Los modelos CAPM y ARCH-M.

Obtencin de los coeficientes beta

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.