3olsa Me)icana de 4alores y se constituyen+ en el periodo en estudio+ como acciones riesgosas. 7as acciones cuyo coeficiente de sensibilidad indica que se pueden considerar de riesgo promedio+ aunque el valor de su coeficiente no es la unidad+ pero muy cercana a este n'mero son Eensa y Maseca con un coeficiente beta de C./.0 y C./0/+ respectivamente. 7as acciones que muestran un riesgo sistem(tico inferior que el del mercado son A,msa+ Alfa+ 3imbo+ 3anacci A+ #amesa 3+ #elanes 3+ #ifra A+ #ydsasa+ EleFtra+ Empaq 3+ Envasa 3+ 3ital 7+ Druma+ *tolme) 3 y *elme) 7. Por tener estas acciones un coeficiente de sensibilidad menor que la unidad se les puede clasificar como acciones defensivas. 6estaca el coeficiente de sensibilidad obtenido por Gbaco A+ Gbaco 3+ Gbaco 7 y Autl(n 3+ ya que muestra un signo negativo. A este tipo de acciones cuyo coeficiente beta es negativo se les suele llamar superdefensivas. b. -l coeficiente con efectos arc* y +arc* En realidad s!lo .2 de las -- acciones consideradas en la muestra reflean que su varianza condicional no es constante de .//0 a marzo de .//2. Adem(s+ el coeficiente no vara al estimarlo de la manera tradicional o considerando los efectos de volatilidad en la serie. Conclusiones 6e esta investigaci!n se puede concluir que los modelos de ,eteroscedasticidad condicional autorregresiva "arc,+ garc, y arc,-m% son de gran utilidad para medir el grado de volatilidad en las variables. Estos modelos nos permiten modelar la varianza condicional variable de las series de tiempo por medio del soporte te!rico de los modelos arma. #on los modelos de ,eteroscedasticidad condicional autorregresiva quedan superadas las limitaciones estructurales de los modelos que se utilizan para la valuaci!n del riesgo de un activo+ como por eemplo el modelo de fiaci!n de los precios de los activos de capital "capm% al incluir como un regresor+ en la e)plicaci!n de los rendimientos de un activo+ a la varianza condicional variable. En lo que respecta a la parte emprica+ se puede concluir que en el periodo de .//0 a marzo .//2 la mayora de las emisoras que forman la muestra presentaron una menor sensibilidad al riesgo que el e)perimentado por el mercado. Esto se e)plica por la relativa estabilidad del mercado de capitales durante estos dos a&os y despus de la crisis financiera y econ!mica que sufri! el pas en diciembre de .//>. Adem(s+ destacan aquellas emisoras que presentan un coeficiente negativo+ resultado de una conducta precautoria en el mercado de capitales. En relaci!n con los coeficientes obtenidos utilizando la ecuaci!n de la lnea caracterstica+ y aquellos que incorporan el efecto de una varianza condicional ,eterosced(stica+ se observa que no varan considerablemente. 9in embargo+ es importante conocer y aplicar los estudios m(s recientes de las series de tiempo aplicadas al an(lisis de riesgo. Por 'ltimo es importante destacar que apro)imadamente 0CH de los rendimientos de las acciones que se manearon como series de tiempo tienen varianza condicional constante. R-2-R-3C'A4 !'!L'O%R52'CA4 3olsa Me)icana de 4alores+ 9. A. de #. 4.+ Indicadores burs(tiles+ .//0- .//2. JJJJJ + 3oletn burs(til diario+ .//0-.//2. 3ollerslev+ *im "./A1%+ KDeneralized Autoregressive #onditional LeteroscedasticityM+ Nournal of Econometrics+ n'm. -.+ pp. -C2--:2. 3realey A.+ ;ic,ard ".//-%+ KPrincipios de finanzas corporativasM+ M)ico+ Mc DraO-Lill+ segunda edici!n. Enders+ Palter ".//0%+ Applied Econometric *ime 9eries+ No,n Piley and 9ons+ Inc. Engle+ ;obert E. "./A:%+ KAutoregressive #onditional Leteroscedasticity Oit, Estimates of t,e 4ariance of United Qingdom InflationM+ Econometrica 00+ ulio+ pp. /A2-.CC2. JJJJJ + 6avid 7ilien y ;ussell ;obins "./A2%+ KEstimating *ime 4arying ;isF Premia in t,e *erm 9tructure+ *,e arc,-m ModelM+ Ecomometrica 00+ marzo+ pp. -/.->C2. Eama+ E. E. "./2.%+ K;isF ;eturn and EquilibriumM+ Nournal of Political Economy+ 2/+ enero y febrero+ pp. -C-00. JJJJJ + y N. Mac 3et, "./2-%+ K;isF+ ;eturn and Equilibrium. Empirical *estM+ Nournal of Political Economy+ A.+ mayo-unio+ pp. 1C2-1-1. Duzm(n+ Mara de la Paz ".//0%+ KUna aplicaci!n del modelo capm para algunas acciones que cotizan en la 3olsa Me)icana de 4alores ".//-- .//0%M+ An(lisis Econ!mico+ vol. RII+ n'm. :2+ Universidad Aut!noma Metropolitana-Azcapotzalco. 7udloO+ N. P. "./A2%+ KModelos de volatilidad condicional variableM+ apuntes de trabao+ uam-Azcapotzalco. 9tern+ Noel M.+ y 6onald L. #,eO ".//:%+ K*,e ;evolution in #orporate EinanceM+ editado en Estados Unidos. Peston+ Ered+ y *,omas E. #opeland ".//:%+ Einanzas en administraci!n+ M)ico+ Mc DraO-Lill+ tercera edici!n. 1. El modelo capm+ como otros modelos que miden el rendimiento esperado y el riesgo de un activo+ ,an sido severamente criticados en una serie de artculos+ los cuales encuentran inadecuada la estructura de estos modelos para estimar y predecir el precio al riesgo. Algunas de estas crticas se basan en que la varianza de largo plazo se supone constante. Stras crticas se sustentan en pruebas de regresi!n+ las cuales muestran que las predicciones sobre la tasa del premio al riesgo medido por medio de las variables que se utilizan como e)plicativas son ineficientes. E)isten crticas m(s fuertes que cuestionan la l!gica emprica de los modelos escritos por MarFoOitz y 3ill 9,arpe+ dentro de los cuales se encuentra el modelo capm. Un artculo que resume la mayora de las crticas ,ec,as a estos modelos es K3eta is deadT 7ong 7ive 3etaM+ de Nason Mac Uueen+ publicado en *,e ;evolution in #orporate Einance+ de Noel M. 9tern y 6onald L. "./2:%. 2. Para la derivaci!n formal de esta ecuaci!n vase KUna aplicaci!n del modelo capm para algunas acciones que cotizan en la 3olsa Me)icana de 4aloresM+ An(lisis Econ!mico+ n'm. :2+ uam-Azcapotzalco+ M)ico+ .//0. 3. El riesgo diversificable o riesgo no sistem(tico surge por aspectos como pleitos+ ,uelgas+ programas de comercializaci!n con o sin )ito y otros eventos que son 'nicos para una empresa en particular. Puesto que estos eventos son esencialmente individuales+ sus efectos sobre una cartera pueden ser eliminados mediante la diversificaci!n. 4. El mtodo de mnimos cuadrados ordinarios+ para la estimaci!n de un modelo lineal de dos variables+ se basa en los siguientes supuestos$ 9upuesto .. El valor medio de los errores estoc(sticos es igual a cero$ . 9upuesto :. 8o e)iste autocorrelaci!n entre los errores$ = C para . 9upuesto -. Lomoscedasticidad o igual varianza entre los errores$ 9upuesto >. #ovarianza cero entre los errores y la variable Ri$ 9upuesto 0. El modelo de regresi!n est( correctamente especificado. 5. Erecuentemente a las acciones cuya i ? . se les suele llamar acciones riesgosas5 para aquellas que presentan una i @ .+ se les conoce como acciones defensivas+ y si i = . las acciones son conocidas como de riesgo promedio. Adem(s+ e)iste una clase de acciones cuyo coeficiente i es negativo. A este tipo de acciones se les denomina superdefensivas. 6. Este tipo de modelos fue desarrollado por ;. E. Engle "./A:+ pp. /A2-.CC2%. 7. 7os modelos garc, fueron desarrollados por *im 3ollerslev "./A1+ pp. -C2- -:2%. 8. ;obert E. Engle+ 6avid 7ilien+ y ;ussell ;obins aplicaron en ./A2 los modelos arc, al estudio de los mercados financieros. 9. Un proceso A; es aquel que describe una variable por medio de sus observaciones pasadas donde$ t es un proceso aleatorio+ Rt es la variable e)plicada por sus valores rezagados. En trminos del operador de retraso+ el proceso A; puede escribirse como$ donde .+ :... r son las races caractersticas de grado r. 10. Engle plantea el modelo de ,eteroscedasticidad condicional multiplicativa en trminos de Vt+ y establece que$ + donde + modelo que puede ser generalizado como$ + donde p es el orden del proceso arc, y es un vector de par(metros desconocidos. 11. Un modelo arma "p+ q% se define como$ + donde t es un proceso aleatorio con media C y varianza : .En trminos del operaror de rezago 3+ es posible describir este modelo como$ + donde y son polinomios de orden p y q respectivamente+ y se definen como$ 12. 6entro de la teora de las series de tiempo+ un proceso estoc(stico lineal tiene media constante y varianza constante+ y para que sea estacionario en covarianza la sumatoria de sus coeficientes debe converger al equilibrio.