Académique Documents
Professionnel Documents
Culture Documents
2016
aná is s
revista del mercado de valores
NÚMERO 5
EDICIÓN JULIO DE 2016
ISSN 2215-9150
análisis
revista del mercado de valores
n ú m e r o 5, e d i c i ó n DICIEM B RE d e 2 015
Coordinadores editoriales
Alexander Campos Osorio
acampos@amvcolombia.org.co
José Rodrigo Vélez
jvelez@amvcolombia.org.co
Stefany Gámez Díaz Árbitros 2012
David Salamanca Rojas
Ángela Valderrama
Edición, corrección de estilo, diseño gráfico Carlos Guzmán Toro
editorial, armada electrónica e impresión
Proceditor
Árbitros 2013
Calle 1C No. 27 A-01
Camilo Zea Gómez
Bogotá, D. C., Colombia
Javier Díaz Fajardo
Tel.: (571) 2204275/76,
Carlos Guzmán Toro
proceditor@yahoo.es
Árbitros 2014
El material de esta revista puede ser reproducido sin
Diego Jara Pinzón
autorización, siempre y cuando se mencione como
Ángela Valderrama
fuente el artículo y su autor.
Daniel Niño Tarazona
La responsabilidad por el contenido de los artículos
publicados en Análisis - Revista del Mercado de
Valores recae solamente en sus autores.
5 Editorial
ARTÍCULOS
31 Betas contables
jhon alexander jiménez triviño
| pp. 5 -7
AMV presenta la quinta entrega de Análisis, Revista del Mercado
editorial
de Valores. En este número se recopilan los documentos ganado-
res de las tres ediciones anteriores del Concurso de Arquitectos
del Mercado de Capitales, realizado en alianza con la Bolsa de
Valores de Colombia.
Pese a los notables avances logrados en las últimas dos déca-
das, el nuestro es un mercado de valores en permanente construc-
ción y hoy más que nunca enfrenta grandes desafíos, por ello, la
agenda regulatoria, los cambios tecnológicos, la creciente inter-
nacionalización de los mercados y los desafíos en la administra-
ción de riesgos, nos imponen la necesidad de contar con mayores
herramientas de análisis y espacios de discusión de la agenda de
la política pública. Dentro de esta evidente realidad, los trabajos
publicados en esta edición de Análisis constituyen, sin lugar a
dudas, una valiosa fuente de análisis e información.
AMV mantiene el compromiso de divulgación de los trabajos
ganadores a través de Análisis, página de Internet y redes socia-
les. Su disciplina y rigor académico merecen total reconocimiento,
pues estos aportes constituyen en muchos casos las bases que per-
miten construir desarrollos del mercado.
A lo largo de seis competiciones, este concurso ha buscado
fomentar la investigación en aspectos legales y económicos rela
cionados con el mercado de valores colombiano. Estamos segu
ros de que los trabajos ganadores son una referencia fundamental
para enriquecer el debate académico que subyace al estudio y
desarrollo del mercado de valores.
5
| pp. 5 -7
ción con los demás días de la semana. Estos patrones estacionales
dentro de la semana están presentes en otros mercados y pueden
convertirse en información adicional a considerar en la toma de
editorial
decisiones de inversión.
Jenny Santana y Diana Figueroa, estudiantes de Ingeniería
Financiera de la Universidad Piloto de Colombia, con su investiga
ción “Una aproximación a la creación y valoración del mercado
de opciones colombiano, a partir de la estimación de la superficie
de volatilidad sobre el índice COLCAP, como base del índice de
volatilidad CVIX” demuestran cualitativamente que la volatilidad
es mayor a medida que se acercan los días al vencimiento de la
opción y, por ende, el valor de la prima es proporcional a este
incremento. Este estudio cobra particular importancia para la crea
ción de coberturas mediante opciones para las posiciones sobre el
COLCAP.
En el artículo “Modelo de valor en riesgo ajustado por liqui
dez: aplicación al mercado de renta variable colombiano”, escrito
por Brayan Rojas, economista de la Universidad Nacional de
Colombia, especialista en Gestión de Riesgos y Control de Institu
ciones Financieras y magíster en Finanzas de la Universidad de los
Andes, se realiza un estudio que incorpora el riesgo de liquidez
de trading a la metodología tradicional de valor en riesgo aplicado
al mercado de renta variable colombiano. Los resultados obteni
dos muestran la mejora que se produce en la cuantificación del
riesgo mediante la realización de pruebas de backtesting y resalta
la importancia de incorporar en la medición del VaR las condicio
nes de liquidez de los mercados.
1 Esto sobre todo en el caso de swaps del tipo OIS (overnight index swaps), cuando
se opera en un esquema con colateral. 11
2 La diferencia entre el ASS y la tasa del CDS se conoce como basis. Existen diver-
sas razones para la existencia de este basis, como por ejemplo el acceso a fondos
y la opcionalidad de entrega del bono más barato en el CDS.
3 Si la volatilidad del subyacente no es excesivamente alta, el valor de los derechos
y obligaciones tiende a ser similar por lo que la exposición potencial futura no es
12 muy alta.
II. Hipótesis
III. Metodología
1,00
0,80
0,60
0,40
revista del mercado de valores , núm . 5 , edición julio 2016
0,20
0,00
10/18/2012
5/21/2012
7/10/2012
8/29/2012
12/7/2012
1/26/2012
3/17/2012
4/1/2012
5/6/2012
Bono Nocional 5 años CDS 5 años
16
1,00
0,80
Porcentaje
0,60
0,40
0,20
0,00
7/10/2012
8/29/2012
12/7/2012
1/26/2012
3/17/2012
4/1/2012
5/6/2012
COLTES 8 10/28/2015 COLTES 9,25 05/14/2014 Govt
1,00
0,50
Porcentaje
0,00
-0,50
4/1/2012
5/21/2012
7/10/2012
8/29/2012
10/18/2012
12/7/2012
1/26/2012
3/17/2012
5/6/2012
-1,00
este problema es mirar el ASS en COP como una proxy del CDS
en COP y luego compararlo con el CDS en USD.
Ahora, el CDS en COP debería tener un comportamiento
similar al CDS en USD si no existieran unos cambios grandes en
la correlación implícita entre la tasa de cambio y el default, tal y
como lo explicamos en la sección anterior. En este análisis vamos
a suponer que este es el caso por cuestiones de simplicidad.
Debido a que no tenemos un mercado de CDS en COP
debemos utilizar el ASS en COP como una proxy. En el gráfico
4 se muestra la evolución del ASS en COP de dos años y el CDS
en USD de este mismo plazo. En este caso construimos un bono
nocional a dos años con los bonos de vencimiento 2014 y 2015. Se
puede observar que hay un movimiento muy similar entre ambas
variables. El spread máximo entre el CDS en USD y el ASS en
COP en esta muestra es de 47 puntos básicos. Esto ocurre en gran
parte de la muestra y es razonable con la teoría financiera, como
lo expusimos en la sección anterior. El spread en algunos casos es
negativo con un mínimo de -29 puntos básicos. Esto indica que el
ASS en COP de dos años estuvo por encima del CDS de dos años.
– análisis
18
1,00
0,80
Porcentaje
0,60
0,40
0,20
0,00
7/10/2012
8/29/2012
12/7/2012
1/26/2012
3/17/2012
4/1/2012
5/6/2012
Bono nocional 2 años CDS 2 años
2,00
1,50
Porcentaje
1,00
0,50
0,00
10/18/2012
5/21/2012
7/10/2012
8/29/2012
12/7/2012
1/26/2012
3/17/2012
4/1/2012
5/6/2012
-0,50
19
Años al
Cupón Maturity P Limpio ASS
Vcto
COLTES 9,25 05/14/2014 Govt 9,25 05/14/2014 105,75 1,41 0,39%
–
2 0,39% 2 0,32%
3 0,57% 3 0,32%
5 0,95% 5 0,27%
10 1,33% 10 0,12%
24
2,0000
1,8000
1,6000
1,4000
1,2000
Porcentaje
1,0000
0,8000
0,6000
0,4000
0,2000
0,0000
14/08/2013
27/12/2014
10/05/2016
22/09/2017
04/02/2019
18/06/2020
13/01/2021
15/03/2023
27/07/2024
Fuente: Bloomberg, cálculos propios.
0,3500
0,3000
Porcentaje
0,2500
0,20000
0,1500
0,1000
0,500
0,0000
01/04/2012
14/08/2013
27/12/2014
10/05/2016
22/09/2017
04/02/2019
18/06/2020
13/01/2021
15/03/2023
27/07/2024
la oportunidad.
Referencias
27
28
N
i1
EQ k ∑ ti ti ti1 Iti EQ 1 R It (3)
N
N
k ∑ ti ti ti1 EQ Iti 1 R ∑ ti ttii1 dF s
i1 i1
k
N N
∑ B 0,t t t Q t
i1
i i i1 i
29
i1
– análisis
30
Resumen
El cálculo del coeficiente beta es fundamental para la valo-
ración de empresas mediante la teoría del CAPM, el método
más usado para este propósito. Dado que el valor de los
emisores es vital para determinar el precio de sus títulos en
el mercado de capitales, el acertado cálculo de dicho coefi-
ciente afecta de manera indirecta la consolidación del mer-
cado de capitales. Infortunadamente, el método tradicional
tiene bastantes limitaciones para su aplicación en países
emergentes como Colombia. Esto se debe a que el mercado
bursátil en estas plazas por lo regular carece de amplitud y
profundidad en sus emisores o emisiones de acciones.
Con el objetivo de dar mayor aplicación al modelo capital
asset pricing model (CAPM) en mercados poco bursátiles
o con pocos sectores representativos en el mercado de
valores, se buscará demostrar que el coeficiente beta usado
para este modelo puede calcularse mediante fuentes tri-
mestrales contables provenientes de los estados financieros
de cada una de las empresas y que a través de este modelo
se llegará a un resultado semejante al calculado con fuentes
diarias en la bolsa de valores. Para dicha demostración se
usarán trece empresas que formaron parte del índice gene-
ral de la Bolsa de Valores de Colombia (IGBC) entre el pri-
mer trimestre de 2006 y el último de 2010 y que durante
este tiempo hubiesen reportado sus estados financieros a
la Superintendencia Financiera de Colombia de manera tri-
mestral.
La investigación concluye que en realidad es posible llegar
al mismo resultado partiendo de dos bases de datos absolu-
tamente diferentes pero muy correlacionadas, como debe
ser en un mercado público y eficiente. El resultado se con-
trastó con los betas para las mismas empresas realizados por
una autoridad mundial en este tipo de cálculos, como lo es
el profesor Aswath Damodaran. Los betas hallados tuvieron
una semejanza de más de nueve puntos básicos en prome- Documento ganador del
dio con los betas obtenidos por método tradicional por el Concurso Arquitectos del
profesor Damodaran. Mercado de Capitales año
2012. Categoría Posgrado.
En consecuencia, dado que ya se puede obtener el riesgo El autor es economista
sistemático con fuentes nacionales para cualquier empresa, de la Universidad de los
Andes. Magíster en Finanzas
entonces es posible tomar únicamente datos de Colombia Corporativas del Colegio
para valorar empresas colombianas y con ello llegar a valo- de Estudios Superiores de
Administración (CESA).
res con un mayor grado de certidumbre en el precio de Corredor de la Bolsa de
los valores transados o por transar, lo que proporciona una Valores de Colombia (BVC).
herramienta básica y efectiva en la consolidación del mer- Profesor universitario en la
Universidad de los Andes
cado de capitales colombiano. y en el Colegio de Estudios
Superiores de Administración
Palabras clave: Riesgos sistemáticos, Betas contables – Beta. (CESA). Correo electrónico:
JJimenez@casadebolsa.
Clasificación JEL: G120. com.co.
Abstract
Calculating the beta coefficient is essential for valuing companies
when using CAPM theory, which is the most commonly used
method. Knowing the value of the issuers’ stock price in a capital
market is fundamental in order to determine the correct calcu-
lation of the aforementioned coefficient as it indirectly affects
the capital market consolidation. Unfortunately, the traditional
method has too many limitations for it to be applied to countries
with emerging economies such as Colombia. This is due to the
fact that it is usual that the stock market in these countries lacks
sufficient breadth and depth in terms of both stock price issuers
and shares.
With the purpose of better applying the capital asset pricing
model (CAPM) in countries with small stock markets or with
only a few representative sectors in the securities market, it is the
intention of this paper to demonstrate that the beta coefficient
used in this model can be calculated through trimestral account-
ing sources originating from each company’s financial statements.
Also, by using this model, a similar result will be obtained to the
calculation using daily values in the securities market. In order to
achieve this, three companies will be used that were listed on the
Colombian Securities Exchange (IGBC) between the first trimes-
ter of 2006 and the last trimester of 2010 and that submitted their
financial statements to the Colombian Financial Superintendence
on a trimonthly basis during this period.
The research will find that it is realistically possible to achieve
the same result using two databases that are completely differ-
ent but that are highly correlated, as should be the case in any
public efficient market. The result is contrasted with the betas for
the same companies that were undertaken by Professor Aswath
Damodaran, a global authority on these types of calculations
This article is winner of the
competition of Capital Market The betas calculated were similar, on average, by more than nine
Architecs of Main year 2012
proposed by the Autorregula- basis points to those that were calculated using the traditional
dor del Mercado de Valores method by Professor Damodaran.
and The Bolsa de Valores de
Colombia in the form of posgra-
duate studies.
As a consequence, and given that it is possible to obtain system-
atic risk by using national sources for each company, it is possible
The author is economist of
the Universidad de los Andes.
to solely use data from Colombia to value Colombian companies
Magíster In Corporate Finances and, as such, make more certain calculations in terms of the price
of the School of Upper Studies
of Administration (CESA).
of the assets that have been traded or that are to be traded. This is
Runner of the Bolsa de Valores a basic and effective tool in the consolidation of the Colombian
de Colombia (BVC).
University professor in the
capital market.
Universidad de los Andes in
the School of Upper Studies of Key words: Systematic Risk, Accounting beta, Beta.
Administration (CESA). Email:
Jjimenez@casadebolsa.com.co. JEL classification: G120.
I. Marco teórico
| betas contables
significativo; al considerar las crisis financieras de los últimos diez
años se advierte qué tan lejos estamos de controlar tan apasio-
nante realidad socioeconómica latinoamericana.
Una de las investigaciones que mejor ejemplifican este pro-
greso es la teoría moderna del portafolio, creada por el Dr. Harry
Markowitz. Su trabajo expone de manera excepcional la posibi-
lidad de reducir el riesgo, a través de la diversificación metódica
del portafolio, lo cual fue la plataforma para la importante teoría
del CAPM.
Esta estructura conceptual divide el riesgo total en dos tipos,
diversificable y sistemático, como se muestra en el gráfico 1.
Markowitz expone con claridad cómo disminuir el riesgo diver-
sificable y expone un método para cuantificar el riesgo sistemático.
La disminución del riesgo mediante la diversificación del portafo-
lio es una idea tan ampliamente aceptada que ha sido considerada
33
40
30 2007
revista del mercado de valores , núm . 5 , edición julio 2016
Porcentajes
20
10
0
0,0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1,0 1,1 1,2 1,3 1,4 1,5 1,6 1,7
AAA BB+
análisis
AA B+
1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010F 2011F
| betas contables
representativos del subyacente.
En consecuencia, existe la misma dificultad al conformar un
portafolio de tangencia que vincule todas las posibles alternativas
en el mercado, que adicionalmente se les conozca su cotización y
que estas sean eficientes en términos estadísticos.
Si bien es cierto que el escenario se ve desalentador, los
académicos encontraron en este un verdadero reto a su creativi-
dad. Las soluciones han sido diversas y de todos los estilos. Entre
las diferentes alternativas una es la de asignar variables proxy de
industrias locales semejantes, de mercados emergentes similares o,
finalmente, adoptarlas de su par en Estados Unidos. En concreto,
la decisión para determinar el beta más apropiado se determina
por lo general de acuerdo con el siguiente árbol de decisión.
35
Si, use el
beta local Si, aplique
Uso del ¿Existe un Si, use el
el beta del
beta buen beta beta local
No, ¿Existe una mercado
local local emergente
industria que No, ¿Existe
disponible?
pueda servir de un beta en
Escoger el proxy? el mercado
modelo de emergente? No, use un
valoración Si, use el beta beta de
a usar ¿Para la de EE.UU. una
Uso de industria industria
un beta hay betas par en
proxy en EE.UU. No, ¿use el beta EE.UU.
en EE.UU. que más aplicable del
apliquen? mercado emergente
revista del mercado de valores , núm . 5 , edición julio 2016
Sector
| betas contables
Packaging/Container 77 20 1,69 1,9 21 Pbs
Building-materials 87 32 2,14 2,36 22 Pbs
Industrial-services 169 99 2,12 2,34 22 Pbs
Paper/Forest-products 98 26 1,68 1,9 22 Pbs
Cable-TV/TV/Radio 40 11 1,96 1,73 23 Pbs
Natural-gas 48 68 1,28 1,05 23 Pbs
Retail-Automotive 20 14 1,57 1,8 23 Pbs
Recreation/Leisure time 45 41 2,42 2,17 25 Pbs
Chemical-Diversifed 46 23 2,55 2,29 26 Pbs
Trucking 35 30 2,28 2,01 27 Pbs
Household-products 66 20 2,17 1,83 34 Pbs
Printing/Publishing 61 16 2,27 2,61 34 Pbs
Educational-services 15 22 2,35 2,7 35 Pbs
Pharmacy-services 20 10 2,27 1,92 35 Pbs
Internet 86 80 2,95 3,33 38 Pbs
(Continúa)
37
Sector
Sector EM EE.UU EM EE.UU Diferencias
Aerospace/Defense 20 45 2,79 2,39 40 Pbs
Information-services 15 17 1,75 2,18 43 Pbs
Air-transportation 41 28 1,44 1,89 45 Pbs
Furniture/Home-decoration 71 26 2,37 2,87 50 Pbs
Oilfield-services/equipment 100 83 2,07 2,59 52 Pbs
Food-Wholesalers 15 13 2,08 1,55 53 Pbs
Hotel/Casino 153 41 1,91 2,44 53 Pbs
Real-Estate-Services/Development 480 8 2,09 1,55 54 Pbs
Apparel/Textile 291 34 2,34 2,89 55 Pbs
revista del mercado de valores , núm . 5 , edición julio 2016
|
avance matemático-estadístico de la herramienta, con el objetivo de
betas contables
aprovechar al máximo los pocos datos con que se cuentan. La otra
vertiente considera que el método es expedito para el fin y que lo
más relevante del asunto es la fuente de los datos.
Fuentes de
Método
datos
39
sum
D1
D2
D3
–
D4
análisis
D5
D6
D7
S7
40
| betas contables
cionada. Así, la rentabilidad de las empresas provista desde los
balances contables debe ser una excelente alternativa para sustituir
la falencia del mercado de valores. En el trabajo citado se encuen-
tra evidencia empírica en la que el mercado de valores anticipa
de manera eficiente el resultado contable de la empresa para el
mercado norteamericano.
En el trabajo realizado por Hill y Stone (1980), se demuestra
matemáticamente que el beta calculado con datos contables, ci ,
puede hallarse mediante la derivada de los retornos sobre el patri-
monio de la firma, con respecto a la derivada de los retorno sobre
el patrimonio del mercado.
d ROEi
d ROEm
41
Ke − Rft
=
Rm − Rft
42 donde Ke es igual a
Dt − Pt
Ke = − 1
Pt −1
|
el mercado local.
betas contables
El experimento empírico de dicha investigación prueba ser
una alternativa significativa, con un concepto estadístico, cercano
a la realidad y muy aplicable al contexto que viven los analistas
para mercados emergentes. Sin embargo, el análisis se hace úni-
camente para una sola acción y no se propone un método para
comprobar si los resultados son robustos frente a resultados usa-
dos o aceptados.
En conclusión, el cálculo del coeficiente beta para medir
el riesgo sistemático en mercados emergentes es posible, pero
requiere una adaptación al contexto en el que se aplica. Infortuna-
damente el método a aplicar no es tan general como se requiere,
pues el objeto de estudio es bastante diverso.
43
marco teórico de este trabajo, se encontró que las razones por las
cuales estos investigadores no tomaron datos directamente de los
estados de resultados de las empresas son:
III. Modelo
¶R acción en bolsa
¶R mercado
revista del mercado de valores , núm . 5 , edición julio 2016
E [ Rrentabilidad contables xRmercado ] − rentabilidad contable x mercado
análisis
Var (Rmercado )
A. Primera premisa
Los precios de las acciones en bolsa varían en función de la
rentabilidad de las empresas.
Los retornos de una empresa pueden verse desde múltiples
formas; las tres retornos que se escogieron para esta investigación
son ROE (retorno del patrimonio, ROA retorno del activo y otra
creada para esta investigación, el VARE variación del patrimonio.
Esta última asume que la empresa es tan rentable como
| betas contables
Bloomberg para el último trimestre de 2005, que fue de $12.832.
Este precio aumentó o disminuyó en proporción a las rentabilida-
des ROE, ROA y VARE, tomadas de los balances; numérica y gráfi-
camente, el ejercicio arroja los resultados que se pueden observar
en el cuadro 3.
Nutresa
Trimestres ROE ROA VARE
FQ1 2006 2,23% 2,20% 28,22%
FQ2 2006 3,77% 3,64% 9,91%
FQ3 2006 0,89% 0,85% -23,76%
FQ4 2006 -0,11% -0,10% 12,71%
FQ1 2007 0,85% 0,83% 13,46%
FQ2 2007 1,12% 1,07% -5,01%
(Continúa) 47
Nutresa
Trimestres ROE ROA VARE
FQ3 2007 0,14% 0,14% 0,45%
FQ4 2007 1,98% 1,93% 2,02%
FQ1 2008 2,89% 2,84% 7,79%
FQ2 2008 1,95% 1,86% -16,60%
FQ3 2008 1,96% 1,88% 4,19%
FQ4 2008 1,59% 1,54% 5,60%
FQ1 2009 2,36% 2,31% 1,28%
FQ2 2009 1,44% 1,37% 1,58%
FQ3 2009 1,02% 0,97% 10,52%
revista del mercado de valores , núm . 5 , edición julio 2016
$27.000
$25.000
$23.000
$21.000
– análisis
$19.000
$17.000
$15.000
$13.000
$11.000
FQ1 FQ3 FQ1 FQ3 FQ1 FQ3 FQ1 FQ3 FQ1 FQ3
2006 2006 2007 2007 2008 2008 2009 2009 2010 2010
48
Cuadro 4. Contraste de los precios de bolsa versus los precios estimados por retor-
nos contables
| betas contables
29/12/10 $26.916 $26.162 $26.157 $25.409
49
Segunda premisa
A partir de la comprobación se deduce que se puede cons-
truir un índice bursátil mediante las rentabilidades ponderadas de
las empresas que han conformado las canastas.
Para confirmar dicha premisa se buscaron las diferentes
canastas del IGBC desde el año 2006. Se calcularon los ROE, ROA
y los VARES de cada una de las empresas que conformaron en
algún momento el IGBC en ese periodo. A partir de lo anterior se
obtuvieron el ROE, ROA y VARE agregados del IGBC para cada
canasta, multiplicados por el peso de cada acción en su corres-
pondiente canasta por su respectiva rentabilidad. Luego se tomó
un valor base para el índice en el último trimestre de 2005, el
– análisis
50
FQ3 2006
FQ4 2006
FQ1 2007
FQ2 2007
FQ3 2007
FQ4 2007
FQ1 2008
FQ2 2008
FQ3 2008
FQ4 2008
FQ1 2009
FQ2 2009
FQ3 2009
FQ4 2009
FQ1 2010
FQ2 2010
FQ3 2010
FQ4 2010
Tercera premisa
|
Si mediante los balances de las empresas se pudo llegar a esti-
betas contables
mar con gran aproximación al valor de cotización de una acción
en bolsa y se logró conformar el índice bursátil de referencia del
mercado con un alto grado de correlación, es posible calcular el
coeficiente beta mediante los balances financieros de las empresas
y se debe llegar a un resultado bastante aproximado al calculado
mediante los precios de mercado.
Para contrastar dicha premisa se utilizarán los betas calcu-
lados por el profesor Aswath Damodaran, publicados en enero
de 2011 en su página de internet 2, y se contrastarán con las betas
calculadas mediante los balances de las empresas.
Para realizar el cálculo se escogieron 13 empresas que han
reportado a la Superintendencia Financiera sus resultados de
2 http://www.stern.nyu.edu/~adamodar/pc/datasets/emergcompfirm.xls. 51
52
IGBC
Trimestres Fechas Canastas ROE ROA VARE
FQ1 2006 31/03/2006 CANASTA 19 3,12% 1,34% -0,03%
FQ2 2006 30/06/2006 CANASTA 20 1,48% 0,62% -9,55%
FQ3 2006 30/09/2006 CANASTA 21 2,40% 0,94% 6,60%
FQ4 2006 31/12/2006 CANASTA 22 5,24% 2,82% 8,10%
FQ1 2007 31/03/2007 CANASTA 23 1,89% 0,81% -2,40%
FQ2 2007 30/06/2007 CANASTA 24 1,09% 0,42% 1,63%
FQ3 2007 30/09/2007 CANASTA 25 1,89% 0,95% 4,92%
FQ4 2007 31/12/2007 CANASTA 26 1,95% 0,84% 8,10%
FQ1 2008 31/03/2008 CANASTA 27 1,52% 0,57% -8,24%
| betas contables
se procede a realizar el mismo método que se utiliza para obte-
ner el beta de mercado; este se realiza a partir de una regresión
lineal, utilizando como variable exógena el rendimiento en pri-
mera diferencia logarítmica del IGBCROA, IGBCROE y IGBCVARE, con-
tra el rendimiento en primera diferencia logarítmica de la acción
ACCIONXROA, ACCIONXROE y ACCIONXVARE estudiada como varia-
ble endógena. El resultado se muestra a continuación.
53
Método Diferencia a
equity Beta
IBA Empresa del beta mejor
Damodaran obtenido
contable aproximación
ROE 1,458
VARE 0,630
ROE 0,729
VARE 0,343
ROE 1,151
VARE 0,534
– análisis
ROE 0,558
VARE 0,28367
ROE -0,121
VARE 0,439
54
ROE 0,377
VARE 1,360
ROE 0,393
VARE 0,452
|
ROE 0,471
betas contables
8,21 0,992 Tablemac ROA 0,8004 0,191
VARE 0,226
ROE 1,448
VARE 1,040
ROE 0,7164
VARE 0,2131
ROE 0,380
VARE 1,437
revista del mercado de valores , núm . 5 , edición julio 2016
ROE 0,433
VARE 1,280
ROE 0,191
VARE 0,991
V. Conclusiones y recomendaciones
| betas contables
Por ahora dirimir el conflicto de cuál escoger fue sencillo ya que
se cuenta con un beta de mercado alterno.
En caso de que no se tuviera, sería difícil escoger cuál utili-
zar si fuesen muy diferentes, hecho que podría solucionarse si se
puede llegar a entender por qué un método es más efectivo que
los otros dos en cada caso.
Al final de este documento aparece el anexo que soporta
la investigación. Para cada empresa, en el lado derecho superior
se encuentra un diagrama de dispersión o nube de puntos con el
coeficiente resultado de la regresión. En el lado izquierdo supe-
rior se encuentran las gráficas de precios a formados en bolsa y
modificación de un precio inicial a partir de los resultados obteni-
dos por el ROA, ROE y VARE, siendo este último la variación del
patrimonio. Finalmente, en la parte inferior se encuentran todas las
57
Referencias
58
| betas contables
59
Porcentajes
15
10.000
15.000
20.000
25.000
30.000
Anexo
FQ12006
Bancolombia
Inicio
FQ22006
FQ32006
10
FQ42006
FQ12007
FQ22007
Contenido
Bancolombia
FQ32007
5
FQ42007
Salir
ROE
FQ12008
FQ22008
0
10
20
10
15
25
5
5
IGBC INDEX
FQ32008
0
Porcentajes
FQ42008
FQ12009
FQ22009
ROA
VARE
FQ32009
Lineal (Bancolombia)
5
FQ42009
FQ12010
Volver
FQ22010
FQ32010
Y=0,6299x
FQ42010
10
Bancolombia
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,014214666 0,014214666 4,447345227 0,049226547
Inicio
Residuos 18 0,057531849 0,003196214
Total 19 0,071746515
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,027879476 0,013615963 2,047558106 0,055483128 –0,000726601 0,056485553 –0,000726601 0,056485553
Contenido
Variable X1 0,462964541 0,219531734 2,108872976 0,049226547 0,001745483 0,9241836 0,001745483 0,9241836
Salir
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,030530809 0,030530809 8,178053983 0,010411409
Residuos 19 0,070931957 0,003733261
Total 20 0,101462765
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,629945671 0,220281543 2,859729705 0,010026423 0,168891103 1,091000238 0,168891103 1,091000238
Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77
61
62
análisis – revista del mercado de valores , núm . 5 , edición julio 2016
20.000
25.000
30.000
35.000
40.000
45.000
50.000
55.000
60.000
FQ12006 Porcentajes
FQ22006
Inicio
0,00
0,20
0,40
0,60
0,80
1,00
1,20
FQ32006
Banco de Bogotá
0,00
FQ42006
FQ12007
IGBC INDEX
0,50
FQ22007
Contenido
Bogotá
FQ32007
FQ42007
1,00
Salir
FQ12008
ROE
FQ22008
1,50
FQ32008
Porcentajes
FQ42008
2,00
FQ12009
ROA
FQ22009
FQ32009
2,50
Lineal (Bogotá)
FQ42009
Y=0,3536x
FQ12010
3,00
Volver
FQ22010
VARE
FQ32010
FQ42010
Banco de Bogotá
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 6,32827E-08 6,32827E-08 0,016978128 0,897774108
Inicio
Residuos 18 6,70915E-05 6,72731E-06
Total 19 6,71548E-05
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,00645141 0,000985994 6,543054466 3,77859E-06 0,004379914 0,008522906 0,004379914 0,008522906
Contenido
Variable X1 –0,008009745 0,061471496 –0,130300145 0,897774108 –0,137156566 0,121137076 –0,137156566 0,121137076
Salir
ANALISI DE VARIANZA
Promedio de los
G.L Suma de cuadrados F Valor crítico F
cuadrados
Regresión 1 0,000643365 0,000643365 53,92991152 8,11123E-07
Residuos 19 0,000226663 1,19297E-05
Total 20 0,000870028
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,353600914 0,048150248 7,34398763 5,83331E-07 0,252821287 0,45438054 0,252821287 0,4543805
Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77
63
Nutresa
4,00 Y=0,4327x
3,50
3,00
Porcentajes 2,50
2,00
1,50
1,00
0,50
revista del mercado de valores , núm . 5 , edición julio 2016
0,00
-0,50
0,00 1,00 2,00 3,00 4,00 5,00 6,00
Porcentajes
Nutresa Lineal (Nutresa)
29.000
27.000
25.000
23.000
21.000
19.000
17.000
15.000
13.000
13.000
FQ12006
FQ22006
FQ32006
FQ42006
FQ12007
FQ22007
FQ32007
FQ42007
FQ12008
FQ22008
FQ32008
FQ42008
FQ12009
FQ22009
FQ32009
FQ42009
FQ12010
FQ22010
FQ32010
FQ42010
– análisis
64
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 2,5298E-05 6,32827E-08 0,315392598 0,581315545
Inicio
Residuos 18 1,0014438 6,72731E-06
Total 19 0,001469098
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,011507576 0,005350859 2,15060354 0,045342813 0,000265839 0,022749314 0,004379914 0,022749314
Contenido
Variable X1 0,09511662 0,169367728 0,5615982553 0,581315545 –0,260711772 0,450945012 –0,260711772 0,450945012
Salir
ANALISI DE VARIANZA
Promedio de los
G.L Suma de cuadrados F Valor crítico F
cuadrados
Regresión 1 0,003740803 0,003740803 39,16458506 6,67098E-06
Residuos 19 0,001814784 9,55149E-05
Total 20 0,005555586
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,432887003 0,0691714594 6,258161476 5,21289E-06 0,288109194 0,577664813 0,288109194 0,577664813
Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77
65
66
análisis – revista del mercado de valores , núm . 5 , edición julio 2016
ETB
300
500
700
900
1.100
1.300
Porcentajes
FQ12006
15
Inicio
FQ22006
FQ32006
FQ42006
10
FQ12007
FQ22007
Contenido
Precio mercado
FQ32007
ETB
FQ42007
5
4
10
6
8
-6
-4
-2
0
12
-8
2
Salir
FQ12008
FQ22008
0
Porcentajes
ROE
FQ32008
0
FQ42008
FQ12009
Lineal (ETB)
FQ22009
ROA
5
FQ32009
FQ42009
FQ12010
FQ22010
Y=0,2764x
Volver
10
FQ32010
VARE
FQ42010
ETB
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,003841783 0,003841783 2,539206209 0,128458777
Inicio
Residuos 18 0,027233745 0,001512986
Total 19 0,031075528
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,005894553 0,009377137 0,628609025 0,628609025 –0,013806081 0,025595186 –0,013806081 0,0255954186
Contenido
Variable X1 0,239593591 0,150357886 1,593488691 1,593488691 –0,076296605 0,555483787 –0,076296605 0,555483787
Salir
ANALISI DE VARIANZA
Promedio de los
G.L Suma de cuadrados F Valor crítico F
cuadrados
Regresión 1 0,005879234 0,005879234 4,013619183 0,060424794
Residuos 19 0,027831601 0,001464821
Total 20 0,033710835
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,0274916833 0,0691714594 2,003401902 0,059606739 –0,012298399 0,562132066 –0,012298399 0,562132066
Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77
67
68
análisis – revista del mercado de valores , núm . 5 , edición julio 2016
Éxito
8.000
10.000
12.000
14.000
16.000
18.000
20.000
24.000
22.000
FQ12006
Inicio
FQ22006
FQ32006
Y=0,4519x
FQ42006
Éxito
FQ12007
FQ22007
Contenido
FQ32007
FQ42007
ROA
Salir
FQ12008
FQ22008
Precio mercado
FQ32008
FQ42008
FQ12009
FQ22009
Lineal (Éxito)
ROE
FQ32009
VARE
FQ42009
FQ12010
FQ22010
Volver
FQ32010
FQ42010
Éxito
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,011274061 0,011274061 11,54340021 0,003208816
Inicio
Residuos 18 0,017580011 0,000976667
Total 19 0,028854072
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,006612501 0,007526686 0,878540912 0,391227242 –0,009200478 0,022425481 –0,009200478 0,022425481
Contenido
Variable X1 0,412305935 0,121353613 3,397557978 0,003208816 0,057351455 0,667260414 0,157351455 0,667260414
Salir
ANALISI DE VARIANZA
Grado de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,01571222 0,01571222 16,28312767 0,000776451
Residuos 19 0,018333836 0,000964939
Total 20 0,034046056
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,451910801 0,111991177 4,035235764 0,000706942 0,217510574 0,686311027 0,217510574 0,686311027
Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77
69
70
análisis – revista del mercado de valores , núm . 5 , edición julio 2016
400
600
800
1.000
1.200
1.400
1.600
1.800
Porcentajes
Grupo Aval
FQ12006
-15
Inicio
FQ22006
FQ32006
FQ42006
-10
FQ12007
Contenido
FQ22007
Grupo Aval
FQ32007
-5
FQ42007
Salir
ROA
FQ12008
5
15
10
20
-15
-10
0
FQ22008
0
Precio mercado
FQ32008
Porcentajes
FQ42008
FQ12009
FQ22009
5
ROE
FQ32009
VARE
Lineal (Grupo Aval)
FQ42009
FQ12010
Y=0,5344x
10
Volver
FQ22010
FQ32010
FQ42010
Grupo Aval
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,016298642 0,016298642 7,300278293 0,014592573
Inicio
Residuos 18 0,040186901 0,002232606
Total 19 0,056485543
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,006448739 0,007526686 0,566680547 0,577929748 –0,017459435 0,030356912 –0,017459435 0,030356912
Contenido
Variable X1 0,495741308 0,121353613 2,701902717 0,014592573 0,110267089 0,881215528 0,110267089 0,881215528
Salir
ANALISI DE VARIANZA
Grado de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,01571222 0,021968918 10,20464933 0,005023159
Residuos 19 0,018333836 0,002152834
Total 20 0,034046056
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,534365336 0,167278157 3,194471683 0,004772967 0,184248129 0,88448242 0,184248129 0,884482542
Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77
71
72
análisis – revista del mercado de valores , núm . 5 , edición julio 2016
Porcentajes
400
5.400
10.400
15.400
20.400
25.400
30.400
35.400
40.400
45.400
FQ12006
Grupo Sura
-0,50
0,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
FQ22006
Inicio
0
FQ32006
FQ42006
1
FQ12007
FQ22007
Contenido
Grupo Sura
FQ32007
ROE
FQ42007
Salir
FQ12008
FQ22008
3
Precio mercado
FQ32008
Porcentajes
FQ42008
FQ12009
4
FQ22009
ROA
FQ32009
VARE
Lineal (Grupo Sura)
5
FQ42009
FQ12010
Volver
FQ22010
Y=0,3801x
FQ32010
FQ42010
Grupo Sura
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,000388457 0,000388457 6,995712681 0,016463922
Inicio
Residuos 18 0,000999503 5,55279E-05
Total 19 0,00138796
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,000255578 0,00445207 0,057406545 0,954853823 –0,009097874 0,00960903 –0,009097874 0,00960903
Contenido
Variable X1 0,372722076 0,140918864 2,64494096 0,016463922 0,076662529 0,668781624 0,076662529 0,668781624
Salir
ANALISI DE VARIANZA
Grado de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,002885986 0,002885986 54,85099352 7,22025E-07
Residuos 19 0,000999685 5,2615E-05
Total 20 0,003885672
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,380223801 0,051338958 7,406145659 5,16768E-07 0,272770127 0,487677474 0,272770127 0,487677474
Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77
73
74
análisis – revista del mercado de valores , núm . 5 , edición julio 2016
8.000
10.000
12.000
14.000
16.000
18.000
20.000
22.000
Inverargos
FQ12006 Porcentajes
-2
-1
0
1
2
3
4
5
6
7
FQ22006
Inicio
0
FQ32006
FQ42006
FQ12007
0,50
FQ22007
Contenido
FQ32007
Inverargos
1,00
FQ42007
ROA
Salir
FQ12008
FQ22008
1,50
Precio mercado
FQ32008
Porcentajes
FQ42008
2,00
FQ12009
FQ22009
ROE
2,50
FQ32009
VARE
FQ42009
Lineal (Inverargos)
Y=0,7184x
FQ12010
3,00
Volver
FQ22010
FQ32010
FQ42010
Inverargos
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,000285917 0,000285917 1,64362551 0,216095891
Inicio
Residuos 18 0,0003131188 0,000173955
Total 19 0,003417105
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,003211544 0,00635888 0,47678102 0,639254999 –0,010940032 0,017363119 –0,010940032 0,017363119
Contenido
Variable X1 0,538388738 0,419947045 1,28203959 0,216095891 –0,343887266 1,420664741 –0,343887266 1,420664741
Salir
ANALISI DE VARIANZA
Grado de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,002655606 0,002655606 15,91321015 0,000860398
Residuos 19 0,003170732 0,000166881
Total 20 0,005826338
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,718400297 0,180089173 3,989136517 0,000785443 0,3411469325 1,095331268 0,341469325 1,095331268
Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77
75
76
análisis – revista del mercado de valores , núm . 5 , edición julio 2016
1
2
3
4
5
6
7
8
10
11
Porcentajes
FQ12006
Tablemac
FQ22006
10,00
0,50
1,00
1,50
2,00
2,50
3,00
3,50
4,00
Inicio
0
FQ32006
FQ42006
FQ12007
0,50
FQ22007
Contenido
FQ32007
Tablemac
FQ42007
ROA
1,00
FQ12008
Salir
FQ22008
Precio mercado
1,50
FQ32008
Porcentajes
FQ42008
FQ12009
2,00
FQ22009
ROE
FQ32009
VARE
FQ42009
Lineal (Tablemac)
2,50
FQ12010
FQ22010
Y=0,8004x
Volver
3,00
FQ32010
FQ42010
Tablemac
ANALISI DE VARIANZA
Grados de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 6,4829E-05 6,48291E-05 0,956663918 0,340992395
Inicio
Residuos 18 0,001219785 6,77658E-05
Total 19 0,001284614
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Intercepción 0,018853458 0,00635888 0,47678102 0,000286667 0,010020792 0,027686124 0,010020792 0,027686124
Contenido
Variable X1 –0,25636647 0,419947045 1,28203959 0,340992395 –0,807036528 0,294303588 –0,807036528 0,294303588
Salir
ANALISI DE VARIANZA
Grado de Promedio de los
Suma de cuadrados F Valor crítico F
libertad cuadrados
Regresión 1 0,003296409 0,003296409 24,25167535 0,000109328
Residuos 19 0,002582575 0,000135925
Total 20 0,005878983
Coeficientes Error típico Estadístico t Probabilidad Inferior 95% Superior 95% Inferior 95,0% Superior 95,0%
Variable X1 0,800396507 0,162530291 4,924599004 9,41008E-05 0,4602167 1,140576315 0,4602167 1,140576315
Volver
betas contables | jhon alex ander jiménez triviño, pp. 31-77
77
Inicio Contenido Salir Volver
SANTI: robot de trading
con pronósticos basados
en inteligencia artificial,
una evolución para el
mercado de valores
Gustavo Adolfo Vásquez Perdomoa,
Jorge Muñoz Sepúlvedab
Resumen
Predecir series de tiempo financieras y tener un
adecuado control de las emociones, dos problemas
complejos que disminuyen las probabilidades de
éxito en el trading.
Este artículo ilustra un nuevo y original desarrollo
para el mercado de valores colombiano, que mejora
el retorno de las transacciones y disminuye el riesgo,
mediante pronósticos basados en inteligencia artifi-
cial y herramientas de gestión del riesgo, y que eli-
mina el impacto de las emociones en la toma de
posiciones para el mercado de valores colombiano.
Administrador de Empresas,
Se aplica satisfactoriamente a activos financieros
a
Abstract
Predicting financial time series and having adequate control
over emotions are two complex problems that decrease the
probabilities of success in trading.
This article is winner of the
competition of Capital Market This article details a new and original development for
Architecs of Main year 2013 the Colombian securities market that improves the rate of
proposed by the Autorregulador
del Mercado de Valores return on transactions and decreases the risk through fore-
and The Bolsa de Valores casts based on artificial intelligence and risk management
de Colombia in the form of
posgraduate studies. tools. These eliminate the impact of emotions when taking
a position on the Colombian Securities Exchange.
a
Administrator of Companies,
Magister in Administration (c),
Universidad del Valle Bachelor
It can be satisfactorily applied to financial assets that are
of Science in Computer Science traded on the Colombian Securities Exchange (BVC) and
(c), University of the People, Pa.
Ca. It USES.
other markets in order to evaluate its capacity for wider
usage.
b
Electronic engineer and
MBA with emphasis in human Key words: Computational finance, algorithmic trading,
resources of the Universidad del
Valle in agreement with ACRIP. artificial intelligence, development of the securities market,
It has labored like boss of plant machine learning, artificial neural networks, financial index
in companies manufacturers
and financial professional. At forecasting.
present it is boss of plant in
Coca Tail - FEMSA. JEL classification: C22, C45, C53, C63.
Introducción
70 70
60 60
Pronóstico Pronóstico
50 50
revista del mercado de valores , núm . 5 , edición julio 2016
40 40
30 30
20 20
10 10
0 0
2004 2006 2008 2010 2012 2014 2004 2006 2008 2010 2012 2014
Acciones Futuros Opciones Estados Unidos Asia
Divisas Renta fija Europa
D. Evaluación de portafolios
La evaluación de los portafolios de inversión es una labor
compleja. La noción intuitiva para un inversionista sería considerar
los retornos sobre su inversión para evaluar entre dos o más porta-
folios. Sin embargo, esta visión deja a un lado aspectos importantes
como el riesgo en que se ha incurrido para obtener dicho retorno
o la pérdida máxima histórica que ha tenido dicho portafolio en
un determinado periodo de tiempo. Debido a lo anterior, y según
establece Aldridge (2010), se han desarrollado múltiples estadísti-
cos para resumir el impacto del retorno esperado y el riesgo en un
solo número o índice que permita comparar el desempeño de las
– análisis
4 Creado por iShares, iColcapes es un ETF (exchange traded funds) que busca
84 replicar el comportamiento del índice COLCAP.
|
y(n + 1) = f ( y(n), y(n − 1),..., y(n − dy ),u(n),u(n − 1),...,u(n − du) ) (1)
santi : robot de trading
u(n) = entrada actual
y(n) = salida actual
dy > = du
h = cantidad de neuronas en la capa oculta
85
u(n) wit
∑ fh wh0
z-1 bh
u(n-1) y(n+1)
∑ fh ∑ f0
z-1
b0
∑ fh
z-1
u(n-du)
y(n-dy)
z-1
z1
...
wjh
revista del mercado de valores , núm . 5 , edición julio 2016
z-1
y(n-1)
z-1
y(n)
II. Metodología
Módulo (( ((
Precios (( ((
análisis
históricos Rebalance
Portafolio
(O,H,L,C,V)
Indicadores
Fundamentales técnicos Broker
Seguridad MACD
Riesgo país RSI
etc. Estocástico
Emisión órdenes Módulo Mercado
Otros
de compra financiero:
Otros Gestión de
Módulo y venta *Divisas
fundamentales riesgo
*Derivados
Pronóstico
PIB, IPC, *Capitales
TRM, etc. de mercado
*etc.
86
Fuente: elaboración propia.
¿Codificación
exitosa?
¿Sharpe Ratio
Optimización
Mejoramiento Mercado
permanente real
Evaluación Validación en
desempeño Demo
1. Definición de la estrategia
Una estrategia de trading consiste en una serie de reglas
|
matemáticas, analíticas y gráficas, entre otras, mediante las cuales
santi : robot de trading
se busca inferir el comportamiento futuro del mercado (pronós-
tico). Aunque no hay evidencia académica concluyente sobre la
posibilidad de pronosticar el mercado mediante el análisis técnico
(Lo, Mamaysky y Wang, 2000; Xiaowei et al., 2011), se han desa-
rrollado diversos métodos a partir de la estadística y la inteligencia
artificial que permiten pronósticos adecuados.
2. Formulación de la estrategia
Existen diferentes fuentes para la estrategia que se trabajará
con el robot y abundante literatura sobre estrategias basadas en
indicadores técnicos, como por ejemplo, Elder (1999) y Bollinger
(2002). También es posible conseguir información en internet a tra-
vés de los portales de trading y los foros sobre trading automático.
87
3. Evaluación preliminar
Una vez traducida la estrategia a lenguaje de programación,
se procede a validar que dicha codificación haya sido exitosa, es
decir, que el programa efectivamente corra en la plataforma esco-
gida, lea de manera adecuada los datos históricos y cumpla las
órdenes que se pretenden mediante la estrategia.
Cuando se evidencia que la codificación cumple con los
estándares y requerimientos de la estrategia, como por ejemplo,
abrir y cerrar operaciones cuando los pronósticos y el módulo de
gestión de riesgo así lo indiquen, se procede a evaluar su desem-
peño en función del retorno y riesgo asumido con los datos históri-
cos. Esta prueba se conoce como backtesting. La función objetivo
de esta evaluación puede ser simplemente la utilidad obtenida o
diversas combinaciones de retorno con riesgo, como el Sharpe
– análisis
ε[ r ] − rf
Sharpe ratio = (2)
σ[ r ]
r1 + + rτ
ε[ r ] = (3)
τ
4. Optimización |
santi : robot de trading
Esta etapa se refiere a mejorar el desempeño del robot, maxi-
mizando el Sharpe ratio. Un riesgo presente en el desarrollo de
estrategias automatizadas es el llamado sobre-aprendizaje, que se
refiere a una adaptación de las reglas de decisión a las tendencias y
comportamientos de los datos históricos utilizados para el proceso
de optimización. Según Pardo (2008), el sobreaprendizaje sucede
durante los procesos de modelamiento estadístico cuando se realiza
un esfuerzo muy grande al crear una curva que encaje perfecta-
mente en cada inflexión que posea la serie de tiempo original.
91
Máximo
revista del mercado de valores , núm . 5 , edición julio 2016
Cierre
anterior
Rango Rango
verdadero verdadero
Cierre
anterior
Mínimo
92
D. Módulos de pronóstico
SANTI posee dos módulos de pronóstico que pueden trabajar
de manera individual o cooperativa. El primer módulo es el de pro-
nóstico mediante indicadores técnicos; para efectos del presente
artículo se utilizaron únicamente los indicadores técnicos MACD,
E. Algoritmos y evaluación
SANTI se compone de tres algoritmos resultantes de la mez-
cla de la inteligencia artificial y el análisis técnico. Dichos algorit-
mos han sido llamados técnico, mixto e inteligente, los cuales se
describen brevemente a continuación.
1. Técnico |
santi : robot de trading
Este algoritmo establece como elemento de pronóstico al alza
o de cambio de tendencia el cruce de la línea MACD con la señal.
Debido a que en la BVC no se encuentran disponibles las ventas
en corto, el algoritmo solo puede realizar operaciones de compra
en mercados al alza, por lo cual la orden se refuerza con una
media móvil exponencial larga, que debe estar debajo del precio
de compra (ask). Por último, se tiene en cuenta que el indicador de
fuerza relativa (RSI, por sus siglas en inglés) esté en ascenso.
2. Inteligente
Este algoritmo posee una RNA con capacidad de pronosticar
el sentido y la probabilidad de que el activo financiero alcance
determinado precio. Puede predecir a corto (intradía también
93
20
revista del mercado de valores , núm . 5 , edición julio 2016
16
12
n valores de entrenamiento n 1/4 valores de pronóstico
3. Mixto
Similar a lo propuesto por Chen, Mabu, Shimada y Hirasawa
(2009), en el algoritmo con funcionamiento mixto, la señal que
provee la red neuronal es validada por la media móvil exponencial
y el sentido del indicador de fuerza relativa. Está diseñado para
abrir y cerrar las operaciones en un intervalo máximo de un día.
–
III. RESULTADOS
análisis
94
17.640
17.440
17.240
17.040
16.840
16.640
16.440
Ma-forecast Close
Compras Ventas
17.640
Cotización activo
17.440
17.240
17.040
16.840
|
16.640
17.740
17.240
16.740
16.240
15.740
Ma-forecast Close
Compras Ventas
cuatro semanas, 5,4% 0,14 1,81% 30,7% 0,25 -0,68% 2,4% 0,06 -5,7%
lunes a viernes
96
Referencias
102
103
a
The author is economist
with emphasis in finances of Abstract
the Universidad Pontificia
Bolivariana, with diploma This paper seeks to educate the reader on exchange traded
in Stock market Chair of the
same institution in agreement
funds and propose two pricing models through pricing
with the Stock exchange of objectives and the Black-Litterman model. Both these mod-
Colombia. Email:
camilobayarri@ gmail.com.
els allow for the future behaviour of ETF to be forecasted.
The pricing model through pricing objectives is simpler in
The author appreciates the
comments of Roberto Camargo
its implementation if the fund is considered to be a hold-
Moreno, Administrator of ing, given that an average of the desired ETF profitability
Companies of the Universidad
Pontificia Bolivariana and
can be calculated through estimating the desired profit-
Magíster in Administrative ability. However, pricing using the Black-Litterman model
Engineering of the National
University, the one who exerts
understands profitability to be like a portfolio, and, through
like professor title of the analysts’ projections and their respective confidence levels
School of Strategic Sciences
of the Universidad Pontificia
the profitability and volatility of the portfolio are estimated,
Bolivariana. which allows it to be ranked in terms of efficiency.
Magíster In Technological
b
Key words: Exchange traded funds, pricing, Black-Litterman
management, Universidad
Pontificia Bolivariana. Colcap.
Methodological and thematic
adviser. JEL Classification: G110, G170.
Los exchange traded funds (ETF) son fondos bursátiles, cuyas uni-
dades de participación son de transacción bursátil, es decir, son
títulos participativos que se transan en la bolsa de valores igual
que las acciones, lo cual permite comprarlas o venderlas en cual-
quier momento del día. Los ETF fluctúan de acuerdo con los cam-
bios en el valor de sus activos subyacentes y, por otro lado, de
acuerdo con los cambios en la oferta y la demanda de las mismas
unidades de participación emitidas por estos fondos bursátiles en
el mercado. Estas unidades de participación pueden ser objeto
de ventas en corto o de transacciones como repos, simultáneas
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
o de transferencia temporal de valores en la Bolsa de Valores de
Colombia (BVC) (Blackrock, 2011a).
La inversión en índices bursátiles a través de ETF permite a los
inversionistas tener una diversificación más eficiente a un menor
costo, ya que con una sola unidad de un fondo bursátil tiene una
participación en las principales acciones del país, sector o activo
en particular, por lo cual el inversionista no queda expuesto al
riesgo de una sola compañía, sino que una unidad de participa-
ción representa el riesgo de todas las compañías que conforman el
índice de referencia. Por lo tanto, la decisión de inversión queda
ligada al desempeño de un país, sector o activo en particular (Blac-
krock, 2012).
Los ETF han revolucionado el mundo bursátil desde su
introducción en el mercado norteamericano en 1993 y se han
incrementado exponencialmente desde 2004. En su primer año
de existencia solo existía un ETF1 en el mercado con activos por
US$464 millones y para el año 1997 tan solo existían dos ETF
cotizando en la bolsa de Estados Unidos con activos por un total
de US$6,2 billones (Ferri, 2008). En el gráfico 1 se observa el cre-
3.000 4.500
4.000
2.500
3.500
Activos (US$ Bn)
2.000 3.000
2.500
#ETF
1.500
revista del mercado de valores , núm . 5 , edición julio 2016
2.000
1.000 1.500
1.000
500
500
-
2000 2002 2003 2004 2006 2008 2010 2011 2012 2013 2014 jul-15
Activos ETF #ETF
I. ETF en Colombia
108
$14 60
#ETF
$8
30
$6
20
$4
$2 10
$- 0
2002 2003 2004 2004 2006 2007 2008 2009 2010 2011 2012 2013 2014 jul-15
Acticos ETF #ETF
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
Esto se explica en parte por algunas condiciones macroeco-
nómicas y regulatorias en Colombia que no permitían que los fon-
dos internacionales participaran del mercado local. Gracias a los
cambios regulatorios que se evidenciaron con los Decretos 2555 y
4805 de 2010, se impulsó la entrada de los inversionistas extranje-
ros. A partir de febrero de 2010 se inició una tendencia creciente
en las compras netas de los inversionistas extranjeros y han adqui-
rido una participación muy relevante al punto de convertirse en
los principales inversionistas del mercado accionario Colombiano
(véase gráfico 3).
800.000
600.000
400.000
200.000
-0
-200.000
-400.000
May-11
Mar-11
Sep-11
Dic-11
Jul-11
Ene-11
May-12
Mar-12
Sep-12
Dic-12
May-13
May-14
Jul-12
Ene-12
Mar-13
Sep-13
Dic-13
Mar-14
Sep-14
Dic-14
Jul-13
Jul-14
Ene-13
Ene-14
May-15
Mar-15
Jul-15
Ene-15
Fuente: BVC.
2.500
1967
2.000
1.500 1.233
revista del mercado de valores , núm . 5 , edición julio 2016
Sector Real
Pna Natural
Extrajeros
SCB
Fiduciarias
Fondos
FIC
ADR
AFP
Soc. de
Inversión
Cñia
Seguros
Jul-15 2014
110
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
• Regulaciones del mercado: no todas las regulaciones están
en inglés.
• Compensación y liquidación: falta de base jurídica clara para
las cuentas ómnibus
• Custodio: DECEVAL actúa como el único custodio del mer-
cado local
• Trading: bajó nivel de competencia entre las Sociedades
Comisionistas de Bolsa conlleva a altos costos de transacción.
• Transferibilidad: operaciones en especie y operaciones en el
mercado al mostrador están prohibidas en renta variable.
• Ventas en corto: es permitido pero no es una práctica común
en el mercado
• Estabilidad del marco institucional: en el pasado reciente el
gobierno ha impuesto restricciones que han impactado los
flujos de capital extranjero.
111
60
40
20
-20
Dic Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar
2000 2001 2002 2003 2004 2005
Fuente: Bloomberg.
10
-10
-20
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
-30
Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec
2011 2012 2013 2014
Fuente: Bloomberg.
20
10
-10
-20
-30
Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun Sep Dec Mar Jun
2011 2012 2013 2014 2015
Fuente: Bloomberg.
3 MSCI EM Latin America Index, MSCI Emerging Markets Index y MSCI ACWI
Index (MSCI Index Research, 2015). 113
Fuente: Bloomberg.
–
114
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
Compañía Ponderación
Ecopetrol 19,75%
Bancolombia-PREF 13,77%
Grupo de INV Suramericana 12,80%
Almacenes Éxito 7,41%
Grupo Nutresa 6,88%
Pacific Rubiales Energy Corp 6,58%
Interconexión Electrica 6,47%
Grupos Argos 6,27%
Grupo Aval acciones- PREF 3,39%
Cementos Argos 3,75%
Corp Financiera Colombiana 3,20%
Isagen 2,88%
Banco Davivienda 2,79%
Petrominerales LTD 0,96%
Avianca Taca Holding 0,66%
Fabricato 0,61%
Bolsa de Valores de Colombia 0,48%
Canacol Energy 0,33%
Tablemac 0,25%
Empresa de Telecom de Bogotá 0,23%
Fuente: Bloomberg.
Los precios objetivo de las acciones que componen el ETF
son consultados en una terminal Bloomberg a través del comando
ANR (recomendación analistas). Esta función despliega el listado
de las recomendaciones de los analistas, precios objetivo, perio-
dos para lograr dichos precios objetivo y rating del consenso de
analistas para una acción específica (esta escala esta entre 0 y 5,
siendo 0 recomendación de venta y 5 recomendación de compra).
115
100 4500
revista del mercado de valores , núm . 5 , edición julio 2016
80 4000
60 3500
3000
40 2500
20 2000
0 1500
500
0
-500
Sep NovDec Jun Feb MarMay Jul AugSep NovDec Jun Feb Mar May Jul Aug
2010 2011 2012
Fuente: Bloomberg.
objetivo Valorización
Ecopetrol $5.280 $5.317 0,7%
Bancolombia-PREF $26.720 $32.654 22,2%
Grupo de INV Suramericana $30.560 $39.595 29,6%
Almacenes Éxito $29.980 $31.200 4,1%
Grupo Nutresa $20.960 $26.106 24,6%
Pacific Rubiales Energy Corp $45.400 $60.389 33,0%
Interconexión Electrica $10.780 $13.490 25,1%
Grupos Argos $18.160 $21.550 18,7%
(Continúa)
116
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
Bolsa de Valores de Colombia $29 $39 32,3%
Canacol Energy $838 $1.999 138,6%
Tablemac $10 $15 50,0%
Empresa de Telecom de Bogotá $410 $510 24,4%
Fuente: Bloomberg.
Ecopetrol 4 4 6
Bancolombia-PREF 8 – 3
Grupo de INV Suramericana 12 – –
Almacenes Éxito 7 1 6
Grupo Nutresa 8 1 1
Pacific Rubiales Energy Corp 28 – 5
Interconexión Electrica 4 1 1
Grupos Argos 7 1 1
(Continúa)
117
Fuente: Bloomberg.
118
18.400
17.900
16.900
ICOLCAP CB Equity; 16.984
16.400
15.900
15.400
14.900
06/07/2011 06/10/2011 06/01/2012 06/04/2012 06/07/2012
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
ICOLCAP CB Equity Precio justo
1. Modelo B-L
La primera aproximación a una teoría de portafolio efi-
ciente fue expuesta por Harry Markowitz en la década de los cin-
cuenta y subsecuentemente expandida por autores como Sharpe
(1964), Lintner (1965) y Mossin (1966) citados por Beninga (2008).
Markowitz cambió el paradigma de inversión al darle un soporte
estadístico a la creencia popular de que “todos los huevos no
debían estar en una sola canasta”, lo que dio paso a la creación de
la teoría moderna de portafolio (Benninga, 2008).
119
17.600
17.200
17.000
16.600
16.400
16.200
16.000
06/07/2012
16/07/2012
26/07/2012
05/08/2012
15/08/2012
25/08/2012
04/09/2012
14/09/2012
24/09/2012
revista del mercado de valores , núm . 5 , edición julio 2016
Min 2 ( x ) = x’ ∑ x
∑x i = 1y xi ≥ 0
120
Supuestos:
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
portafolio óptimo se hace necesario contar con los retornos espe-
rados para cada activo, la varianza de todos los activos y la cova-
rianza entre todos los activos del portafolio (Mankert, 2006). Esto
permitirá teóricamente construir un portafolio que permita maximi-
zar los retornos esperados a un nivel de riesgo determinado.
Sin embargo, en la práctica el MVO de Markowitz presenta
algunas inconsistencias:
por BL se explican por las visiones que tienen los analistas sobre
cada activo. A cada visión el encargado de la asignación de activos
le asigna un nivel de confianza dependiendo de qué tan seguro
se encuentra sobre esta visión y el nivel de confianza asignado
a cada visión impacta las ponderaciones del modelo BL sobre el
portafolio benchmark (Mankert, 2006).
Una de las características del modelo B-L es la noción de que
los inversionistas asumirán mayores riesgos donde tengan visiones
y, en consecuencia, con los riesgos más grandes donde tengan las
visiones más fuertes. En este modelo todos los retornos esperados
son vistos como una mezcla entre las visiones y los retornos de
equilibrio (Goldman Sachs, 1998).
Actualmente el modelo B-L solo difiere con el de Markowitz
en la forma de estimar los retornos esperados. En los otros aspec-
tos es muy similar al modelo de optimización de media varianza
de Markowitz (Mankert, 2006).
La fórmula que describe el modelo B-L es la siguiente
(Idzorek, 2004):
– análisis
−1
E [ R ] = [ (t ∑−1) + P ’Ω−1P ] [ (t ∑−1) π + P ’Ω−1Q ]
Donde
E(R) es la columna de los retornos combinados
T es un escalar
es la matriz de covarianza y de excesos de los retornos
P es la matriz que identifica los activos involucrados en
las visiones
122
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
local en Serfinco Comisionistas de Bolsa S. A.
Dado que un ETF tiene la función de replicar un índice, la
ponderación de los activos que componen este fondo bursátil no
es susceptible a modificaciones, a no ser que se anuncien reba-
lanceos trimestrales para el caso del Colcap. En este caso la única
función del modelo BL es utilizar la asignación del ICOLCAP y
utilizarla como portafolio benchmark y determinar qué tan lejos o
cerca se encuentra de la frontera eficiente.
Teniendo en cuenta el portafolio benchmark, que para este
caso es el ICOLCAP, se modeló un portafolio a través del modelo
B-L. Las desviaciones entre el portafolio benchmark y el estimado
por este modelo corresponden a las visiones que tienen los analis-
tas sobre los distintos activos (véase cuadro 5).
El precio objetivo para el ICOLCAP a través del modelo B-L
es de $19.306, ubicándose cerca del precio objetivo medio esti-
mado mediante precios objetivo.
(Continúa)
123
III. Conclusiones
– análisis
25,0%
20,0%
Rentabilidad E.A
15,0%
10,0%
5,0%
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
0,0%
0% 5% 10% 15% 20% 25% 30%
Volatilidad
Referencias
126
modelo de valor ación de etf, camilo bayarri y roberto camargo pp. 105 -127
127
Resumen
En este documento investigativo se pretende comprobar
la existencia del efecto day of the week en el mercado
de capitales colombiano con los precios de cierre del
índice general de la Bolsa de Valores de Colombia (IGBC),
Documento ganador del
durante el período 2001 a 2013. Se estiman regresiones Concurso Arquitectos del
para el retorno del índice con los métodos de Prais y Mercado de Capitales año
2013. Categoría Pregrado.
Winsten y GARCH, además se comprueba que el día vier- a
Profesional en Finanzas
nes se tienen mayores retornos que el resto de la semana, y Comercio Exterior de la
lo cual permite a los inversionistas tener en cuenta otro Universidad Sergio Arboleda.
Correo electrónico: johan-
parámetro para la toma de decisiones. nadmoreno@gmail.org.
b
Profesional en Contaduría
Palabras clave: efecto day of the week, decisiones de Pública y noveno semestre de
inversión, volatilidad, psicología del mercado. Finanzas y Comercio Exterior
de la Universidad Sergio
Arboleda. Correo electrónico:
Clasificación JEL: G11, G14, G17. ana.cepedac@gmail.com.
I. Revisión de la literatura
Fields (1934) presenta por primera vez el efecto day of the week al
realizar un análisis del índice Dow Jones Industrial Average, para
lo cual toma datos diarios en un período de quince años (1915-
1930) y obtiene como resultado una gran significancia en los pro-
medios de los retornos de los días lunes y viernes. Durante las
siguientes décadas Fama (1970) y Cross (1973) demostraron con
– análisis
sus estudios los mismos resultados de Fields, esto es, que los días
lunes tienen un promedio más bajo y una volatilidad más alta que
los demás días.
French (1980) toma los datos del índice S&P 500 compren-
didos desde 1953 hasta 1977 y analiza la rentabilidad diaria y su
comportamiento. Los resultados que obtiene son evidencia de que
los días lunes presentan en promedio una rentabilidad más baja.
De igual manera, el viernes presenta un promedio de ren-
tabilidad más alto sobre los demás días. Gibbons y Hess (1981)
132
noticias entre los días lunes y viernes y las malas en los fines de
semana. En consecuencia, las noticias negativas se reflejan en
bajos precios de las acciones del siguiente día de operación (lunes),
así como ante las buenas noticas se observa un alto precio de las
acciones los días viernes (Nageswari et al., 2011).
Las anomalías de calendario más reconocidas son el efecto
enero, el cual relaciona la capitalización de las pequeñas com-
pañías y sus retornos, superando a aquellas de alta capitalización
(Latif, Arshad, Fatima y Farooq, 2011). El efecto lunes es aquel que
134
rt = E( r ) + rdt + t (1)
135
A. Datos
Los datos para el modelo son el IGBC, entre enero de 2001
hasta marzo de 2013. En este índice se incluyen las acciones de
acuerdo con su rotación y frecuencia. Se tomaron los precios dia-
rios de cierre y se calcularon los retornos usando el método OLS,
que se representa en la ecuación:
It (3)
Rit = In( )
It −1
revista del mercado de valores , núm . 5 , edición julio 2016
40
20
0
60 Jueves Martes
Densidad
40
20
0
-1 0 -1 -2 0 -1 -2
Retorno Retorno
K densidad retorno Densidad
136
IV. Resultados
138
V. Conclusiones
Referencias
Ajayi, R., Mehdian, S., & Perry, M. (2004). The day-of-the week effect
in stock returns. Further evidence from Eastern European emerging
markets. Emerging Markets Finance and Trade, 40(4), 53-62.
Aragonés, J., & Mascareñas, J. (1994). La eficiencia y el equilibrio en los
mercados de capitales. Disponible en http://economiayfinanzas.
tripod.com/tf/m_eficientes.pdf.
|
143
Resumen
El crecimiento presentado en el mercado bursátil colom-
biano de renta variable, junto a la introducción del índice
COLCAP como referencia para aquellos inversionistas que
estructuren sus portafolios con un beta que replique el mer-
cado, han permitido el desarrollo de este trabajo que con-
templa la creación de una opción sobre el índice COLCAP
y el planteamiento de un mercado de opciones inexistente
en el país, base para el índice CVIX como instrumentos de
cobertura. La volatilidad implícita, variable fundamental
en la valoración de las primas, es extraída de una superfi- Documento ganador del
cie de volatilidad modelada a partir de una aproximación Concurso Arquitectos del
Mercado de Capitales año 2014.
econofísica y la teoría de Black and Scholes, en función Categoría Pregrado.
del plazo al vencimiento y deltas. Una vez contempladas a
Ingeniera Financiera de la
todas las variables se procede a calcular para el primer día Universidad Piloto de Colombia,
con diplomado en Riesgos
de negociación un mercado de opciones que contempla Financieros en la Escuela de
182.400 datos e igual número de volatilidades, de donde Finanzas de España. Correo
electrónico: Jennyviviana2000@
se estima finalmente el índice CVIX. yahoo.com.
b
Ingeniera Financiera de la
Palabras clave: cobertura, jump diffusion, opciones, super- Universidad Piloto de Colombia,
ficie de volatilidad, volatilidad histórica, volatilidad implí- con diplomado en Riesgos
Financieros de la Escuela de
cita, VIX, mercado de opciones, mercado de volatilidades. Finanzas de España. Correo
electrónico: Diana15p.91@
Clasificación JEL: G10, G17. hotmail.com.
Abstract
Growth in equities seen in the Colombian stock market
together with the introduction of the COLCAP index, which
serves as a reference for those investors who organize their
portfolios with a beta that replicates the market, has led
to the development of this work. It studies the creation
of an option on the COLCAP index and the proposal of
This article is winner of the
competition of Capital Market
an options market, which currently does not exist in the
Architecs of Main year 2014 country, as hedging instruments and a basis for the CVIX.
proposed by the Autorregulador
del Mercado de Valores
Implied volatility, which is a fundamental variable in the
and The Bolsa de Valores pricing of option prices when given a certain deadline and
de Colombia in the form of
undergraduate studies.
option’s delta, is calculated from a volatility surface that is
modelled based on an econophysics estimation and the
a
Financial engineer of
the Universidad Piloto de
Black-Scholes Model. When all the variables are consid-
Colombia, with diploma in ered a calculation is produced for the first day of trading in
Financial Risks in the School of
Finances of Spain.
an options market that considers 182,400 pieces of informa-
Email: Jennyviviana2000@ tion and an equal number of volatilities, and the final CVIX
yahoo.com.
index is estimated.
b
Financial engineer of
the Universidad Piloto de Key words: coverage, jump diffusion, options, volatility
Colombia, with diploma in surface, historical volatility, implied volatility, VIX, options
Financial Risks of the School of
Finances of Spain. market, volatility.
Email: Diana15p.91@hotmail.
com. JEL classification: G10, G17.
|
un mercado de opciones3 y de volatilidades4, y una vez con esta
información plantear y valorar el índice CVIX. estimación de una superficie de vol atilidad
La superficie de volatilidad5 es desarrollada mediante una
aproximación al modelo econofísico jump diffusion, desarrollado
por Robert Merton; la estimación de los strikes y su posterior
I. Marco referencial
A. Tipos de opciones
análisis
|
• Volatilidad (): Se define como la medida de incertidumbre,
sobre los movimientos futuros del precio. Al ser un parámetro estimación de una superficie de vol atilidad
que no se puede observar directamente en el modelo BSM,
en el mercado real, es transado por medio de una superficie
de volatilidad, la cual suministra las volatilidades implícitas,
siendo estas las esperadas por el mercado. Esta superficie fue
propuesta por Dupire10 y desarrollada en 1994 por Derman11,
B. Mercado de opciones
El mercado de opciones es el medio que permite la iteración
de agentes y clientes, donde pueden negociar un activo subya-
cente de manera que puedan especular un riesgo a cambio de una
ganancia o realizar una operación de cobertura cuyo fin es reducir
o mitigar los riesgos que se derivan de la fluctuación de los precios
del activo subyacente.
Para hacer más eficiente el tema de cobertura, fue conside-
rada la volatilidad implícita de los subyacentes negociados, como
base para un nuevo índice que midiera la expectativa al corto
plazo, dando lugar al índice de volatilidad VIX13, el cual fue imple-
mentado en 1993 por el CBOE, en base a las opciones negociadas
sobre el índice S&P 50014, para medir el nivel de volatilidad implí-
– análisis
|
En la Ley 964 de 2005 quedó establecido que los derivados
financieros, entre los cuales se incluyen las opciones, serán regu- estimación de una superficie de vol atilidad
lados como valores, siempre que sean estandarizados y suscepti-
bles de ser transados en bolsas de valores o en otros sistemas de
negociación. De esta manera se crea la Cámara de Riesgo Central
de Contraparte, para mitigar los riesgos de contraparte y facilitar la
liquidez de las operaciones.
|
De Los resultados obtenidos con el modelo tradicional20 se
concluye lo siguiente (gráfico 1): estimación de una superficie de vol atilidad
3,5
20.000
3,0
2,5 15.000
2,0
1,5 10.000
revista del mercado de valores , núm . 5 , edición julio 2016
1,0
5.000
0,5
0 0.000
01/02/2008
05/02/2008
07/02/2008
11/02/2008
13/02/2008
15/02/2008
19/02/2008
21/02/2008
25/02/2008
27/02/2008
29/02/2008
04/03/2008
08/03/2008
10/03/2008
12/03/2008
14/03/2008
19/03/2008
25/03/2008
27/03/2008
31/03/2008
Volat. ultimos 30 días Volat. modelada con Garch (1,1)
Prima teoríca BS (Garch1,1) Prima de mercado al cierre
donde: s
0 2
In( + r − q + T
k 2 (3)
d1 =
154 T
30
Volatility (%)
25
20
15
10
0,41 0,51 0,56 0,60 0,63 0,68
Option Strike (GBP per 1 AUD)
revista del mercado de valores , núm . 5 , edición julio 2016
3. Superficie de volatilidad
Para el desarrollo de la superficie de volatilidad se plantea
un modelo propio empleando los supuestos generales del modelo
jump diffusion, estudiado en Colombia por el autor Carlos León23,
cuya investigación fue publicada por el Banco de la República24
y quien realiza un aproximación teórica con este método para
modelar una superficie de volatilidad en el mercado cambiario.
El autor concluye que los resultados encontrados se ajustan a lo
señalado por la evidencia de mercados de opciones desarrollados.
Al conocerse la volatilidad (dada por la superficie), el strike, el
spot y el plazo, lo que el mercado considera realmente implícito es
la prima de la opción, tanto así, que se negocian las volatilidades
implícitas directamente mediante el VIX.
La estimación de los precios de la opción con volatilidades
implícitas extraídas de la superficie de volatilidad surge en vista
que los supuestos contemplados por la metodología BSM no reco-
nocen la realidad de los mercados. El más evidente corresponde
–
|
financieros “saltan”, por tanto, no puede ser ignorado este evento y
debe ser considerado como elemento esencial en los mercados. estimación de una superficie de vol atilidad
4. VIX
Una vez se cuenta con los precios estimados y negociados en
un día, se constituye el mercado de opciones con el cual, extraídas
las volatilidades implícitas, es conformado un mercado de volatili-
dad donde estas son negociadas.
Para su cálculo a continuación se presentan las fórmulas:
C ,1, A + P ,1, A
C ,1, B + P ,1, B
1, A = y 1, B = (6)
2 2
C , 2, A + P , 2, A
C , 2, B + P , 2, B
2, A = y 2, B = (7)
2 2
157
S − KB K
B−S
2 = 2, A K +
2, B (9)
A− BK K
A − KB
T
2 − 90 90 − T1
VIX = 1 T + 2T (10)
2 − T1 2 − T1
A. Estimación de strikes
A continuación se relaciona el desarrollo para la obtención
de los precios, que permitirán establecer los niveles de moneyness
de acuerdo con el delta de la opción.
1. Aproximación jump
Esta aproximación consiste en la división de los retornos del
índice mediante la desviación estándar de la serie25. Se define el
número de desviaciones que generan exceso de curtosis26 como
parámetro de división y así se obtienen dos series nuevas: una sin
saltos (browniana) que presenta una curtosis aproximada a cero
y corresponde a los movimientos cuya magnitud estandarizada es
–
igual o inferior a dicho límite y otra con saltos, esta última con
análisis
0,03
0,02
0,01
-0,02
-0,03
20110103
20110124
20110211
20110222
20110303
20110324
20110404
20110426
20110505
20110525
20110615
20110624
20110707
20110728
20110808
20110829
20110907
20110927
20111006
20111018
20111108
20111118
20111129
20111209
20111220
Retornos Normales
2. Simulación de Montecarlo
Mediante el software Risk Simulator 2013, en el módulo de
análisis de datos se hace la simulación de acuerdo con la distri-
bución de probabilidad que presente mejor ajuste de bondad
mediante el p-valor; la primera debe presentar normalidad, pues
| estimación de una superficie de vol atilidad
es la finalidad de la aproximación jump.
La bondad de ajuste será evaluada entre estos tres métodos:
B. Superficie de volatilidad
La superficie está conformada por tres variables: la volati-
lidad, el plazo y el moneyness. Los plazos corresponden a los
publicados en Bloomberg29: 1 día, 7 días, 14 días y hasta 1.828
días al vencimiento.
Adicionalmente, el moneyness está dado por el delta de la
opción de acuerdo con la misma página de referencia: 0,1, 0,25,
0,5, 0,75 y 0,9
La volatilidad es estimada con la fórmula delta neutral [8].
Para ello se cuenta con el spot, los distintos strikes y el plazo. Por
tanto, se debe buscar la volatilidad que de acuerdo con el delta
establecido permite la igualación de la ecuación.
Este procedimiento se lleva a cabo 85 veces hasta completar
– análisis
50%
45%
40%
35%
30%
Volatilidad
25 %
20%
15%
10%
5%
1. Volatilidad implícita
Para hallar la volatilidad de cada prima, se determinan los
strikes que se encuentren ATM, ITM y OTM. Para ello se asume
que el spot corresponde al valor ATM (delta 0,5); en cuanto a los
valores que se encuentran ITM (delta 0,75 y 0,9) y OTM (delta 0,25
y 0,1), se calculan con el strike de referencia a evaluar en la prima
de la opción, en función del spot, la tasa libre de riesgo, la tasa de
dividendos y el valor delta invertido.
3. Interpolación
Para la valoración de las primas de la opción es necesario
hallar la volatilidad para cada plazo al vencimiento, con base en
la calculadora de opciones de la empresa Infovalmer, proveedor
de precios del mercado colombiano, cuya base es el método de
interpolación polinómica de primer orden de Newton31, se estima
el valor de la volatilidad para cada plazo contemplado en la super-
ficie de volatilidad.
Se separan por rangos los días al vencimiento de la superficie
de volatilidad y con cada uno de ellos se abstrae la volatilidad
asociada, de manera que se establece la matriz base para realizar
la interpolación; con ella y empleando la fórmula de interpolación
lineal, se hallan las volatilidades asociadas para cada delta y cada
día al vencimiento desde el día 1 hasta 1.828 días.
En síntesis, lo que se logra es ampliar la superficie de volatilidad.
C. Prima de la opción
Se valora mediante el modelo BMS para acciones que pagan
– análisis
D. CVIX
Está conformado por 4 opciones call y 4 put, que se encuen-
tren ATM y con los plazos al vencimiento más cercano, se escogen
dos strikes aleatoriamente, uno ITM y otro OTM, y de acuerdo con
las volatilidades obtenidas, se calcula una nueva media con estos
datos para obtener el precio de ejercicio más ATM; por último se
realiza el cálculo del índice, implementando la ecuación [10].
En el siguiente apartado se enseñan los resultados obtenidos a par- | estimación de una superficie de vol atilidad
tir de los modelos desarrollados.
A. Superficie de volatilidad
En vista que el mercado acepta y emplea la fórmula de Black and
Scholes para la valoración de las primas, se evidencian dos supuestos
que se encontraron válidos al estimar la superficie de volatilidad.
25%
revista del mercado de valores , núm . 5 , edición julio 2016
23%
21%
19%
17%
Volatilidad
15%
13%
11%
9%
7%
5%
1590 1610 1630 1650 1670 1690 1710 1730 1750
Strike
Fuente: autores.
B. Volatilidad implícita
La volatilidad presentada en las opciones que tienen un plazo
de expiración menor a 10 días de operación, según la experien-
cia del mercado, es distorsionada, es decir, sobrevalua o subvalúa
–
130%
120%
110%
100%
90%
80%
Volatilidad
70%
60%
50%
40%
30%
1.861
1.751
1.609
1.627
1.647
1.668
1.688
1.706
1.730
1.779
1.816
1.887
1.500
1.519
1.537
1.554
1.572
1.600
Strike
Volatilidad 1 día Volatilidad 4 día
Fuente: autores.
C. CVIX
Una vez se realizan los cálculos, se obtiene un CVIX del
19,54%, lo que quiere decir que esta es la volatilidad que esperan
ver los inversionistas durante los treinta días siguientes.
Como es un valor inferior a veinte, se interpreta que es un
periodo de tranquilidad para el mercado, lo que puede mostrar
tendencia alcista sostenida.
| estimación de una superficie de vol atilidad
IV. Utilidad y aplicación financiera
de los resultados
165
V. Conclusiones
VI. Recomendaciones
– análisis
166
|
modelo garch multivariado. UAM, Departamento de Economía.
Mathews, J. (2000). Interpolación y aproximación polinomial. Disponible estimación de una superficie de vol atilidad
en http://disi.unal.edu.co/~lctorress/MetNum/MeNuCl03.pdf.
Merton, R. (1973). Theory of rational option pricing. Bell Journal of
Economics and Management Science.
Novales, A. (2012). Volatilidad, Universidad Complutense, Departamento
de Economía Cuantitativa.
Saavedra, P., & Ibarra, V. (s. f.). El método de Montecarlo y su aplicación
a finanzas. Universidad Autónoma Metropolitana Itapalada,
Departamento de Matemáticas.
Tagliafichi, R. (2008). La volatilidad, su cálculo y su incidencia en los
precios de los derivados. Palermo Business Review, 2.
Boletín de Información Financiera FIRA (2011). Mercado de futuros y
opciones. Disponible en http://www.fira.gob.mx.
167
weforum.orgdocs.
Calculadora de opciones INFOVALMER, Recuperado de http://www.
infovalmer.com
Mathews, J. Interpolación y aproximación polinomial. (2000). Recuperado
de http://disi.unal.edu.co/~lctorress/MetNum/MeNuCl03.pdf
Alankar, K. (2012) Valuation: Volatility Surfaces. Recuperado de http://
www.visualrisk.com/brochures/UndertheHood_VolatilitySurface_
February2012.pdf
Información índice Colcap, Bolsa de Valores de Colombia. Recuperado
de www.bvc.com.co
– análisis
168
Resumen
Después de la crisis del 2008 y de la caída de Interbolsa,
se ha visto la importancia de incluir el riesgo de liquidez
como un factor clave en los sistemas de administración
de riesgos. Por tal razón, se realiza un estudio que incor-
pora el riesgo de liquidez de trading a la metodología tra-
dicional de Valor en Riesgo aplicado al mercado de renta
variable colombiano; en consecuencia, se encuentra que
la metodología mejora la cuantificación del riesgo en tér- Documento ganador del
minos del backtesting y refleja la importancia de incluir el Concurso Arquitectos del
Mercado de Capitales año
riesgo de liquidez en la gestión diaria. Finalmente, se rea- 2014. Categoría Posgrado.
lizan recomendaciones a la Superintendencia Financiera El autor es economista de
la Universidad Nacional de
de Colombia (SFC) para mejorar el monitoreo del riesgo. Colombia, especialista en
Gestión de Riesgos y Control
Palabras clave: riesgo de mercado, riesgo de liquidez, de Instituciones Financie-
cuantificación del riesgo. ras y Magíster en Finanzas
de la Universidad de los
Andes. Correo electrónico:
Clasificación JEL: C58, G32, G12. br.rojas40@uniandes.edu.co.
Abstract
After the 2008 crisis and the fall of Interbolsa, it became
clear that it was important to include liquidity risk as a key
This article is winner of the
competition of Capital Market
factor in the risk administration systems. As such, a study
Architecs of Main year 2014 was undertaken that included liquidity risk in trading in
proposed by the Autorregulador
del Mercado de Valores
the traditional value-at-risk method that is applied to the
and The Bolsa de Valores Colombian equities market. As a result, it was found that
de Colombia in the form of
posgraduate studies.
the methodology improves the risk quantification in terms
of backtesting and reflects the importance of including the
The author is economist of
the Universidad Nacional
liquidity risk in daily management. Finally, suggestions are
de Colombia, specialist in made aimed at the Colombian Superintendence of Finance
risk management of Control
of Financial Institutions and
(SFC) in order that they improve the monitoring of risk.
Magíster in Finances of the
Universidad de los Andes. Key words: Market risk, liquidity risk, risk quantification.
Email: br.Red40@uniandes.
edu.co. JEL classification: C58, G32, G12.
La crisis del 2008 dejó varias críticas a los controles impuestos por
los entes reguladores locales e internacionales en temas de riesgos,
debido a que se evidenció flexibilidad en las políticas establecidas
por ellos en temas de gestión de riesgos; uno de los puntos que
se criticó fue el poco control en las estrategias de inversión que
aumentaron el riesgo de mercado y liquidez en el ámbito mun-
dial. En Colombia se presentó un período de tensión de la Bolsa
de Valores en el 2002, ocasionado por el debacle de Interbolsa,
el cual se dio por el incumplimiento de una obligación debido
a la iliquidez de la compañía, lo que conllevó una intervención
|
Financiera de Colombia [SFC], 1995) y en el capítulo VI las reglas
|
contractuales y, el segundo, la liquidez, definida como la posi-
A. Riesgo de mercado
El riesgo de mercado se define como las posibles pérdidas que
se pueden dar por disminución del valor del portafolio por cambio
en factores de riesgo de mercado, como tasas de interés, tasas de
cambio, precios de acciones, precios de commodities, entre otros.
Para su medición se usa el Valor en Riesgo que presenta diferentes
metodologías de cálculo, siendo las más relevantes la metodología
paramétrica (delta normal), no paramétrica o simulación histórica
y la técnica de Monte Carlo. El tema de cuantificación del riesgo
|
automático sin puja y calce voluntario) se establecen los precios,
P
α = Pe
t
[ Ε ( rt )−Ζα σt ]
(1)
q p
ht2 = α0 + ∑ αi ut2−i + ∑ βi ht2−i (5)
i =1 i =1
B. Riesgo de liquidez
El riesgo de liquidez de trading se presenta cuando el trader
fija una posición a un precio de mercado, creyendo que el mer-
cado estará en la capacidad de liquidar la posición al precio esta-
Ask Price
Cantidad
|
Como lo menciona Hull (2012), el precio por el cual un activo
1
COL1 = PS (6)
2 t
ask Bid
Donde S es el spread relativo definido como P P , a (6) se
PriceMid
le denomina modelo del spread constante, donde el COL1 no se ve
afectado por la distribución o comportamiento histórico del spread;
debido a esta debilidad, se realiza un ajuste dado en la ecuación (7).
1
COL2 = [ Pt ( S + Ζα σS ) ] (7)
–
2
análisis
1
Ladj − VaR = P − VaR + Col2 = Pt (1− e[ −Ζα σt ] ) + [ PT ( S + Ζa σ S ) ] (8)
2
|
forma se puede aplicar el concepto en la integración de riesgos,
Riesgo de mercado
Integración riesgos
Alto Bajo
Riesgo de liquidez Alto Crisis Títulos de renta fija
Gobierno central
Bajo Cuentas de ahorro Mercados
moneda extranjera desarrollados
1 1 3 1
Ζkf = Ζα + ( Ζ2α − 1) γ + ( Ζα − 3Ζα )k − ( 2Ζ3α − 5Ζα ) γ2 (9)
6 24 36
|
mayor puntaje dentro de las categorías; para la fecha son: alta
5,000 1.000
800
4,000
600
3,000
400
2,000 200
I II IIIIV I II IIIIV I II IIIIV I II IIIIV I II I II IIIIV I II IIIIV I II IIIIV I II IIIIV I II
2010 2011 2012 2013 2014 2010 2011 2012 2013 2014
revista del mercado de valores , núm . 5 , edición julio 2016
Banco
Estadísticas Ecopetrol ETB Proenergí
Occidente
Promedio 0,0003 –0,0008 0,0002 –0,0003
Máximo 0,0541 0,0982 0,6537 0,5563
Mìnimo –0,0634 –0,3340 –0,6225 –0,5563
Std. Dev 0,0133 0,0201 0,0318 0,0519
Simetría –0,4521 –3,9979 1,0756 –0,4451
Curtosis 5,7670 77,1913 308,1948 54,0552
–
.00 .12
-.04 .08
-.08 .04
-.12 .00
-.16 -.04
I II IIIIV I II IIIIV I II IIIIV I II IIIIV I II I II IIIIV I II IIIIV I II IIIIV I II IIIIV I II
|
2010 2011 2012 2013 2014 2010 2011 2012 2013 2014
0.8
.2
0.6
.1 0.4
0.2
.0
0.0
-.1 -0.2
Indicadores* Ecopetrol
Indicadores ETB
|
Componente R.M. -14,568 -14,148
Banco de Occidente
Indicadores
Desviación estándar EWMA GARCH
Proenergí
Indicadores
Desviación estándar EWMA GARCH
190
Cuadro 9. Backtesting
13 Véanse Granados y Melo (2010) para una mayor profundidad teórica. 191
V. Conclusiones
|
Finalmente, se recomienda que la SFC y Basilea incorporen
Referencias
Banco de la República.
Bolsa de Valores de Colombia (2014). Reglamento general de la BVC.
Recuperado el 1º de marzo de 2014, de http://bvc.com.co/.
Bollerslev, T. (1986). Generalized autoregressive conditional
heteroscedasticity. Journal of Econometrics, 31, 309-328.
Cao, C., & Petrasek, L. (2013). Liquidity risk in stock returns: An event-
study perspective. Journal of Banking & Finance, 18, 72-83.
Chen, L., & Wang, J. (2011). Liquidity, skewness and stock returns:
Evidence from chinese stock market. Asia-Pacific Financial
Markets, 18, 405-427.
Dowd, K. (2005). Measuring market risk. John Wiley & Sons.
Engle, R. (1982). Autoregressive conditional heteroscedasticity with
estimates of the variance of uk inflation. Econometrica, 50, 987-1008.
Erzegovesi, L. (2002). VaR and liquidity risk: Impact on market
behaviour and measurement issues. Tech Report Nr. 14, ALEA.
Fragnière, E., Gondzio, J., Tuchschmid, N., & Zhang, Q. (2010).
Non-parametric liquidity-adjusted VaR model: A stochastic
programming approach. Journal of Financial Transformation, 28,
109-116.
– análisis
|
spread: Estimating liquidity in international markets. Real Estate
195
Test de Kolmogorov-Smirnov
Sea X una variable aleatoria con una muestra x1, x2 ,..., xn , se
define la hipótesis nula H0 : F0 (X ) = FT (X ) que evalúa si la distribu-
ción empírica u observada F0 (X ) es igual a la distribución teórica.
FT ( X ) , por tanto, define la prueba de Kolmogorov-Smirnov (KS)
como:
revista del mercado de valores , núm . 5 , edición julio 2016
DKS = MaxF0 ( xi ) − FT ( xi
)
Test de Anderson-Darling
Sea X una variable aleatoria y bajo el mismo supuesto del test
de KS, se tiene el estadístico de Anderson-Darling (AD) como:
A2 = −N − S
N
( 2i − 1)
s= ∑i =1 N
[ In F ( xi ) + In(1− F ( xN +1−i ) ]
Test Chi-Cuadrado
Sea X una variable aleatoria, bajo la misma hipótesis de KS y
AD, sea fi la frecuencia observada de Xi, se define el test X2 como:
– análisis
K
(fi − Ei )2
2 = ∑i =1 Ei
14 Véase Dowd (2005), apéndice A15.2, pp. 344-349, para mayor información
196 sobre otras pruebas de bondad de ajuste.
.10 .4
Spread 0,0001
Spread 0,0000
Spread 0,0000
197
198
Resumen
En el presente documento se realiza el análisis de la
microestructura del mercado de renta fija y renta variable
colombiano, usando un activo representativo en cada uno
de los mercados (TES TF de Jul/24 y Ecopetrol, respectiva-
mente). Se propone identificar de manera empírica la exis-
tencia de cinco hechos estilizados en el comportamiento
de los retornos intraday de cada activo mediante el análi-
sis de las series utilizando herramientas estadísticas. Luego
del análisis, se encuentra que estas propiedades se presen-
Documento ganador del
tan en el activo de renta variable local, mas no completa- Concurso Arquitectos del
mente en el activo del mercado de renta fija local. Mercado de Capitales año
2014. Categoría Libre.
Este análisis se considera un punto de partida para la iden- a
Ingeniero Industrial de la
tificación de comportamientos de los retornos intraday de Universidad de Antioquia,
especialista en Finanzas
activos financieros, lo que posteriormente podrá derivarse Corporativas de la Escuela
en un modelo matemático que tenga por objetivo realizar de Ingeniería de Antioquia y
estudiante de la Maestría en
pronósticos de dichos retornos, algoritmos de trading para Matemáticas Aplicadas en
poner y agredir puntas de manera más óptima o algorit- EAFIT. Correo electrónico:
joseadolfocg@gmail.com.
mos para creadores de mercado. b
Ingeniera Matemática de la
Universidad EAFIT, Magíster
Palabras clave: Libro de Órdenes, hechos estilizados, mer- en Matemáticas Aplicadas
cados financieros, métodos estadísticos, microestructura de la Universidad EAFIT y
estudiante de la Maestría en
de mercado. Economía en esta misma uni-
versidad. Correo electrónico:
Clasificación JEL: C1, D4, G100. jackegomezr@gmail.com.
Abstract
This paper analyses the microstructure of the Colombian
fixed and variable income markets by using assets (fixed
rate government bonds as of Jul/24 and Ecopetrol) that are
representative in each one of the markets. It proposes to
This article is winner of the
competition of Capital Market empirically identify the existence of five stylized facts in the
Architecs of Main year 2014 behaviour of intraday returns of each share through time
proposed by the Autorregulador
del Mercado de Valores and series analysis using statistical tools. After analysis it was
The Bolsa de Valores de found that these facts exist in the local variable income
Colombia in the form of free
category. share and not completely in the local fixed income market
share.
a
Industrial Engineer of the
Universidad de Antioquia,
specialist in Corporate Finances
This analysis is considered to be a starting point to identify
of the School of Engineering intraday returns behaviour for financial assets. This could
of Antioquia and student of
the Mastery in Mathematics
later be turned into a mathematical model the purpose
Applied in EAFIT. Email: of which is to undertake returns forecasts, to use trading
joseadolfocg@gmail.com.
algorithms to optimally capitalize on trades with high basis
b
Mathematical Engineer of the points, and algorithms for market makers.
University EAFIT, Magíster in
Mathematics Applied of the Key words: Order book, stylized facts, financial markets,
Universidad EAFIT and student
of the Mastery in Economy in statistical methods, market microstructure.
this same university. Email:
jackegomezr@gmail.com. JEL classification: C1, D4, G100.
I. MARCO TEÓRICO
A. Mercados financieros
Un mercado financiero es un mecanismo que reúne a ven- | estudio empírico de l as propiedades
dedores y compradores de activos financieros facilitando las inte-
racciones a través de plataformas electrónicas de negociación. La
principal función de un mercado es el proceso de “descubrimiento
del precio”, lo que significa que los instrumentos financieros refle-
jen toda la información disponible en cada instante de tiempo
(Alexander, Sharpe y Bailey, 2003).
Los mercados financieros se clasifican por clase de activo
y por el esquema de funcionamiento. Las acciones se negocian
en bolsas de valores, al igual que la mayoría de los instrumentos
estandarizados como los futuros y commodities. Los instrumen-
tos de renta fija operan algunos en plataformas administradas por
bolsas de valores y en otro tipo de esquemas conocidos como
mercados “en el mostrador” (over the counter, OTC), que significa
203
B. Libros de Órdenes
– análisis
C. Hechos estilizados
En 1961, Kaldor introdujo el concepto de “hechos estiliza-
dos”, quien alegaba que el estudio de un fenómeno “debía ser libre
de comenzar con un acercamiento estilizado de cada suceso”;
basado en ello, el autor comenzó por analizar cualitativamente el
revista del mercado de valores , núm . 5 , edición julio 2016
A. Datos
El análisis se realizó sobre dos activos referentes al mercado
de renta fija y renta variable colombiano (TES TF Jul/24 y Eco-
petrol), utilizando un período que comprende del 1º de enero
de 2014 al 27 de marzo de 2014. Se cuenta con información del
mejor BID y el mejor ASK descargada de Bloomberg, tomando
para Ecopetrol el precio de las órdenes de compra y venta, mien-
tras que para los TES TF Jul/24 se elige la tasa de las órdenes de
compra y venta.
Los mercados financieros no están abiertos todo el tiempo;
por tanto, durante las noches y fines de semana los valores no
son tenidos en cuenta. Antes del procesamiento preliminar de los
datos, se toma el valor del cierre del BID y el ASK en intervalos
con una frecuencia de 5 minutos, para así construir un valor pro-
medio; estos precios MID son transformados en retornos (con el
objetivo de eliminar la no estacionariedad de la serie). Se reali-
zaron los análisis estadísticos utilizando Matlab y la descarga de
– análisis
B. Análisis preliminar
Tomando la serie de tiempo de los TES TF Jul/24, con medi-
ciones cada 5 minutos, se observa una serie con valores MID que
oscilan entre 6,5% y 7,3%, aproximadamente, con algunas tenden-
cias en agrupaciones de rangos de tiempo (véase gráfico 1.)
208
6,9
6,8
6,7
6,6
6,5
6,4
|
3,900
estudio empírico de l as propiedades
3,800
3,700
Precio
3,600
3,500
3,400
3,300
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Intervalos 5 minutos
2
revista del mercado de valores , núm . 5 , edición julio 2016
Variación pbs
-2
-4
-6
-10
-12
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Fuente: Elaboración propia. Primera diferencia de las tasas expresada en puntos básicos (pbs)1.
0,04
0,03
0,02
Log Retornos
0,01
-0,01
-0,02
-0,04
0 500 1000 1500 2000 2500 3000 3500 4000 4500 5000
Intervalos 5 minutos
Tabla 1. Curtosis
212
|
Q-Test 5 min 383,7|31,41 1.106,8|31,41
estudio empírico de l as propiedades
Q-Test 10 min 25,83|31,41 720,50|31,41
0,018
0,016
0,014
Volatilidad
0,012
0,01
0,008
0,006
0,004
0,002
0,00
1
1,5 0
2 10
2,5 20
3 30
Hora 3,5 4 40 Día
4,5 50
5 60
– análisis
REFERENCIAS
218
0,8
0,6
autocorrelación Muestra
0,4
-0,2
-0,4
0 2 4 6 8 10 12 14 16 18 20
Lag
0,8
| estudio empírico de l as propiedades
autocorrelación Muestra
0,6
0,4
0,2
-0,2
0 2 4 6 8 10 12 14 16 18 20
Lag
0,8
autocorrelación Muestra
0,6
0,4
0,2
revista del mercado de valores , núm . 5 , edición julio 2016
-0,2
0 2 4 6 8 10 12 14 16 18 20
Lag
0,8
autocorrelación Muestra
0,6
0,4
–
0,2
análisis
-0,2
0 2 4 6 8 10 12 14 16 18 20
Lag
220
a. Presentación de artículos
Quienes deseen presentar sus trabajos a Análisis deberán
enviar una versión electrónica de su artículo en formato Word, al
correo sgamez@amvcolombia.org.co.
En la portada deberá aparecer la siguiente información:
i. Título del trabajo.
ii. Información de identificación del autor (o autores): nom-
bre, institución a la que pertenece y correo electrónico.
iii. Resumen en español e inglés, de entre 100 y 120 palabras
cada uno.
iv. Entre tres y cinco palabras clave en español e inglés. Los
documentos económicos deben además incluir cuatro o cinco
códigos de clasificación del sistema JEL (Journal of Economic Lite
rature), los cuales pueden ser consultados en la siguiente página
web: http://www.aeaweb.org/journal/jel_class_system.php.
El editor y el Comité Editorial de la revista son las instancias
que deciden la publicación de los trabajos, a partir de las revisio-
nes realizadas por los árbitros de cada número. Se aclara que el
envío de material no obliga a realizar su publicación.
b. Derechos de autor
El autor cede los derechos de publicación al AMV una vez
el artículo sea aceptado para publicación. En ese caso, AMV ten-
drá el derecho para reproducirlo y distribuirlo de manera impresa,
electrónica o de cualquier otra forma. 221
e. Referencias
Las referencias bibliográficas utilizadas se deben citar siguiendo
estrictamente el estilo APA (American Psychological Association,
http://www.apastyle.org/learn/faqs/index.aspx).
El uso de pies de página se debe reservar exclusivamente para
notas aclaratorias o explicativas y no para las referencias bibliográ-
ficas.
– análisis
f. Proceso de evaluación
Los artículos que cumplan las condiciones de presentación se
someterán a una revisión ciega, que garantiza el anonimato de los
evaluadores y autores. Cada artículo es evaluado por dos árbitros.
La evaluación se realiza teniendo en cuenta la pertinencia y
actualidad de la temática abordada, la originalidad del contenido,
el rigor científico y argumental, la coherencia metodológica y los
222 aspectos metodológicos del artículo.
Política Editorial
Derechos de autor
224
ARTÍCULOS
31 Betas contables
Jhon Alexander Jiménez Triviño
9 772215 915004 05