Académique Documents
Professionnel Documents
Culture Documents
Alumnos:
Leonardo Canales Aguirre
Angel Díaz Rojas
Profesor Guía:
Carlos Díaz Contreras
ARICA, CHILE
2017
RESUMEN
2
Tabla de contenido
CAPÍTULO I: ..................................................................................................................................... 5
ANTECEDENTES GENERALES. ................................................................................................. 5
1.1. INTRODUCCIÓN .......................................................................................................... 6
1.2. JUSTIFICACIÓN. ......................................................................................................... 7
1.3. OBJETIVOS. ................................................................................................................. 7
1.3.1. Objetivo general. ...................................................................................................... 7
1.3.2. Objetivos específicos. ............................................................................................ 7
1.4. METODOLOGÍA........................................................................................................... 7
1.5. ESTRUCTURA DE TESIS .......................................................................................... 8
1.6. ALCANCES Y LIMITACIONES DEL ESTUDIO. .................................................... 8
CAPÍTULO II: .................................................................................................................................. 10
MARCO TEÓRICO. ....................................................................................................................... 10
2.1. METODOLOGÍA DE ESTUDIO DE EVENTOS. ....................................................... 11
2.1.1. DEFINICIÓN. ........................................................................................................... 11
2.1.2. FASES DE UN ESTUDIO DE EVENTOS. ......................................................... 12
2.1.3. DEFINICIÓN DEL EVENTO. ................................................................................ 13
2.1.4. SELECCIÓN DE MUESTRA. ............................................................................... 14
2.1.5. ESTIMACIÓN DE LA RENTABILIDAD ESPERADA O NORMAL. .............. 14
2.1.6. ESTIMACIÓN DE LA RENTABILIDAD EXTRAORDINARIA. ....................... 15
2.1.7. AGREGACIÓN DE LA RENTABILIDAD EXTRAORDINARIA. ..................... 16
2.1.8. DETERMINACIÓN DEL PERÍODO DE EVENTO. ........................................... 17
2.1.9. CONTRASTES DE SIGNIFICANCIA ESTADISTICA DE LAS
RENTABILIDADES EXTRAORDINARIAS........................................................................ 18
2.2. PRUEBA DE HIPÓTESIS. ............................................................................................ 19
2.3. MODELOS DE ESTIMACIÓN. ..................................................................................... 19
2.4. PROBLEMAS EN EL ESTUDIO DE EVENTOS. ...................................................... 20
2.4.1. POSIBLES SESGOS............................................................................................. 20
2.4.2. FECHA DE ANUNCIO........................................................................................... 20
2.4.3. EVENTOS AGRUPADOS. .................................................................................... 20
2.5. CASOS APLICADOS DEL ESTUDIO DE EVENTOS. ............................................ 20
2.5.1. LA FUSIÓN DE TRES ENTIDADES FINANCIERAS COLOMBIANAS
(BANCOLOMBIA, CONAVI Y CORFINSURA). ............................................................... 20
2.5.2. RENDIMIENTO DEPORTIVO Y LA VOLATILIDAD DE LAS ACCIONES DE
LOS CLUBES INGLESES DE FÚTBOL. ........................................................................... 21
2.5.3. IMPACTO ECONÓMICO DE LAS FRANQUICIAS DE DEPORTE
PROFESIONAL EN LA ECONOMÍA LOCAL DE ESTADOS UNIDOS. ...................... 22
CAPÍTULO III:................................................................................................................................. 24
METODOLOGÍA. ........................................................................................................................... 24
3.1. DESCRIPCIÓN DE CAMPEONATOS EN ESTUDIO. ............................................. 25
3.1.1. CAMPEONATO SCOTIABANK APERTURA 2016- 2017. ............................. 25
3.1.2. CAMPEONATO SCOTIABANK CLAUSURA 2016-2017 ............................... 25
3.1.3. COPA CHILE MTS 2016....................................................................................... 25
3
3.2. DESCRIPCIÓN DE LAS SOCIEDADES PRESENTES EN EL ESTUDIO. .......... 26
3.2.1. CLUB SOCIAL Y DEPORTIVO COLO-COLO (BLANCO & NEGRO S.A). 26
3.2.2. CLUB DEPORTIVO DE LA UNIVERSIDAD DE CHILE (AZUL AZUL S.A.).
27
3.2.3. CLUB DEPORTIVO UNIVERSIDAD CATÓLICA DE CHILE (CRUZADOS
S.A.D.P.). ................................................................................................................................. 28
3.3. DEFINICIÓN DE LA METODOLOGÍA. ...................................................................... 29
3.4. MODELO DE MERCADO. ............................................................................................ 29
3.5. PERÍODO DE ESTIMACIÓN. ...................................................................................... 30
3.6. VENTANA DE EVENTOS............................................................................................. 30
3.7. PRUEBA DE LOS SUPUESTOS DEL MODELO DE REGRESIÓN LINEAL. .... 31
3.7.1. HETEROCEDASTICIDAD. ................................................................................... 31
3.7.2. AUTOCORRELACIÓN. ......................................................................................... 32
3.8. APLICACIÓN DE HIPÓTESIS. .................................................................................... 33
3.9. HIPÓTESIS PLANTEADAS. ........................................................................................ 34
3.10. PRUEBA DE SIGNIFICANCIA ESTADÍSTICA..................................................... 34
3.10.1. PRUEBA DE SIGNIFICANCIA PARA UNA MUESTRA. ................................... 34
3.10.2. PRUEBA DE MEDIA PARA DOS MUESTRAS. ................................................. 35
CAPÍTULO IV: ................................................................................................................................ 37
APLICACIÓN. ................................................................................................................................. 37
4.1. SELECCIÓN DE LA MUESTRA.................................................................................. 38
4.2. RESULTADOS DE LOS EQUIPOS. ........................................................................... 38
4.3. COMPROBACIÓN DE LOS SUPUESTOS DEL MODELO DE REGRESIÓN
LINEAL. ....................................................................................................................................... 39
4.3.1. DETECCIÓN DE HETEROCEDASTICIDAD. .................................................... 39
4.3.2. DETECCIÓN DE AUTOCORRELACIÓN. ......................................................... 41
4.4. ESTIMACIÓN DE LOS PARÁMETROS DEL MODELO DE MERCADO. ........... 43
4.5. CÁLCULO DE LA RENTABILIDAD ESPERADA. ................................................... 45
4.6. CÁLCULO DE LAS RENTABILIDADES EXTRAORDINARIAS. .......................... 46
4.7. PRUEBA DE LAS HIPÓTESIS PLANTEADAS. ...................................................... 52
CONCLUSIÓN. ............................................................................................................................... 65
ANEXO............................................................................................................................................. 68
ANEXO I. ......................................................................................................................................... 69
BIBLIOGRAFÍA. ............................................................................................................................. 74
4
CAPÍTULO I:
ANTECEDENTES GENERALES.
5
1.1. INTRODUCCIÓN
Es por esto que se analizarán los clubes que actualmente están transando en la
Bolsa de Comercio de Santiago. Ellos son: Blanco & Negro S.A, conocido como
Colo-Colo, Azul Azul S.A. como Universidad de Chile y Cruzados S.A.D.P. más
conocido como Universidad Católica. Cabe destacar que la información de las
cotizaciones del club Unión Española no se encuentran disponibles, por lo cual no
se consideró en este estudio.
6
1.2. JUSTIFICACIÓN.
Los clubes deportivos pueden ser afectados por diversos eventos tanto
deportivos como no deportivos y su efecto se traduce, entre otras cosas, en la
valorización de sus acciones en la Bolsa de Valores. De acuerdo a lo anterior, se
encuentra la importancia de analizar el efecto ya sea positivo o negativo que tienen
estos eventos en el precio de sus acciones.
1.3. OBJETIVOS.
1.4. METODOLOGÍA
7
Fuente: Elaboración propia
El cuarto capítulo presenta los resultados obtenidos tantos para las pruebas
realizadas a los modelos como para la metodología de estudio de eventos aplicada.
8
Las limitaciones para este estudio se encuentran en la falta de información
del cuarto club de fútbol que transa en la Bolsa de Valores de Santiago y que no es
posible acceder a su información ya que esta no se encuentra de forma pública, y
que, por razones geográficas y económicas, no se puede acceder a esta de forma
privada. El período de tiempo seleccionado representa cierta limitación ya que se
optó por analizar sólo la temporada más reciente, puesto que esta no es diferente a
las otras realizadas por los clubes en los diez años que llevan estos transando en
la Bolsa de Valores, a excepción de la temporada 2010-2011, donde Universidad
de Chile logró ser campeón de un campeonato internacional, pero que se consideró
que esta temporada está muy alejada de la actualidad del fútbol chileno.
9
CAPÍTULO II:
MARCO TEÓRICO.
10
En el presente capítulo se entrega una revisión bibliográfica de los autores
más recientes que han aplicado la metodología de estudio de eventos, pruebas de
hipótesis y modelos de estimación en sus estudios, entregando diferentes
definiciones según sus propias visiones y experiencias con cada uno de los temas
que se aplicarán a nuestra metodología. Finalmente, en cada apartado se
selecciona la definición que se considera más apropiada para este estudio.
Cortés, García y Agudelo (2015) definen esta metodología como una de las
más utilizadas para evaluar el efecto tanto de eventos corporativos como
cambios regulatorios en distintas industrias, además menciona que es
utilizada para examinar los rendimientos de una empresa durante una
“ventana de eventos” para determinar si el rendimiento es
extraordinariamente positivo o negativo.
Tee (2016), señala que existen dos razones para utilizar un estudio de
eventos: una razón es para probar la hipótesis nula de que el mercado
incorpora eficientemente la información y otra razón es para examinar el
impacto de algún evento en la riqueza de los dueños de las acciones de una
empresa.
11
Las principales características de esta metodología no han cambiado desde
su desarrollo en los años 60, siendo un supuesto crucial que los mercados
capitales son lo suficientemente eficientes para reaccionar ante eventos con
respecto a los beneficios futuros esperados de las empresas afectadas
(Oberndorfer, Schmidt, Wagner y Ziegler, 2013). Esta hipótesis sostiene que
el precio medio de una empresa refleja en cualquier momento su mejor
estimación basada en la información disponible en el mercado de futuros
flujos de liquidez descontados para esta empresa, asumiendo que toda la
información accesible al público se incorpora al precio medio, a medida que
los agentes transmiten mensajes con esta nueva información en el mercado,
que se pone a disposición del público y se incorpora al precio medio y por lo
tanto, el precio proporciona la mejor estimación para el cambio en el valor de
mercado de una empresa como resultado de anuncios inesperados (Cortés
et al, 2015).
A pesar de esto, Raynaud (2017) señala que han ocurrido dos modificaciones
desde la publicación de la metodología de estudio de eventos las cuales se
han estandarizados. La primera hace referencia al tamaño de la muestra,
observando que, por temor a los inconvenientes de los parámetros del
modelo de mercado, los estudios que implican observaciones mensuales
utilizan de cinco a siete años de datos de rentabilidades mensuales. La
segunda se refiere al peligro de incluir el período de evento en el mismo
período utilizado para estimar los parámetros del modelo de mercado, lo cual
provoca que las estimaciones sean sesgadas.
12
3) Determinación de la fecha de anuncio y de los periodos de estimación
y evento: En un mercado eficiente en su forma intermedia, el precio de
cualquier activo financiero debe reflejar toda la información pública,
razón por la que resulta especialmente importante establecer
correctamente la fecha de anuncio, ya que de observarse
rentabilidades extraordinarias debería ser en ese momento.
4) Estimación de la rentabilidad esperada o normal: Tomando como base
el comportamiento de los activos financieros en el periodo de
estimación, y a partir de algún modelo de formación de precios, se
pueden estimar las rentabilidades esperadas para cada activo
financiero y cada día del periodo de evento.
5) Estimación de la rentabilidad extraordinaria: Esta rentabilidad se
calcula como la diferencia entre la rentabilidad real y la rentabilidad
esperada.
6) Agregación de las rentabilidades extraordinarias: Debido a que con
este análisis se pretenden obtener generalizaciones y no resultados
aislados de una empresa y anuncio concreto, se deben agregar
transversalmente los rendimientos extraordinarios obtenidos,
centrándose en la fecha de anuncio.
7) Contrastes de significación estadística de las rentabilidades
extraordinarias: Luego de estimar y agregar las rentabilidades
extraordinarias, se procede a contrastar su significación estadística
mediante diferentes test que se pueden clasificar en paramétricos y no
paramétricos.
8) Presentación e interpretación de los resultados: Dado que en varias
ocasiones los resultados obtenidos en el análisis pueden ser
consistentes con varias teorías, se suele incluir un estudio de corte
transversal que intenta determinar las causas de las rentabilidades
extraordinarias.
Baker (2016) habla de los eventos como liberación de información hacia los
inversionistas, los que influyen en la conducta de estos y por ende en la
valoración de las empresas en el mercado accionario.
13
Warren y Sorescu (2017) definen los eventos como anuncios “agarradores
de atención”, los que pueden aumentar desproporcionadamente la visibilidad
de la empresa y atraer la atención de inversionistas adicionales, por ende,
esto aumentaría la base de inversionistas de la empresa, reduciría el costo
de capital y aumentaría el valor de mercado de la empresa.
Así también Culp, van der Merwe y Staerkle, B. J. (2016) postulan que los
efectos de anticipación y anuncio de un evento están interrelacionados. En el
extremo, si un evento es perfectamente anticipado por los participantes en el
mercado, el impacto total de ese evento debería resultar en fuertes
diferenciales extraordinarias antes del evento (es decir, el efecto de
anticipación) y virtualmente ningún cambio extraordinario después del evento
real. Por el contrario, si el evento es una sorpresa total para los participantes
en el mercado, no se espera ver diferenciales extraordinarias antes del
evento (es decir, ningún efecto de anticipación) y diferenciales extraordinarias
significativos después del anuncio.
Skiera, Bayer y Schöler (2017) identifican dos tipos de eventos: los que
influyen en todos los componentes de valor de la empresa como cambios
regulatorios o fusiones y adquisiciones, y los que influyen sólo en el valor
operativo de la empresa como estrategias de marketing, cambio de nombre
de la empresa, anuncios de valor de la marca, entre otros.
14
mercado, modelo ajustado medio y modelo de mercado ajustado
(Oberndorfer et al, 2013).
15
estas pueden ser más altas o más bajas que las rentabilidades estimadas
debido a uno o más factores relacionados a riesgos comunes.
Eckbo (2007) señala que los métodos utilizados para estimar las
rentabilidades extraordinarias se han vuelta más sofisticados desde los años
90, siendo de gran importancia para estudios de largo plazo, porque se han
desarrollado propiedades estadísticas acerca de las rentabilidades de las
acciones a largo plazo.
AR R E ( R ) (1)
it it it
Como mencionan Oberndorfer et al (2013), siendo la rentabilidad esperada
E (Ri t) variable dependiente del modelo de estimación utilizado, teniéndose
la siguiente forma para cada modelo:
Modelo de mercado:
Rit Ri (3)
16
señala que el método más simple consiste en considerar las rentabilidades
medias y realizar pruebas t ordinarias en sección transversal.
L
CARi K , L ARt (5)
t K
AR it
AARt t 1
(6)
N
Donde N es el número de días en la ventana de evento.
17
Basándose en esa información, se define la ventana de eventos, como
el intervalo de tiempo antes y después de su aparición. Esto nos permite
detectar reacciones de precios anormales después de que el evento haya
ocurrido, o si hubo fugas de información (información privilegiada) antes del
anuncio. La ventana de eventos no debe ser demasiado corta, lo que podría
excluir fugas de información, ni demasiado tiempo, para evitar que la
recopilación de datos esté influenciada por otros factores ajenos al estudio
(Bergmann et al, 2015).
18
nula, en tanto que si no lo supera, el investigador se abstiene de rechazarla
(Silva-Aycaguer, 2016).
19
políticas. Para esto se emplea un análisis empírico que consiste en emplear
datos para contrastar una teoría o estimar una relación. (Wooldridge, 2006)
20
En esta etapa, además, se definió el periodo sobre el cual se examina
el impacto del evento (también conocido como la ventana del evento) sobre
la riqueza del accionista expresado en el precio de las acciones. En este
aspecto se trabajó con un periodo de 50 días (transables en la Bolsa) que
abarca 25 días antes y 25 días después del evento. Se examinó el efecto
sobre el precio y retorno de las acciones de las entidades involucradas desde
el 9 de agosto de 2004 hasta el 20 de octubre de 2004.
H1: Los partidos generan una alta volatilidad en el precio de las acciones de
los clubes de fútbol en el día hábil después del partido.
H2: Una victoria de un club de fútbol genera una alta volatilidad en el precio
de sus acciones en el día hábil después del partido.
21
H3: Una victoria como visita de un club de fútbol genera una mayor volatilidad
en el precio de sus acciones que una victoria como local en el día hábil
después del partido.
H4: Una derrota de un club de fútbol genera una mayor volatilidad en el precio
de sus acciones en el día hábil después del partido.
H5: Una derrota como local de un club de fútbol genera una mayor volatilidad
en el precio de sus acciones que una derrota como visita en el día hábil
después del partido.
H6: Una derrota de un club de fútbol genera una mayor volatilidad que una
victoria en el día hábil después del partido.
22
que el ingreso local estimado en presencia de una franquicia deportiva
profesional es menor de lo que se estima en ausencia de esta. Los resultados
también arrojaron que las franquicias no justifican las reducciones,
concesiones e incentivos que se utilizan para atraer el ingreso per cápita
incremental al MSA. Por lo tanto, para aumentar el ingreso per cápita de los
ciudadanos, las ciudades deben dejar de utilizar tácticas para atraer
franquicias deportivas profesionales a ellas.
23
CAPÍTULO III:
METODOLOGÍA.
24
A continuación, se detallada la metodología seleccionada y utilizada en para
el desarrollo de este estudio, definiendo los puntos importantes en la metodología
de estudio de eventos, tales como el evento que se considerará, el modelo de
estimación que se aplicará, el período que se utilizará para la estimación de los
parámetros de este modelo y la ventana de eventos que se considerará. También
se incluyen las pruebas para los supuestos cruciales del modelo de estimación
seleccionado, las pruebas de significancia estadística y finalmente las hipótesis que
se plantean en este estudio.
25
La copa arrancó el 8 de julio de 2016 y finalizó el 14 de diciembre del mismo
año. A partir del año 2016, la ANFP pasó a realizar este torneo en los segundos
semestres de cada año.
DESCRIPCIÓN DE LA COMPAÑÍA:
RAZÓN SOCIAL:
BLANCO Y NEGRO S.A
NOMBRE DE FANTASÍA:
BLANCO Y NEGRO, BNSA Y BN
R.U.T.
99.589.230-8
INSCRIPCIÓN EN EL REGISTRO DE VALORES:
N° 902
TIPO DE SOCIEDAD:
SOCIEDAD ANÓNIMA ABIERTA
26
DOMICILIO LEGAL:
AVDA. MARATÓN 5300, MACUL, SANTIAGO, CHILE
PAGINA EN INTERNET:
WWW.COLOCOLO.CL
CORREO ELECTRÓNICO:
CONTACTO@COLOCOLO.CL
DESCRIPCIÓN DE LA COMPAÑÍA:
RAZON SOCIAL:
AZUL AZUL S.A.
NOMBRE DE FANTASIA:
AZUL AZUL
R.U.T.
76.838.140-2
INSCRIPCIÓN EN EL REGISTRO DE VALORES:
N°978
27
TIPO DE SOCIEDAD:
SOCIEDAD ANONIMA ABIERTA
DOMICILIO LEGAL:
AVENIDA EL PARRON 0939, LA CISTERNA, SANTIAGO DE CHILE
PAGINA EN INTERNET:
WWW.UDECHILE.CL
CORREO ELECTRONICO:
INFO@UDECHILE.CL
DESCRIPCIÓN DE LA COMPAÑÍA:
RAZÓN SOCIAL:
CRUZADOS SADP
NOMBRE DE FANTASÍA:
28
CRUZADOS
R.U.T.
76.072.469-6
INSCRIPCIÓN EN EL REGISTRO DE VALORES:
N°1047
TIPO DE SOCIEDAD:
SOCIEDAD ANÓNIMA DEPORTIVA PROFESIONAL ABIERTA
DOMICILIO LEGAL:
AVENIDA LAS FLORES 13.000. LAS CONDES, SANTIAGO - CHILE
PAGINA EN INTERNET:
WWW.CRUZADOS.CL
CORREO ELECTRÓNICO:
PPAREJA@CRUZADOS.CL
IGPA IGPA
R t t 1
mt (7)
IGPA
t 1
29
Siendo esta la rentabilidad discreta, se determinó la rentabilidad continua de
la siguiente forma:
R ln(1 R ) (8)
mc mt
Donde:
Para este estudio, la ventana de eventos será de dos días a partir del día
siguiente de transacción en la bolsa, esto dado que los resultados deportivos de los
clubes de fútbol se ven reflejados en las rentabilidades de sus acciones dentro de
un día o dos y también evita la aglomeración de eventos (como se menciona los
estudios de Scholtens y Peenstra (2009) y de Bouchet, et al (2015), puesto que en
ocasiones los partidos se realizan en lapsos de 3 o 4 días.
30
3.7. PRUEBA DE LOS SUPUESTOS DEL MODELO DE REGRESIÓN LINEAL.
Como se mencionó anteriormente, el modelo utilizado para este estudio es el
modelo de mercado, el cual está basado en el modelo de Mínimos Cuadrados
Ordinarios para el cálculo de sus parámetros, siendo este apoyado en algunos
supuestos que permiten una estimación eficiente de los parámetros del modelo.
Dentro de estos supuestos, se encuentran dos que son de mayor relevancia:
3.7.1. HETEROCEDASTICIDAD.
La heterocedasticidad se presenta en un modelo de regresión lineal cuando
la varianza de sus residuos no es constante a lo largo de las observaciones. Esto
es un supuesto crucial en el modelo de regresión lineal, por lo cual debe
determinarse si existe o no dentro de los modelos que se utilizarán en este estudio.
Esta prueba propone una hipótesis nula y una alternativa, las cuales son:
^ 2 2
1 A (9)
nk
^ 2 2
2 B (10)
nk
31
^ 2
1 = Varianza estimada para el grupo de residuos superiores.
^ 2
2 = Varianza estimada para el grupo de residuos inferiores.
i2 = Residuo al cuadrado de la observación i.
^
12
^ (11)
2 2
3.7.2. AUTOCORRELACIÓN.
El siguiente supuesto del modelo de regresión lineal, es que el residuo
asociado a alguna de las observaciones del modelo no está influenciado por el
residuo asociado a otra observación, es decir, los residuos no están
correlacionados.
^ ^
d = 2 * (1 - ), siendo el coeficiente muestral de primer orden y definido de
la siguiente forma:
^ t t 1
t2
(12)
33
Esto se pretende comprobar por medio de las hipótesis que se plantean a
continuación.
H1: Los resultados deportivos de las sociedades anónimas tienen efecto sobre la
rentabilidad de sus acciones.
34
2. Se calculó el valor del estadístico t de Student de la siguiente forma:
AARt
tct ^ (13)
S
Donde:
Finalmente, se comparó tct con un valor t de tabla para prueba de dos colas
Si:
Xa Xb
tc
(14)
S a2 Sb2
na nb
Donde:
𝑋𝑎 : Media de la muestra a.
𝑋𝑏 : Media de la muestra b.
35
𝑛𝑎 : Tamaño de la muestra a.
𝑛𝑏 : Tamaño de la muestra b.
2
Sa2 Sb2
v a2
n nb
2
2 (15)
Sa2 Sb2
na nb
na 1 nb 1
Finalmente, esto se contrasta con un t crítico de tabla para un nivel de
significancia del 5% y una prueba de una cola, teniéndose que, si el t calculado es
mayor que el t de tabla, se rechaza la hipótesis nula.
36
CAPÍTULO IV:
APLICACIÓN.
37
Finalmente, se entregan los resultados obtenidos a través de la aplicación de
la metodología utilizada en este estudio, presentándose la comprobación de los
supuestos del modelo de mercado, resultados de las rentabilidades esperadas y las
rentabilidades extraordinarias, siendo todos estos resultados utilizados para probar
las hipótesis planteadas en el capítulo 3.
38
Tabla 4.2.4. Resultados de los partidos jugados en el período de Julio de
2016 hasta Junio de 2017.
En la tabla anterior se pueden observar los datos de los partidos jugados por
los equipos en estudio, donde:
39
Tabla 4.3.1.1. Parámetros de la prueba Goldfeld-Quandt para los modelos del
campeonato Scotiabank 2016.
40
De la tabla anterior, se puede apreciar que ninguno de los modelos del
campeonato Scotiabank 2017 presenta heterocedasticidad.
41
Tabla 4.3.2.1. Parámetros de la prueba Durbin-Watson para el grupo del
campeonato Scotiabank 2016.
Modelo P d Decisión
Jornada 1 0.95905 0.0819 Autocorrelación positiva
Jornada 2 0.9593 0.0814 Autocorrelación positiva
Jornada 3 0.95995 0.0801 Autocorrelación positiva
Jornada 4 0.9487 0.1026 Autocorrelación positiva
Jornada 5 0.9377 0.1246 Autocorrelación positiva
Jornada 6 0.94075 0.1185 Autocorrelación positiva
Jornada 7 0.93975 0.1205 Autocorrelación positiva
Jornada 8 0.93815 0.1237 Autocorrelación positiva
Jornada 9 -0.10885 2.2177 Autocorrelación negativa
Jornada 10 -0.09815 2.1963 No hay autocorrelación
Jornada 11 -0.09445 2.1889 No hay autocorrelación
Jornada 12 -0.05055 2.1011 No hay autocorrelación
Jornada 13 -0.05855 2.1171 No hay autocorrelación
Jornada 14 -0.00815 2.0163 No hay autocorrelación
Jornada 15 -0.0098 2.0196 No hay autocorrelación
Modelo P d Decisión
Jornada 1 0.2146 1.5708 Autocorrelación positiva
Jornada 2 0.2245 1.551 Autocorrelación positiva
Jornada 3 0.22035 1.5593 Autocorrelación positiva
Jornada 4 0.21105 1.5779 Autocorrelación positiva
Jornada 5 0.2082 1.5836 Autocorrelación positiva
Jornada 6 0.211 1.578 Autocorrelación positiva
Jornada 7 0.19575 1.6085 Autocorrelación positiva
Jornada 8 0.16875 1.6625 Autocorrelación positiva
Jornada 9 0.1691 1.6618 Autocorrelación positiva
Jornada 10 0.17395 1.6521 Autocorrelación positiva
Jornada 11 0.17935 1.6413 Autocorrelación positiva
Jornada 12 0.18345 1.6331 Autocorrelación positiva
Jornada 13 0.17005 1.6599 Autocorrelación positiva
Jornada 14 0.178 1.644 Autocorrelación positiva
Jornada 15 0.1742 1.6516 Autocorrelación positiva
42
Tabla 4.3.2.3. Parámetros de la prueba Durbin-Watson para el grupo del
campeonato Copa Chile MTS 2016.
Modelo p d Decisión
Primera Fase Ida 0.10485 1.7903 No hay decisión
Primera Fase Vuelta 0.14595 1.7081 Autocorrelación positiva
Octavos Ida 0.2436 1.5128 Autocorrelación positiva
Octavos Vuelta 0.2454 1.5092 Autocorrelación positiva
Cuartos Ida 0.2322 1.5356 Autocorrelación positiva
Cuartos Vuelta 0.22315 1.5537 Autocorrelación positiva
Semis Ida 0.23495 1.5301 Autocorrelación positiva
Semis Vuelta 0.20965 1.5807 Autocorrelación positiva
Final 0.18505 1.6299 Autocorrelación positiva
^ ^
(Yt Yt 1 ) ( Rmt Rmt 1 ) ( t t 1 ) (16)
43
Tabla 4.4.1. Parámetros estimados por el modelo de regresión lineal para el
campeonato Scotiabank 2016.
44
Tabla 4.4.3. Parámetros estimados por el modelo de regresión lineal para el
campeonato Copa Chile MTS 2016.
Rentabilidad de
mercado (Rmt) Rentabilidad Esperada
Partido Día 1 Día 2 Día 1 Día 2
Jornada 1 -0.0005 -0.0063 - 0.0000242 - 0.0005678
Jornada 2 0.0039 0.0022 - 0.0000199 - 0.0004706
Jornada 3 0.0027 -0.0085 - 0.0000121 - 0.0002909
Jornada 4 0.0034 0.0029 0.0000201 0.0003730
Jornada 5 0.0029 -0.0026 - 0.0000297 - 0.0004492
Jornada 6 -0.0057 -0.0004 0.0000017 0.0000279
Jornada 7 -0.0009 -0.0073 0.0000289 0.0004532
Jornada 8 0.005 0.0054 0.0000208 0.0003163
Jornada 9 0.0025 0.0106 - 0.0002085 - 0.0002108
Jornada 10 -0.0055 -0.0046 - 0.0004762 - 0.0004761
Jornada 11 0.0077 0.0108 - 0.0003402 - 0.0003403
Jornada 12 0.0098 -0.0051 0.0000282 0.0000281
Jornada 13 -0.0014 -0.006 0.0002182 0.0002182
Jornada 14 0.0005 0.0013 0.0008820 0.0008820
Jornada 15 -0.0052 0.0054 0.0010844 0.0010844
45
Tabla 4.5.2. Rentabilidades esperadas para los eventos del campeonato
Scotiabank 2017.
Rentabilidad de
mercado (Rmt) Rentabilidad Esperada
Partido Día 1 Día 2 Día 1 Día 2
Jornada 1 -0.0033 0.0024 0.0010358 0.0010966
Jornada 2 0.014 -0.0028 0.0009214 0.0009812
Jornada 3 0.0017 0.0013 0.0007198 0.0007647
Jornada 4 0.0008 0.0032 0.0008944 0.0009449
Jornada 5 0.0088 0.0032 0.0004485 0.0004731
Jornada 6 0.014 -0.0028 0.0003737 0.0003949
Jornada 7 0.0017 0.0013 - 0.0001422 - 0.0001490
Jornada 8 0.0019 0.006 - 0.0000208 - 0.0000217
Jornada 9 0.0029 -0.0048 - 0.0001741 - 0.0001800
Jornada 10 0.0007 -0.0039 - 0.0001208 - 0.0001252
Jornada 11 0.0077 0.0035 - 0.0000397 - 0.0000413
Jornada 12 0.0157 -0.0048 - 0.0000286 - 0.0000297
Jornada 13 -0.0038 -0.0032 - 0.0000720 - 0.0000745
Jornada 14 0.0074 -0.0026 0.0000122 0.0000127
Jornada 15 0.0016 0.0061 0.0003930 0.0004074
Rentabilidad de
mercado (Rmt) Rentabilidad Esperada
Partido Día 1 Día 2 Día 1 Día 2
Primera Fase Ida 0.0058 -0.0028 - 0.0007102 - 0.00071019
Primera Fase
Vuelta 0.0028 0.0058 - 0.0007581 - 0.0007511
Octavos Ida 0.0028 0.0056 0.0003762 0.0000746
Octavos Vuelta -0.0026 -0.0079 0.0004433 0.0003753
Cuartos Ida 0.0051 0.0038 - 0.0004808 - 0.0002568
Cuartos Vuelta 0.0018 -0.0025 - 0.0005550 - 0.0005133
Semis Ida -0.0053 0.0034 0.0001440 - 0.0000396
Semis Vuelta -0.0023 0.0009 0.0006867 0.0005416
Final -0.0012 -0.0025 0.0010177 0.0009562
46
Tabla 4.6.1. Rentabilidades extraordinarias para el grupo del campeonato
Scotiabank 2016.
Jornada 1
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,00002 -0,0243 - 0,0243 -0,0476 - 0,0476 0,0000 0,00002
Día 2 - 0,00057 0,0000 0,0006 0,0009 0,0015 0,0000 0,00057
AAR - 0,0119 - 0,0231 0,0003
Desviación Estandar 0,0176 0,0347 0,0004
|tc| 0,9543 0,9401 1,0889
Jornada 2
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,00002 0,0275 0,0275 0,0045 0,00452 0,0014 0,0014
Día 2 -0,00047 -0,0032 - 0,0027 0,0000 0,00047 0,0253 0,0258
AAR 0,0124 0,0025 0,0136
Desviación Estandar 0,0214 0,0029 0,0172
|tc| 0,8195 1,2324 1,1140
Jornada 3
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,00001 -0,0653 - 0,0653 0,0136 0,0136 0,0000 0,0000121
Día 2 - 0,00029 0,0065 0,0067909 0,0018 0,0021 -0,000066 0,0002247
AAR - 0,0292 0,0079 0,0001
Desviación Estandar 0,0510 0,0081 0,0002
|tc| 0,8116 1,3630 1,1140
Jornada 4
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,00002 0,0000 - 0,0000 0,0000 - 0,0000 -0,0251 - 0,0251
Día 2 0,00037 -0,0063 - 0,0066730 -0,0174 - 0,0178 0,0054 0,0051
AAR - 0,0033 - 0,0089 - 0,0100
Desviación Estandar 0,0047 0,0126 0,0213
|tc| 1,0060 1,0023 0,6646
Jornada 5
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,00003 -0,0131 - 0,0131 -0,0088 - 0,0088 0,0345 0,0345
Día 2 - 0,00045 -0,0247 - 0,0242508 0,0000 0,0004 0,0000 0,0004
AAR - 0,0187 - 0,0042 0,0175
Desviación Estandar 0,0079 0,0065 0,0241
|tc| 3,3381 0,9025 1,0264
Jornada 6
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,000002 -0,0399 - 0,0399 0,0000 - 0,0000017 0,0000 - 0,000002
Día 2 0,000028 -0,0123 - 0,0123279 -0,0095 - 0,00953 0,0000 - 0,000028
AAR - 0,0261 - 0,0048 - 0,0000
Desviación Estandar 0,0195 0,0067 0,0000
|tc| 1,8942 1,0004 1,1332
Jornada 7
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0000289 0,0000 - 0,0000289 0,01 0,0100 0,0000 - 0,000029
Día 2 0,0004532 0,0000 - 0,0004532 -0,0036 - 0,0041 0,0000 - 0,000453
AAR - 0,0002 0,0030 - 0,0002
Desviación Estandar 0,0003 0,0099 0,0003
|tc| 1,1364 0,4220 1,1364
47
Jornada 8
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0000208 0,0062 0,0062 0,0000 - 0,00002 0,0000 - 0,000021
Día 2 0,0003163 0,0000 - 0,0003 0,0000 - 0,00032 0,0000 - 0,000316
AAR 0,0029 - 0,0002 - 0,0002
Desviación Estandar 0,0046 0,0002 0,0002
|tc| 0,9026 1,1406 1,1406
Jornada 9
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,00021 0,0000 0,0002 0,0000 0,0002 0,0000 0,0002
Día 2 - 0,00021 0,0467 0,0469 0,0000 0,0002 0,0000 0,0002
AAR 0,0236 0,0002 0,0002
Desviación Estandar 0,0330 0,0000 0,0000
|tc| 1,0089 182,6945 182,6945
Jornada 10
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,00048 -0,0131 - 0,0126 -0,0088 - 0,0083 0,0345 0,0350
Día 2 - 0,00048 -0,0247 - 0,0242 0,0000 0,0005 0,0000 0,0005
AAR - 0,0184 - 0,0039 0,0177
Desviación Estandar 0,0082 0,0062 0,0244
|tc| 3,1765 0,8918 1,0276
Jornada 11
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,00034 -0,0471 - 0,0468 -0,0967 - 0,0964 0,0000 0,000340
Día 2 - 0,00034 -0,0156 - 0,0153 0,0000 0,0003 0,0000 0,000340
AAR - 0,0310 - 0,0480 0,0003
Desviación Estandar 0,0223 0,0684 0,0000
|tc| 1,9689 0,9930 5.803,4486
Jornada 12
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,00003 -0,0001 - 0,0001 0,0000 - 0,00003 0,0068 0,0068
Día 2 0,00003 0,0000 - 0,00003 0,0000 - 0,00003 0,0000 - 0,0000
AAR - 0,0001 - 0,0000 0,0034
Desviación Estandar 0,0001 0,0000 0,0048
|tc| 1,5626 3.328,8582 0,9918
Jornada 13
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,00022 0,0000 - 0,0002 -0,0476 - 0,0478 0,0000 - 0,0002
Día 2 0,00022 -0,0605 - 0,0607 0,0000 - 0,0002 0,0000 - 0,0002
AAR - 0,0305 - 0,0240 - 0,0002
Desviación Estandar 0,0428 0,0337 0,0000
|tc| 1,0072 1,0092 23.083,6576
Jornada 14
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,00088 -0,0313 - 0,0322 0,0000 - 0,0009 0,0000 - 0,0009
Día 2 0,00088 0,0000 - 0,0009 0,0000 - 0,0009 0,0000 - 0,0009
AAR - 0,0165 - 0,0009 - 0,0009
Desviación Estandar 0,0221 0,0000 0,0000
|tc| 1,0564 597.049,9849 597.049,9849
Jornada 15
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Esperada
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0011 0,0258 0,0247 0,0000 - 0,0011 0,0000 - 0,0011
Día 2 0,0011 0,0063 0,0052 -0,0418 - 0,0429 -0,0068 - 0,0079
AAR 0,0150 - 0,0220 - 0,0045
Desviación Estandar 0,0138 0,0296 0,0048
|tc| 1,5349 1,0519 1,3166
48
Tabla 4.6.2. Rentabilidades extraordinarias para el grupo del campeonato
Scotiabank 2017.
Jornada 1
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0010358 0,0390 0,0380 -0,0104 - 0,0114 0,0000 - 0,0010358
Día 2 0,0010966 0,0500 0,0489034 0,0000 - 0,0011 0,0000 - 0,0010966
AAR 0,0434 - 0,0063 - 0,0011
Desviación Estandar 0,0077 0,0073 0,0000
|tc| 7,9409 1,2121 35,0980
Jornada 2
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0009214 0,0058 0,0049 0,0000 - 0,00092 0,0000 - 0,0009
Día 2 0,0009812 0,0000 - 0,0009812 0,0000 - 0,00098 0,0000 - 0,0010
AAR 0,0019 - 0,0010 - 0,0010
Desviación Estandar 0,0041 0,0000 0,0000
|tc| 0,6651 31,7941 31,7941
Jornada 3
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0007198 0,0000 - 0,0007 0,000 - 0,0007 0,0000 - 0,0007198
Día 2 0,0007647 -0,0194 - 0,0201647 0,000 - 0,0008 0,000000 - 0,0007647
AAR - 0,0104 - 0,0007 - 0,0007
Desviación Estandar 0,0137 0,0000 0,0000
|tc| 1,0740 33,1143 33,1143
Jornada 4
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0008944 0,0000 - 0,0009 0,0000 - 0,0009 0,0000 - 0,0009
Día 2 0,0009449 0,0161 0,0151551 0,0000 - 0,0009 0,0000 - 0,0009
AAR 0,0071 - 0,0009 - 0,0009
Desviación Estandar 0,0113 0,0000 0,0000
|tc| 0,8885 36,4067 36,4067
Jornada 5
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0004485 0,0000 - 0,0004 0,0000 - 0,0004 0,0000 - 0,0004
Día 2 0,0004731 0,0189 0,0184269 0,0000 - 0,0005 -0,0208 - 0,0213
AAR 0,0090 - 0,0005 - 0,0109
Desviación Estandar 0,0133 0,0000 0,0147
|tc| 0,9525 37,5385 1,0430
Jornada 6
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0003737 0,0000 - 0,0004 0,0000 - 0,0003737 0,0000 - 0,0003737
Día 2 0,0003949 0,0000 - 0,0003949 0,0101 0,00971 0,0000 - 0,0003949
AAR - 0,0004 0,0047 - 0,0004
Desviación Estandar 0,0000 0,0071 0,0000
|tc| 36,4125 0,9258 36,4125
Jornada 7
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,0001422 0,0000 0,0001422 0,0000 0,0001 0,0000 0,0001422
Día 2 - 0,0001490 -0,0012 - 0,0010510 0,0106 0,0107 0,0000 0,0001490
AAR - 0,0005 0,0054 0,0001
Desviación Estandar 0,0008 0,0075 0,0000
|tc| 0,7617 1,0268 42,9377
49
Jornada 8
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,0000208 0,0372 0,0372 0,0000 0,0000208 0,0000 0,0000208
Día 2 - 0,0000217 -0,0256 - 0,0255783 0,0000 0,000022 0,0000 0,000022
AAR 0,0058 0,0000 0,0000
Desviación Estandar 0,0444 0,0000 0,0000
|tc| 0,1854 51,9222 51,9222
Jornada 9
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,0001741 0,0106 0,0108 -0,0526 - 0,0524 -0,0140 - 0,0138
Día 2 - 0,0001800 0,0263 0,0264800 0,0000 0,0002 0,0000 0,0002
AAR 0,0186 - 0,0261 - 0,0068
Desviación Estandar 0,0111 0,0372 0,0099
|tc| 2,3720 0,9932 0,9743
Jornada 10
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,0001208 0,0000 0,0001 0,0000 0,0001 0,0213 0,0214
Día 2 - 0,0001252 -0,1026 - 0,1024748 0,0000 0,0001 0,0000 0,0001
AAR - 0,0512 0,0001 0,0108
Desviación Estandar 0,0725 0,0000 0,0150
|tc| 0,9976 56,5097 1,0118
Jornada 11
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,0000397 0,0000 0,0000 0,0000 0,0000 0,0069 0,006984
Día 2 - 0,0000413 -0,0577 - 0,0576587 0,0000 0,0000 0,0000 0,000041
AAR - 0,0288 0,0000 0,0035
Desviación Estandar 0,0408 0,0000 0,0049
|tc| 0,9986 50,5908 1,0119
Jornada 12
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,0000286 0,0000 0,0000 0,0000 0,0000 0,0000 0,0000
Día 2 - 0,0000297 -0,0188 - 0,0187703 -0,0021 - 0,0021 0,0000 0,0000
AAR - 0,0094 - 0,0010 0,0000
Desviación Estandar 0,0133 0,0015 0,0000
|tc| 0,9970 0,9728 53,8559
Jornada 13
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 - 0,0000720 0,0510 0,0511 0,0054 0,0055 0,0000 0,0001
Día 2 - 0,0000745 0,0170 0,0170745 -0,0053 - 0,0052 -0,0209 - 0,0209
AAR 0,0341 0,0001 - 0,0104
Desviación Estandar 0,0240 0,0076 0,0148
|tc| 2,0045 0,0230 0,9931
Jornada 14
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0000122 -0,0588 - 0,0588 0,1000 0,1000 0,0000 - 0,0000122
Día 2 0,0000127 -0,0313 - 0,0313127 0,0171 0,0171 0,0000 - 0,0000127
AAR - 0,0451 0,0585 - 0,0000
Desviación Estandar 0,0194 0,0586 0,0000
|tc| 3,2773 1,4122 47,2764
Jornada 15
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0003930 -0,0313 - 0,0317 0,0396 0,0392 0,0000 - 0,0004
Día 2 0,0004074 0,0000 - 0,0004074 0,0000 - 0,0004 0,0000 - 0,0004
AAR - 0,0161 0,0194 - 0,0004
Desviación Estandar 0,0221 0,0280 0,0000
|tc| 1,0260 0,9794 55,5774
50
Tabla 4.6.3. Rentabilidades extraordinarias para el grupo del campeonato
Copa Chile MTS 2016.
51
Semi final Ida
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,00014 0,0180 0,0179 - - 0,0000 - 0,00014
Día 2 - 0,00004 -0,0295 - 0,0295 - - 0,0000 0,00004
AAR - 0,0058 - 0,0001
Desviación Estandar 0,0335 0,0001
|tc| 0,2453 0,5690
Semi Final Vuelta
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,0007 0,0000 - 0,0007 - - -0,0068 - 0,0075
Día 2 0,0005 0,0000 - 0,0005 - - 0,0000 - 0,0005
AAR - 0,0006 - 0,0040
Desviación Estandar 0,0001 0,0049
|tc| 8,4614 1,1559
Final
Blanco y Negro Azul Azul Cruzados S.A.
Rentabilidad
Día de la Ventana
Esperada Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad Rentabilidad
Real Extraordinaria Real Extraordinaria Real Extraordinaria
Día 1 0,00102 0,0000 - 0,00102 - - - -
Día 2 0,00096 0,0000 - 0,00096 - - - -
AAR - 0,0010
Desviación Estandar 0,0000
|tc| 32,1107
Para un nivel de significancia del 5%, una prueba de dos colas y un k igual a
1, se tiene un valor t de tabla igual a 12.7062. Para esto, los valores del estadístico
t calculado para las rentabilidades extraordinarias promedio generadas por los
resultados deportivos de cada sociedad anónima que sean mayores al valor t de
tabla obtenido, serán estadísticamente significativas, lo que implicaría que los
resultados deportivos tendrían un impacto en las rentabilidades accionarias de las
sociedades anónimas, en caso contrario, no serían estadísticamente significativos
y los resultados deportivos no tendrían impacto sobre las rentabilidades accionarias
de las sociedades anónimas.
52
Tabla 4.7.1. Resumen de los valores estadísticos t, calculados para las rentabilidades extraordinarias promedio (AAR).
53
De la tabla anterior, se puede observar que 28 resultados deportivos de un
total de 111 entre los tres campeonatos en estudio, son estadísticamente
significativos, por lo cual se rechaza la hipótesis nula en esos partidos. No obstante,
esto sólo representa un 25,23% de la muestra total, por lo tanto, se puede concluir
que no se rechaza la hipótesis nula y, por ende, los resultados deportivos no
generan un impacto en la rentabilidad de las acciones de las sociedades anónimas
en estudio.
Para la comparación con la parte baja de la tabla, que es la otra parte de esta
hipótesis, se tiene la siguiente hipótesis nula y alternativa:
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta 0,0026 0,0107
Parte 0,0178 1,7081
media 0,0019 0,0138
54
Tabla 4.7.3. Valor del estadístico t calculado y t crítico para el contraste de
las victorias entre la parte alta y baja de la tabla, en el campeonato
Scotiabank 2016.
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta 0,0026 0,0107
-0,2500 1,7823
Parte baja 0,0130 0,0180
De las tablas anteriores, se puede ver que los valores del estadístico t
calculado no es superior a los valores del t crítico para ambos casos, por lo cual no
se rechaza la hipótesis nula, es decir, una victoria en la parte alta de la tabla no
genera una mayor rentabilidad que una victoria en la parte media o en la parte baja
de la tabla en el campeonato Scotiabank 2016.
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta 0,0063 0,1079
0,0454 1,6955
Parte media 0,0019 0,0040
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta 0,0063 0,1033
0,0745 1,7011
Parte baja -0,0007 0,0003
De las tablas anteriores, se puede ver que los valores del estadístico t
calculado no es superior a los valores del t crítico para ambos casos, por lo cual no
se rechaza la hipótesis nula, es decir, una victoria en la parte alta de la tabla no
genera una mayor rentabilidad que una victoria en la parte media o en la parte baja
de la tabla en el campeonato Scotiabank 2017.
55
Para el campeonato Copa Chile MTS 2016, se tienen las siguientes tablas
donde se presenta el valor del estadístico t calculado y del estadístico t crítico de
las victorias obtenidas por los clubes en este campeonato:
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta -0,0025 0,0152
-0,0806 1,9432
Parte media 0,0006 0,0044
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta -0,0025 0,0152
-0,1671 1,9432
Parte baja 0,0051 0,0170
De las tablas anteriores, se puede ver que los valores del estadístico t
calculado no es superior a los valores del t crítico para ambos casos, por lo cual no
se rechaza la hipótesis nula, es decir, una victoria en la parte alta de la tabla no
genera una mayor rentabilidad que una victoria en la parte media o en la parte baja
de la tabla en el campeonato Copa Chile MTS 2016.
56
H0: µda = µdm
Para la comparación con la parte baja de la tabla, que es la otra parte de esta
hipótesis, se tiene la siguiente hipótesis nula y alternativa:
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta -0,0088 0,0158
0,1774 -1,7396
Parte media -0,0177 0,0264
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta -0,0080 0,0316
Parte -0,1367 -1,8946
media -0,0004 0,0100
Fuente: Elaboración propia.
57
Tabla 4.7.10. Valor del estadístico t calculado y t crítico para el contraste de
las derrotas entre la parte alta y media de la tabla, en el campeonato
Scotiabank 2016.
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta -0,0080 0,0316
-0,0378 -1,8595
Parte baja -0,0059 0,0103
De las tablas anteriores, se puede ver que los valores del estadístico t
calculado no son menores que los valores del t crítico para ambos casos, por lo cual
no se rechaza la hipótesis nula, es decir, una derrota en la parte alta de la tabla no
genera una menor rentabilidad que una derrota en la parte media o en la parte baja
de la tabla en el campeonato Scotiabank 2017.
Para el campeonato Copa Chile MTS 2016, se tienen las siguientes tablas
donde se presenta el valor del estadístico t calculado y del estadístico t crítico de
las derrotas obtenidas por los clubes en este campeonato:
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta -0,0020 0,0036
-0,1176 -2,1318
Parte media 0,0001 0,0004
Media Desviación
Posición Muestral Estándar t calculado t crítico
Parte alta -0,0020 0,0036
-0,2701 -2,92
Parte baja 0,00415845 0,00487661
De las tablas anteriores, se puede ver que los valores del estadístico t
calculado no son menores que los valores del t crítico para ambos casos, por lo cual
no se rechaza la hipótesis nula, es decir, una derrota en la parte alta de la tabla no
genera una menor rentabilidad que una derrota en la parte media o en la parte baja
de la tabla en el campeonato Copa Chile MTS 2016.
58
Finalmente, se rechaza la tercera hipótesis planteada, ya que en ninguno de
los campeonatos las derrotas en la parte alta de la tabla generan una menor
rentabilidad que en la parte media o en la parte baja de la tabla en alguno de los
campeonatos en estudio, por lo tanto, no existe diferencia entre las rentabilidades
extraordinarias generadas a partir de una derrota en una parte del campeonato u
otra.
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2016 0,0026 0,0107
-0,0742 1,6896
Scotiabank 2017 0,0063 0,0332
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2016 0,0026 0,0107
0,1280 1,8331
Copa Chile MTS 2016 -0,0025 0,0152
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2017 0,0063 0,0332
0,1483 1,8125
Copa Chile MTS 2016 -0,0025 0,0152
59
campeonato, es decir, no existe diferencia en las rentabilidades extraordinarias
generadas a partir de las victorias en la parte alta entre los campeonatos.
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2016 0,0019 0,0138
0,0005 1,6924
Scotiabank 2017 0,0019 0,0040
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2016 0,0019 0,0138
0,0358 1,6909
Copa Chile MTS 2016 0,0006 0,0044
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2017 0,0019 0,0040
0,0561 1,7056
Copa Chile MTS 2016 0,0006 0,0044
60
La hipótesis planteada para este caso se expresa de la siguiente forma:
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2016 0,0130 0,0180
0,3497 1,8946
Scotiabank 2017 -0,0007 0,0003
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2016 0,0130 0,0180
0,1653 1,9432
Copa Chile MTS 2016 0,0051 0,0170
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2017 -0,0007 0,0003
-0,2032 2,3534
Copa Chile MTS 2016 0,0051 0,0170
61
Donde µdax es la media de las derrotas obtenidas en la parte alta del
campeonato x y µday es la media de las derrotas obtenidas en la parte alta del
campeonato y.
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2016 -0,0088 0,0158
-0,0155 -1,8595
Scotiabank 2017 -0,0080 0,0316
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2016 -0,0088 0,0158
-0,1761 -1,7959
Copa Chile MTS 2016 -0,0020 0,0036
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2017 -0,0080 0,0316
-0,1129 -1,8946
Copa Chile MTS 2016 -0,0020 0,0036
62
En la siguiente tabla se presentan los valores del estadístico t calculado y el
valor t de tabla para la comparación de las derrotas en la parte alta entre los distintos
campeonatos:
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2016 -0,0177 0,0264
-0,3359 -1,7531
Scotiabank 2017 -0,0004 0,0100
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2016 -0,0177 0,0264
-0,3777 -1,8125
Copa Chile MTS 2016 0,0001 0,0004
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2017 -0,0004 0,0100
-0,0167 -1,8125
Copa Chile MTS 2016 0,0001 0,0004
63
En la siguiente tabla se presentan los valores del estadístico t calculado y el
valor t de tabla para la comparación de las derrotas en la parte alta entre los distintos
campeonatos, siendo en este caso que no se obtuvieron derrotas en la parte baja
de la tabla para el campeonato Scotiabank 2016:
Media Desviación
Campeonato Muestral Estándar t calculado t crítico
Scotiabank 2017 -0,0059 0,0103
-0,3063 -2,3534
Copa Chile MTS 2016 0,0042 0,0049
64
CONCLUSIÓN.
65
El desarrollo de este estudio, tuvo por objetivo identificar el efecto de los
resultados deportivos en las rentabilidades accionarias de las sociedades anónimas
que representan los clubes del fútbol chileno, así como también conocer el efecto
en los diferentes contextos que se dan estos resultados.
Dados los resultados de este estudio, se puede concluir que para casi la
totalidad de las rentabilidades extraordinarias observadas en los distintos equipos
en el período de estudio se rechaza la primera hipótesis, la cual postula que los
resultados deportivos de las sociedades anónimas tienen un efecto sobre sus
rentabilidades accionarias, dado que sólo un 25,23% de los resultados deportivos
generan rentabilidades extraordinarias estadísticamente significativas.
Por otra parte, para las hipótesis que plantean mayores rentabilidades o
menores rentabilidades tanto en distintas posiciones del campeonato como en
distintos campeonatos, estas se rechazaron, por lo cual no existe diferencia en las
rentabilidades accionarias extraordinarias generadas a partir de los resultados
deportivos obtenidos por las sociedades anónimas en distintas posiciones del
campeonato, así como entre otros campeonatos.
66
Se presume que estos eventos no deportivos deberían ser netamente
administrativos, tales como los ocurridos a lo largo del segundo semestre del año
2017, siendo uno de estos la posible venta del club Colo-Colo a inversionistas
chinos, lo cual no se logró concretar pero que hubiese abierto la posibilidad al club
de contar con una imagen internacional, además de haber significado mayor capital
del club para la contratación de jugadores y entrenadores importantes, pudiendo
resultar todo esto en algo atractivo para los inversionistas. Por otra parte, se tiene
la venta de los derechos televisivos al grupo Turner, el cual trasmitirá el campeonato
Scotiabank por medio de señal internacional, en vez de sólo señal nacional como
se realizaba hasta la fecha por medio del canal deportivo CDF, lo que resulta
positivo para los clubes ya que se exportará su imagen al resto del continente.
67
ANEXO
68
ANEXO I.
69
16.10.2015 18.623,28 - 0,00230 -0,00230
19.10.2015 18.687,81 0,00350 0,00349
20.10.2015 18.730,76 0,00230 0,00230
21.10.2015 18.800,26 0,00370 0,00369
22.10.2015 18.966,31 0,00880 0,00876
23.10.2015 19.064,24 0,00520 0,00519
26.10.2015 19.122,37 0,00300 0,00300
27.10.2015 19.008,06 - 0,00600 -0,00602
28.10.2015 18.960,20 - 0,00250 -0,00250
29.10.2015 18.798,41 - 0,00850 -0,00854
30.10.2015 18.811,30 0,00070 0,00070
02.11.2015 18.853,94 0,00230 0,00230
03.11.2015 19.003,01 0,00790 0,00787
04.11.2015 18.973,28 - 0,00160 -0,00160
05.11.2015 18.890,42 - 0,00440 -0,00441
06.11.2015 18.895,08 0,00020 0,00020
09.11.2015 18.815,04 - 0,00420 -0,00421
10.11.2015 18.664,32 - 0,00800 -0,00803
11.11.2015 18.646,55 - 0,00100 -0,00100
12.11.2015 18.592,82 - 0,00290 -0,00290
13.11.2015 18.557,10 - 0,00190 -0,00190
16.11.2015 18.475,02 - 0,00440 -0,00441
17.11.2015 18.365,21 - 0,00590 -0,00592
18.11.2015 18.496,56 0,00720 0,00717
19.11.2015 18.655,95 0,00860 0,00856
20.11.2015 18.842,27 0,01000 0,00995
23.11.2015 18.676,66 - 0,00880 -0,00884
24.11.2015 18.545,77 - 0,00700 -0,00702
25.11.2015 18.480,32 - 0,00350 -0,00351
26.11.2015 18.462,28 - 0,00100 -0,00100
27.11.2015 18.305,39 - 0,00850 -0,00854
30.11.2015 18.027,32 - 0,01520 -0,01532
01.12.2015 17.933,09 - 0,00520 -0,00521
02.12.2015 17.808,59 - 0,00690 -0,00692
03.12.2015 17.807,01 - 0,00010 -0,00010
04.12.2015 17.843,70 0,00210 0,00210
07.12.2015 17.741,57 - 0,00570 -0,00572
09.12.2015 17.601,99 - 0,00790 -0,00793
10.12.2015 17.625,50 0,00130 0,00130
11.12.2015 17.493,78 - 0,00750 -0,00753
14.12.2015 17.492,93 - 0,00000
15.12.2015 17.648,20 0,00890 0,00886
16.12.2015 17.856,04 0,01180 0,01173
17.12.2015 18.048,73 0,01080 0,01074
18.12.2015 17.897,21 - 0,00840 -0,00844
21.12.2015 17.782,74 - 0,00640 -0,00642
22.12.2015 17.821,32 0,00220 0,00220
23.12.2015 18.047,66 0,01270 0,01262
24.12.2015 18.020,37 - 0,00150 -0,00150
28.12.2015 18.020,73 - 0,00000
29.12.2015 18.078,82 0,00320 0,00319
30.12.2015 18.151,50 0,00400 0,00399
04.01.2016 17.898,78 - 0,01390 -0,01400
05.01.2016 17.915,73 0,00090 0,00090
06.01.2016 17.866,55 - 0,00270 -0,00270
07.01.2016 17.624,77 - 0,01350 -0,01359
08.01.2016 17.617,79 - 0,00040 -0,00040
70
11.01.2016 17.543,69 - 0,00420 -0,00421
12.01.2016 17.472,19 - 0,00410 -0,00411
13.01.2016 17.492,88 0,00120 0,00120
14.01.2016 17.560,58 0,00390 0,00389
15.01.2016 17.297,23 - 0,01500 -0,01511
18.01.2016 17.245,45 - 0,00300 -0,00300
19.01.2016 17.269,31 0,00140 0,00140
20.01.2016 17.160,27 - 0,00630 -0,00632
21.01.2016 17.241,38 0,00470 0,00469
22.01.2016 17.491,10 0,01450 0,01440
25.01.2016 17.500,48 0,00050 0,00050
26.01.2016 17.526,41 0,00150 0,00150
27.01.2016 17.547,63 0,00120 0,00120
28.01.2016 17.755,41 0,01180 0,01173
29.01.2016 18.243,46 0,02750 0,02713
01.02.2016 18.251,83 0,00050 0,00050
02.02.2016 17.894,80 - 0,01960 -0,01979
03.02.2016 17.700,56 - 0,01090 -0,01096
04.02.2016 18.027,02 0,01840 0,01823
05.02.2016 17.984,74 - 0,00230 -0,00230
08.02.2016 17.963,23 - 0,00120 -0,00120
09.02.2016 17.944,24 - 0,00110 -0,00110
10.02.2016 18.060,50 0,00650 0,00648
11.02.2016 17.947,03 - 0,00630 -0,00632
12.02.2016 18.031,60 0,00470 0,00469
15.02.2016 18.095,66 0,00360 0,00359
16.02.2016 18.222,45 0,00700 0,00698
17.02.2016 18.339,40 0,00640 0,00638
18.02.2016 18.459,61 0,00660 0,00658
19.02.2016 18.411,73 - 0,00260 -0,00260
22.02.2016 18.407,71 - 0,00020 -0,00020
23.02.2016 18.240,50 - 0,00910 -0,00914
24.02.2016 18.090,68 - 0,00820 -0,00823
25.02.2016 18.153,95 0,00350 0,00349
26.02.2016 18.239,37 0,00470 0,00469
29.02.2016 18.259,20 0,00110 0,00110
01.03.2016 18.379,01 0,00660 0,00658
02.03.2016 18.453,69 0,00410 0,00409
03.03.2016 18.708,30 0,01380 0,01371
04.03.2016 18.796,55 0,00470 0,00469
07.03.2016 18.803,89 0,00040 0,00040
08.03.2016 18.725,37 - 0,00420 -0,00421
09.03.2016 18.669,61 - 0,00300 -0,00300
10.03.2016 18.777,36 0,00580 0,00578
11.03.2016 18.815,72 0,00200 0,00200
14.03.2016 18.890,52 0,00400 0,00399
15.03.2016 18.872,13 - 0,00100 -0,00100
16.03.2016 18.916,39 0,00230 0,00230
17.03.2016 19.091,19 0,00920 0,00916
18.03.2016 19.387,73 0,01550 0,01538
21.03.2016 19.419,63 0,00160 0,00160
22.03.2016 19.335,50 - 0,00430 -0,00431
23.03.2016 19.116,05 - 0,01130 -0,01136
24.03.2016 19.054,31 - 0,00320 -0,00321
28.03.2016 19.047,98 - 0,00030 -0,00030
29.03.2016 19.191,56 0,00750 0,00747
30.03.2016 19.326,22 0,00700 0,00698
71
31.03.2016 19.296,65 - 0,00150 -0,00150
01.04.2016 19.340,64 0,00230 0,00230
04.04.2016 19.350,11 0,00050 0,00050
05.04.2016 19.217,35 - 0,00690 -0,00692
06.04.2016 19.069,94 - 0,00770 -0,00773
07.04.2016 19.092,70 0,00120 0,00120
08.04.2016 19.256,07 0,00860 0,00856
11.04.2016 19.239,14 - 0,00090 -0,00090
12.04.2016 19.374,29 0,00700 0,00698
13.04.2016 19.394,81 0,00110 0,00110
14.04.2016 19.367,68 - 0,00140 -0,00140
15.04.2016 19.434,77 0,00350 0,00349
18.04.2016 19.451,29 0,00080 0,00080
19.04.2016 19.565,09 0,00590 0,00588
20.04.2016 19.548,16 - 0,00090 -0,00090
21.04.2016 19.569,55 0,00110 0,00110
22.04.2016 19.515,63 - 0,00280 -0,00280
25.04.2016 19.454,17 - 0,00310 -0,00310
26.04.2016 19.448,14 - 0,00030 -0,00030
27.04.2016 19.557,90 0,00560 0,00558
28.04.2016 19.737,13 0,00920 0,00916
29.04.2016 19.655,14 - 0,00420 -0,00421
02.05.2016 19.679,84 0,00130 0,00130
03.05.2016 19.672,54 - 0,00040 -0,00040
04.05.2016 19.696,42 0,00120 0,00120
05.05.2016 19.734,64 0,00190 0,00190
06.05.2016 19.689,44 - 0,00230 -0,00230
09.05.2016 19.618,26 - 0,00360 -0,00361
10.05.2016 19.699,46 0,00410 0,00409
11.05.2016 19.650,88 - 0,00250 -0,00250
12.05.2016 19.722,35 0,00360 0,00359
13.05.2016 19.662,29 - 0,00300 -0,00300
16.05.2016 19.621,74 - 0,00210 -0,00210
17.05.2016 19.551,23 - 0,00360 -0,00361
18.05.2016 19.510,57 - 0,00210 -0,00210
19.05.2016 19.387,51 - 0,00630 -0,00632
20.05.2016 19.404,24 0,00090 0,00090
23.05.2016 19.449,16 0,00230 0,00230
24.05.2016 19.511,87 0,00320 0,00319
25.05.2016 19.525,67 0,00070 0,00070
26.05.2016 19.507,09 - 0,00100 -0,00100
27.05.2016 19.479,52 - 0,00140 -0,00140
30.05.2016 19.480,17 - 0,00000
31.05.2016 19.416,89 - 0,00320 -0,00321
01.06.2016 19.364,00 - 0,00270 -0,00270
02.06.2016 19.324,55 - 0,00200 -0,00200
03.06.2016 19.481,80 0,00810 0,00807
06.06.2016 19.632,59 0,00770 0,00767
07.06.2016 19.783,74 0,00770 0,00767
08.06.2016 19.805,99 0,00110 0,00110
09.06.2016 19.667,30 - 0,00700 -0,00702
10.06.2016 19.572,98 - 0,00480 -0,00481
13.06.2016 19.501,00 - 0,00370 -0,00371
14.06.2016 19.503,00 0,00010 0,00010
15.06.2016 19.583,84 0,00410 0,00409
16.06.2016 19.603,55 0,00100 0,00100
17.06.2016 19.651,22 0,00240 0,00240
72
20.06.2016 19.668,44 0,00090 0,00090
21.06.2016 19.713,25 0,00230 0,00230
22.06.2016 19.730,58 0,00090 0,00090
23.06.2016 19.854,02 0,00630 0,00628
24.06.2016 19.588,26 - 0,01340 -0,01349
28.06.2016 19.464,93 - 0,00630 -0,00632
29.06.2016 19.647,19 0,00940 0,00936
30.06.2016 19.725,53 0,00400 0,00399
01.07.2016 19.875,22 0,00760 0,00757
04.07.2016 19.871,51 - 0,00020 -0,00020
05.07.2016 19.826,64 - 0,00230 -0,00230
06.07.2016 19.737,61 - 0,00450 -0,00451
07.07.2016 19.758,75 0,00110 0,00110
08.07.2016 19.898,49 0,00710 0,00707
11.07.2016 19.944,27 0,00230 0,00230
12.07.2016 20.059,61 0,00580 0,00578
13.07.2016 20.004,35 - 0,00280 -0,00280
14.07.2016 20.120,39 0,00580 0,00578
15.07.2016 20.228,03 0,00530 0,00529
18.07.2016 20.284,19 0,00280 0,00280
19.07.2016 20.401,06 0,00580 0,00578
20.07.2016 20.273,28 - 0,00630 -0,00632
21.07.2016 20.342,67 0,00340 0,00339
22.07.2016 20.450,85 0,00530 0,00529
25.07.2016 20.455,55 0,00020 0,00020
26.07.2016 20.477,52 0,00110 0,00110
27.07.2016 20.483,77 0,00030 0,00030
28.07.2016 20.459,35 - 0,00120 -0,00120
29.07.2016 20.368,48 - 0,00440 -0,00441
β α
Parámetros
0,000007527 -0,00059
73
BIBLIOGRAFÍA.
1. Oberndorfer, U., Schmidt, P., Wagner, M., & Ziegler, A. (2013). Does the
stock market value the inclusion in a sustainability stock index? An event
study analysis for German firms. Journal of Environmental Economics and
Management, 66(3), 497-509.
2. Chen, C. (2017). Limitations to Event Studies and How They Apply.
3. Kolari, J. W., & Pynnönen, S. (2010). Event study testing with cross-sectional
correlation of abnormal returns. Review of Financial Studies, 23(11), 3996-
4025.
4. Benkraiem, R., Le Roy, F., & Louhichi, W. (2011). Sporting performances and
the volatility of listed football clubs. International Journal of Sport
Finance, 6(4), 283-297.
5. Bergmann, D. R., Ferreira Savoia, J. R., de Melo Souza, B., & de Mariz, F.
(2015). Evaluation of Merger and Acquisition Processes in the Brazilian
Banking Sector by means of an Event Study. Revista Brasileira De Gestão
De Negócios, 17(56), 1105-1115.
6. Berggrun, L. (2006). La fusión de Bancolombia, Conavi y Corfinsura: una
aplicación de la metodología de estudio de eventos. Estudios
Gerenciales, 22(100), 83-102.
7. Gómez-González, J. E., & Velandia, L. F. M. (2014). Efectos de «ángeles
caídos» en el mercado accionario colombiano: estudio de eventos del caso
Interbolsa. Ensayos sobre política económica, 32(75), 23-27.
8. Cortés, L. M., García, J. J., & Agudelo, D. (2015). Effects of Mergers and
Acquisitions on Shareholder Wealth: Event Study for Latin American
Airlines. Latin American Business Review, 16(3), 205-226.
9. Javid, A. Y. (2009). The response of the pakistani stock market to a
cataclysmic event. St. Louis: Federal Reserve Bank of St Louis.
10. Ugedo, J. F. M. (2003). Metodología de los estudios de sucesos: Una
revisión. Investigaciones europeas de dirección y economía de la
empresa, 9(3), 197-244.
11. Carrasco Carrasco, M. (2016). Técnicas de regularización en regresión:
implementación y aplicaciones.
12. Dombrow, J., Rodriguez, M., & Sirmans, C. F. (2000). A complete
nonparametric event study approach. Review of Quantitative Finance and
Accounting, 14(4), 361-380.
13. Maul, D., & Schiereck, D. (2017). The bond event study methodology since
1974. Review of Quantitative Finance and Accounting, 48(3), 749-787.
14. Eckbo, B. E. (Ed.). (2007). Handbook of corporate finance: Empirical
corporate finance (Vol. 1). Elsevier.
74
15. Sorescu, A., Warren, N., & Ertekin, L. (2017). Event study methodology in the
marketing literature: an overview. Journal Of The Academy Of Marketing
Science, 45(2).
16. Batanero, C. (2001). Didáctica de la Estadística. Granada: Universidad de
Granada.
17. Silva-Aycaguer, L. C. (2016). Las pruebas de significación estadística: seis
décadas de fuegos artificiales. Revista Facultad Nacional De Salud
Pública, 34(3), 372-379.
18. Navarro, M. D. F., Llobel, J. P., & Pérez, J. F. G. (2000). Tamaño del efecto
del tratamiento y significación estadística. Psicothema, 12(Suplemento),
236-240.
19. Gómez-Gómez, M., Danglot-Banck, C., & Vega-Franco, L. (2003). Sinopsis
de pruebas estadísticas no paramétricas. Cuándo usarlas. Revista Mexicana
De Pediatria, 70(2), 91-99.
20. Wooldridge, J. M. (2006). Introducción a la econometría: un enfoque
moderno. Editorial Paraninfo.
21. Raynaud, L. (2017). Evaluating Industrial Policies Using Event-Studies:
Evidence from Stock Market Reactions to Obama's Stimulus Package.
22. Bonekamp, B., & van Veen, T. (2017). Terrorist Attacks and Financial
Markets.
23. Skiera, B., Bayer, E., & Schöler, L. (2017). What should be the dependent
variable in marketing-related event studies?. International Journal of
Research in Marketing.
24. Arora, S. (2016). Event Study on Stock Prices of Maruti Suzuki India Limited–
A Case Study on Launch of Celerio.
25. Sohail, A., Rehman, M. U., & Javid, A. Y. (2016). Stock Market Reactions on
Returns and Trading Volume: The Impact of the Global Financial
Crisis. Revista Evidenciação Contábil & Finanças, 5(1), 132-151.
26. Marta, C. M., & Edilberto, C. C. (2008). Modelos ARCH, GARCH y EGARCH:
Aplicaciones a series financieras. Cuadernos De Economía, 27(48)
27. Goerke, B. (2016). Essays zur Förderung und Bewertung von
Innovationen (Doctoral dissertation, Christian-Albrechts Universität Kiel).
28. Wang, G. (2016). The Effects of the Fed's Quantitative Easing
Announcements on the US Mortgage Market: An Event-Study Analysis.
29. Tee, E. (2016). Liquidity Reactions towards Dividend Announcements and
Information Efficiency on the Ghana Stock Exchange. Imperial Journal of
Interdisciplinary Research, 2(12).
30. Warren, N. L., & Sorescu, A. (2017). When 1+ 1> 2: how investors react to
new product releases announced concurrently with other corporate
news. Journal of Marketing, 81(2), 64-82.
31. Snowberg, E., Wolfers, J., & Zitzewitz, E. (2011). How prediction markets can
save event studies. Cambridge: National Bureau of Economic Research, Inc.
75
32. Baker, A. C. (2016). Single-firm event studies, securities fraud, and financial
crisis: Problems of inference. Stanford Law Review, 68(5), 1207-1261.
33. Laura-Gabriela, C., Bogdan, C., Radu, L., & Maria, N. L. L. (2015).
SHAREHOLDERS VALUE AND CATASTROPHE BONDS. AN EVENT
STUDY ANALYSIS AT EUROPEAN LEVEL. Journal of Economic and Social
Development, 2(1), 75-85.
34. Culp, C. L., van der Merwe, A., & Staerkle, B. J. (2016). Single-Name Credit
Default Swaps: A Review of the Empirical Academic Literature.
35. Kothari, S. P., & Warner, J. B. (2004). The econometrics of event studies.
36. Levin, R. I., & Rubin, D. S. (2004). Estadística para administración y
economía. Pearson Educación.
37. Lertwachara, K., & Cochran, J. J. (2007). An event study of the economic
impact of professional sport franchises on local US economies. Journal of
Sports Economics, 8(3), 244-254.
76