Impacto Precio de Anuncios de Expansión en Mercado Bursátil Chileno

UNIVERSIDAD TECNICA FEDERICO SANTA MARA
DEPARTAMENTO DE INDUSTRIAS
VALPARAISO CHILE
IMPACTO PRECIO PROVOCADO POR ANUNCIOS DE CRECIMIENTO EN MERCADO

BURSATIL CHILENO.
DIEGO ALONSO CISTERNAS ASTUDILLO
TESIS DE TITULACION PARA OPTAR AL TITULO DE INGENIERO COMERCIAL
PROFESOR GUIA: SR. WERNER KRISTJANPOLLER RODRIGUEZ

PROFESOR CORREFERENTE: SR. FREDY KRISTJANPOLLER RODRIGUEZ
AGOSTO DE 2012
UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

RESUMEN
En los ltimos aos Chile se ha caracterizado por consolidar su posicin econmica y
financiera dentro de Latinoamrica, por este motivo es un hecho cada vez ms frecuente que
empresas de nuestro territorio anuncien procesos de crecimiento tanto dentro como fuera de
nuestras fronteras.
Dentro de este contexto, se ha llevado a cabo la presente investigacin con la finalidad de
analizar si existe algn tipo de de relacin entre los anuncios antes descritos y la rentabilidad
burstil de las compaas que cotizan en el mercado de valores chileno.
La investigacin se inicia con el proceso de recoleccin de datos, para ello se acudi al sitio
web del diario El Mercurio recopilando informacin desde el ao 2000 cuyos titulares hagan
referencia a crecimientos inorgnicos (con participacin de terceros), crecimientos orgnicos
(sin participacin de externos) y rumores asociados a los dos puntos anteriores. La
informacin fue finalmente clasificada en ocho tipos de noticias:
ONC: anuncio confirmado de crecimiento tipo orgnico, con destino nacional.
ONR: rumor de crecimiento orgnico, con destino en territorio nacional.
OIC: anuncio confirmado de crecimiento tipo orgnico con destino internacional.
OIR: rumor de crecimiento tipo orgnico con destino internacional.
INC: anuncio confirmado de crecimiento tipo inorgnico en territorio nacional.
INR: rumor de crecimiento inorgnico con destino en territorio nacional.
IIC: anuncio confirmado de crecimiento inorgnico con destino internacional.
IIR: rumor de crecimiento inorgnico con destino internacional.
Para seleccionar a las compaas que fueron incluidas en el estudio, se utiliz como criterio a
la presencia burstil. Durante los ltimos 10 aos se promedio este indicador para las
sociedades inscritas en el mercado de valores chileno, aquellas cuyo valor sea mayor o igual a
un 70% fueron puestas bajo anlisis.
La metodologa utilizada para medir los potenciales impactos son los test AR, el modelo a
grandes rasgos consiste en calcular la diferencia entre el comportamiento de la accin con el

anuncio de crecimiento (retorno observado), contra una proyeccin del comportamiento
suponiendo que el anuncio no intervino en la tendencia del mercado (retorno normal).
Para estimar los retornos normales se aplic un modelo de efectos fijos, considerando como
variable independiente la rentabilidad diaria del principal ndice burstil chileno (IPSA),
sumado a l ocho variables dicotmicas que representan los ocho tipos de noticias descritos
anteriormente. A continuacin, se expone el modelo con el cual se estimaron las rentabilidades
normales:
Podemos ver que el modelo queda compuesto por el intercepto (el trmino F corresponde al
efecto fijo determinado para cada compaa), la variable INDEX que representa la rentabilidad
diaria del IPSA, INC e IIC que corresponden a variables dicotmicas cuyo fin es medir la
presencia de anuncios que hagan referencia a crecimientos inorgnicos con destino nacional y
con destino extranjero respectivamente. Cabe destacar, que el resto de variables no fueron
incluidas en el modelo al no ser significativos sus parmetros.
Los anuncios en los cuales se centr la investigacin son los presentes en el modelo (IIC e
INC), el resto son descartados a priori por no ser significativos en la regresin agrupada, por lo
cual dejan de ser foco de anlisis para el estudio. Por cada evento, se midi el retorno anormal
(AR) con la intencin de medir el impacto a corto plazo en la rentabilidad burstil de la
compaa. Es importante aclarar que los retornos anormales (AR) son medidos durante una
ventana de 3 das:
Da previo al anuncio
Da del anuncio
Da posterior al anuncio
Para
luego
ser
acumulados
promediados
).
Los estadsticos descriptivos asociados a los impactos AR acumulados durante los tres das
(
) son los siguientes:

CAR_INC
CAR_IIC
0.000770
0.007762
-0.000183
0.004312
0.245554
0.105453
-0.101949
0.041695
-0.084952
0.031567
2.595947
0.382991
17.53429
4.295106
Jarque-Bera
Probability
744.3796
8.678769
0.000000
0.013045
Sum
Sum Sq. Dev.
0.057785
0.128648
0.714139
0.090677
Observations
75
92
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
Podemos ver que la media es de 0,077% y de 0,776% para INC y IIC respectivamente, en
relacin a las mximas mediciones son CAR=24,5% para anuncios del tipo INC y CAR=
10,54% para IIC. Por el contrario, los mnimos valores registrados son CAR= -10,19%. y
CAR= -8,49% para INC e IIC respectivamente. Ambos impactos (CAR) presentan Asimetra
positiva en la distribucin de sus datos y mayor grado de concentracin de los mismos en
comparacin a una distribucin normal. Finalmente podemos ver en relacin al test de JarqueBera que se rechaza la hiptesis asociada a distribucin normal de los datos
Para concluir, en la siguiente tabla se presentan los AR promedios (AAR) para cada da
durante la ventana bajo estudio. Como se mencion anteriormente, ambos anuncios en
promedio presentan impactos promedios positivos al acumular los impactos diarios durante los
tres das definidos previamente.
INC
IIC
AAR
AAR
-1
0
1
0.003350099
-0.00082135
-0.00175829
0.0003171
0.0004971
0.00064735
75
0.00433907
0.00022038
0.00320293
0.00032537
0.00040331
0.00030188
92
CAAR
0.077%
0.776%

Finalmente, se utilizan test-t para ver si el impacto es realmente significativo al trmino de la
ventana previamente definida. Podemos ver que slo las reacciones provocadas por los
anuncios IIC son significativas, se rechaza
(el anuncio no provoca impacto en la
rentabilidad de la empresa) considerando un 5% de significancia como base.
VALOR-P
INC
IIC
0.174532125
2.31927354
0.861923913
0.0226187

INDICE GENERAL
INTRODUCCION............................................................................................................................................................... 10
OBJETIVOS ......................................................................................................................................................................... 12
2.1
OBJETIVOS GENERALES ................................................................................................................................... 12
2.2
OBJETIVOS ESPECFICOS ................................................................................................................................. 12
ALCANCE ............................................................................................................................................................................. 13
ESTADO DEL ARTE ........................................................................................................................................................ 13

4.1
ANTECEDENTES ................................................................................................................................................... 13
4.1.1
Beneficios de expandir operaciones al extranjero .................................................................... 15
4.1.2
Reacciones Mercado Burstil, Experiencias Joint Venture (Alianzas Conjuntas) ..... 16
4.1.3
Reacciones Mercado Burstil, Cross Border Mergers and Adquisition
(Adquisiciones y Fusiones Transnacionales) ................................................................................................... 18
4.2
MARCO TERICO.................................................................................................................................................. 21
4.2.1
Medicin de Impacto en el Mercado de Valores: Abnormal Stock Returns (AR`S) .. 21
4.2.2
Estado de la Investigacin en la Actualidad ................................................................................. 22
METODOLOGA ................................................................................................................................................................ 27
5.1
FUENTES DE INFORMACIN ......................................................................................................................... 27
5.2
MUESTRA BAJO ANLISIS ............................................................................................................................... 28
5.3
SELECCIN DE INFORMACIN ..................................................................................................................... 30
5.4
MEDICIN DE IMPACTOS ................................................................................................................................ 33
5.5
DATOS DE PANEL ................................................................................................................................................. 36
5.6
EFECTOS FIJOS....................................................................................................................................................... 40
RESULTADOS .................................................................................................................................................................... 43
6.1
ANLISIS DEL MODELO .................................................................................................................................... 49
6.1.1
Test de races unitarias ........................................................................................................................... 49
6.1.2
Test de Cointegracin ............................................................................................................................. 51
6.1.3
Normalidad en residuos ......................................................................................................................... 52
6.1.4
Autocorrelacin........................................................................................................................................... 56
6.1.5
Multicolinealidad ........................................................................................................................................ 57
6.2
ABNORMAL RETURNS (AR)............................................................................................................................ 58

6.2.1
Descripcin sectores industriales...................................................................................................... 58
6.2.2
Test AR / CAR ............................................................................................................................................... 63
CONCLUSIONES ............................................................................................................................................................... 76
REVISION BIBLIOGRFICA........................................................................................................................................ 78
8.1
BIBLIOGRAFA ....................................................................................................................................................... 78
8.2
WEBGRAFA ............................................................................................................................................................ 79

INDICE DE ILUSTRACIONES
Ilustracin 1: Modelo de efectos fijos, Datos de panel. Walter Sosa ............................................................. 41
.Ilustracin 2: Histograma de residuos Falabella, elaboracin propia.......................................................... 55
Ilustracin 3: Histograma de residuos Besalco, elaboracin propia.............................................................. 55
Ilustracin 4: Histograma de residuos CGE, elaboracin propia. .................................................................... 55
Ilustracin 5: Composicin sector Retail. ..................................................................................................................... 59
Ilustracin 6: Composicin sector Commodities...................................................................................................... 59
Ilustracin 7: Composicin sector Utilities. ................................................................................................................ 60
Ilustracin 8: Composicin sector Construccin. ..................................................................................................... 60
Ilustracin 9: Composicin sector Consumo .............................................................................................................. 61
Ilustracin 10: Composicin sector Industrial .......................................................................................................... 61
Ilustracin 11: Composicin sector Banca. ................................................................................................................. 62
Ilustracin 12: Composicin sector Otros.................................................................................................................... 62
Ilustracin 13: N de anuncios por sector industrial, elaboracin propia. ................................................. 63
Ilustracin 14: CAAR por accin sector Retail. .......................................................................................................... 67
Ilustracin 15:CAAR por accin sector Commodities, elaboracin propia................................................. 68
Ilustracin 16: CAAR por accin sector Utilities, elaboracin propia. .......................................................... 69
Ilustracin 17: CAAR por accin sector construccin, elaboracin propia. ............................................... 70
Ilustracin 18: CAAR por accin sector consumo, elaboracin propia......................................................... 71
Ilustracin 19: CAAR sector industrial, elaboracin propia. .............................................................................. 72
Ilustracin 20: CAAR por accin Banca. ........................................................................................................................ 73
Ilustracin 21: CAAR por accin Otros, elaboracin propia. .............................................................................. 74
Ilustracin 22: CAAR por sector industrial anuncios INC, elaboracin propia. ....................................... 75
Ilustracin 23: CAAR por sector industrial anuncios IIC, elaboracin propia. ......................................... 75

INDICE DE TABLAS
Tabla 1: Listado compaas incluidas en investigacin, elaboracin propia ............................................. 29
Tabla 2: Formato almacenamiento informacin, elaboracin propia. .......................................................... 30
Tabla 3: Nmero de anuncios por compaa (Parte 1), elaboracin propia. ............................................. 31
Tabla 4: Nmero de anuncios por compaa (Parte 2),elaboracin propia ............................................... 32
Tabla 5: Ejemplo trampa de variables dicotmicas, elaboracin propia. .................................................... 35
Tabla 6: Coeficientes modelo de efectos fijos, elaboracin propia. ................................................................ 44
Tabla 7: Coeficientes modelo definitivo de efectos fijos, elaboracin propia. .......................................... 46
Tabla 8: Efectos fijos para empresas bajo estudio, elaboracin propia. ...................................................... 47
Tabla 9: Test de efectos fijos- razn de verosimilitud, elaboracin propia................................................ 48
Tabla 10: Estadisticos importantes modelo definitivo efectos fijos, elaboracin propia. .................. 49
Tabla 11: Test de races unitarias, elaboracin propia. ........................................................................................ 50
Tabla 12: Test de cointegracin de Pedroni, elaboracin propia .................................................................... 52
Tabla 13: Factor de inflacin de varianza, elaboracin propia ......................................................................... 58
Tabla 14: Estadsticos descriptivos CAR por anuncin, elaboracin propia. ............................................ 64
Tabla 15: AR promedio totalidad de la muestra, elaboracin propia............................................................ 65
Tabla 16: p valor test significancia impactos, elaboracin propia. ................................................................. 66
Tabla 17: AR promedio sector Retail, elaboracin propia. ................................................................................. 67
Tabla 18: AR promedio sector Commodities.............................................................................................................. 68
Tabla 20: AR promedio sector Utilities, elaboracin propia. ............................................................................. 69
Tabla 21: AR promedio sector Construccin, elaboracin propia. ................................................................. 70
Tabla 22: AR promedio sector consumo, elaboracin propia. .......................................................................... 71
Tabla 23: AR promedio sector industrial, elaboracin propia. ......................................................................... 72
Tabla 24: AR promedio Banca, elaboracin propia. ............................................................................................... 73
Tabla 25: AR promedio Otros, elaboracin propia.................................................................................................. 74

1 INTRODUCCION
Dadas las favorables condiciones macroeconmicas sumada a la estabilidad social y poltica
que han caracterizado en los ltimos aos a nuestro pas, el que compaas con operaciones en
Chile realicen procesos de crecimiento tanto dentro como fuera del territorio nacional es un
hecho cada vez ms frecuente.
Al tomar la decisin de expandir operaciones, existe la opcin de incrementar capacidades de
manera autnoma o de manera asistida. De presentarse el segundo caso, muchas empresas se
basan en distintos modelos de integracin (Adquisiciones, Fusiones, Tomas de Control, entre
otras), compaas que buscan superar barreras de entrada a ciertos pases estrictos en
proteccin de la industria domstica, empresas de menor tamao que buscan operaciones
conjuntas para iniciar la expansin de sus operaciones, empresas que buscan diversificar su
lnea de negocios, son algunos motivos por los cuales se opta esta va.
Segn un estudio realizado por la consultora Colliers, Chile se ubic como segundo pas en
Sudamrica en materia de fusiones y adquisiciones. Las transacciones alcanzaron los US$
3725 millones entre enero y marzo, superando en casi un 200% los US$ 1250 millones del
mismo periodo 2011
Toda sociedad annima en Chile debe informar a la Superintendencia de Valores y Seguros en
carcter de hecho esencial si lleva a cabo algunos de los procesos antes mencionados.
Generalmente los medios de comunicacin masivos en el pas, especialmente prensa escrita en
sus secciones de economa y negocios, presentan gran motivacin por publicar en este tipo de
informacin.
El presente estudio pretende detectar si existe algn grado de relacin entre los anuncios
descritos anteriormente y la rentabilidad burstil de las compaas que informan expandir sus
operaciones. Especficamente, se busca medir el impacto precio que generan los anuncios de
procesos de expansin en las compaas que adoptan posiciones proactivas frente a los
procesos mencionados.
10

A pesar de existir estudios similares, cabe destacar que el aporte del tema a desarrollar no es
menoscabado ya que cada mercado presenta distintos comportamientos, a la fecha sobre el
mercado chileno no existen estudios de sta ndole.
11

2 OBJETIVOS
2.1 OBJETIVOS GENERALES
El objetivo primordial de la investigacin, es determinar concretamente si existe un cambio
significativo en la rentabilidad del patrimonio burstil de una empresa al anunciar en medios
de comunicacin masivos, especficamente prensa escrita, procesos de crecimiento.
Bajo anlisis se encontrarn compaas que cotizan en el mercado de valores, cuya presencia
burstil promedio, entre los aos 2000 y 2011, sea superior a 70%.
2.2 OBJETIVOS ESPECFICOS
Identificar si en el corto plazo (seguimiento rentabilidad durante 3 das), existe una

valoracin positiva o negativa por parte del mercado hacia las empresas que anuncian
procesos de crecimiento.
Detectar si se provocan diferencias en los impactos medidos, dependiendo del sector

industrial en el cual desarrolle sus actividades determinada compaa.
Analizar la efectividad de presentar rumores sobre eventos de crecimiento, como

instrumento de especulacin.
Determinar si el contenido del anuncio (tipo de crecimiento al cual hace referencia),

influye en la magnitud de la reaccin provocada.
12

3 ALCANCE
El objetivo primordial del estudio, es detectar el grado de relacin entre dos variables
comnmente presentes en el mundo de las grandes compaas del pas, los anuncios de
procesos de crecimiento y la cotizacin burstil de la empresa. Por los motivos antes
mencionados el estudio debe ser clasificado con alcance correlacional.
4 ESTADO DEL ARTE

4.1 ANTECEDENTES
Toda compaa que ha desarrollado su modelo de negocios de manera exitosa busca nuevos
desafos, implicando en la mayora de los casos expandir operaciones. Como hemos
mencionado anteriormente, existen dos vas para generar planes de crecimiento
diferencindose ellas por la participacin o no de terceros.
Si estamos frente a un crecimiento de tipo Inorgnico (asociado con otras compaas), existen
variados modelos que permiten lograr el fin deseado, siendo stos reconocidos tanto en
mercados nacionales como internacionales. A continuacin, se describen los tipos de
integracin utilizados con mayor frecuencia:
Absorcin: es la negociacin entre dos empresas, una de las cuales desaparece. La

compaa que subsiste conserva razn social, estructura administrativa, aumentado su
capital.
Fusin pura: en este caso, una tercera empresa surge como resultado de la
negociacin absorbiendo a las empresas iniciales (en caso de ser sociedades annimas
pierden cotizacin burstil), la nueva empresa adquiere los derechos y obligaciones de
las empresas que se disuelven y las cuales forman un patrimonio unitario.
Toma de control: Acuerdo entre dos firmas, en el cual control de los activos y las
operaciones de ambos es llevado a cabo por una de las dos firmas.
Joint Venture (alianza conjunta): es un tipo de acuerdo comercial de inversin

conjunta a largo plazo entre dos o ms personas (normalmente personas jurdicas o
13

comerciantes). Se desarrollar durante un tiempo limitado, con la finalidad de obtener
beneficios econmicos para su desarrollo.
Las principales razones para optar por este tipo de modelos al momento aplicar una estrategia
de crecimiento se resumen a continuacin:
Economas de escala: En caso de que dos compaas presenten capacidad ociosa,

puede lograrse el nivel de produccin de ambas con una de ellas funcionando a
mxima capacidad, minimizando con ello los costos fijos unitarios. Adems se puede
disminuir los costos variables unitarios al comprar en mayores volmenes aumentando
poder de negociacin.
Diversificacin: cuando una empresa est muy concentrada en cierta lnea de

productos, el riesgo ante una eventual crisis es alto, por lo tanto se busca integrarse con
empresas que presenten correlacin negativa con la lnea de negocios para disminuir
riesgo.
Market Share: integrarse con empresas del mismo giro (correlacin positiva), se
busca generar oligopolios, controlando la oferta y fijando precios (no ser precio
aceptante).
Tributarias: Una compaa con suficiente capacidad financiera puede adquirir a otra
que tenga prdidas acumuladas, siendo sta futura fuente de escudo fiscal.
Jensen (1993) propone que la mayora de la actividad relacionada a fusiones desde mediados
de la dcada de los 70, ha sido causada por revoluciones de tecnologa y suministros,
provocando excesos de capacidad en variadas industrias. El argumenta que las fusiones de
empresas son la principal va para remover dicho exceso de capacidad.
Mitchell y Mulherin (1996), documentan que una porcin considerable de las tomas de control
en los aos 80, pueden ser explicadas por industrias reestructurndose a importantes choques
como desregulaciones, aumento de competencia extranjera y alzas en precio del petrleo.
McConnell and Nantell (1985), establecen como principal motivacin para formar alianzas
conjuntas (Joint venture) los beneficios derivados de sinergias. Para ellos, sinergias pueden ser
potenciadas mediante adquisicin de capital humano o financiero, integracin horizontal o
vertical, esfuerzos de investigacin y desarrollo en productos y procesos, entre otras. Johnson
14

y Houston (2000), agregan otra motivacin para este tipo de actividades la distribucin
eficiente de riesgo.
Actualmente la literatura presenta gran cantidad de investigaciones sobre impactos generados
por anuncios de crecimiento, siendo en casi la totalidad de ellos motivo de estudio los
anuncios de tipo inorgnicos con destino en el extranjero. Por lo tanto, el estado actual de la
investigacin se encuentra en este tipo de estudios, a continuacin se exponen las principales
temticas desarrolladas por la literatura actual.
4.1.1
Beneficios de expandir operaciones al extranjero
Beneficios de la expansin internacional de las empresas, han sido ampliamente

documentados en la literatura. A diferencia de firmas que operan solamente en mercados
domsticos, la principal ventaja de empresas multinacionales se encuentra en la flexibilidad de
transferir recursos por sobre las fronteras a travs de las redes multinacionales (Kogut, 1983).
Por medio de la expansin de las redes globales, se permite a firmas con presencia en el
extranjero de aprovecharse de las imperfecciones de distintos mercados. Especficamente, el
poder reducir el pago de impuestos a travs de operaciones financieras intra-firmas.
Tambin se permite la opcin de minimizar costos de manufactura, al instalar plantas en
pases en los cuales la materia prima y el recurso humano es menos costoso (Chen, Hu y
Shien, 1991; Doukas y Travlos, 1988). Adems operando en una red con conexiones globales
las firmas se encuentran protegidas de posibles efectos recesivos o crisis econmicas al
diversificar sus inversiones en distintas locaciones.
Finalmente, la conexin multinacional permite la posibilidad de encontrar socios adecuados
para futuras alianzas estratgicas (Gupta y Misra, 2000; Chung, Koford, y Lee; Doukas y
Travlos, 1998; Lewis, 1990; Kogut, 1983).
Errunze y Senbet (1984); Hirschey (1982) y Morck and Yeung (1991), documentaron que
expansiones internacionales generan beneficios para los accionistas, en la medida que las
alianzas conjuntas internacionales generan entrada a nuevos mercados, el mercado responder
15

positivamente a los anuncios de joint ventures que expandan la red multinacional de la
compaa.
4.1.2
Reacciones Mercado Burstil, Experiencias Joint Venture (Alianzas Conjuntas)
Las alianzas conjuntas se han convertido en una de las ms frecuentes estructuras

organizacionales para que empresas de todo el mundo puedan generar alianzas estratgicas e
introducir sus operaciones a nuevos continentes. Si tomamos como ejemplo alianzas hacia
economas emergentes como China (sta se ha convertido en el segundo destino luego de
Estados Unidos, con inversiones que bordearon los US$ 41.2 billones), las alianzas conjuntas
han sido una forma de entrar a un pas con crecientes tasas de produccin, pero con polticas
sumamente restrictivas.
En China las empresas extranjeras slo pueden tener hasta el 30 % de participacin en el
capital y no ms del 50% de las ganancias. Las empresas extranjeras aportan con recursos
financieros y tecnologa, mientras su par chino aporta con recursos humanos e instalaciones.
De esta forma las firmas extranjeras cuyas necesidades son conexiones y contactos, buscan por
esta va satisfacer su falta.
Analizar el impacto que generan las alianzas conjuntas entre compaas de distintos
continentes ha sido materia de estudio en gran cantidad de ocasiones, con resultados que
afirman retornos sobre normales, neutros y subnormales.
Chen, Ho, Lee, y Yeo, (2000); Crutchley, Guo y Hansen (1991); Lummer y McConnell
(1990). Encontraron evidencia significativa de retornos sobre normales en firmas que
anunciaron joint ventures internacionales. Dichos estudios muestran adems que factores
como tamao de la inversin, oportunidades de crecimiento y generacin de flujos financieros
explican el fenmeno mencionado anteriormente.
Sobre la base se de 47 anuncios chino-francs de joint venture, reunidos desde 1994 hasta
2000, Husbler y Meschi (2001) encontraron que las reacciones del mercado burstil francs
son complejas. Dos comportamientos opuestos fueron observados: Un tramo en el cual se
dieron reacciones negativas (1994 hasta 1997) y otro en el cual se dieron reacciones positivas
16

(1997 hasta 2000). Los autores concluyen que las ms recientes alianzas chino-francs, los
ms beneficiados en la creacin de valor fueron los accionistas franceses.
De hecho estudios en base a cooperaciones conjuntas entre empresas estadounidenses-chinas
(Cheng et al., (1991); Cheng et al., (1998); Ding 1995; Gupta et al., (1992)), Entregan
evidencia emprica que dichas operaciones expanden el valor de los accionistas americanos,
expandiendo sus compaas, todas ellas muestran un efecto positivo provocado por el anuncio
asociado. Para comprender ciertas aristas como: el efecto de valoracin positiva, ciertos
factores o caractersticas que involucran a los socios de Estados Unidos en las alianzas
conjuntas o las alianzas conjuntas en s mismas, la base del anlisis radica en la creacin de
valor a sus accionistas (reaccin mercado burstil). Dichos estudios investigan varios socios
especficos y factores asociados a las alianzas conjuntas que posiblemente explican las
variaciones en el precio de mercado. Los resultados en base a dichos estudios son
contradictorios, encontrando posturas positivas, neutras y negativas, acerca del impacto de los
anuncios de operaciones conjuntas en los mercados burstiles.
En base a 103 chino-estadounidense joint ventures durante 1973-1993, Cheng et al., (1998)
estudio el impacto en el mercado burstil por medio de seis variables que involucran a ambas
empresas (ratios de liquidez, ratios de deudas, rotacin de activos, rentabilidad sobre
patrimonio, clasificacin de la industria y experiencia previa en China) y dos factores
especficos de las alianzas conjuntas (fecha del anuncio y ubicacin de la empresa). Se
encontr que ninguno de estos factores influyen en los retornos del mercado.
Por el contrario, Gupta et al., (1991) usando como ejemplo a 86 compaas estadounidenses
que ingresaron a China desde 1979 hasta 1987. Report que compaas que ingresaron a
China mediante alianzas conjuntas obtuvieron mayores retornos en comparacin a sus pares
que no las realizaron.
Hu et al. (1992) entrega evidencia del impacto que generan los anuncios de joint ventures en
los retornos de los accionistas, en la medida que la participacin de las empresas
internacionales americanas es medida en trminos de ventas en el extranjero y empresas que
estn bajo su control. En un estudio de 46 alianzas conjuntas americano-china, ellos
concluyeron que el mercado de valores americano responde positivamente a los anuncios
17

hechos por compaas estadounidenses que tengan menos presencia en mbitos
internacionales. En cambio firmas con alta presencia internacional no presentaron cambios
significativos en sus cotizaciones en el mercado burstil.
Lee and Wyatt (1990), postularon efectos negativos asociados a los anuncios. Adems,
encontraron que solo aquellas firmas que realizaban alianzas estratgicas con firmas de pases
menos desarrollados tienen efectos no negativos. Mientas que Cheng et al, concluye que los
mercados tienden a responder desfavorablemente con anuncios de joint ventures,
independiente del status econmico del pas del cual el socio comercial es originario.
Cheng et al. (1991) encontr que las ganancias de mercado asociadas a 88 chinoestadounidense anuncios de alianzas conjuntas, estn negativamente relacionadas con el
monto de inversin.
Gupta and Misra (2000), encontraron que la experiencia en aperturas a un mismo pas
acompaado de experiencia
en
alianzas conjuntas internacionales, son generalmente
variables suficientes para explicar los retornos sobre normales. Ellos argumentan que las
incertidumbres inherentes a transacciones internacionales, los potenciales conflictos entre
socios de la alianza, experiencia pasada en el territorio y socios de alianzas conjuntas,
contribuyen a la posibilidad de futuro xito en similares actividades y por ende a las ganancias
de los accionistas.
Anand and Kanha (2000), mostraron que el efecto de la experiencia en creacin de valor a
travs de joint ventures es positivo y significativo
4.1.3
Reacciones Mercado Burstil, Cross Border Mergers and Adquisition (Adquisiciones y

Fusiones Transnacionales)
En las ltimas dos dcadas, Cross Borders Mergers and Adquisitions se han convertido en la
manera ms frecuente de inversin extranjera directa. El valor total transado se ha
incrementado fuertemente desde los 90s pasando de 100 a 1000 billones (World Investment
Report, 2008). Motivados por la creacin de valor para los accionistas, empresas
18

multinacionales usan Adquisiciones y Fusiones internacionales como una importante
estratgia para adquirir recursos claves y porciones de mercado en nuevas fronteras.
Aun as, muchos estudios muestran que stas no crean valor e incluso lo destruyen para los
accionistas de la empresa que adquiridora (Lubatkin, 1983; Pettway and Yamada, 1986;
Linmack, 1991; Gregory, 1997). Siguiendo esta primera impresin, muchos estudios han
tratado de dar mejor explicacin a esta paradoja y considerar los posibles factores que explican
el mal rendimiento post adquisicin del adquiriente. Los principales factores examinados
apuntan hacia el proceso de negociacin, nivel de financiamiento e integracin postadquisicin. En consecuencia parece que el rendimiento post-adquisicin, es afectado de gran
forma por su habilidad de desarrollar nuevas habilidades y conocimientos organizacionales.
Por el contrario otros tantos estudios han encontrado a corto plazo, efectos positivos en las
acciones de las firmas adquirientes provocados por anuncios de adquisiciones y fusiones, (Por
ejemplo Cakici et al., 1996; Martynova and Renneboog., 2008). La positiva valoracin es
atribuida a variadas factores, como creacin de sinergia operacional (Kang, 1993), adquisicin
de recursos estratgicos (Morck y Yeung, 1992), efecto de diversificacin global (Dos Santos
et al., 2008).
Singh y Zollo, 1998; Haleblian and Filkestein, 1999; Markides y Oyon, 2001. Postularon que
el nmero de experiencias previas en adquisiciones, es considerado determinante en definir el
rendimiento de la firma adquiridora, en otras palabras que haya realizado adquisiciones
similares entre ellas (en trminos de industria y ubicacin geogrfica).
Basado en los recursos entregados en la literatura (Experiental Learning), la cual se basa en la
idea de que si una accin es constantemente repetida por la organizacin se entrega el
conocimiento para nuevas experiencias, ayuda a corregir errores pasados y mejora el
rendimiento organizacional. Ella muestra que las firmas con experiencia sustancial y variada
en adquisiciones, pueden mejorar su rendimiento post adquisicin significativamente. Variada
experiencia, frecuentemente es considerada como una llave de mejora y progreso ya que
permite a la organizacin explotar sinergias y recursos derivados de variadas situaciones
(Barkeman y Vermeulen, 2001).
19

Chang, (1995) establece que es posible para una compaa aprender a manejar entradas a
distintos pases. Experiencia internacional y en particular experiencia en pases especficos
determinan reacciones positivas en el mercado (retornos sobre normales) asociadas a
adquisiciones. Markides y Oyon, (1998), expresan que los efectos positivos en mercados de
valores, asociados a adquisiciones internacionales estn correlacionados positivamente con la
experiencia internacional de la firma adquiriente.
Rosen, (2006) explica que la correlacin positiva que presentan compaas con experiencia
previa en adquisiciones y fusiones puede ser debido al efecto sentimiento del inversionista.
Este sugiere que inversionistas podran sobreestimar los valores de sinergia de la actual
adquisicin dada una visin optimista sobre adquisiciones anteriores u otras inversiones en el
mercado, de la misma manera, una experiencia no exitosa de adquisicin en el pasado puede
entregar una visin negativa de la actual adquisicin y reducir el valor de mercado de las
transacciones. Por lo tanto dicha razn puede ser la causa, de la correlacin serial de los
retornos de anuncios de adquisicin.
Otra causa la explican Croci y Petmezas, (2009) los cuales culpan al efecto de calidad de
administracin, la correlacin positiva en retornos por anuncios de adquisicin. Ellos
argumentan que administradores (managers) habilidosos acumulan experiencia por cada
proceso de adquisicin y/o fusin, pudiendo algunos desarrollar capacidad para desarrollar
habilidades para detectar buenos blancos y su potencial reestructuracin para integraciones
exitosas. La primera adquisicin puede brindar experiencia a los administradores para conocer
el mercado internacional, riesgo de expansin en el extranjero y manejo de recursos
transnacionales. Una firma que aprende activamente puede rpidamente formar ventajas
competitivas, en base al conocimiento del mercado local y la habilidad para identificar nuevos
blancos para integrarse. Por lo tanto el xito de una adquisicin depende en gran medida de los
conocimientos que se hayan adquirido en etapas anteriores y de la calidad profesional del
manager de la empresa (Aktas et al, 2010). Bajo una administracin de alta calidad, empresas
compradoras tendrn exitosas adquisiciones y crearn continuamente valor a sus accionistas.
Los estudios sobre adquisiciones y sus potenciales impactos en la rentabilidad de las
compaas en el mercado de valores, han tenido como foco el detectar la duracin del
20

fenmeno provocado. Barnes, 1984; Gregory, 1997 plantean la siguiente paradoja: A corto
plazo se produce un impacto de gran envergadura sobre los retornos, por el contrario en el
largo plazo se expone que las adquisiciones no generan valor para los accionistas.
Otro punto importante a abordar es acerca del destino donde se pretende invertir recursos,
numerosos estudios han demostrado que el rea geogrfica determina retornos sobre normales
(Cheng y Chan, 1995; Lessard, 1995). Sobre esto se puede tomar como ejemplo los estudios
de Yook y McCabe (1996), plantean que adquisiciones de compaas extranjeras por parte de
EEUU crean retornos positivos. Ms especficamente adquisiciones de compaas
estadounidenses en Unin Europea crean retornos positivos, mientras tanto adquisiciones de
EEUU en Gran Bretaa y Canad no generan valor.
4.2
MARCO TERICO
4.2.1
Medicin de Impacto en el Mercado de Valores: Abnormal Stock Returns (AR`S)
Al tener bajo anlisis a variados estudios relacionados a la medicin de impactos en el

mercado burstil. Se puede evidenciar que en la totalidad de ellos, el criterio utilizado son los
test AR`s. La popularidad del modelo radica en la facilidad que con que ste destaca el
impacto en la rentabilidad de cierta accin durante una ventana determinada (periodo de
tiempo en el cual es analizado el comportamiento de la accin).
El modelo a grandes rasgos consiste en calcular la diferencia entre el comportamiento de la
accin con el anuncio de crecimiento (retorno observado), contra una proyeccin del
comportamiento suponiendo que el anuncio no intervino en la tendencia del mercado (normal
return).
Donde
representa el retorno observado de la compaa j para el da t y
representa su
retorno normal para el mismo periodo. El retorno normal es calculado usando el modelo de
mercado propuesto por Fama et al. (1969):
21

Donde
representa el ndice de cartera de mercado para da t.
residual con media cero, asumiendo distribucin normal de los datos.
representa el error
y
son parmetros
de la estimacin.
Aunque el modelo no presenta variaciones considerables entre los distintos estudios existentes,
cabe destacar que las ventanas en las cuales se analiza el comportamiento de acciones en el
mercado de valores registran distintas variaciones. Lgicamente en lo que si pueden
converger, es en considerar el evento como
, es decir, el punto de partida del anlisis la
fecha en la cual se origina el anuncio de expansin. Para efectos de esta investigacin, al ser
los anuncios seguidos por medios de prensa escrita se considerar como fecha de origen, la
fecha de publicacin en prensa de la noticia asociada al proceso de expansin.
Abowd et al., (1990) define evento como un anuncio por parte de la firma o una accin en el
mercado que transmite informacin adicional a los participantes del mercado burstil, lo que
les permite revisar las expectativas previas respecto a las perspectivas de una firma
A pesar de existir gran variabilidad en lo que respecta a las ventanas en los estudios que
abordan el tema. Existen autores que han estandarizado dichos periodos, Fama et al., (1969)
considera un periodo de 150 das [
para estimar el retorno normal previo
al evento, en cambio Brown y Warner, (1985) postulan una ventana [

para calcular el mismo fenmeno. Dentro de los estudios incluidos en la revisin bibliogrfica,
elementos fundamentales en el desarrollo de la presente investigacin, se han encontrado
convergencias en la utilizacin de ambos criterios.
4.2.2
Estado de la Investigacin en la Actualidad
Actualmente los diversos estudios relacionados con el tema de la presente investigacin, se

dedican a investigar por medio de metodologas similares el impacto que generan los procesos
de expansin en ciertos mercados alrededor del mundo, midiendo si stos generan o no valor
en los accionistas asociados.
22

Como ejemplo de esto podemos citar a Pierre- Xabier Merschi y Louis T.W Cheng, (2002).
Cuyo objetivo fue intentar comprobar si las inversiones europeas en mercados asiticos
generaban valor a los accionistas de la empresa adquiriente.
Ellos recolectaron en peridicos europeos (Les Echos, La Tribune, The Financial Times, The
Wall Street Journal Europe, The Financial Times Deutschland, Die Welt), todo tipo de
alianzas conjuntas entre Europa a China desde 1998 a 2001, considerando pases como:
Francia, Reino Unido, Alemania, Italia, Holanda, Dinamarca; Suiza, Finlandia, Blgica.
Luego, se descartaron aquellas compaas que no compusieran algn ndice burstil europeo,
finalmente la muestra para realizar el estudio qued compuesta por 68 joint ventures.
La metodologa utilizada (Fama et al., 1969) se sustenta en la idea de que los mercados
burstiles reaccionan inmediatamente a dichos anuncios, los cuales suponen afectarn el
desempeo futuro de la empresa. Esta hiptesis esta en concordancia con la idea que el
mercado de valores toma toda la informacin en cuenta (particularmente lo que concierne a las
compaas).
El estudio que utiliza como base los resultados positivos de alianzas entre EEUU y China.
Lleg a concluir que el impacto de 68 anuncios de joint ventures entre Europa y China es
positivo, pero menor que el impacto de sus pares americanos. Sobre la ventana del evento
muestra un promedio
, solamente en el periodo pre-anuncio

se genera un cambio considerable (significativo al nivel de
5%).
Algunas razones que explican las diferencias entre ambos resultados, puede ser la popularidad
de las inversiones americanas en China, US$6 billones (tercer destino favorito luego de
Taiwan y Hong Kong). En el mismo periodo de tiempo, Europa slo invirti US$4,1 billones
en el territorio asitico.
Por otro lado los mercado europeos pueden reaccionar no tan activamente, debido a la forma
en la cual se debe invertir en China. Los mercados europeos le restan importancia a modelos
de alianzas conjuntas, prefiriendo sobre ellos las adquisiciones por ejemplo.
23

Otro ejemplo que se puede considerar si se quiere analizar qu mercados han sido motivo de
estudio, es la investigacin realizada por Shao-Chi Chang y Ping-Chang Huang, (2002).
Estudiando el mercado en Taiwan, en primera instancia se pretende ver si los anuncios de
procesos de expansin crean valor a los accionistas taiwaneses. Como objetivo especfico se
pretende comprobar si al ingresar a mercados donde previamente no se hayan desarrollado
actividades previas, realmente se obtienen resultados positivos.
La muestra se conform por firmas taiwanesas que anunciaron joint ventures con socios fuera
de sus fronteras, durante el periodo de enero de 1988 a octubre de 1999. La informacin fue
recolectada del Excelent Business Database (EBD), que provee resmenes de noticias de los
principales revistas y diarios de Taiwan. Para ser incluidas en la muestra final las empresas
debieron tener datos burstiles disponibles en el Taiwan Economic Journal Data Bank.
Finalmente, la muestra quedo compuesta por 115 firmas envueltas en 107 alianzas conjuntas
internacionales, para cubrir objetivos especfico a la muestra fue dividida en sub muestras
dependiendo del tipo de industria, monto de la inversin, experiencia previa, entre otras.
Para las 115 firmas que componen la muestra, los resultados arrojaron que el promedio para
los dos das de anuncio
(significativo al nivel de 5%), el 58,7% de
las firmas componentes de la muestra presentan comportamientos positivos. No se encuentran

resultados significativos en periodos que preceden o anteceden al evento. As, el estudio
concluye que los accionistas realmente presentan aumentos en su patrimonio personal.
Shao-Chi Chang y Ping-Chang Huang encuentra similitudes con los resultados obtenidos por
Chen et al, (1991); Crutchley et al., (1991); y Lummer McConnell (2000) en las alianzas entre
EEUU y China.
Para comprobar si se cumple el objetivo especfico mencionado anteriormente, los autores
dividen la muestra original, en funcin de la experiencia previa en los pases donde provienen
las compaas socios de la alianza. Los resultados demostraron que las firmas sin experiencia
previa obtuvieron que el promedio para los dos das de anuncio
, fue igual a
, en cambio la submuestra con experiencia previa obtuvo resultados menores e

insignificantes
24

Como se ve en los datos anteriores se encuentra respuesta a lo planteado como objetivo
especfico en el estudio, las firmas sin experiencia previa obtienen mejores resultados que
aquella que ya han hecho operaciones similares previamente, es aqu donde se establece la
incongruencia con la teora de aprendizaje continuo (organizational learning) planteada en los
antecedentes de la presente investigacin.
Pierre-Xabier Merschi y Emmanuel Metais (2006), abordan desde la perspectiva de
adquisiciones de firmas francesas en EEUU, la interrogante planteada por los anteriores
autores. El estudio se centra en responder si una firma con experiencia previa en adquisiciones
obtiene distintos resultados a otra con menos o ninguna experiencia. Adems plantea si el
hecho de tener experiencias homogneas en procesos de expansin (por ejemplo: una
compaa que solo crece por medio de adquisiciones internacionales).
La composicin de la muestra proviene de la recoleccin de adquisiciones francesas en EEUU
desde las siguientes fuentes: Les Echos, La Tribune (diarios franceses), Mergerstat y
Lexisnexis. Se han registrado los eventos antes mencionados desde 1988 hasta 2004,
solamente se han considerado aquellas adquisiciones en las cuales las firmas francesas
adquieran sobre el 50% de la compaa americana, adems se sumaron los siguientes criterios:
Las compaas francesas participaran en el mercado burstil galo.
No anuncios confusos (otras adquisiciones, ganancias, recompras de acciones).
Transaccin completa.
Finalmente la muestra fue compuesta por 291 firmas.

Los resultados del estudio demostraron que los anuncios son significativos en las variaciones
de las ganancias de los accionistas en las siguientes ventanas:
. Por el contrario los resultados en la fecha de los anuncios no son significativos.

Los AR acumulados de las 3 diferentes ventanas, muestran que los anuncios de adquisiciones
tienen un efecto positivo y estable en los retornos de las firmas adquirientes francesas. El
efecto de valoracin no est limitado a unos pocos das alrededor de la fecha del anuncio, va
incrementndose gradualmente en el tiempo. Los resultados obtenidos reflejan lo siguiente:
25

Como se refleja en los ejemplo expuestos anteriormente, se mantiene una correlacin positiva
ente los anuncios y las ganancias de los accionistas, a pesar de analizar mercados europeos,
americanos y asiticos se han obtenido resultados que presentan diferencias considerables. Por
lo mismo, la inexistencia de estudios que aborden al mercado chileno en estos aspectos,
adquiere gran relevancia para ratificar la tendencia positiva o descubrir que este mercado en
particular se comporta de manera contraria.
26

5 METODOLOGA
5.1 FUENTES DE INFORMACIN
En relacin a la factibilidad del presente estudio, en etapas iniciales se present el principal
limitante para su desarrollo. El tener acceso a un medio capaz de almacenar informacin a
partir de la ltima dcada y poder a su vez acceder libremente a ella, fue un punto clave.
La primera fuente consultada fue el sitio web de la Superintendencia de Valores y Seguros
(SVS), especficamente en su seccin Hechos Esenciales. En ella, toda empresa debe
informar aquellas acciones que considere esenciales o relevantes, por ende, el medio debera
almacenar todo anuncio de crecimiento realizado por las distintas firmas en Chile. El principal
inconveniente que present el portal fue el tener vacios de informacin, siendo incapaz de
brindar un nmero mnimo de anuncios para poder validar el estudio, por ello fue descartado
su uso.
En base a metodologas utilizadas para la recoleccin de datos en la literatura referente al tema
de investigacin, se opt por recurrir a medios de comunicacin masivos, especficamente
prensa escrita con especialidad en temas de economa y negocios (Diario Financiero,
Estrategia), en cuyos sitios web se permite el acceso a ediciones anteriores facilitando el
rastreo de anuncios de crecimiento. Frente a esta alternativa se presentaron dos grandes
inconvenientes; el primero de ellos fue que ambos peridicos slo presentan registros de sus
ediciones a partir del ao 2008, con ello exista gran probabilidad de sesgar la investigacin
debido a que dicha fecha coincide con el desarrollo de la crisis Sub-Prime a nivel mundial, el
segundo inconveniente fue que ambos portales para permitir acceder a la informacin de
manera completa solicitan suscripciones pagadas.
Finalmente, se utiliza como fuente al sitio web del diario El Mercurio (www.emol.com), el
cual no evidencia ninguna de las falencias antes mencionadas, las caractersticas que presenta
el portal y permiten el desarrollo de la investigacin se resumen a continuacin:
27

Almacenamiento de ediciones anteriores desde ao 1999.
Libre acceso a totalidad de informacin (suscripcin gratuita).
Poseer un buscador que considere otras fuentes como:

o Diario Financiero.
o Mercurio de Valparaso.
o Estrategia.
o Austral Osorno.
o SoyChile.
o LUN.
o El Llanquihue.
o El Mundo (Espaa).
o El Pas (Uruguay).
o El Nacional (Venezuela).
5.2 MUESTRA BAJO ANLISIS

Al determinar la fuente correcta para el desarrollo de la investigacin, es menester definir que
compaas sern incluidas en el estudio. El criterio aplicado tuvo sus races en el concepto
Presencia Burstil, el cual indica el porcentaje en el cual cierta accin presenta transacciones
en relacin a los das hbiles de un determinado mes, por ejemplo una accin con PB = 65
significa que present movimientos en el 65% de los das hbiles del mes en cuestin.
Tomando en cuenta el ltimo da de cada mes, desde el ao 2000 hasta el ao 2011 (aquellas
compaas cuya apertura fue posterior al ao 2000, se considera el clculo desde la fecha de
apertura en mercado de valores), se promedio la presencia burstil de todas las sociedades con
registro en la bolsa de valores de Chile, incluyendo en la investigacin aquellas empresas con
presencia burstil promedio > 70%.
N
COMPAA
NEMO
PB (%)
1
2
AGUAS ANDINAS
ALMENDRAL
AGUAS-A
ALMENDRAL
87.8
95.8
3
4
5
6
EMBOTELLADORA ANDINA
ANTARCHILE
EMPRESAS AQUACHILE
BANMEDICA
ANDINA-B
ANTARCHILE
AQUACHILE
BANMEDICA
96.5
98.8
89.1
73.9
28

7
8
9
10
11
12
13
14
BANCO DE CRDITOS E INVERSIONES

BESALCO
BANCO SANTANDER-CHILE
COMPAA PESQUERA CAMANCHACA
BANCO DE CHILE
COMPAA ACEROS DEL PACFICO
COMPAA CERVECERIAS UNIDAS
CENCOSUD
BCI
BESALCO
BSANTANDER
CAMANCHACA
CHILE
CAP
CCU
CENCOSUD
95.2
92.2
99.7
90.1
98.0
98.0
97.5
99.8
15
16
COMPAA GENERAL DE ELECTRICIDAD

COLBN
CGE
COLBUN
95.8
99.7
17
18
EMPRESAS CMPC
EMPRESAS COPEC
CMPC
COPEC
99.6
100.0
19
20
VIA CONCHA Y TORO S.A

CORPBANCA
CONCHATORO
CORPBANCA
93.0
99.1
21
22
CRISTALERIAS DE CHILE
E.CL
CRISTALES
ECL
78.0
93.8
23
24
ENJOY
EMPRESA NACIONAL DE ELECTRICIDAD
ENJOY
ENDESA
98.8
100.0
25
26
27
28
29
30
ENERSIS
EMP. NACIONAL DE TELECOMUNICACIONES
FARMACIAS AHUMADA
FORUS
S.A.C.I FALABELLA
GASCO
ENERSIS
ENTEL
FASA
FORUS
FALABELLA
GASCO
100.0
100.0
76.9
91.5
99.7
83.2
31
32
33
34
35
36
37
38
39
40
AESGENER
EMPRESAS HITES
EMPRESAS IANSA
LATAM AIRLINES GROUP
EMPRESAS LA POLAR
MADECO
MASISA
PARQUE ARAUCO
PAZ CORP
QUIENCO
GENER
HITES
IANSA
LAN
LAPOLAR
MADECO
MASISA
PARAUCO
PAZ
QUINENCO
87.6
99.8
99.6
97.6
99.1
98.4
90.0
89.7
91.1
93.9
41
42
43
44
45
46
RIPLEY CORP
SALFACORP
SIGDO KOPPERS
SONDA
SOC QUIMICA MINERA DE CHILE
COMPAA SUD AMERICANA DE VAPORES
RIPLEY
SALFACORP
SK
SONDA
SQM
VAPORES
99.5
91.9
95.3
99.8
99.7
82.7
Tabla 1: Listado compaas incluidas en investigacin, elaboracin propia
29

5.3 SELECCIN DE INFORMACIN
Frente a la amplia cantidad de informacin presente para las 46 compaas bajo estudio
sumado a que la investigacin considera medir impactos provocados por anuncios de
crecimientos orgnicos e inorgnicos, en territorio nacional o extranjero, adems de considerar
rumores asociado a dichos eventos, es importante dejar en claro los criterios de seleccin.
Se consider como anuncios de crecimiento inorgnicos (con participacin de terceros)
noticias que hagan referencia a:
Adquisiciones, Ej: Sonda adquiere otra empresa brasilea en US$8,5 millones.
Tomas de Control, Ej: CAP Adquiere el Control de Cintac.
Joint Ventures, Ej: Unin entre D&S-Fasa remece al mercado chileno de las
farmacias.
Fusiones, Ej: Se concreta fusin entre Banco de Chile y Citigroup.
Frente a anuncios de crecimiento orgnicos (sin participacin de terceros), se recopilaron

titulares como:
Construccin nuevas plantas, Ej: CAP S.A. inaugura nueva planta de laminacin
Apertura nuevas sucursales, Ej: Cencosud abre nuevo Easy en Colombia
Como se mencion en la seccin de objetivos, la investigacin pretende medir si los rumores

asociados a procesos de crecimiento generan algn impacto en la situacin actual de la
empresa que los emite. Por ello, se consideraron aquellas noticias con titulares como:
empresa x evala, empresa x planeara, empresa x prev, entre otras.
El formato con el cual se registr la informacin pone nfasis en la fecha del anuncio, detalle
de la noticia, destino (I haciendo alusin a destino forneo y N con referencia a destinos
en el pas) y direccin web como respaldo. Todo ello informacin esencial si se pretender
medir el impacto en los resultados de la empresa anunciante. En la siguiente tabla, es posible
visualizar lo antes mencionado.
FECHA
31-08-2004
DETALLE
Jumbo compra Supermercados Montecarlo
DESTINO
I
LINK
Tabla 2: Formato almacenamiento informacin, elaboracin propia.
30

En las tablas 3 y 4, se expone a modo de resumen, la totalidad de informacin reunida para las empresas bajo estudio, clasificada por
tipo de crecimiento, destino del anuncio e informacin confirmada o rumor.
N DE ANUNCIOS
ORGANICO
NACIONAL
INTERNACIONAL
NEMO
AGUAS-A
ALMENDRAL S.A
ANDINA
ANTARCHILE
AQUA-CHILE
BANMEDICA
BCI
BESALCO
BSANTANDER
CAMANCHACA
CHILE
CAP
CCU
CENCOSUD
CGE
COLBUN
CMPC
COPEC
CONCHATORO
CORPBANCA
CRISTALES
E-CL
ENJOY
ENDESA
RUMOR
CONFIRMADO
RUMOR
INORGANICO
NACIONAL
INTERNACIONAL
CONFIRMADO
RUMOR
CONFIRMADO
RUMOR
CONFIRMADO
4
1
3
2
1
4
2
1
4
1
2
2
5
1
1
3
1
2
1
3
1
2
1
2
2
2
3
1
2
2
13
1
1
1
1
2
2
1
1
2
4
4
5
3
1
3
3
2
1
4
3
1
2
1
1
1
3
2
1
1
1
2
1
5
1
2
2
9
Tabla 3: Nmero de anuncios por compaa (Parte 1), elaboracin propia.
31

N DE ANUNCIOS
NACIONAL
NEMO
RUMOR
ENTEL
FASA
FORUS
FALABELLA
GASCO
GENER
HITES
IANSA
LAN
LA POLAR
MADECO
MASISA
PARAUCO
PAZ
QUIENCO
RIPLEY
SALFACORP
SK
SONDA
SQM
VAPORES
10
TOTALES
ORGANICO
INTERNACIONAL
CONFIRMADO
RUMOR
2
1
4
1
2
4
CONFIRMADO
INORGANICO
NACIONAL
INTERNACIONAL
RUMOR
11
CONFIRMADO
2
2
4
2
6
1
3
1
2
17
71
1
4
76
CONFIRMADO
2
5
3
2
3
1
2
1
1
1
2
13
1
2
5
6
3
26
3
2
1
7
1
1
105
3
1
3
5
1
1
4
3
2
1
1
1
4
50
2
4
3
5
1
RUMOR
Tabla 4: Nmero de anuncios por compaa (Parte 2), elaboracin propia
32

5.4 MEDICIN DE IMPACTOS
Como se mencion en el marco terico la metodologa aplicada en la presente investigacin,
tiene sus bases en los test AR`s utilizados en la totalidad de la literatura consultada como
referencia. Consiste en evaluar durante una determinada ventana, la diferencia entre la
rentabilidad observada (OR, observed return) y la rentabilidad de la accin si el evento bajo
anlisis no hubiese ocurrido (NR, normal return), aquello es reflejado en la ecuacin n1
donde
= impacto en la rentabilidad de la empresa j en el instante t provocado por el
anuncio.
El retorno normal es calculado usando el modelo de mercado propuesto por Fama et al.
(1969):
Donde
representa el ndice de cartera de mercado para da t.
residual con media cero, asumiendo distribucin normal de los datos.
representa el error
y
son parmetros
de la estimacin.
La metodologa expuesta no fue aplicada al pie de la letra, ello debido a que el clculo de los
retornos normales (NR) se realiza mediante un Modelo de Regresin Lineal Simple,
caracterizado por manejar una variable independiente y por ende slo cuenta con dos
parmetros, ello impide tener como estimadores a los distintos tipos de anuncios bajo anlisis.
Frente a dicho inconveniente, se propone una adaptacin al modelo propuesto por Fama
mediante el uso de un Modelo de Regresin Lineal Mltiple (maneja mltiples variables
independientes, cuenta con variados parmetros) para el clculo de Retornos Normales,
agregando una variable dicotmica por cada tipo de anuncio bajo estudio. Basados en la
clasificacin vista en el apartado anterior (tablas n3 y 4) se incluyen al modelo 8 variables
dicotmicas, cuya finalidad es indicar la presencia o ausencia de anuncios en una determinada
fecha (asumiendo valores 1 o 0). El modelo se podra expresar de la siguiente manera:
33

Variables cuantitativas
: rentabilidad normal de empresa j en instante t

: rentabilidad del ndice burstil
Variables cualitativas (dicotmicas/dummy)
ONC: anuncio confirmado de crecimiento tipo orgnico, con destino nacional
ONR: rumor de crecimiento orgnico, con destino en territorio nacional
OIC: anuncio confirmado de crecimiento tipo orgnico con destino internacional
OIR: rumor de crecimiento tipo orgnico con destino internacional
INC: anuncio confirmado de crecimiento tipo inorgnico en territorio nacional
INR: rumor de crecimiento inorgnico con destino en territorio nacional
IIC: anuncio confirmado de crecimiento inorgnico con destino internacional
IIR: rumor de crecimiento inorgnico con destino internacional
Por razones estadsticas, en este tipo de modelos si una variable dicotmica tiene m categoras
(en este caso son 8) se deben incluir en el modelo (m-1) variables dicotmicas, para evitar la
llamada trampa de las variables dummy. Como es posible apreciar, en esta investigacin no
fue aplicada la regla antes mencionada, el modelo incluye 8 variables siendo igual al nmero
de categoras. A continuacin, mediante un ejemplo didctico se explicar los motivos de ello.
Supongamos que pretendemos medir la nota final de cierto curso de Magister en finanzas, en
el cual hay tenemos 2 alumnos chilenos, 1 peruano y 1 argentino. Se piensa que la
nacionalidad es un factor con influencia en la nota final del alumno. Por lo tanto, Se propone
el siguiente modelo:
34

Donde:
= 1 si es chileno, 0 si no lo es.
= 1 si es peruano, 0 si no lo es.
= 1 si es argentino, 0 si no lo es.
Analicemos la matriz de datos:

NACIONALIDAD
ARGENTINO
PERUANO
CHILENO
CHILENO
Y
Y1
Y2
Y3
Y4
INTERCEPTO
1
1
1
1
D2
0
0
1
1
D3
0
1
0
0
D4
1
0
0
0
Tabla 5: Ejemplo trampa de variables dicotmicas, elaboracin propia.
En este caso, la suma de las variables dicotmicas es igual al intercepto. Es decir, una de las
columnas de la matriz X es una combinacin lineal de las columnas restantes. Ello implica que
la matriz XX es singular por lo tanto no es posible estimar el modelo. En simples trminos,
La trampa de las variables dummy tiene relacin con la Multicolinealidad perfecta.
La razn por la cual la presente investigacin no es afectada por el problema mencionado, es
porque las variables dicotmicas hacen relacin a la presencia o ausencia de anuncios de
crecimiento durante los ltimos 12 aos. Es evidente que no habrn anuncios todos los das
durante los 12 aos, por lo cual durante grandes instantes de tiempo las variables dicotmicas
tendrn valores 0, evitando que la suma de las 8 variables dummy sea igual a la columna de
intercepto.
Finalmente, analizando las ventajas e inconvenientes de aplicar el modelo citado, se pone en
juicio la factibilidad de su aplicacin por los siguientes motivos:
1. La gran cantidad de recursos (tiempo) necesarios para su desarrollo, ello por la
necesidad de calcular por cada una de las compaas bajo estudio un modelo de
regresin lineal mltiple para calcular NR.
35

2. Al tener una relacin de 1:1 entre el n de compaas y modelos para estimar los
retornos normales, el volumen de informacin es demasiado extenso por lo cual se
dificulta su interpretacin y existe probabilidad de resultados contradictorios.
3. Es evidente que la compaas no presentarn el mismo nmero de anuncios a lo largo
del periodo de investigacin, por lo mismo la variabilidad existente entre el n de
anuncios de las diferentes compaas es alta. Al aplicar este modelo es necesario un
nmero mnimo de anuncios por compaa para evitar problemas como
Multicolinealidad y por ende no poder identificar los efectos individuales de cada
estimador, sesgo en los resultados, entre otros. Con ello muchas compaas podran
quedar fuera del estudio, reduciendo el tamao de la muestra considerablemente.
Tomando en cuenta las desventajas citadas, surge la iniciativa de utilizar metodologas que
combinen datos de corte transversal y longitudinal, aplicando ello a la adaptacin del modelo
propuesto por Fama et al.
5.5 DATOS DE PANEL
Se dice que estamos en presencia de un conjunto de datos de panel cuando se dispone,
simultneamente, de informacin de corte transversal y de serie temporal. Esto es cuando se
dispone de observaciones sobre determinadas caractersticas (anuncios, rentabilidades) de un
conjunto de agentes (es este caso acciones) a lo largo de un periodo continuado de tiempo. En
consecuencia, la informacin recogida se lleva a cabo en dos dimensiones, generndose
mltiples observaciones puntuales para cada empresa.
El modelo bsico puede ser expresado de la siguiente manera:
es vector de K variables explicativas (incluye una constante). es un vector de

coeficientes
36

El trmino del error incluye dos componentes, uno especifico del individuo y otro de la
observacin.
Comnmente, los paneles de datos se distinguen unos de otros segn su amplitud transversal y
longitudinal. En base a ello podemos clasificarlos como:
Panel Micro: Nmero muy amplio de unidades de corte transversal y reducido en

espacio longitudinal.
Paneles Macro: Nmero de periodos elevados e informacin transversal reducida.
Campo aleatorio: Panel con elevados periodos y amplia data transversal
Del mismo modo, es frecuente hablar de paneles de datos balanceados o completos cuando
el nmero de unidades transversales es el mismo en cada periodo de tiempo.
En funcin a las clasificaciones expuestas, se trabajara con un Panel Macro no Balanceado.
Recordar se ha almacenado informacin diaria desde el ao 2000 hasta mayo del ao 2012
(3231 observaciones por empresa aproximadamente) contra las 46 compaas de las cuales se
ha recopilado informacin. El trabajar con un panel no balanceado, tiene justificacin al
considerar que no todas las empresas poseen la misma cantidad de tiempo cotizando en el
mercado de valores, varias de ellas concretaron su apertura posterior al ao 2000, por lo cual
el nmero de unidades transversales a lo largo del tiempo no es uniforme.
A continuacin, se presentaran brevemente las principales ventajas y desventajas asociadas a
esta metodologa, justificando su eleccin para el desarrollo del estudio.
Ventajas:
1.
Los datos de panel proporcional menos problemas asociados a Multicolinealidad

(presente normalmente en datos de corte longitudinal), ms grados de libertad y por lo
tanto mayor eficiencia. En efecto, como se ha comentado el utilizar datos de panel,
permite acceder a un conjunto de datos ms informativos al ser capaz de recoger con
mayor precisin la variabilidad en los datos, al recoger tanto la variabilidad entre
individuos como la que existe a lo largo del tiempo.
37

2. El utilizar datos de panel permite identificar y medir algunos efectos que mediante el
uso exclusivo de datos de corte transversal o longitudinal no sera posible. Ben-Porath
(1973) sugiere un ejemplo. Supongamos que tenemos datos de corte transversal
correspondientes a un determinado nmero de mujeres, en el que una variable
corresponde a la participacin anual media en el mercado laboral. Supongamos que
una determinada mujer ha participado con una media de 50%, esta cifra puede deberse
a dos alternativas, o bien ha trabajado el 50% de los aos considerados, o bien ha
trabajado la totalidad del tiempo a media jornada. Las implicaciones de ambas
situaciones son distintas y slo la utilizacin de datos de panel permitira discriminar
entre ambas.
3. A diferencia de los datos de corte transversal, una ventaja adicional de los datos de
panel es la posible modelizacin de efectos dinmicos. Por ejemplo, en datos de corte
transversal podemos determinar qu porcentaje de la poblacin consume un
determinado producto en un determinado tiempo. El utilizar datos de panel permite
estudiar qu porcentaje de personas que consuman determinado producto siguen
hacindolo y quienes has dejado de hacerlo. Un ejemplo de lo que se acaba de
mencionar en relacin a niveles de desempleo, puede encontrase en Ashenfelter (1978)
y Ashenfelter y Solon (1982)
Limitaciones
1. Problemas asociados al diseo y recogida de informacin. Kasprzyk y otros (1989)
ofrecen una extensa discusin sobre esta problemtica. En cualquier caso, entre estos
problemas podemos citar la posible no representatividad de la muestra elegida, las
posibles no respuestas por falta de cooperacin de los entrevistados, el que el
entrevistado no recuerde su comportamiento exactamente, entre otros.
2. Distorsiones debidas a errores de medidas. Kalton y otros (1989) indican que los
errores de medidas surgen a partir de respuestas falsas, que por su parte son fruto de
respuestas ambiguas, errores de memoria, mentiras deliberadas de los encuestados
38

(sesgo de prestigio) o bien debido a los propios sesgos que puede introducir el
encuestador.
3. Una tercera limitacin hace referencia a los posibles problemas de seleccin. En
ocasiones el propio investigador es el que establece una especie de autoseleccin, por
ejemplo cuando estamos interesados en aquellos que consumen sobre un determinado
nivel, con lo que automticamente estamos truncando la muestra con los consiguientes
problemas que eso puede trae consigo (Hausmman y Wise, 1979). Otro problema
asociado a la seleccin hace referencia a la posible no respuesta debido a que el
encuestado rechaza participar o no est en casa, aunque esto ocurre en la etapa inicial
de recoleccin de datos. Finalmente es importante destacar el problema de lo que se
denomina atricin que, en cierto modo se puede catalogar como no respuesta pero
una vez que el panel esta en funcionamiento. De las personas que participan
originalmente algunos pueden renunciar voluntariamente, desplazarse de lugar o bien
mueren. En dichas ocasiones, las personas suelen sustituirse por otras de caractersticas
similares. Ridder (1990,1992) proporciona una descripcin detallada de las
consecuencias de la atricin.
4.
Otra limitacin hace referencia a la dimensin temporal del panel, la cual en la

mayora de los casos es sumamente reducida. Ello hace que la mayor parte de los
argumentos utilizados en los procesos de estimacin e inferencia estadstica caigan
sobre el nmero de unidades transversales. En la mayor parte de los casos, la reducida
dimensin temporal de los paneles tiene directa relacin con el costo asociado a
recopilar los datos. Adems, el incrementar la dimensin temporal puede aumentar
tambin los problemas de atricin que acabamos de mencionar.
5. Finalmente podemos citar el problema asociado a la omisin de variables relevantes. Si

todas las cualidades del individuo no son observables entonces los errores individuales
estarn correlacionados con las observaciones y los estimadores por MCO sern
inconsistentes.
Supongamos que el modelo que pretendemos estimar es el siguiente:
39

Si no se disponen de todas las variables de influencia
, es decir, los
residuos no son independientes de las observaciones violndose los supuestos de MCO

(mnimos cuadrados ordinarios) entregando estimadores sesgados.
Como es posible apreciar al igual que las metodologas evaluadas con anterioridad, el utilizar
datos de panel presenta amplias ventajas ligadas a ciertas limitaciones. La eleccin de esta
metodologa radica en la posibilidad de controlar y reparar los inconvenientes antes listados,
dejando opcin para explotar a cabalidad las ventajas de trabajar en conjunto con datos de
corte transversal y longitudinal.
En relacin a los inconvenientes provocados por sesgo en respuestas, informacin falsa, costo
de recopilar informacin, (citados en mayor profundidad en los puntos 1, 2, 3 y 4). Sus efectos
en el proceso de recopilacin de datos quedan fuera de esta investigacin, el motivo es que en
Chile dada la accin de la Superintendencia de Valores y Seguros (ente regulador del mercado
de valores), por ley se exige transparencia y veracidad en los datos informados cuyas
estadsticas son pblicas y de libre acceso (rentabilidades del mercado y por accin, en este
caso puntual).
Lo que respecta al sesgo por omisin de variables relevantes, se propone como solucin
modelos alternativos a la regresin agrupada (pooled) mediante el anidamiento de datos: el de
efectos fijos.
5.6 EFECTOS FIJOS
Los modelos de regresin de datos anidados realizan, distintas hiptesis sobre el
comportamiento de los residuos, el ms elemental y ms consistente es el de Efectos Fijos.
Este modelo es el que implica menos suposiciones sobre los residuos. Supone que el modelo a
estimar es el siguiente
40

Donde
es un vector de variables explicativas de dimensin K (es decir, recoge la
observacin it de las K variables explicativas consideradas), que se asumen independientes de

; y donde
recoge el efecto de aquellas variables propias del individuo i que permanecen
constantes en el tiempo (el modelo asume variaciones slo entre individuos), probablemente
ellas se encuentran correlacionadas con las variables incluidas en
Luego reemplazando
en (2) queda:
Es decir, supone que el error
puede descomponerse es dos una parte fija, constante para
cada individuo (
y otra aleatoria que cumple los requisitos de MCO
)(
lo que es equivalente a obtener una tendencia general por regresin dando a cada individuo un
punto de origen (ordenadas) distinto. En simples trminos equivale a tener N modelos de
regresin, uno para cada empresa, misma pendiente y un intercepto especifico por cada
compaa.
En la siguiente ilustracin podemos ver
con claridad el funcionamiento de la
regresin al aplicar efectos fijos. La
solucin al problema es evidente, el
trmino
puede tener correlacin con
, pero en ningn caso con
Ilustracin 1: Modelo de efectos fijos, Datos de panel. Walter

Sosa
La metodologa continua utilizando diferencias. Bsicamente lo que se busca es una

transformacin que implica la eliminacin de los efectos individuales
. A partir de las
medias temporales de cada variable se define:
41

Restando miembro a miembro las expresiones (3) y (4) se tiene:
A este modelo se le denomina transformacin intragrupos. A los estimadores MCO para ,

obtenidos a partir de este modelo transformado en desviaciones con respecto a las medias
individuales se les denomina estimadores intragrupos o estimadores de efectos fijos. De esta
forma se elimina el problema de la posible correlacin entre los trminos de
Si se asume que todas las variables contenidas en
de
son independientes de todos los trminos
, los estimadores de efectos fijos son estimadores insesgados de . Si adems se impone
normalidad para los trminos de perturbacin
, los estimadores de efectos fijos tambin
siguen normalidad, por lo que puede utilizarse los procedimientos de inferencia habituales.
42

6 RESULTADOS
Para iniciar la presentacin de resultados, se analizar si el modelo aplicado al estimar la
rentabilidad normal de cierta accin (NR, normal return), cumple con los supuestos clsicos de
Mnimos Cuadrados Ordinarios (MCO) asegurando con ello eficiencia e insesgadez en los
estimadores, es decir, que sean MELI (mejor estimador lineal insesgado). Adems, con ello es
posible validar los anlisis de inferencia que se realizarn posteriormente.
De este modo, la seccin se iniciar haciendo mencin a los supuestos clsicos de MCO.
Supuestos:
1.
El modelo de regresin es lineal en los parmetros como se observa a continuacin:
2. El valor medio de la perturbacin
es igual a cero.
Es decir las variables omitidas que son reunidas por el trmino
no deben afectar
sistemticamente el valor de la media Y.
3. Homocedasticidad o igual varianza.
Dados los valores X, la varianza de
es la misma para todas las observaciones. Al no
cumplirse este supuesto, no todos los valores de Y que corresponden a diversos X

sern igual de confiables, definiendo confiabilidad como la distancia que separa a los
valores de Y de sus medias.
4.
No existe autocorrelacin entre las perturbaciones.
43

La consecuencia ms grave al tener presente autocorrelacin es que los estimadores

dejan de ser eficientes, adems se ve afectada la inferencia estadstica.
5. La covarianza entre
es cero
La importancia de este supuesto, es poder identificar de manera aislada el efecto de

ambos trminos sobre Y.
6. No hay Multicolinealidad perfecta. Es decir, no hay relaciones perfectamente lineales

entre las variables explicativas, con lo cual es imposible calcular los estimadores. Por
otro lado, la presencia de Multicolinealidad aumenta las varianzas de los estimadores
(aunque siguen siendo MELI), afectando los procesos de inferencia estadstica.
Habiendo mencionado los supuestos que sern contrastados y sus respectivas implicaciones, lo
siguiente es presentar los resultados asociados a la regresin mediante datos agrupados.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
INDEX
ONC?
ONR?
OIC?
OIR?
INC?
INR?
IIC?
IIR?
0.000148
0.768655
0.000886
0.004172
0.000314
0.001809
0.003952
-0.007198
0.004410
0.002781
4.90E-05
0.004553
0.002374
0.005991
0.002088
0.003698
0.001944
0.005990
0.001731
0.003389
3.024775
168.8419
0.373122
0.696350
0.150454
0.489273
2.032391
-1.201593
2.548127
0.820531
0.0025
0.0000
0.7091
0.4862
0.8804
0.6246
0.0421
0.2295
0.0108
0.4119
Tabla 6: Coeficientes modelo de efectos fijos, elaboracin propia.
En tabla anterior podemos apreciar los parmetros asociados a los regresores del modelo (los
mismos expuestos en el capitulo Metodologas), el signo de interrogacin (?) que acompaa a
44

las variables indica que se ha considerado el efecto de todas unidades de corte transversal para
su clculo.
Lo primero que se puede resaltar es la influencia de los anuncios en la rentabilidad de la

accin, casi en su totalidad el efecto es positivo (cambios promedio en la rentabilidad bajo
0,5% por anuncio) a excepcin de los rumores de crecimiento inorgnicos en territorio
nacional (INC) cuyo efecto es negativo.
Antes de seguir con mayor profundidad en el anlisis del modelo, es necesario discriminar que
variables generan un efecto significativo en la rentabilidad burstil de las compaas, retirando
finalmente aquellas que no aporten informacin valiosa.
El criterio a utilizar son los test t que aparecen en la tabla n 6, se considerar un 95% de
confianza por lo cual variables con p-valores > 5% sern descartadas del modelo. Recordar
que el valor p es la probabilidad de presentarse error tipo I (rechazar algo correcto), al
relacionar ello con la regla de decisin:
V/S
Se tiene que aquellas variables con p-valores mayores a 5% poseen alta probabilidad de
cometer el llamado Error tipo I, por lo cual se acepta
asegurando que el efecto del
parmetro que acompaa a la variable no es significativo. Con lo anterior son descartadas del
modelo las siguientes variables:
ONC: anuncio confirmado de crecimiento orgnico en territorio nacional
ONR: rumor de crecimiento orgnico en territorio nacional
OIC: anuncio confirmado de crecimiento orgnico en territorio internacional
OIR: rumor de crecimiento orgnico en territorio internacional
INR: rumor de crecimiento inorgnico en territorio nacional
IIR: rumor de crecimiento inorgnico en territorio internacional
45

Los anuncios representados por las variables anteriores, desde este instante dejan de ser objeto
de estudio en esta investigacin. No tiene sentido seguir ahondado en ellos ya que sabemos a
priori (mediante la regresin agrupada) que sus efectos no sern significativos en posteriores
anlisis. En este instante, se presentan las condiciones para exponer el modelo definitivo con
el cual se estimarn los retornos normales (NR) y posteriormente medirn los test AR.
A continuacin, se presentaran las salidas para el modelo de efectos fijos calculadas con el
software estadstico EViews 7 (modelo definitivo utilizado para la estimacin de NR), las
cuales sern analizadas en profundidad considerando que se cumplen los requisitos clsicos de
MCO.
Variable
Coefficient
Std. Error
t-Statistic
Prob.
0.000150
4.90E-05
3.053705
0.0023
INDEX
0.768660
0.004552
168.8529
0.0000
INC?
0.003950
0.001944
2.031680
0.0422
IIC?
0.004411
0.001731
2.548840
0.0108
Tabla 7: Coeficientes modelo definitivo de efectos fijos, elaboracin propia.
Podemos ver que el modelo posee tres variables independientes (todas significativas al 5%),
las cuales representan anuncios de crecimiento Inorgnico tanto en territorio nacional como
internacional (INC y IIC respectivamente), ambos tipos de anuncio provocan impactos
positivos promedios cercanos al 0,4% en la rentabilidad burstil de las distintas compaas
bajo estudio. La variable INDEX est representada por la rentabilidad del principal ndice
burstil en Chile, el ndice de Precios Selectivo de Acciones (IPSA) cuyo impacto tambin es
positivo y en magnitud cercana a las otras dos variables.
El intercepto est dividido en dos partes (consecuencia de trabajar con efectos fijos), C
reporta el valor promedio de intercepto para todas las empresas bajo anlisis. En la siguiente
tabla podemos visualizar la segunda parte del intercepto, la cual varia de una compaa otra.
46

FIXED EFFECTS
AGUASAC
ALMENDRALC
ANDINAC
ANTARCHILEC
AQUACHILEC
BANMEDICAC
BCIC
BESALCOC
BSANTANDERC
CAMANCHACAC
CHILEC
CAPC
CCUC
CENCOSUDC
CGEC
COLBUNC
CMPCC
COPECC
CONCHATOROC
CORPBANC
0.000122
0.000583
4.37E-05
6.66E-05
-0.000657
0.000238
0.00032
0.000344
0.00013
-0.002387
0.000136
0.000555
-4.69E-05
0.000159
-0.000267
0.000116
-1.89E-05
2.67E-06
-0.000153
9.48E-05
FASAC
FORUSC
FALABELLAC
GASCOC
GENERC
HITESC
IANSAC
LANC
LAPOLARC
MADECOC
MASISAC
PARAUCOC
PAZC
QUINENCOC
RIPLEYC
SALFACORPC
SKC
SONDAC
SQMC
VAPORESC
-0.000362
0.000785
0.000222
-0.000153
2.79E-05
0.000444
-0.000363
0.000518
-0.000587
-0.001354
-0.000607
3.25E-06
-0.000677
-6.63E-05
-0.000414
0.000297
0.000293
0.000197
0.000511
-0.00076
Tabla 8: Efectos fijos para empresas bajo estudio, elaboracin propia.
El modelo de efectos fijos se caracteriza por dar un intercepto diferente para cada unidad de
corte transversal, los valores presentes en la tabla n 8 reflejan dicha situacin. La forma
correcta de interpretar estos valores es considerarlos como una desviacin del intercepto
global C expuesto en la tabla n 7. Por ejemplo, si quisiramos saber el modelo a utilizar
para calcular la rentabilidad normal de Colbn en cierto instante t:
EViews ofrece un test de efectos fijos Redudant Fixed Effects - Likelihood Ratio en base a
una distribucin F y una Ji- cuadrado, cuya regla de decisin es la siguiente:
v/s
47

Segn ambas distribuciones, existe significancia para los interceptos diferenciados por
empresas. Se presenta una alta baja probabilidad de error tipo I (p-valor = 0,5%) por lo cual se
rechaza
Effects Test
Statistic
Cross-section F
Cross-section Chi-square
d.f.
Prob.
1.749258
(45,119804)
0.0014
78.722931
45
0.0014
Tabla 9: Test de efectos fijos- razn de verosimilitud, elaboracin propia.
Antes de comenzar el anlisis de residuos, cuya finalidad ser ver si el modelo cumple con los
supuestos clsicos de MCO. Se detallar la ltima informacin de inters entregada por el
software.
Lo primero es considerar el test F asociado a la regla de decisin que se presenta a

continuacin:
v/s
Lo anterior es comnmente conocido como dcima global, su interpretacin tiene relacin con
la existencia de al menos un estimador significativo dentro del modelo. Al tener un valor p de
cero, se rechaza
Finalmente, en relacin al coeficiente de determinacin
que nos indica el porcentaje de
varianza de la variable dependiente explicado por el modelo, este alcanza un 20%

aproximadamente. Notar que el valor que entrega el coeficiente de determinacin es
ligeramente mayor al de
corregido, este ltimo tiene en cuenta el tamao del conjunto de
datos, y su valor es ligeramente inferior al de su correspondiente
, [Norusis, 1993].
48

R-squared
0 .192759 Mean dependent var
0.000486
Adjusted R-squared
0.192436 S.D. dependent var
0.018850
S.E. of regression
0.016939 Akaike info criterion
-5.317975
Sum squared resid

Log likelihood
34.37575 Schwarz criterion

318736.6 Hannan-Quinn criter.
-5.314012
-5.316782
F-statistic
Prob(F-statistic)
595.9944 Durbin-Watson stat

0.000000
1.887871
Tabla 10: Estadisticos importantes modelo definitivo efectos fijos, elaboracin propia.
6.1 ANLISIS DEL MODELO

6.1.1
Test de races unitarias
Al desarrollar modelos de series de tiempo se necesita saber si se puede suponer que el

proceso estocstico que los gener es invariable en el tiempo. A este tipo de procesos se les
denomina procesos estocsticos estacionarios. Si el proceso no es estacionario, ser muy
difcil representar a la serie de tiempo durante intervalos de tiempo pasados y futuros con un
modelo algebraico simple. Si el proceso es estacionario, entonces es modelable mediante una
ecuacin de coeficientes fijos estimables con datos pasados. Para ello, las races unitarias son
un indicador de series que no son estacionarias.
En aos recientes, numerosos investigadores, en especial: Levin, Lin and Chu (2002),
Breitung (2000), Hadri (1999) y Pesaran y Shin (2003). Han desarrollado test de races
unitarias basadas en datos de panel. Dichos investigadores, han descubierto que los test de
races unitarias asociados a los datos de panel son ms poderosos (menos probabilidad de
cometer error tipo II) que los test aplicados a series de tiempo individuales, el motivo es que la
informacin contenida en la serie de tiempo se ve reforzada por la informacin entregada en
las unidades de corte transversal. Adems, a diferencia de los test a aplicados a series
individuales los cuales presentan variadas limitaciones dadas sus complicadas distribuciones,
los test basados en datos de panel presentan comnmente distribuciones normales.
Consideremos el siguiente modelo AR(1) para datos de panel:
49

Donde:
Si
: representa a las variables exgenas en el modelo
: representa los coeficientes autoregresivos
: representa el termino de error (ruido blanco)

< 1 se dice que
presenta una tendencia estacionaria dbil, por otro lado si
= 1 la
serie contiene una raz unitaria. Los test asociados a races unitarias asumen que el trmino
para todas la unidades de corte transversal.
El test de Levin, Lin y Chung (LLC), establece las siguientes hiptesis:
(Existe raz unitaria)
(No existe raz unitaria)
En la siguiente tabla podemos ver los resultados asociados a los test de races unitarias, para
ello se prob la presencia de estacionalidad en las variables importantes del modelo (IIC, INC
e INDEX) y en la variable dependiente (RENT).
CrossMethod
Statistic
Prob.**
sections
Obs
60
129461
Null: Unit root (assumes common unit root process)

Levin, Lin & Chu t*
-26.4552
0.0000
Null: Unit root (assumes individual unit root process)

Im, Pesaran and Shin W-stat
-158.082
0.0000
59
126956
ADF - Fisher Chi-square
11200.6
0.0000
59
126956
PP - Fisher Chi-square
2569.19
0.0000
59
150413
Tabla 11: Test de races unitarias, elaboracin propia.
Como es posible apreciar se rechaza la hiptesis nula relacionada a presencia de races

unitarias. Por ello podemos afirmas que las series que componen a las variables importantes
del modelo no presentan una tendencia estacionaria.
50

6.1.2
Test de Cointegracin
El descubrimiento que series de tiempo puedan contener races unitarias, ha estimulado el

desarrollo de teoras relacionadas al anlisis de series de tiempo no estacionarias. Engel y
Granger (1987) establecieron que la combinacin de dos series de tiempo no estacionarias
pueden dar origen a series estacionarias.
Se dice que dos o ms series estn cointegradas, si las mismas se mueven conjuntamente a lo
largo del tiempo y las diferencias entre ellas son estables (es decir estacionarias), an cuando
cada serie en particular contenga una tendencia estocstica y sea por lo tanto no estacionaria.
De aqu, que la Cointegracin refleja la presencia de un equilibrio a largo plazo hacia el cual
converge el sistema econmico a lo largo del tiempo.
Intuitivamente es posible entender que las relaciones entre variables no estacionarias pueden
estar sesgadas y, sin embargo, tener errores estndar muy bajos y ajuste (
) muy altos. Para
citar un ejemplo, el nmero de libros editados en chile ha crecido en los ltimos 20 aos y la
estatura media tambin. Una regresin de una sobre otra es posible que arroje resultados
significativos y un buen ajuste, sin embargo, la relacin entre ambas no es directa, en este caso
se est en presencia de una regresin espuria (Granger Newbold, 1974).
Dos variables no estacionarias cointegradas son aquellas cuyos residuos son estacionarios, si
los residuos son estacionarios las estimaciones de variables no estacionarias son
superconsistentes, es decir, la estimacin converge a su valor real de forma inversamente
proporcional al nmero de observaciones, en lugar de la raz cuadrada del nmero de
observaciones que es el caso de las variables estacionarias (Engle, Granger (1987)).
El test de Engle-Granger, como se ha mencionado previamente, define que si dos variables
estn cointegradas sus residuos deben ser I (0). Pedroni (2004) extiende el trabajo de EngleGranger para realizar el test en relacin a datos de panel. Bajo la hiptesis nula de no
Cointegracin los residuos
deben ser estacionarios.
Pedroni define la hiptesis nula como no Cointegracin ( =1). Adems, define dos hiptesis
alternativas:
51

Homognea
, < 1 para todo i (mismo trmino para las unidades de corte
transversal)
Heterogenea
, para todo i
El test ser aplicado para detectar si la variable dependiente RENT (rentabilidad de accin)
esta cointegrada con la variable independiente INDEX (rentabilidad IPSA). Con informacin
de la siguiente tabla, es posible establecer que ambas variables estn cointegradas, con la
capacidad de aceptar ambas hiptesis alternativas (asumiendo cualquiera de los dos
comportamientos del trmino
, se puede establecer que los residuos son estacionarios).
Alternative hypothesis: common AR coefs. (within-dimension)

Weighted
Statistic
Prob.
Statistic
Panel v-Statistic
122.5109
0.0000
137.3212
Panel rho-Statistic
-3094.261
0.0000
-3204.742
Panel PP-Statistic
-314.7674
0.0000
-328.6334
Panel ADF-Statistic
-221.5290
0.0000
-231.2446
Prob.
0.0000
0.0000
0.0000
0.0000
Alternative hypothesis: individual AR coefs. (between-dimension)
Group rho-Statistic
Group PP-Statistic
Group ADF-Statistic
Statistic
-2658.139
-375.1443
-263.9345
Prob.
0.0000
0.0000
0.0000
Tabla 12: Test de cointegracin de Pedroni, elaboracin propia
En sntesis, es posible establecer que los estimadores asociados al modelo sern consistentes.
6.1.3
Normalidad en residuos
Esto no debera ser un problema en nuestro modelo, ya que al trabajar con modelo de efectos
fijos el componente aleatorio del error cumple con los supuestos de MCO.
Con lo anterior cumpliramos el supuesto N2 asociado a media cero en las perturbaciones sin
inconvenientes. Del mismo modo podramos dar por cumplido el supuesto N5, que dice
relacin con que la covarianza entre
debe ser cero, ya que la parte aleatoria del error
52

ya no contiene a las variables no observables del modelo, por lo tanto no hay ningn tipo de
correlacin entre este y las variables predictivas.
A pesar de lo antes expuesto, se dar provecho (sin miras a contradecir los supuestos con los
cuales se funda el modelo) a los estadsticos descriptivos asociados a los residuos de las
distintas compaas.
Para visualizar la distribucin que presenten los residuos, el test de normalidad de Jarque Bera
ser fundamental. Plantea en base a dos medidas si el comportamiento de la variable sigue
una distribucin normal:
1. Medidas de Asimetra: Esta medida nos permite identificar si los datos se distribuyen
de manera uniforme alrededor del punto central. Puede presentarse en 3 estados:
a. Asimetra positiva (
): cuando la mayora de los datos se encuentran sobre
la media aritmtica.
b. Asimetra negativa (
): cuando la mayora de los datos se encuentran bajo
la media aritmtica.
c. Simetra: cuando aproximadamente la misma cantidad de datos se distribuyen a
ambos lados de la media.
2. Curtosis: Determina el grado de concentracin que presentan los valores en la regin

central de la distribucin. Mediante el coeficiente de Curtosis podemos identificar:
a. Gran concentracin de Valores (k >3): Leptocrtica
b. Concentracin normal (k=3): Mesocrtica
c. Baja concentracin (k< 3): Platicrtica
La idea del clculo se apoya en comparar simultneamente los valores obtenidos para los
coeficientes de simetra y Curtosis con los de referencia para una distribucin Normal,
presenta la siguiente hiptesis:
53

Como la metodologa se apoya en modelo de datos agrupados, el trmino
representa los
residuos para las 46 firmas (i= 146) durante los ltimos 12 aos (t= 13092). A pesar de
ello, no es de esperar 46 conclusiones diferentes ya que la totalidad de los residuos presentan
similar comportamiento frente al test de normalidad Jarque Bera. Tomando en cuenta los
valores p (0%) asociados al test de normalidad de cada serie de residuos, podemos afirmar que
la distribucin de los mismos no es Normal.
Con la finalidad de ensear de manera didctica el comportamiento general de los residuos,
adems de considerar la similitud en el comportamiento de los mismos. Se exponen a modo de
ejemplo, Histogramas asociados a algunas firmas.
Para comprender de mejor forma las ilustraciones, en el eje vertical se representan las
frecuencias puntuales y en el eje horizontal el valor de los residuos. Los estadsticos
descriptivos a la derecha del Histograma son:
Series: Indica el nombre de la serie, es un elemento que permite distinguir a que

compaa nos estamos refiriendo.
Sample: Intervalo de tiempo considerado para las observaciones.
Observation: N de observaciones analizadas.
Mean: media aritmtica de los residuos
Median: es el valor que separa los datos de la serie en dos conjuntos de igual densidad
de frecuencias.
Skewness: Coeficiente de simetra respecto a la media
Kurtosis: Coeficiente de Curtosis
54

600
Series: RESIDUOS_FALABELLA
Sample 1/03/2000 5/21/2012
Observations 3091
500
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
400
300
200
2.90e-19
-0.000548
0.072227
-0.062284
0.013305
0.474676
5.497241
100
Jarque-Bera
Probability
0
-0.06
-0.04
-0.02
0.00
0.02
0.04
919.2478
0.000000
0.06
.Ilustracin 2: Histograma de residuos Falabella, elaboracin propia.
1,200
Series: RESIDUOS_BESALCO
Sample 1/03/2000 5/21/2012
Observations 3091
1,000
800
600
400
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
3.46e-19
-0.000832
0.139160
-0.171121
0.017801
0.023324
11.85583
Jarque-Bera
Probability
10100.86
0.000000
200
0
-0.15
-0.10
-0.05
0.00
0.05
0.10
Ilustracin 3: Histograma de residuos Besalco, elaboracin propia.
700
Series: RESIDCGE
Sample 1/03/2000 5/21/2012
Observations 3091
600
500
400
300
200
100
0
-0.08
-0.06
-0.04
-0.02
0.00
0.02
0.04
0.06
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
4.45e-19
1.52e-05
0.094637
-0.078146
0.013433
0.270389
6.898592
Jarque-Bera
Probability
1995.171
0.000000
0.08
Ilustracin 4: Histograma de residuos CGE, elaboracin propia.
55

Como es posible apreciar en los histogramas, los residuos presentan comportamientos muy
similares. En su gran mayora presentan asimetra positiva y en su totalidad concentracin de
sus valores mayor a distribucin normal (Platicrtica). Aunque puedan existir algunas
diferencias en las medidas de asimetra, todos convergen en un punto comn, el no presentar
una distribucin Normal. Ello queda en evidencia al ver la probabilidad asociada al test de
Jarque Bera, que con nula probabilidad de error rechaza la hiptesis asociada a Normalidad en
distribucin.
6.1.4
Autocorrelacin
Otro punto importante a analizar es la presencia de correlacin serial o autocorrelacin en las

perturbaciones. Para ello utilizaremos la informacin de la tabla n 10, especficamente el
estadstico Durbin Watson. El contraste de Durbin Watson (d) es la prueba ms
frecuentemente empleada en la deteccin de autocorrelacin en los modelos de regresin. Este
contraste permite verificar la hiptesis de no autocorrelacin frente a la alternativa de
autocorrelacin de primer orden bajo un esquema autorregresivo
Analticamente el contraste se especifica del siguiente modo:

, No existe autocorrelacin AR (1)
, existe autocorrelacin AR (1)
El estadstico experimenta se puede expresar como
. Teniendo en cuenta los
lmites de variacin del coeficiente de correlacin emprico,
, se puede deducir el
rango de variacin del estadstico Durbin Watson y el signo de la autocorrelacin.

, Se considera que hay autocorrelacin negativa
, Indica ausencia de autocorrelacin.
, Se puede admitir que existe autocorrelacin positiva.
56

De la tabla n 10 podemos ver que: Durbin Watson stat = 1.8878871, por lo cual podemos
asumir que no hay presencia de autocorrelacin serial, cumpliendo el supuesto 4 expuesto al
inicio del captulo.
No obstante, estos valores (0, 2 y 4) son lmites extremos que deben matizarse estableciendo
regiones ms amplias en las que pueda considerarse si existe o no autocorrelacin.
Desgraciadamente las tablas originales calculadas por Durbin Watson consideran un lmite
mximo de 100 observaciones y 5 regresores, por lo cual no tiene aplicacin en esta
investigacin.
6.1.5
Multicolinealidad
Multicolinealidad es un fenmeno estadstico en el cual 2 o ms regresores se encuentran

altamente correlacionados. Para detectar si existe presencia de multicolinealidad se utiliza el
VIF (factor de inflacin de varianza), este es un ndice que mide cuanto se incrementa la
varianza de un coeficiente al estar correlacionada.
Considerando que nuestro modelo posee 3 variables independientes (2 dummy y 1 variable
cuantitativa), el VIF puede ser calculado en 3 paso:
1. Calcular un VIF por cada variable predictiva del modelo, se deber calcular por MCO
una regresin en la cual cada variable independiente sea funcin de las variables
restantes.
2. Luego, calcular el VIF para cada
siguiendo la siguiente frmula:
3. Analizar la magnitud de multicolinealidad tomando en cuenta el valor de

regla estandarizada es que si
. Una
hay alta multicolinealidad
Podemos ver claramente que el problema asociado a multicolinealidad queda descartado, VIF
< 5. Con ello somos capaces de establecer cumplimiento en el supuesto nmero 7 de MCO,
57

siendo capaces de aislar el efecto de cada variable predictora sobre la estimacin de la
rentabilidad burstil.
VARIABLES
VIF
INDEX
0.00005
0.99995
INC?
0.00066
0.999343
IIC?
0.00137
0.998635
Tabla 13: Factor de inflacin de varianza, elaboracin propia
6.2 ABNORMAL RETURNS (AR)

Habiendo validado el modelo a utilizar para estimar los retornos normales, es posible presentar
los resultados finales de la presente investigacin. Es importante aclarar que los retornos
anormales (AR) son medidos durante una ventana de 3 das:
Da previo al anuncio
Da del anuncio
Da posterior al anuncio
Para
luego
ser
acumulados
promediados
), se diferencian los resultados por el tipo de
industria en la cual se desenvuelva la empresa. Para ello, se utilizaron como referencia los
ndices sectoriales creados en el ao 1997 por la Bolsa de Santiago.
6.2.1
Descripcin sectores industriales
Retail
Como podemos apreciar el sector retail considera a: Cencosud, Falabella, Forus, Parque
Arauco, Hites, Ripley y La Polar. Dentro de este sector Cencosud es la compaa que presenta
mayor nmero de anuncios seguido muy de cerca por Parque Arauco, considerar que algunas
firmas se presentan solamente con anuncios de carcter internacional (Forus, La Polar) e
incluso algunas sin ninguno de los dos.
58

N Anuncios: Sector Retail
8
6
4
2
0
IIC
IIC
INC
Ilustracin 5: Composicin sector Retail.
Commodities
El sector industrial commodities est compuesto por: CAP, CMPC, Copec y SQM. CMPC es
la empresa que reporta mayor nmero de anuncios, seguida por Copec y Cap.
N Anuncios: Sector Commodities

4
3
2
IIC
INC
CAP
CMPC
COPEC
SQM
Ilustracin 6: Composicin sector Commodities.
59

Utilities
Sector compuesto por empresas dedicadas a servicios bsicos, entre las cuales destacan:
Gener, Aguas Andinas, CGE, Colbn, E-CL, Endesa, Enersis y Gasco. El sector tiene mayor
presencia en relacin a eventos en territorio nacional.
N de Anucios: Sector Utilities

4
3
2
1
0
IIC
INC
Ilustracin 7: Composicin sector Utilities.
Construccin
Sector rene a las empresas ligadas a la construccin e inmobiliarias, considera a empresas

como: Besalco, Paz y SalfaCorp. La empresa con mayor frecuencia de anuncios en este sector
es SalfaCorp.
N de Anuncios: Sector Construccin

3
2
IIC
INC
0
BESALCO
PAZ
SALFACORP
Ilustracin 8: Composicin sector Construccin.
60

Consumo
Este sector rene empresas dedicadas al rubro de alimentacin. Entre ellas: Andina,
Camanchaca, CCU, ConchaToro y Iansa. Se presentan al igual que en el sector retail empresas
sin anuncios del tipo bajo anlisis, liderando el sector Iansa y CCU.
N de Anuncios: Sector Consumo

6
4
2
0
IIC
INC
Ilustracin 9: Composicin sector Consumo
Industrial
Sector compuesto por: Cristales, Lan, Madeco, Masisa, SK y Vapores. El sector es liderado
por Lan con anuncios exclusivos de carcter internacional.
N de Anuncios: Sector Industrial

15
10
5
IIC
INC
Ilustracin 10: Composicin sector Industrial
61

Banca
Sector cuyo giro son los servicios bancarios, aqu encontramos empresas como: BCI, Banco
Santander Chile, Banco Chile y CorpBanca. Sector con poca frecuencia de anuncios en el cual
no existen grandes diferencias entre las empresas participantes.
N de Anuncios: Sector Banca

2
1.5
1
0.5
0
IIC
INC
Ilustracin 11: Composicin sector Banca.
Otros
Se renen empresas de distintos sectores, los cuales por la baja cantidad de firmas
participantes no se definieron de manera independiente. En este grupo podemos destacar a
Sonda que lidera el grupo en relacin a la cantidad de anuncios emitidos, destacando que ellos
son en su totalidad en territorio forneo.
N anuncios: Otros
10
5
0
IIC
INC
Ilustracin 12: Composicin sector Otros.
62

Finalmente se presentan los datos de manera global, considerando las diferencias entre grupos.
Vemos que el sector Retail es el que presenta mayor n de anuncios referente a integraciones
tanto en territorio nacional como internacional.
N de Anuncios por Sector Industrial

25
20
15
10
IIC
INC
Ilustracin 13: N de anuncios por sector industrial, elaboracin propia.
6.2.2
Test AR / CAR
En esta ltima seccin del captulo, se presentarn los datos referentes al potencial impacto
que generan los anuncios de crecimiento. En primera instancia se expondrn los resultados de
manera general, sin clasificar a las empresas en funcin del sector industrial al cual
pertenecen. Adems, se enfrentaran a test estadsticos que reflejarn de manera objetiva si el
impacto de IIC y INC es realmente significativo en la rentabilidad burstil de las compaas en
mercado de valores chileno.
Finalmente, se presenta la informacin diferenciada por sector industrial, si bien no fue
posible probar estadsticamente su significancia (debido probablemente a la pequea cantidad
de datos) por lo mismo imposible sacar conclusiones frente a ello, es til como medida de
referencia sobre el comportamiento de los diferentes mercados.
Aclarar que el trmino AAR (average abnormal return), refleja el promedio de AR en cierto
instante t. Por ejemplo, si queremos saber AAR para una industria o accin en relacin al da
previo al anuncio bastara promediar los AR calculados en ese instante de tiempo. El termino
63

CAAR (cumulative abnormal return) no es ms que el trmino AAR acumulado durante la
ventana en la cual se monitoria el evento.
Inicialmente se presentan los estadsticos descriptivos asociados a los impactos provocados
por los anuncios INC y IIC, los datos presentados tienen relacin con AR acumulados durante
la ventana antes definida (-1,1).
CAR_INC
CAR_IIC
0.000770
0.007762
-0.000183
0.245554
-0.101949
0.004312
0.105453
-0.084952
0.041695
0.031567
2.595947
17.53429
0.382991
4.295106
Jarque-Bera
Probability
744.3796
0.000000
8.678769
0.013045
Sum
Sum Sq. Dev.
0.057785
0.128648
0.714139
0.090677
Observations
75
92
Mean
Median
Maximum
Minimum
Std. Dev.
Skewness
Kurtosis
Tabla 14: Estadsticos descriptivos CAR por anuncin, elaboracin propia.
Lo primero que es posible observar es que la muestra qued compuesta por 75 anuncios en el
caso de INC y 92 anuncios en el caso de IIC.
Podemos ver que la media es de 0,077% y de 0,776% para INC y IIC respectivamente, ello es
congruente con los parmetros obtenidos en el modelo de efectos fijos, en el cual ambos
anuncios presentan impactos cercanos a 0,4%.
Otra arista importante a considerar son los mximos y mnimos impactos registrados en la
investigacin. Con relacin a INC podemos ver que el mximo valor es CAR=24,5% por el
contrario el valor mnimo equivale a CAR= -10,19%. Referente a IIC, el valor mximo
registrado corresponde a CAR= 10,54% y el mnimo CAR= -8,49%.
64

La distribucin asociada a los CAR provocados por ambos anuncios son muy similares.
Ambas presentan Asimetra positiva en la distribucin de sus datos y mayor grado de
concentracin de los mismos en comparacin a una distribucin normal.
Finalmente podemos ver en relacin al test de Jarque-Bera (mayor detalle del test en seccin
anlisis de residuos) que se rechaza la hiptesis asociada a distribucin normal de los datos,
tomando un 5% de significancia como base.
En la siguiente tabla se presentan los AR promedios (AAR) para cada da durante la ventana
bajo estudio. Como se mencion anteriormente, ambos anuncios en promedio presentan
impactos positivos al acumular los impactos diarios durante los tres das definidos
previamente.
INC
IIC
AAR
AAR
-1
0
1
CAAR
0.003350099
-0.00082135
-0.00175829
0.077%
0.0003171
0.0004971
0.00064735
75
0.00433907
0.00022038
0.00320293
0.776%
0.00032537
0.00040331
0.00030188
92
Tabla 15: AR promedio totalidad de la muestra, elaboracin propia.
Con la finalidad de comprobar si es significativo el efecto del anuncio en la rentabilidad de la

accin, los retornos anormales promedios (AAR, average abnormal returns) son acumulados
durante la ventana bajo estudio y contrastados usando test-t definido por Brown and Warner
(1985), mediante las siguientes ecuaciones:
.
.
65

La regla de decisin asociada al test es la siguiente:
El anuncio no provoca impacto en la rentabilidad de la empresa
El anuncio provoca impacto en la rentabilidad de la empresa
Para concluir, podemos ver que slo los anuncios IIC provocan impactos significativos, se
rechaza
considerando un 5% de significancia como base.
VALOR-P
INC
IIC
0.174532125
2.31927354
0.861923913
0.0226187
Tabla 16: p valor test significancia impactos, elaboracin propia.
66

Retail
INC
IIC
AAR
AAR
-1
0
1
1.011%
-0.387%
0.112%
0.00046869
0.00016938
0.00020523
15
0.00848598
-0.00898776
0.0023927
0.015%
0.040%
0.050%
22
CAAR
0.737%
0.189%
Tabla 17: AR promedio sector Retail, elaboracin propia.
En la tabla n 15 es posible ver los impactos generados por los anuncios en el sector retail. Lo
primero es destacar que ambos tipos de anuncios generan impactos positivos en la rentabilidad
burstil de las empresas al final del periodo de evaluacin, de ellos el impacto provocado por
anuncios en territorio nacional son de mayor magnitud. Llama la atencin el que se provoque
una reaccin negativa por parte del mercado el mismo da que se genera un anuncio de
integracin con el extranjero.
En otra arista, podemos ver que la empresa que presenta mejor resultados en relacin a la
variable INC es Ripley con un CAAR=2,19% le sigue Falabella con CAAR=1.94%, En
cambio lo que respecta a IIC, Forus obtiene los mejores resultados con CAAR= 1,71%
seguido por La Polar con CAAR=1,14%, diametralmente opuesta es la situacin de Ripley
CAAR= -1,65%.
CAR (-1,1) promedio por accin

2.50%
2.00%
1.50%
1.00%
0.50%
0.00%
-0.50%
-1.00%
-1.50%
-2.00%
CAAR INC
CAAR IIC
Ilustracin 14: CAAR por accin sector Retail.
67

Commodities
INC
IIC
AAR
AAR
-1
0
1
0.053%
-0.467%
0.054%
0.000218067
9.4908E-05
0.000113095
0.163%
1.108%
-0.114%
0.00020221
0.00072398
0.00031667
CAAR
-0.360%
1.157%
Tabla 18: AR promedio sector Commodities
En este sector podemos ver que el mercado reacciona de manera negativa ante los anuncios de
crecimiento inorgnicos en el territorio nacional, por el contrario, el proceso cuando tiene
relacin con el exterior (IIC) impacta de manera positiva, es mas para este sector en particular
se registro un AR promedio cercano al 1,1% el mismo da en que se publica el anuncio.
Aqu los resultados hablan por s mismos, CMPC es la compaa que presenta mejores
resultados en funcin de ambos anuncios CAAR =0,83% (INC) y CAAR=2.11% (IIC). Por el
contrario, SQM y CAP presentan CAAR= -1,43% y CAAR= -1,19% respectivamente en
relacin a INC.
CAR (-1,1) Promedio por Accin

2.50%
2.00%
1.50%
1.00%
CAAR INC
0.50%
CAAR IIC
0.00%
-0.50%
CAP
CMPC
COPEC
SQM
-1.00%
-1.50%
Ilustracin 15:CAAR por accin sector Commodities, elaboracin propia.
68

Utilities
INC
IIC
AAR
AAR
-1
0
1
0.492%
-0.537%
-0.380%
0.00022996
0.00031691
0.00037942
14
-0.157%
0.166%
1.206%
2.07757E-05
0.000286854
0.000269248
CAAR
-0.425%
1.216%
Tabla 19: AR promedio sector Utilities, elaboracin propia.
Al igual que en el grupo anterior vemos que al final del periodo de evaluacin, los impactos de
los dos tipos de anuncios son contrarios. Es importante hacer mencin a que el impacto de
mayor magnitud se gener el da posterior al anunci (en el caso de IIC).
De la grafica se desprende que Gasco es la empresa con mejor resultado en lo referente a IIC
(CAAR= 4,58%), simultneamente presenta CAAR= -3,61% en lo que respecta a INC
mostrando el peor desempeo. Por otro lado, CGE es la compaa que presenta el impacto de
mayor magnitud ante un anuncio del tipo INC (CAAR= 2,33%)

6.00%
4.00%
2.00%
CAAR INC
0.00%
CAAR IIC
-2.00%
-4.00%
Ilustracin 16: CAAR por accin sector Utilities, elaboracin propia.
69

Construccin
INC
IIC
AAR
AAR
-1
0
1
0.13%
-0.70%
0.40%
3.00395E-05
0.000103501
0.000211732
0.89%
0.96%
-0.67%
0.00109837
0.00016469
0.00032505
CAAR
-0.161%
1.186%
Tabla 20: AR promedio sector Construccin, elaboracin propia.
Nuevamente otro sector industrial reacciona del mismo modo. Frente a un evento de
crecimiento inorgnico con destino en el exterior se genera al trmino de la ventana un
impacto total de un 1,186%, como en los casos anteriores los anuncios del tipo INC implican
un CAAR = -0.161%
Como se expone en la grafica los resultados para Besalco y SalfaCorp son similares en lo que
respecta a emitir anuncios del carcter IIC, presentan CAAR =4,81% y 4,27%
respectivamente, Paz presenta resultados negativos con CAAR= -2,08%. Para las tres firmas
los anuncios del tipo INC no reportan impactos de gran magnitud.

5.00%
4.00%
3.00%
2.00%
CAR INC
1.00%
CAR IIC
0.00%
-1.00%
BESALCO
PAZ
SALFACORP
-2.00%
-3.00%
Ilustracin 17: CAAR por accin sector construccin, elaboracin propia.
70

Consumo
INC
IIC
AAR
IIC
-1
0
1
0.37%
1.09%
-1.09%
0.000241303
0.001188856
0.000356804
11
3.15%
-0.11%
-0.83%
0.00157434
0.00022389
0.00053224
CAAR
0.363%
2.206%
Tabla 21: AR promedio sector consumo, elaboracin propia.
Los impactos de ambos anuncios son positivos, destaca que el impacto de mayor magnitud
sea el de anuncios IIC con AR promedios acumulados sobre el 2%, en este caso el principal
impacto se da el da previo al anuncio. En relacin a INC vemos que de forma acumulada sus
anuncios presentan un impacto promedio cercano al 0,4% debido principalmente a la reaccin
negativa que se midi el da posterior al anuncio.
En relacin a los anuncios IIC podemos ver que ConchaToro es la empresa con mejor
resultado con un CAAR= 6,81% seguida por CCU con un CAAR= 1,58%. Con respecto a
INC podemos ver que Camanchaca acumula el mejor resultado con un CAAR= 1,39%
contrasta el caso de ConchaToro CAAR= -2,97% el cual en este tipo de anuncios presenta el
nico impacto negativo.

7.00%
6.00%
5.00%
4.00%
3.00%
2.00%
1.00%
0.00%
-1.00%
-2.00%
-3.00%
CAAR INC
CAAR IIC
Ilustracin 18: CAAR por accin sector consumo, elaboracin propia.
71

Industrial
INC
IIC
AAR
IIC
-1
0
1
0.11%
0.80%
-1.10%
0.00133981
0.0001183
0.00012091
-0.16%
0.63%
0.35%
9.31864E-05
0.000331554
0.000106009
19
CAAR
-0.187%
0.823%
Tabla 22: AR promedio sector industrial, elaboracin propia.
El sector industrial se comporta como la mayora de los sectores antes analizados, con
resultados contrarios ente losa dos tipos de anuncios. IIC presenta un impacto acumulado
promedio de 0,823%, por el contrario INC presenta un CAAR= -0.187% con un impacto
negativo considerable en el ltimo da bajo anlisis AAR= -1,10%
La totalidad de las empresas a excepcin de SK y Cristales (CAAR=0,26% y 073%
respectivamente) presentan resultados negativos para anuncios INC, en concordancia con lo
expuesto en la tabla anterior. En relacin a IIC, Lan (CAAR=1,05%) y Masisa (CAAR=
1,34%) presentan las mejores reacciones.

1.50%
1.00%
0.50%
0.00%
-0.50%
CAAR INC
-1.00%
CAAR IIC
-1.50%
-2.00%
-2.50%
-3.00%
-3.50%
Ilustracin 19: CAAR sector industrial, elaboracin propia.
72

Banca
INC
IIC
AAR
AAR
-1
0
1
-0.00116396
-0.01306709
-0.01199966
2.35014E-05
4.50447E-05
0.000333082
-0.00506077
-0.00710977
0.00630189
6.55298E-05
0.000206182
6.28533E-05
CAAR
-2.623%
-0.587%
Tabla 23: AR promedio Banca, elaboracin propia.
Este sector quiebra la tendencia en relacin a los sectores anteriores, ambos anuncios generan
impactos negativos al ser acumulados durante la ventana de seguimiento. En este sector el
mercado reacciona de peor forma frente anuncios INC (CAAR = -2,6%) en comparacin a los
del tipo IIC (CAAR = -0,6%). En el caso de anuncios del tipo INC no hubo da bajo
evaluacin en el cual se generar medicin positiva (AAR < 0).
En relacin a las compaas que componen este sector, solamente BCI obtiene resultados
positivos en relacin a IIC (CAAR= 0.99%).

1.00%
0.50%
0.00%
-0.50%
CAAR INC
-1.00%
CAAR IIC
-1.50%
-2.00%
-2.50%
-3.00%
-3.50%
Ilustracin 20: CAAR por accin Banca.
73

Otros
INC
IIC
AAR
AAR
-1
0
1
-0.20%
0.01%
0.87%
4.44441E-05
0.000434821
0.00052989
0.35%
0.04%
0.72%
0.00025625
0.0004847
0.00026669
19
CAAR
0.675%
1.104%
Tabla 24: AR promedio Otros, elaboracin propia.
Al igual que el sector de consumo este heterogneo grupo presenta mediciones positivas frente
a los dos tipos de anuncios. Nuevamente IIC provoca impactos de mayor magnitud que INC al
termino de los tres das, CAAR=1,1% y CAAR= 0,67% respectivamente.
En relacin a eventos IIC, Sonda es la empresa que presenta el mejor resultado (CAAR=
2,45%) caracterizada por gran cantidad de anuncios con destino en extranjero, por el
contrario, Banmdica es la empresa con mediciones ms bajas CAAR= -2,37%. A su favor,
esta ltima y Enjoy son las nicas empresas con resultados positivos relacionados a anuncios
INC.

3.00%
2.00%
1.00%
0.00%
CAAR INC
-1.00%
CAAR IIC
-2.00%
-3.00%
-4.00%
Ilustracin 21: CAAR por accin Otros, elaboracin propia.
74

Para finalizar, se expone a modo de sntesis las diferencias entre los distintos grupos antes
citados
CAAR POR SECTOR INDUSTRIAL: ANUNCIO INC

1.00%
0.50%
0.00%
-0.50%
-1.00%
CAAR INC
-1.50%
-2.00%
-2.50%
-3.00%
Ilustracin 22: CAAR por sector industrial anuncios INC, elaboracin propia.
CAAR POR SECTOR INDUSTRIAL: ANUNCIO IIC

2.50%
2.00%
1.50%
1.00%
0.50%
CAAR IIC
0.00%
-0.50%
-1.00%
Ilustracin 23: CAAR por sector industrial anuncios IIC, elaboracin propia.
75

7 CONCLUSIONES
Luego de haber realizado la recopilacin y anlisis de informacin es posible concluir una
serie de elementos en base a los resultados obtenidos:
En primer lugar, podemos afirmar que el mercado de valores en Chile reacciona en el corto
plazo de manera positiva a la emisin de anuncios de crecimiento, especficamente, frente a
los del tipo inorgnicos con destino en el extranjero. Por medio de la presente investigacin,
fue posible medir reacciones de mayor magnitud por parte del mercado, los das previo y
posterior a la emisin del evento.
Da previo anuncio: AAR= 0,43%
Da emisin anuncio: AAR=0,02%
Da posterior anuncio: AAR= 0,32%
La afirmacin anterior, tiene fundamentos concretos al poder establecer con un 95% de
confianza que los impactos acumulados (CAAR=0,776%) son significativos estadsticamente
hablando.
En relacin al comportamiento del mercado burstil en Chile, podemos afirmar que reacciona
de manera similar a otros mercados internacionales. Para establecer un punto de referencia,
podemos citar investigaciones como las de Pierre Xabier Meschi y Louis Chang, ellos
midieron el impacto en los principales mercados europeos (CAC-40, DAX-30, MIBTEL,
BEL-20, entre otros) de anuncios referentes a Joint Ventures con empresas chinas, sus
resultados arrojaron
= 0,45%. Emmanuel Metais y Pierre Xabier Meschi, analizaron
el comportamiento del mercado Francs frente a anuncios de adquisiciones en el mercado

Estadounidense, el impacto medido fue equivalente a
= 0,449%. Con lo antes dicho,
podemos afirmar que los impactos medidos en el mercado chileno estn en concordancia con
las reacciones de otros mercados, todos ellos presentan la particularidad de converger en
impactos (CAAR) menores al 1%.
El sector industrial en el cual desempee labores una determinada compaa, influye en la
magnitud del impacto provocado al anunciar algn proceso de crecimiento. En relacin a los
anuncios del tipo IIC, se midieron diferencias en los impactos promedios acumulados (CAAR)
76

de un 2,79% entre el sector Consumo y el sector Bancario, los cuales presentan el mayor y
menor impacto respectivamente. Repitiendo el mismo ejercicio en relacin a los anuncios
INC, la diferencia se ampla levemente CAAR= 3,36% entre el sector Retail y el sector
Bancario. Desgraciadamente, a pesar del valor de la informacin citada, la presente
investigacin no fue capaz de asegurar estadsticamente la significancia en los resultados
diferenciados por sector industrial, por lo cual no es posible asegurar con certeza las
diferencias antes mencionadas.
Respecto a la posible utilizacin de rumores como elemento especulativo, su efectividad es
nula en el mercado de valores chileno. Ello qued en evidencia, al definir el modelo para
estimar las rentabilidades normales de las acciones bajo estudio, de los cuatro tipos de rumores
considerados en la investigacin (relacionados a crecimientos orgnicos e inorgnicos, con
destino nacional o en el exterior) todos sus parmetros fueron considerados no significativos.
Al analizar el tipo de crecimiento al cual hace referencia el anuncio, existe clara evidencia
para afirmar que los impactos provocados por ellos no son similares. En primera instancia,
todo anuncio relacionado a crecimientos orgnicos (sin participacin de terceros)
independiente de su destino no provoca reaccin alguna en el mercado, ello se comprueba al
analizar los parmetros de este tipo de variables en la regresin agrupada, ninguno de ellos
obtuvo una probabilidad suficiente para asegurar un impacto significativo en la rentabilidad
burstil de las empresas bajo estudio. Por descarte, se infiere que los anuncios de crecimientos
inorgnicos si presentan impactos significativos en la rentabilidad burstil de las compaas,
de hecho, en el modelo utilizado para estimar las rentabilidades normales, los anuncios
relacionados a crecimientos inorgnicos en el extranjero IIC y en territorio nacional INC
obtienen parmetros significativos. Pero, INC presenta impacto equivalente a IIC?, al
calcular los retornos anormales (AR) los anuncios del tipo IIC presentan un retorno anormal
promedio acumulado (CAAR) igual a 0,776% (significativo a 5%), en cambio, los anuncios
INC un CAAR=0,077% (no significativo). En sntesis, podemos concluir que el mercado
reacciona solamente cuando las empresas anuncian crecimientos inorgnicos con un par
extranjero.
77

8 REVISION BIBLIOGRFICA
8.1 BIBLIOGRAFA
Bosh, M., & Cobacho, B. Contrastes de hiptesis en datos de panel, London School of
Economics.
Brooke, J., & Oliver B. (2004). The source of abnormal returns from strategics alliance
announcements. Pacific-Basin Finance Journal 13: 145-161.
Chang, Shao-Chi & Huang Ping Chang (2002). Corporate multinationalism, organizational
learning, and Market reaction to international joint ventures: Evidence from Taiwan. Global
finance journal 13: 181-194.
Cheng Zhu, Peng (2010).Persistent performance and interaction effects in sequential crossborder mergers and acquisitions.
Eviews user guide II (2009). Pooled time series, cross-section data: 565-613.
Gujarati, D. (1997): Econometra bsica. McGraw-Hill.
Mata HL. Nociones Elementales de Cointegracin, Procedimiento de Engle-Granger. Facultad
de Ciencias Econmicas y Sociales, Universidad de los Andes.
Lpez, A., & Prez, R. Modelo con variables cualitativas. Departamento de economa
aplicada, Universidad de Oviedo.
Meschi, Pierre- Xabier & Cheng, Louis T.W. (2002). Stock Price reactions to Sino-European
joint ventures. Journal of World business 37: 119-126
Meschi, Pierre- Xabier y METAIS Emmanuel (2006). International acquisition performance
and experience: Are source-based view. Evidence from French acquisitions in the United
States (19882004).
Montero, R. (2011). Efectos fijos o aleatorios: test de especificacin, Universidad de Granada.
Montero, R. (2007). Variables no estacionarias y cointegracin. Universidad de Granada.
78

Mur, J., & Angulo A. (2008). Datos de panel: modelos estadsticos. Facultad de ciencias
econmicas y empresariales, Universisdad de Zaragoza.
Pedroni, P. (2004). Panel Cointegration: Asymptotic and finite sample properties of pooled
time series test with an application to the ppp hypothesis. Econometric Theory, 20, 2004,
597-625.
Ramirez, M. (2006). A Panel Unit Root and Panel Cointegration Test of the Complementarity
Hypothesis in the Mexican Case, 1960-2001.
8.2 WEBGRAFA
http://buscador.emol.com/
http://www.estrategia.cl/buscador/buscador_resultados.php
http://www.svs.cl/sitio/hechos/hechos_portada.php
http://forums.eviews.com/viewtopic.php?f=7&t=3784
79

Impacto Precio de Anuncios de Expansión en Mercado Bursátil Chileno

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Impacto Precio de Anuncios de Expansión en Mercado Bursátil Chileno

Transféré par

Droits d'auteur :

Formats disponibles

UNIVERSIDAD TECNICA FEDERICO SANTA MARA

IMPACTO PRECIO PROVOCADO POR ANUNCIOS DE CRECIMIENTO EN MERCADO

DIEGO ALONSO CISTERNAS ASTUDILLO

TESIS DE TITULACION PARA OPTAR AL TITULO DE INGENIERO COMERCIAL

PROFESOR GUIA: SR. WERNER KRISTJANPOLLER RODRIGUEZ

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

ONC: anuncio confirmado de crecimiento tipo orgnico, con destino nacional.

ONR: rumor de crecimiento orgnico, con destino en territorio nacional.

OIC: anuncio confirmado de crecimiento tipo orgnico con destino internacional.

OIR: rumor de crecimiento tipo orgnico con destino internacional.

INC: anuncio confirmado de crecimiento tipo inorgnico en territorio nacional.

INR: rumor de crecimiento inorgnico con destino en territorio nacional.

IIC: anuncio confirmado de crecimiento inorgnico con destino internacional.

IIR: rumor de crecimiento inorgnico con destino internacional.

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

) son los siguientes:

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

(el anuncio no provoca impacto en la

rentabilidad de la empresa) considerando un 5% de significancia como base.

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

OBJETIVOS GENERALES ................................................................................................................................... 12

OBJETIVOS ESPECFICOS ................................................................................................................................. 12

ESTADO DEL ARTE ........................................................................................................................................................ 13

Beneficios de expandir operaciones al extranjero .................................................................... 15

Reacciones Mercado Burstil, Experiencias Joint Venture (Alianzas Conjuntas) ..... 16

Medicin de Impacto en el Mercado de Valores: Abnormal Stock Returns (AR`S) .. 21

Estado de la Investigacin en la Actualidad ................................................................................. 22

FUENTES DE INFORMACIN ......................................................................................................................... 27

MUESTRA BAJO ANLISIS ............................................................................................................................... 28

SELECCIN DE INFORMACIN ..................................................................................................................... 30

MEDICIN DE IMPACTOS ................................................................................................................................ 33

DATOS DE PANEL ................................................................................................................................................. 36

ANLISIS DEL MODELO .................................................................................................................................... 49

Test de races unitarias ........................................................................................................................... 49

Test de Cointegracin ............................................................................................................................. 51

Normalidad en residuos ......................................................................................................................... 52

ABNORMAL RETURNS (AR)............................................................................................................................ 58

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

Descripcin sectores industriales...................................................................................................... 58

Test AR / CAR ............................................................................................................................................... 63

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

2.2 OBJETIVOS ESPECFICOS

Identificar si en el corto plazo (seguimiento rentabilidad durante 3 das), existe una

Detectar si se provocan diferencias en los impactos medidos, dependiendo del sector

Analizar la efectividad de presentar rumores sobre eventos de crecimiento, como

Determinar si el contenido del anuncio (tipo de crecimiento al cual hace referencia),

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

4 ESTADO DEL ARTE

Absorcin: es la negociacin entre dos empresas, una de las cuales desaparece. La

Joint Venture (alianza conjunta): es un tipo de acuerdo comercial de inversin

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

Economas de escala: En caso de que dos compaas presenten capacidad ociosa,

Diversificacin: cuando una empresa est muy concentrada en cierta lnea de

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

Beneficios de expandir operaciones al extranjero

Beneficios de la expansin internacional de las empresas, han sido ampliamente

UNIVERSIDAD TECNICA FEDERICO SANTA MARIA

Reacciones Mercado Burstil, Experiencias Joint Venture (Alianzas Conjuntas)