INSTITUTO POLITCNICO NACIONAL

ESCUELA SUPERIOR DE COMERCIO Y ADMINISTRACIN SECCIN DE ESTUDIOS DE POSGRADO E INVESTIGACIN UNIDAD SANTO TOMS

DOCTORADO EN CIENCIAS CON ESPECIALIDAD EN CIENCIAS ADMINISTRATIVAS

ANLISIS FRACTAL DEL MERCADO DE VALORES DE MXICO (1978-2004)

TESIS QUE PARA OBTENER EL GRADO DE DOCTOR EN CIENCIAS ADMINISTRATIVAS

PRESENTA

ERNESTO TEOBALDO GLVEZ MEDINA

DIRECTOR: Dr. ALEXANDER BALANKIN

Mxico, D. F.

2005

DEDICATORIAS:
A LA ENERGA DIVINA: Que est en todas partes y en diferentes escalas.

A MIS PADRES: TEOBALDO GLVEZ BARBOZA (q.p.d) JULIA MEDINA OCEJO (q.p.d)

Con agradecimientos por haberme trado a este mundo complejo y transmitirme sus fuerzas morales y energa perseverante, para seguir adelante.

AGRADECIMIENTOS:
A LA UNIVERSIDAD DE SONORA: Por cumplir con la noble tarea de apoyar al desarrollo acadmico de sus profesores.

AL INSTITUTO POLITCNICO NACIONAL:

Porque me abri sus puertas para aprender y mejorar mi trabajo acadmico. Opcin acadmica del pueblo de Mxico.

AL Dr. ALEXANDER BALANKIN:

Por su completo e invaluable apoyo incondicional. Es una muy buena suerte haberlo conocido. Un lder intelectual.

A MI FAMILIA: Celinda, dos veces esposa Ernesto, Gabriela, Milenka y Xchitl: hijos maravillosos.

Por acompaarme y constituir un estmulo para seguir adelante. Sin ellos, esta vida tendra un color sombro para m.

A MIS AMIGOS DEL GRUPO MECNICA FRACTAL

Por su ayuda y camaradera. Compaeros en el estudio y en el esparcimiento.

CONTENIDO Pgina ndice de Tablas ndice de Figuras Resumen Abstract Introduccin Antecedentes Planteamiento del problema Justificacin Objetivos de la investigacin Hiptesis Aportaciones CAPTULO 1 FRACTALES EN LA ADMINISTRACIN 1.1 1.2 1.2.1 1.2.2 1.2.3 1.3.1 1.3.2 1.4 1.4.1 1.4.2 1.4.3 1.4.4 1.4.5 1.4.6 1.4.7 Planteamiento del problema Complejidad de las organizaciones Definicin de Complejidad Caractersticas de la complejidad Capacidad del sistema para administrar la complejidad Organizaciones, procesos no lineales La organizacin como sistema complejo Enfoque fractal Definicin de fractales La geometra de la naturaleza Formacin de objetos fractales Similitud y escalamiento Auto-similitud Auto-afinidad Anlisis fractal y complejidad 15 18 18 19 20 21 22 22 23 24 25 26 27 28 29 i iii 1 2 3 6 9 11 12 13 14 15

1.4.8 1.5 1.5.1 1.5.2

Fractales y el ambiente Aplicaciones del enfoque fractal en la administracin Elementos que relacionan los fractales con la administracin Estudios actuales de aplicacin del enfoque fractal en la

30 31 31 33

administracin 1.5.3 1.5.4 1.5.5 1.6 Aplicacin del enfoque fractal en el diseo de empresas productivas Fbrica Fractal Criterios en la formacin de empresas con propiedades fractales Conclusiones 34 32 36 37 39

CAPITULO 2 PLANTEAMIENTOS TERICOS: CAOS, FRACTALES Y MERCADOS DE CAPITALES 2.1 2.1.1 2.1.2 2.1.3 2.1.4 2.1.5 2.1.6 2.1.7 2.2 2.2.1 2.2.2 2.2.3 2.2.4 2.3 2.3.1 2.3.2 2.3.3 2.3.4 Teora del caos Caos: fenmenos no lineales Determinismo y caos Sensibilidad respecto de las condiciones iniciales La bolsa, teora del caos y los atractores Ecuacin logstica: Estabilidad, caos y fractales Anlisis de la ecuacin logstica Fractales y el caos Fractales en los mercados financieros Dimensin fractal Ley de potencia Grficos fractales y probabilidad fractal Probabilidad fractal Mercados financieros Hiptesis de mercado eficiente (HME) Versiones de la Hiptesis de Mercado Eficiente Anlisis critico de la Hiptesis de Mercado Eficiente Anlisis fractal de mercados

39 39 42 42 43 44 46 48 49 51 52 52 53 54 54 55 56 57

2.3.4.1 2.3.4.2 2.3.4.3 2.3.4.4 2.3.4.5 2.3.4.6 2.4

Fluctuaciones en finanzas Propiedades estadsticas de las fluctuaciones de precios Algunas similitudes con la difusin anmala Algunas similitudes con el fenmeno del punto crtico Correlaciones cruzadas en las fluctuaciones de precios Universalidad en las fluctuaciones financieras Conclusiones

57 57 58 59 60 60 62 63

CAPTULO 3 BOLSA DE VALORES: CONCEPTOS Y FACTORES QUE INFLUYEN EN SU VALOR. MODELOS DE PREDICCIN 3.1 3.1.1 3.1.2 3.2 3.2.1 3.2.2 3.2.3 3.2.4 3.2.5 3.2.6 3.3 3.3.1 3.3.2 3.3.3 3.3.4 3.3.5 3.3.6 3.3.7 3.3.8 3.3.9 Conceptos y funciones ndice de una bolsa Evolucin reciente de los mercados accionarios Principales bolsas de valores e ndices respectivos Bolsa de Nueva York Standard and Pool (S&P 500) Bolsa de Londres Bolsa de Frankfurt Bolsa de Pars Bolsa de Tokio Bolsa Mexicana de Valores (BMV) Intermediarios burstiles Inversionistas Sistema de negociacin Lotes y Pujas Picos Horarios de operacin Suspensiones de operaciones Operaciones de mercado abierto Los ndices burstiles de la Bolsa Mexicana de Valores

63 64 65 70 70 71 72 72 72 73 75 75 75 76 77 77 78 78 78 79

3.3.10 3.3.11 3.3.12 3.3.13 3.4 3.5 3.5.1 3.5.1.1 3.5.1.2 3.5.1.3 3.5.1.4 3.5.2 3.5.2.1 3.5.2.2 3.5.3 3.5.4

El ndice de Precios y Cotizaciones (IPC) Frmula para calcular el IPC Muestra del IPC Otros ndices de la Bolsa Mexicana de Valores Factores que influyen en el nivel del IPC Modelos de prediccin en mercados financieros Modelos del mercado accionario Anlisis Tcnico Anlisis fundamental Tcnica de Elliot La serie de Fibonacci Modelos economtricos Modelo de Box Jenkins Modelos ARCH / GARCH Mtodos de la fsica estadstica Modelos de redes neuronales

80 81 83 83 86 88 89 89 90 91 92 93 93 94 95 96 98

CAPTULO 4 MTODO FRACTAL: EVIDENCIAS EMPRICAS 4.1 4.2 4.2.1 4.2.1.1 4.2.1.2 4.2.2 4.2.3 4.2.3.1 4.2.3.2 4.2.3.3 4.2.3.4 4.2.3.5 Definicin del objeto de estudio Anlisis estadstico y fractal del IPC Anlisis estadstico Prueba de Normalidad Prueba de distribuciones de Lvy (colas pesadas) Anlisis Probabilstica Anlisis fractal Distribuciones de ley de potencia Mtodos de estimacin del exponente de Hurst Anlisis del rango reescalado (R/S) Mtodo del espectro de potencia (P/S) Mtodo de rugosidad-longitud (R/L)

99 101 101 101 103 104 106 107 107 108 109 110

4.2.3.6 4.2.3.7 4.2.4 4.3 4.3.2 4.3.2.1 4.3.2.2 4.3.2.3 4.3.2.4 4.3.2.5 4.3.2.6 4.3.3 4.4

Mtodo del variograma (Vg) Mtodo de ondulaciones (WV) Funcin de autocorrelacin Evidencia Emprica: Anlisis fractal de los sexenios Procedimiento y resultados Jos Lpez Portillo (JLP) Miguel de la Madrid (MMH) Carlos Salinas de Gortari (CSG) Ernesto Zedillo Ponce de Len (EZPL) Vicente Fox (diario) Vicente Fox (minutos ) Anlisis de resultados obtenidos Anlisis de las propiedades estadsticas de la rentabilidad y de la volatilidad del IPC.

111 112 112 113 115 116 117 118 119 120 121 121 123

4.4.1 4.4.2 4.4.3 4.5

Rentabilidad Volatilidad Auto correlacin Anlisis de resultados de la rentabilidad, volatilidad y funcin de autocorrelacin del IPC

123 124 126 126

4.5.1 4.4.2

Rentabilidad del IPC en sexenio de Zedillo y de Fox Volatilidad del IPC en los sexenios de Zedillo y de Fox

127 130 133

CAPTULO 5 MTODO FRACTAL DE PREDICCIN DE CRISIS DEL IPC 5.1 5.2 5.2.1 5.3 5.3.1 5.3.2 5.4 El comportamiento del mercado petrolero y el mercado burstil Volatilidad y Valor absoluto de la rentabilidad Anlisis y discusin de resultados Metodologa de prediccin de crisis Seales cualitativas de crisis burstiles Seales cuantitativas de crisis burstiles Anlisis de Fluctuaciones sin tendencia

133 136 137 138 138 140 141

5.4.1 5.4.1.1 5.4.2

Aplicacin del mtodo en la prediccin de la crisis de 1987 Anlisis de resultados Validacin cuantitativa del mtodo de Anlisis de Fluctuaciones sin Tendencia.

143 145 145

5.4.3 5.4.3.1 5.4.4

Anlisis de Fluctuaciones sin tendencia en periodos sin crisis Anlisis de resultados Validacin cualitativa del mtodo de anlisis de fluctuaciones sin tendencia.

146 147 148

5.5 5.5.1 5.5.1.1

Programa DELPHI para detectar crisis en la bolsa de valores Diagrama de Flujo Algoritmo del mtodo de deteccin de crisis burstiles (DELPHI)

150 150 151 153 157 168

Conclusiones y recomendaciones Glosario Bibliografa Anexos

ndice de tablas

NDICE DE TABLAS Tabla 2.1 2.2 3.1 Nombre Aplicacin de la ecuacin logstica Sensibilidad de las condiciones iniciales Principales Bolsas del mundo: Compaas que cotizan: 2002 3.2 Participacin de las Bolsas de Valores en la economa (Miles, millones dlares) 3.3 Principales Bolsas del mundo: Capitalizacin 74 74 Pgina 45 49 73

(excluyendo fondos de inversin) (Millones de dlares) 3.4 4.1 4.2 4.3 4.4 Muestra de empresas incluidas en el clculo del IPC IPC prueba de normalidad: Jarque Bera IPC prueba de distribucin de colas pesadas Hurst y funcin de autocorrelacin Comparativo del valor de H (comportamiento de rentabilidad entre sexenios de Zedillo y de Fox) 4.5 Comparativo del valor de H (comportamiento de volatilidad entre sexenios de Zedillo y de Fox) 5.1 Ejemplo del anlisis de fluctuaciones sin tendencia. Crisis de 1987 (N=200), =20 5.2 Tabla resultado total del analisis de fluctuaciones 143 143 130 83 102 103 121 128

ndice de tablas

sin tendencia Crisis de 1987 5.3 Ejemplo del anlisis de fluctuaciones sin tendencia en periodo febrero 2003 abril 2004, sin crisis. (N=200), =20 5.4 Resultado total del tendencia, sin crisis anlisis de fluctuaciones sin 147 146

ii

ndice de figuras

NDICE DE FIGURAS
Figura 1.1 1.2 1.3 2.1 2.2 2.3 4.a 4. b 4.c 4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8.a 4.8.b 4.9.a 4.9.b 4.10.a 4.10.b 4.11.a 4.11.b 4.12.a 4.12.b 4.12.c 4.13 4.14 4.15 4.16 Nombre El tringulo de Sierpinski, despus de cuatro iteraciones Transformacin de similaridad en un rectngulo Fractal auto-afin determinstico Iteracin de la ecuacin logstica con presencia de dos atractores Diagrama de bifurcaciones de la ecuacin logstica Grfico fractal. Escala temporal en los mercados financieros ndice de Precios y Cotizaciones y sexenios Rentabilidad diaria del IPC en el perodo 1978-2003 Volatilidad diaria del IPC en el perodo 1978-2003 Distribuciones de probabilidad: Lpez Portillo (Beta General) y MMH (Pearson) Distribuciones de probabilidad: (a) De Pearson; (b) La distribucin Log-logstica Mtodo rango reescalado R/S aplicando el software Benoit Mtodo espectro de potencia, aplicando el software Benoit Mtodo rugosidad-longitud, aplicando el software Benoit Mtodo variograma, aplicando el software Benoit Mtodo de ondulaciones, aplicando el software Benoit Jos Lpez Portillo: IPC diario (1978_1982) Jos Lpez Portillo: Funcin de autocorrelacin Miguel de la Madrid: IPC diario (1982_1988) Miguel de la Madrid: Funcin de autocorrelacin Carlos Salinas : IPC diario (1982_1988) Carlos Salinas :Funcin de autocorrelacin Ernesto Zedillo : IPC diario (1994_2000) Ernesto Zedillo :Funcin de autocorrelacin Vicente Fox: IPC diario (2000_2003) Vicente Fox: Funcin de autocorrelacin Vicente Fox: IPC minutos (julio 2002) Comportamiento de la rentabilidad en el sexenio de Zedillo Comportamiento de la rentabilidad en el sexenio de Fox Comportamiento de la volatilidad en el sexenio de Zedillo Comportamiento de la volatilidad en el sexenio de Fox.
iii

Pgina 26 27 28 47 47 53 99 99 99 104 104 108 109 110 111 112 115 115 116 116 117 117 118 118 119 119 120 127 127 129 130

ndice de figuras

5.1 5.2. 5.3 5.4 5.5 5.6 5.7

Evolucin del IPC: 1988-2004. Serie representativa de fluctuaciones complejas Volatilidades histricas para horizontes de: n = 3, n=30. Valor absoluto de rentabilidad de: n = 3, n=30. Evolucin del IPC, periodo: enero de 1987 marzo de 1988 Anlisis de Fluctuaciones sin tendencia, enero de 1987 marzo de 1988 Evolucin del IPC febrero 2003- abril 2004. Un total de 300 observaciones Resultados de estimacin de para diversos valores dados a N

133 136 136 142 142 145 145

iv

RESUMEN

En esta investigacin se hacen planteamientos sobre el comportamiento complejo del Mercado de Valores de Mxico, con el propsito de construir procedimientos que permitan disponer de indicadores para anticipar la ocurrencia de crisis como las ocurridas en 1987 y en 1994. Para tal efecto, se utiliza el enfoque fractal por ser un medio que permite seguir de cerca movimientos dinmicos y complejos. Se inicia con un estudio sobre la administracin y el enfoque fractal. Se realiza una breve descripcin sobre los modelos de prediccin en los mercados financieros. Esto para conocer el estado del arte, en tanto que para elaborar el marco terico, se revisa la relacin que existe entre el caos, fractales y los mercados de capitales. Desde esta perspectiva, el Marco Terico del ndice de Precios y Cotizaciones (IPC) de la Bolsa Mexicana de Valores (BMV), comprende dos campos de revisin y anlisis, a saber: primero la teora del caos y los modelos fractales; segundo, los mercados financieros. La relacin entre estos dos campos tericos est sustentada en los trabajos de diversos autores tales como: Mandelbrot, Bouchoud, Mantenga y Peters. Es por esta razn que el centro de nuestra atencin son las Bolsas de Valores y se estudian las bases para conocer su funcionamiento. El trabajo de investigacin tiene evidencias empricas. Se analizan las propiedades estadsticas del IPC registradas diariamente. Se analizan con detalle la rentabilidad y la volatilidad, como variables que permiten conocer el comportamiento de la Bolsa Mexicana de Valores abarcando perodos sexenales desde Jos Lpez Portillo hasta el actual sexenio de Vicente Fox. Finalmente, con las propiedades fractales detectadas en el mercado accionario, se proponen modelos que permitan construir indicadores sensibles a la ocurrencia de crisis en la Bolsa Mexicana de Valores.

ABSTRACT

In this investigation positions are made on the complex behavior of the Stock market of Mexico, with the purpose of building procedures that allow to have indicators to advance the crisis occurrence like those happened in 1987 and in 1994. For such an effect, the focus fractal is used to be a means that allows to follow dynamic and complex movements closely. It begins with a study on the administration and the focus fractal. It is carried out a brief description on the prediction models in the financial markets. This to know the state of the art, as long as to elaborate the theoretical mark, the relationship is revised that exists among the chaos, fractales and the markets of capitals. From this perspective, the Theoretical Marco of the Index of Prices and Rates (IPC) of the Mexican Bag of Values (BMV), it understands two revision fields and analysis, that is: first the theory of the chaos and the model fractales; second, the financial markets. The relationship between these two theoretical fields is sustained in the works of diverse such authors as: Mandelbrot, Bouchoud, Maintain and Peters. It is for this reason that the center of our attention is the Stock exchanges and the bases are studied to know its operation. The investigation work has empiric evidences. The statistical properties of the registered IPC are analyzed daily. They are analyzed with detail the profitability and the volatility, as variables that allow to know the behavior of the Mexican Bag of Values embracing periods from Jos Lpez Wicket until Vicente's current gob Fox. Finally, with the properties fractales detected in the stock market, they intend models that allow to build sensitive indicators to the crisis occurrence in the Mexican stock market.

Introduccin INTRODUCCIN

En mercados con creciente competitividad, como los financieros, es obligado que los administradores de recursos monetarios cuenten con instrumentos de anlisis capaces de sealar el posible curso del comportamiento de los principales indicadores. En tal sentido, un aspecto clave consiste en construir escenarios que permitan una mejor anticipacin de los resultados. Los modelos basados en la linealidad de las relaciones entre las variables, muestran sus limitaciones, pues no captan la variedad y complejidad de los movimientos de los principales indicadores de los mercados de valores; por ello es necesario desarrollar mtodos que se ajusten mejor a tal comportamiento. De esta manera se apoyar en los requerimientos de las situaciones de planificacin y toma de decisiones de los agentes financieros.

El objeto de investigacin en este trabajo es el comportamiento del ndice de Precios y Cotizaciones (IPC) que, como en el resto de indicadores de los mercados de valores en el mundo, se comporta de manera impredecible. Para el efecto, se aplica el enfoque fractal debido a su capacidad para analizar el valor de una variable que evoluciona a lo largo del tiempo en forma compleja, y promete, este mtodo, ayudar a descubrir un orden dentro del caos del Mercado de Valores de Mxico.

Los alcances de esta investigacin son varios, a saber: Dado que el ndice del mercado de valores tiene comportamiento fractal,

es posible conocer las variaciones mensuales estudiando dicho ndice con informacin de las operaciones burstiles en perodos de horas y de das. Al demostrarse que las distribuciones de probabilidad de la volatilidad y

de rentabilidad del mercado de valores son de cola gruesa, es posible identificar a los valores extremos tanto en perodos a la baja como los de alta. De esta manera, mejora los resultados obtenidos con el supuesto de normalidad de dichas distribuciones.

Introduccin La metodologa desarrollada en esta investigacin se puede aplicar en el

estudio del comportamiento de las acciones que cotizan en los mercados de valores. El inters de los accionistas es conocer el comportamiento de la rentabilidad y volatilidad de sus acciones. Con el enfoque y metodologa propuestos en este trabajo, se provoca la

aplicacin de los fractales en otros campos de la administracin con caractersticas autosimilares y autoafines.

Entre las limitaciones de los resultados que incluye el presente trabajo, destacan dos principales: La metodologa propuesta para detectar con anticipacin la ocurrencia de crisis, no detecta los cambios ocurridos en perodo con un

comportamiento moderado del ndice del mercado de valores. Para un mejor pronstico de variaciones del IPC, es necesario disear otro mtodo que sea sensible a sus pequeas variaciones. La metodologa propuesta no se cumple en los casos en los cuales la crisis en el mercado de valores es provocada por causas externas, tales como crisis poltica, problemas de la naturaleza, crisis social, etc.

Esta investigacin comprende cinco captulos que permiten obtener bases suficientes para elaborar una metodologa que capte el comportamiento del IPC de la Bolsa Mexicana de Valores (BMV) para anticipar la ocurrencia de crisis.

En el primer captulo se estudian las posibles aplicaciones del enfoque fractal en la administracin. Esta lnea de investigacin sostiene que los procesos en la administracin muestran propiedades fractales, dado que tienen auto similitud y auto afinidad en su forma y estructura en los niveles de jerarqua de su

organizacin. Con ello destacamos una de las aplicaciones mas prometedoras del enfoque fractal en la ciencia administrativa, misma que merece toda una investigacin a realizarse en el futuro.

Introduccin En el segundo captulo se presenta el marco conceptual e institucional de los mercados de valores y revisa sus ndices respectivos. Adems, se exponen los modelos de prediccin de los mercados financieros, la evolucin de los mercados accionarios en el mundo y las caractersticas de las principales bolsas de valores del mundo con sus respectivos indicadores. En forma puntual, se analiza al ndice de Precios y Cotizaciones (IPC) y se revisan los principales factores que influyen en el nivel del IPC. En el tercer captulo se revisa el marco terico del enfoque fractal y de los mercados financieros que comprende dos campos de estudio; primero la teora del caos y los modelos fractales; segundo, los mercados financieros. En el cuarto captulo se aplica el mtodo fractal en el estudio de las series de tiempo del IPC. Se realiza un anlisis estadstico, probabilstico y fractal. Se demuestra que el comportamiento de este indicador tiene propiedades de autosimilitud y autoafinidad. Se prueba que dichas series de tiempo se ajustan a funciones de distribucin de probabilidad de cola gruesa, tambin llamadas distribuciones de Levy. En el quinto captulo se expone la diferencia y semejanza que existe entre el mercado del petrleo y el mercado accionario con relacin a la construccin de sus modelos respectivos. Se comprueba la no estacionalidad de la trayectoria del IPC. Adems, se disea una metodologa que permite anticipar la ocurrencia de crisis burstil, combinando con un programa computacional DELPHI para detectar, con anticipacin, la ocurrencia de crisis en el mercado de valores de Mxico y realizar la validacin respectiva.

ANTECEDENTES
Desde la dcada de los 70, tienen lugar cambios significativos en el estudio de la complejidad del movimiento de los mercados financieros. Para conocer la profundidad de estos cambios, se expone una referencia de sus antecedentes. El primer antecedente de formalizacin de una trayectoria aleatoria que registra la literatura en el estudio de fenmenos complejos de los mercados de capitales, fue propuesta por Bachelier en la tesis que present para obtener su grado de doctor en matemticas en Paris en el ao 1900 (Bachelier, 1900). Se aborda el tema del precio de las opciones en los mercados especulativos, actividad que hoy es extremadamente importante en los mercados financieros. En su tesis, Bachelier determin la probabilidad de los cambios en los precios, escribiendo lo que ahora se conoce como la ecuacin de Chapman-Kolmogorov y reconocindose como un proceso de Wiener que satisface la ecuacin de difusin (este punto fue redescubierto por Einstein en su artculo sobre el movimiento browniano en 1905). Desde la dcada de 1950, los matemticos empezaron a interesarse en la modelacin de los precios del mercado burstil. La propuesta original de Bachelier de una distribucin gaussiana para el cambio de precios fue reemplazada por un modelo en el que los precios de acciones eran ajustados a una distribucin lognormal, es decir, los precios de las acciones realizan un movimiento browniano geomtrico. A partir de 1990, la investigacin cientfica complementa los enfoques tradicionales de finanzas y matemticas financieras a travs de la aplicacin de conceptos tales como escalamiento, universalidad, sistemas desordenados y sistemas crticos auto-organizados, (Bouchaud, & Potters, 2000 pp: 48-52) Entre los modelos alternativos propuestos, el desarrollo ms revolucionario en la teora de la especulacin de precios es la hiptesis de Mandelbrot, quien descubre que los cambios en los precios siguen una distribucin estable de Lvy. Los procesos estables de Lvy son estocsticos y obedecen al teorema generalizado 6

del lmite central. La forma de la distribucin de Lvy permanece estable si se suman dos variables aleatorias que son explicadas cada una con una distribucin estable de Lvy. (Mantegna & Stanley 2000 pp: 60,85) El primer uso de una distribucin de ley de potencia (y la primera formalizacin de una trayectoria aleatoria) fue hace ms de 100 aos cuando Pareto investig el carcter estadstico de la riqueza de los individuos en una economa estable, modelando estas riquezas con la distribucin y ~ x-v, donde y es el nmero de personas que tienen un ingreso igual o mayor que x y v es un exponente que Pareto estim con un valor de 1.5. Pareto indic que el resultado era general y podra aplicarse a diferentes pases como Inglaterra, Alemania e Italia, y an en Per. (Mantegna & Stanley 2000 pp: 20,35) Desde los ltimos 20 aos se desarrolla esta novedosa forma de abordar problemas con la complejidad de este tipo de situaciones. En Mxico, autores como Braun (1994, p.134), Schifter (1998, p.57) y Talanquer (1999, p.38) destacan que muchos fenmenos completamente distintos, como la turbulencia, el clima, el ndice de la bolsa, las seales electrnicas y ciertas reacciones qumicas y otras ms, tienen comportamientos que, vistos desde perspectivas apropiadas, pueden estudiarse con modelos fractales. Para que un suceso sea predecible deben cumplirse dos condiciones fundamentales.

1.- Que exista relacin entre las variables, sean stas cuantitativas o cualitativas. 2.- Que tengan un patrn de comportamiento.

La pregunta pertinente es: en los mercados financieros, en qu medida dichas condiciones se cumplen? Si observamos las grficas generadas por las series de tiempo de los mercados financieros podemos destacar dos categoras: unas deterministas 7

y otras aleatorias. En el primer caso, los valores futuros dependen de su estado actual, as como de la suma acumulativa de todos sus estados pasados. Mientras que en el segundo caso, la correlacin entre el pasado del sistema y su presente es cercana a cero, por lo que no influir en el futuro. Los mercados financieros comparten ambas caractersticas. Frente a esta condicin, Mandelbrot (1997), Bouchaud (2001) y Chorafas (2000), entre varios autores, sostienen que mediante los modelos fractales es posible enfrentar la dificultad de conocer el comportamiento de estos regmenes caticos. En aos recientes, segn Chorafas (2000, p. 31) es significativo el incremento del nmero de analistas, quienes buscan una teora que permita entender la complejidad del mercado financiero y estar en condiciones de prever el futuro para eventos que afectan a las instituciones financieras. Recientemente, de acuerdo con el citado autor, en esta bsqueda se ha incluido la aplicacin de la teora del caos, teora de fractales, ingeniera borrosa y aproximaciones no lineales que simulan el sistema financiero.

Planteamiento del problema

PLANTEAMIENTO DEL PROBLEMA

El problema de esta investigacin es elaborar una metodologa que permita anticipar las crisis en el movimiento del Mercado de Valores de Mxico. En la naturaleza de este problema puede destacarse dos aspectos, a saber: La complejidad del movimiento de los mercados financieros, los cuales son sistemas abiertos, en los que gran cantidad de unidades o agentes interactan de manera no lineal en un proceso de retroalimentacin. Las reglas que los gobiernan son estables y la evolucin del sistema en el tiempo es continuamente monitoreada. (Bouchaud, J. P. & Potters, M. 2000 pp 25-48) (Mantegna R. N. & Stanley) El avance significativo de los instrumentos de anlisis de fenmenos no lineales y dinmicos para abordar comportamientos no lineales. Lo ideal es cerrar la brecha: seguir de cerca el movimiento de indicadores de mercados accionarios. (Petters, 1996, p 12)

Ahora es posible desarrollar modelos y metodologas que permiten comprobar su exactitud y poder de prediccin, usando datos disponibles de alta frecuencia.

Para abordar la respuesta de este problema, existen conceptos desarrollados hace ms de 30 aos, tales como distribuciones de ley de potencia, correlaciones, escalamiento, series de tiempo impredecibles y procesos estocsticos, que pueden aplicarse en el estudio de los mercados financieros.

Estudios recientes, llevados a cabo por destacados cientficos tales como: Mandelbrot, Bouchod, Stanley, etc, han encontrado que la mayora de las series de tiempo financieras no son gausianas. La dinmica compleja del mercado es caracterizada por fluctuaciones anmalas colectivas, conocidas como evidencias empricas universales, que mantienen muy presente los recuerdos de los fenmenos crticos: las fluctuaciones de los ndices no siguen un simple proceso aleatorio, ms bien su distribucin es de cola gruesa y la volatilidad de la

Planteamiento del problema rentabilidad y volatilidad se ajustan autocorrelaciones a largo plazo. Esto es un gran principio para tener posibilidades de detectar eventos raros catastrficos, tales como burbujas y choques en los mercados financieros, que no pueden ser reconocidos en la distribucin normal. (Plerou, V., Gopikrishnan, P., & Stanley 2003 pp: 130,142)

Este problema se aborda con tres lneas de investigacin: Caracterizacin estadstica de los procesos estocsticos de los cambios en los precios de un activo financiero, por lo que se realizan estudios sobre la distribucin de los cambios de precios, la memoria temporal y las propiedades estadsticas de un orden ms elevado (de tercer y cuarto). Principales propiedades de la dinmica estocstica del precio de una accin, tal como la distribucin de colas gruesas leptukorticas (colas relativamente largas) para los cambios de precios (distribucin nogaussiana). Finalmente, un tema comnmente encontrado en las lneas de

investigacin antes sealadas es la presencia de una correlacin de mayor orden en los cambios en el IPC, tales como la rentabilidad y volatilidad.

10

JUSTIFICACIN
Esta investigacin se justifica plenamente si observamos que, para diversos agentes econmicos en Mxico, es clave conocer el comportamiento del ndice de Precios y Cotizaciones del Mercado de Valores debido a que las variaciones de este indicador tienen impacto en el resto de la economa.

En aos recientes, el IPC ha sido un termmetro de las polticas econmicas y sociales; reflejan con alta aproximacin las condiciones de inversin y ahorro de la economa.

La importancia de este indicador se nota ostensiblemente en situaciones de crisis burstiles. Tal es as que cuando ocurri en octubre de 1987, luego de una drstica cada del IPC, inmediatamente se devalu el peso, en concordancia con fuga de capitales, un incremento de los precios, bajaron las inversiones y ocasion otros efectos nocivos para el crecimiento de la economa mexicana.

Dado que el IPC muestra la sensibilidad de la economa (integra el aspecto productivo y el financiero), conviene conocer las seales de una eventual crisis burstil que pueda evitar el pnico que suele presentarse en dichas situaciones. Una seal anticipada de crisis burstil, especficamente en los agentes que operan y estn relacionados con el Mercado de Valores de Mxico, tiene los siguientes aportes: Para el accionista, su decisin de venta de sus activos financieros le evitar prdidas posteriores. Para el inversionista, evitar compras de activos con alta probabilidad de que bajen en un futuro inmediato. Para las Casas de Bolsa, como intermediario de estos dos agentes, estarn en mejor condiciones de asesorar objetivamente a sus clientes. Para las instituciones reguladoras del mercado de valores, mejora el ejercicio de su funcin de fomento y supervisin.

11

Aportaciones

APORTACIONES
Para ponderar las aportaciones de este trabajo, es necesario sealar que en mercados financieros emergen patrones inesperados que requieren de modelos que sigan de cerca dicho movimiento. En esta investigacin se demuestra que la metodologa del anlisis fractal se presenta como una alternativa cientfica, por su capacidad para analizar el valor de una sola variable que evoluciona a lo largo del tiempo y promete ayudar a descubrir un orden dentro del caos de los mercados. En Mxico, es la primera experiencia.

En esta investigacin se demuestra que el ndice de Precios y Cotizaciones en todos los sexenios tiene un comportamiento fractal en escalas temporales de

observaciones: diarias y en minutos.

Al estudiar los movimientos del Mercado de Valores en Mxico, mediante su volatilidad y rentabilidad, se detect que stos tienen un comportamiento que obedece a una funcin de ley de potencia a partir de 21 das. Esto posibilita disear procedimientos que permitan obtener indicadores que anticipen la ocurrencia de crisis burstiles.

El enfoque fractal se aplica en mayor medida en las ciencias naturales, pero recientemente se aprecia su aporte en las ciencias sociales. Destaca en este aspecto su aplicacin en la administracin por sus propiedades de auto-similitud y la autoafinidad que son conceptos que caracterizan al enfoque fractal. En tal sentido, esta investigacin provoca la generacin de nuevas lneas de estudio que permite un mayor conocimiento y aplicacin de los fractales en la administracin.

Finalmente, el aporte de esta investigacin se ubica en la planeacin financiera y en la programacin lineal porque proporciona un instrumento de previsin en el mercado burstil con la finalidad de minimizar riesgos y maximizar rendimientos.

14

HIPTESIS DE LA INVESTIGACIN
En los ltimos sexenios, el movimiento del ndice de Precios y Cotizaciones de la Bolsa Mexicana de Valores tiene un comportamiento persistente a la alza con propiedades susceptibles de analizarse con el enfoque fractal.

Hiptesis de trabajo
H1) El enfoque fractal se constituye en un instrumento de anlisis de la administracin porque destaca las propiedades inherentes de auto similitud y de auto afinidad de los procesos administrativos en una organizacin.

H2) Los principales mtodos de prediccin en los mercados de valores suponen linealidad y estacionalidad en el comportamiento del IPC.

H3) El comportamiento del IPC en el perodo 1978-2004 tiene caractersticas fractales, desde el sexenio de Jos Lpez Portillo hasta el de Vicente Fox, analizados en perodos diarios y en minutos.

H4) El mejor ajuste de la distribucin de probabilidad de la rentabilidad y la volatilidad del IPC corresponde a las distribuciones de Levy (de colas gruesas).

H5) Las distribuciones de la rentabilidad y volatilidad del IPC no cumplen con las propiedades de una distribucin gausiana.

H6) Las crisis burstiles muestran seales antes de que ellas ocurran y pueden captarse con el mtodo anlisis de fluctuaciones sin tendencia.

H7) La validacin del Mtodo fractales nos permiten aumentar la precisin de los pronsticos que anticipen la ocurrencia de crisis en el mercado de valores en Mxico. 13

Objetivos de la investigacin

OBJETIVOS DE LA INVESTIGACIN Objetivo general

Desarrollar mtodos fractales que permitan predecir la dinmica del mercado de valores y capten las caractersticas del movimiento de las burbujas financieras, con base en el estudio de su ndice representativo.

Objetivos especficos
Conocer las relaciones que existen entre el enfoque fractal y la administracin. Exponer los principales mtodos de prediccin en mercados financieros. Demostrar que el comportamiento del IPC en el perodo 1978-2004 tiene caractersticas fractales. Obtener el mejor ajuste de la distribucin de probabilidad de la rentabilidad y la volatilidad del IPC por sexenios. Formular mtodos fractales en el mercado de valores de Mxico y validarlos con la realidad. Mejorar la precisin de los pronsticos que anticipen la ocurrencia de crisis en el Mercado de Valores en Mxico.

12

Captulo 1: Fractales en la administracin________________________________________

Captulo 1

Fractales en la administracin
El contexto de esta investigacin es la administracin financiera, por esta razn en este captulo se expone un marco conceptual y explora las aplicaciones posibles del enfoque fractal en los procesos de la administracin. En los siguientes captulos se estudia la Bolsa de Valores de Mxico y, con evidencia emprica, se demuestra su comportamiento fractal. La motivacin clave es aumentar y mejorar la comprensin terica y prctica de los procesos administrativos y la planeacin financiera.

1.1 Planteamiento del problema El problema consiste en integrar dos aspectos de diferente naturaleza: de un lado, se encuentran los procesos de la administracin de las organizaciones; y de otro, el enfoque fractal cuya versatilidad es demostrada en la construccin de modelos complejos y dinmicos en ciencias, tales como la fsica, qumica, biologa, etc. Esta integracin requiere reflexionar sobre las siguientes ideas: Qu caractersticas de complejidad tiene la administracin de las organizaciones? El enfoque fractal es aplicable en los fenmenos de la administracin?

La primera pregunta exige conocer el desarrollo de la administracin y precisar sus caractersticas dinmicas y complejas que viene mostrando. En tal sentido, se analizan los principios de la complejidad de las organizaciones. La segunda pregunta permite fundamentar la concordancia entre el enfoque fractal con las caractersticas de la complejidad que muestra la administracin.

15

Captulo 1: Fractales en la administracin________________________________________ Este problema es multidisciplinario debido a que tiene la dificultad que ofrece un proceso altamente dinmico, complejo, complicado y sofisticado. (Resenos, 2004) Varios centros de investigacin dirigen su inters en la aplicacin de la teora del caos y fractales en diversos campos de la ciencia, unos desde la perspectiva de una disciplina cientfica, otros, tal como el Instituto de Santa Fe (un centro para el estudio de complejidad en diversas reas) y el Centro de investigacin de Sistemas complejos en la Universidad de Illinois, investigan esta materia con una aproximacin multidisciplinaria (Decaer, 2002 p.5) y se enfocan ms estrechamente con mtodos no lineales en las reas de planificacin estratgica, direccin de calidad de servicio y la evaluacin financiera. El siguiente planteamiento de Eli de Gortari, respecto al mtodo cientfico, sirve de referencia: El mtodo cientfico se desenvuelve mediante aproximaciones sucesivas, se comprueba reiteradamente en la prctica y se afina en contacto directo con la realidad (De Gortari, 1969, p. 227.). El citado pensamiento es oportuno debido a que las investigaciones sobre aplicaciones del enfoque fractal en la administracin se encuentran en sus primeros pasos, se acredita en la realidad y quedan aproximaciones sucesivas por transitar. Estos acercamientos se caracterizan por la presencia de la dinmica compleja y no lineal. Los tericos de los sistemas generales, desde Bertalanffy, aluden a stos durante dcadas, pero slo hasta fines del siglo XX un nmero suficiente de resultados empricos demostr la importancia de enfocar los procesos de la administracin desde la perspectiva de teora de la complejidad (Stacey, 1995). En esto estriba la concordancia entre realidad y teora. Los sistemas sociales se examinan en su propio campo como sistemas complejos con sus caractersticas apropiadas. El estudio de estos principios o caractersticas

16

Captulo 1: Fractales en la administracin________________________________________ nos ayudar a entender la naturaleza de los sistemas humanos y organizaciones. (Kelly, 2004) Una slida aproximacin a este problema se obtiene con el uso de las metforas en las organizaciones, son nuevas maneras de leer y pensar una realidad, de enfocar ciertos fenmenos para enriquecer su comprensin y facilitar su avance terico. (Morgan, 1991) Es ilustrativa la metfora para representar la administracin mediante un rbol (Torres, p.8, 2003), porque nos permite una visin panormica de la misma. Claramente se observa la naturaleza compleja de la administracin, dado que la raz de ese rbol (administracin) est conformada por un conjunto de disciplinas, como psicologa, sociologa economa, las matemticas, el derecho, etc, que nutren la evolucin de la ciencia administrativa, destacando, de esta manera, su caracterstica multidisciplinaria. Esta metfora considera la administracin como un ser vivo. Los sistemas vivos constantemente aumentan su complejidad va las

adaptaciones al nivel ms alto con nuevas estructuras que aumenta su complejidad (Holbrook, 2003). Las organizaciones pueden aumentar su creatividad y diversidad formando estructuras fractales, es decir, desde niveles de estructuras micro hasta estructuras macroscpicas. Es ms, estas estructuras en cada nivel son auto-similares. De este modo, el concepto fractal puede introducirse en la administracin de las organizaciones si consideramos stas como sistemas vivos. Con el criterio de escalamiento, consideramos los objetivos de una parte de la organizacin (por ejemplo, ventas), estos objetivos sern similares a los objetivos del total de la empresa. En tal sentido, la pregunta principal es cmo se presenta el escalamiento en el proceso de auto-organizacin para que las empresas adquieran las estructuras fractales? stas tienen muchos niveles auto-similares

17

Captulo 1: Fractales en la administracin________________________________________ (Abele y Bischoff, 2004). En las compaas de alta tecnologa que deben responder rpidamente y en forma coherente al ambiente que cambia, es til repetir los mismos procedimientos iterativos en forma semejante a lo que sucede en la naturaleza. Esto se expondr en la seccin de aplicaciones del enfoque fractal. Los sistemas abiertos complejos se organizan continuamente y aumentan su complejidad estructural a travs de la emergencia de nuevos y ms altos niveles de estructuras. Esta dinmica puede caracterizarse por dos condiciones, a saber: auto organizacin y adaptacin. Auto organizacin en escala invariante es la idea principal para explicar las estructuras de sistemas abiertos en la naturaleza. Los sistemas vivos en ambientes cambiantes se desarrollan va las adaptaciones.

1.2 Complejidad de las organizaciones Los fenmenos de la administracin son de naturaleza compleja y dinmica, por lo que es preciso estudiarlos con la teora de la complejidad. Qu aporta la teora de la complejidad en la administracin de las organizaciones? Un primer aporte consiste en que la teora de la complejidad proporciona una nueva manera de pensar sobre organizaciones, adems, presenta un nuevo paradigma que hace nfasis en aspectos no lineales y flexibles de los sistemas objetos de estudio. En esta seccin se desarrolla esta propuesta. Se inicia con la definicin de fenmenos complejos y sus caractersticas considerando lo que proponen autores de reconocido prestigio, en especial Cilliers, Stacey, Hall, Robbins y Holbrook.

1.2.1 Definicin de Complejidad No existe definicin nica de complejidad, sin embargo, podemos apreciar las siguientes:

18

Captulo 1: Fractales en la administracin________________________________________ Cilliers piensa que los sistemas complejos consisten en un gran nmero de elementos o agentes que actan recprocamente para producir los cambios dinmicamente a travs del tiempo. La interaccin, en cualquier elemento del sistema, puede influir y ser influido por otro elemento u otros elementos, resultando por ello los efectos no lineales. Los agentes reciben la informacin y actan recprocamente con otros vecinos. Hall (1993 p. 75) El tema se hace ms complejo cuando las partes componentes de una organizacin pueden variar individualmente en su grado de complejidad. Robbins (1990, p. 12) Define la complejidad organizacional: complejidad de cualquier sistema es la respuesta al medio ambiente que la rodea. Kelly: La complejidad es una propiedad intrnseca de sistemas del universo que evolucionan al adquirir mayor y ms diversificado nmero de elementos que interactan entre ellos. Entre mayor es la organizacin, crece la necesidad de cuidar el control de sus elementos y la comunicacin que se da entre ellos. De acuerdo con estas definiciones, un virus es ms complejo que un meteorito, porque la complejidad estriba no slo en acumulacin de elementos, sino en la diversidad de stos y la calidad de sus interacciones. As, al comparar el virus y el meteorito, la calidad de meteorito sera invariable, sin que importase la cantidad de materia que se le removiese en un amplio rango, en tanto que el virus dejara de serlo al remover un mnimo porcentaje de su materia. (Holbrook, p. 78, 2003)

1.2.2 Caractersticas de la complejidad

La complejidad de un sistema depende del nmero de elementos que interactan entre s. La interaccin de muchas partes de un sistema da origen a conductas y propiedades no encontradas en los elementos individuales del sistema. La complejidad es una medida de informacin necesaria para describir la funcin y estructura de un sistema. Es un estado variado que involucra 19

Captulo 1: Fractales en la administracin________________________________________ interacciones y diferentes componentes, como en la interconexin de partes de una estructura.

La complejidad es el comportamiento de aquellas unidades dotadas con el potencial de evolucionar en el tiempo. Ese potencial admite la informacin de nuevas leyes.

La complejidad estudia las propiedades fundamentales de sistemas adaptables complejos y la regeneracin no lineal. Los estudios de complejidad son generalmente multidisciplinarios. La complejidad se da en los sistemas. Un elemento aislado no puede aumentar su complejidad porque no interacta con los otros elementos endgenos y exgenos de los sistemas. En el momento en que dos elementos interactan surge un sistema.

La complejidad es un proceso evolutivo que sigue un comportamiento no lineal con base en crisis sucesivas.

Ntese que estas caractersticas incluyen las unidades microscpicas y macroscpicas. 1.2.3 Capacidad del sistema para administrar la complejidad El sistema deber conocer con qu tipo de complejidad del medio ambiente tendr que luchar: mercado, producto, zona geogrfica, etc. Una vez que est posicionado en un entorno determinado, deber de tener cuidado en que sus recursos sean inteligentemente empleados, puesto que stos son limitados; lo que equivale a la capacidad del sistema. Cada entidad dentro de la organizacin tiene un tramo de complejidad con el que lidia, lo importante es que lo haga de la mejor manera posible. Por ello la organizacin debe evaluar su situacin con el siguiente criterio: Si la capacidad del sistema es mayor que la variedad requerida, resulta el desperdicio de recursos.

20

Captulo 1: Fractales en la administracin________________________________________ Si la capacidad del sistema es igual a la variedad requerida, resulta un equilibrio dinmico. Si la capacidad del sistema es menor que la variedad requerida, resultan problemas en el sistema. Los sistemas complejos presentan fenmenos y procesos aparentemente dismiles en disciplinas muy diversas. En realidad, los mecanismos que rigen el desarrollo de estos sistemas presentan profundas similitudes (fractalidad de los procesos, como aqu se propone). Los sistemas complejos tienen transformaciones propias de los sistemas abiertos. La evolucin de tales sistemas no se realiza a travs de procesos que se modifican de manera gradual y continua, sino que se dan por sucesiones de desequilibrios y reorganizaciones. Esta evolucin ha sido objeto de numerosos estudios experimentales y tericos en sistemas fsicos, qumicos y biolgicos que condujeron a la teora de la autoorganizacin de sistemas abiertos, liderada por Ilya Prigogine en la escuela de Bruselas.

1.3.1 Organizaciones, procesos no lineales Un aspecto destacado de la organizacin compleja es su reconocimiento explcito de la no linealidad. Son no lineales debido a la combinacin de retro alimentacin negativa y positiva que en ella tienen lugar, as como los efectos que se producen en ellos mismos. La no linealidad introduce comportamientos cualitativos radicalmente nuevos. Los procesos no lineales no pueden estudiarse desde abordajes lineales. La gestin basada en razonamiento lineal tropieza con la complejidad de la no linealidad y se torna intil como herramienta de gestin de sistemas complejos. En los sistemas no lineales hay propiedades que aparecen como resultado de la interaccin entre sus partes y que no pueden explicarse a partir de las propiedades de sus elementos componentes.

21

Captulo 1: Fractales en la administracin________________________________________ La complejidad aparece en condiciones muy especiales, conocidas como puntos crticos o de bifurcacin. En dichos momentos, orden y desorden coexisten, formndose estructuras fractales que se caracterizan por presentar un aspecto autosemejante en diferentes escalas. Estas estructuras generadas por frmulas sencillas, a su vez forman figuras de inagotable complejidad. (Braun, 1996)

La complejidad aumenta en un sistema que evoluciona al agregrsele elementos nuevos; sufre un desorden y su consecuente reorganizacin, lo que conlleva la emergencia de nuevas leyes. En el caso de que el sistema no acepte los nuevos elementos por su cantidad o frecuencia, se estanca o se extingue.

1.3.2 La organizacin como sistema complejo Cuatro propiedades de sistemas complejos adaptativos (Holland, 1994): a) Estn compuestos por una red de agentes altamente interconectados y que actan en paralelo, emergiendo la conducta global coherente del sistema de las conductas cooperativas y competitivas de los agentes que lo componen. b) Con los agentes de un nivel inferior, se construye el nivel inmediatamente superior. c) Constantemente realizan predicciones basadas en sus modelos internos. d) Opera, pudiendo con ello cambiar de entorno, a fin de optimizar su ajuste con el mismo. Los mltiples actores que componen la organizacin, tanto internos como externos, se influyen mutuamente de una manera dinmica y, raramente, de manera directa e inmediata, todo lo cual hace complejo el fenmeno organizativo.

1.4 Enfoque fractal Para apreciar el valor y la diversidad del enfoque fractal, tomamos el pensamiento de Mandelbrot:

22

Captulo 1: Fractales en la administracin________________________________________ Pienso que la difusin de la teora del caos y la geometra fractal en las ciencias sociales es esencial para nuestra futura evolucin, tal como el arte de contar fue esencial en los orgenes de nuestra cultura

(Mandelbrot,1977,p 15). El trmino fractal fue acuado por Benoit Mandelbrot, fsico de origen polaco que estudi e inici la era de los fractales en 1975.

1.4.1 Definicin de fractales El trmino Fractal proviene del latn "fractus" que significa "fragmentado", "fracturado", o simplemente "roto o quebrado", (Mandelbrot, 1977, p. 32). Se aplica al conjunto de formas generadas normalmente por un proceso de repeticin, se caracterizan por poseer similitud en toda escala, por no ser diferenciables y por exhibir dimensin fraccional. El proceso de repeticin al que se hace referencia, recibe el nombre de iteracin. En palabras de L. Kadanoff: un fractal contiene copias de s mismo, dentro de s mismo. Para definir a los fractales, consideramos la original de Mandelbrot: Un objeto fractal tiene formas geomtricas con una dimensin fraccional (no entero) con las siguientes caractersticas: (Mandelbrot B. 1986). i. ii. Sus partes tienen la misma forma o estructura como el total, excepto cuando son de escala diferente, tienen ligera deformacin. Sus formas son extremadamente irregulares, o fragmentos en cualquier escala de observacin. En trminos sencillos, un fractal es una estructura que est compuesta por pequeas partes, las cuales son parecidas a la figura original, que se repiten en diferentes escalas, desde grandes (macro) hasta pequeas (micro). El todo imita a las partes (y viceversa); el enfoque fractal revela que el microcosmo es similar al macrocosmo.

23

Captulo 1: Fractales en la administracin________________________________________ Las estructuras fractales pueden encontrarse en una gran variedad de fenmenos: el crecimiento de bacterias, redes que crecen por agregacin de elementos e independiente del cambio de escala producido por el crecimiento de las mismas, etc. (Braun, 1996) Desde los primeros trabajos de Mandelbrot, muchos autores han intentado demostrar las propiedades fractales de numerosas estructuras biolgicas. As, por ejemplo, la estructura floral de las plantas; en organismos de seres vivos, tales como el sistema circulatorio, la estructura alveolar de los pulmones, la red de los capilares sanguneos, etc. tienen una apariencia fractal. Tomemos los casos del rbol, un helecho o un brcoli; cada rama es la representacin fiel del tronco al que se integra, y as sucesivamente. La naturaleza se expresa a travs de su propia geometra: los fractales, lo que resulta de inters en el anlisis de procesos diversos tanto en la naturaleza como en la sociedad. (Shoroeder 1999) El enfoque fractal, con el aporte de Mandelbrot, se constituye en un nuevo campo de las matemticas e interviene en el cambio de los paradigmas de las ciencias.

1.4.2 La geometra de la naturaleza La creatividad de la naturaleza se expresa en los procedimientos aparentemente simples e iterativos. Los recientes estudios biolgicos muestran que organismos vivos son estructurados de un modo fractal: su metabolismo, respiracin, circulacin de sangre y otras funciones vitales, son perfeccionadas por estructuras fractales. El organismo humano produce los procesos catalizadores similares a aqullos de un birreactor. La funcin de bombeo del corazn que provoca el flujo de sangre como reactor natural, es debida a la estructura fractal del organismo. (Talanquer, 1996) El concepto fractal ha dado lugar a una nueva geometra que tiene un impacto significativo en las reas como la qumica, fisiologa y la mecnica de los fluidos.

24

Captulo 1: Fractales en la administracin________________________________________ La geometra fractal supera al paradigma de la geometra euclidiana como medio de representacin. Mientras que con la premisa euclidiana no es posible dar respuesta a muchas preguntas sobre fenmenos irregulares tales como la forma de las nubes, de las plantas, las siluetas caprichosas de las montaas y del permetro de las costas, slo es posible representar el orden a travs de figuras basadas en cuerpos regulares (rectas, planos, etc.). Con la geometra fractal es posible representar infinita cantidad de formas irregulares, no lineales, siendo apta para representar objetos rugosos. Por esta razn, la geometra fractal es el medio idneo en el estudio de fenmenos caracterizados por la complejidad. Segn Campbell 1991, la geometra fractal permite analizar cuatro puntos principales: 1) Provee dimensiones adicionales y ms cercanas a la realidad en comparacin con la geometra euclidiana. 2) La mayora de los sistemas complejos son caticos, y stos exhiben conductas extraas asociadas con lmites o campos que no pueden ser representados en dimensiones enteras. 3) Lo sistemas dinmicos pueden ser representados en series de tiempo y sus dimensiones son importantes si se busca estudiarlos. 4) Los fractales son escalables, esto es, se puede reducir o ampliar su anlisis para observar detalles, mientras que las formas bsicas se conservan en cada escala. 1.4.3 Formacin de objetos fractales Los procesos matemticos para crear las estructuras fractales son iteraciones de reglas simples en los objetos de la inicial. Las mutaciones pequeas de reglas simples crean variedad enorme de modelos macroscpicos. La esencia de los fractales es la "retroalimentacin". El punto de partida es una informacin original, se procesa y se obtiene un resultado. ste se procesa de nuevo (se itera) y se obtiene otro resultado similar al anterior y se contina haciendo lo mismo indefinidamente con cada resultado. Los procesos matemticos que crean las

25

Captulo 1: Fractales en la administracin________________________________________ estructuras fractales son iteraciones de reglas simples en objetos iniciales. Un ejemplo que no deja de ser mencionado en toda la literatura sobre los fractales, es la construccin del triangulo de Sierpinski (Braun, 1996). Se une la mitad de cada lado de tringulo (primera fase), en cada tringulo formado se une la mitad del tringulo formado (segunda fase), y as sucesivamente. Ver figura 1.1

Figura 1.1 El tringulo de Sierpinski, despus de cuatro iteraciones Fuente: Mandelbrot, 2004, p. 134 Son comunes, entre los matemticos, dos ejemplos: la curva de Koch y el conjunto de Cantor. Ambos son similares a s mismos y constituyen mecanismos comunes para construir fractales. Por supuesto, existen otros incluyendo el conjunto de Mandelbrot que son muy tiles para describir los fenmenos de la naturaleza. Todos los sistemas complejos reales generalmente exhiben invarianza de escala, es decir, su comportamiento no cambia por el reescalado de las variables que gobiernan su dinmica. Esto nos posibilita a emplear el enfoque de escalamiento para obtener los fractales auto similar y auto afines.

1.4.4 Similitud y escalamiento La transformacin de similitud o escalamiento consiste en generar una copia similar de un objeto cualquiera en una escala diferente. Para lograr esto, el objeto

26

Captulo 1: Fractales en la administracin________________________________________ original se debe afectar por un factor de proporcionalidad, mismo que se denomina factor de escalamiento (Mantengna, 1995 p.35). De este modo, dos objetos son similares si poseen la misma geometra, aunque tengan diferente tamao. Esto se puede expresar de una manera general, tal que si tenemos un objeto y se elige una pequea parte de este objeto y se amplifica con un factor de escalamiento, se observa una geometra idntica al objeto completo. Si se toma este ltimo objeto y se amplifica nuevamente por el mismo factor de escalamiento, seguramente se obtendr una geometra similar al objeto original. Esta operacin se puede repetir indefinidamente. La propiedad de auto-similitud en un fractal matemtico se presenta en todo el intervalo de escalas. (Morales, 2004 p.36) La auto-similitud y la auto-afinidad son conceptos que unifican reas como fractales, ley de potencias y caos (Mantengna, 2000 p.41). La auto-similitud o invarianza bajo cambios de escala o tamao es isotrpico, constituye una de las simetras fundamentales que rigen el universo y un atributo de una infinidad de fenmenos.

1.4.5 Auto-similitud Los fractales autosimilares son estructuras que permanecen invariantes a los cambios de escala, son isotrpicos (tienen las mismas propiedades en todas las direcciones), permanecen invariantes cuando cambia la escala uniformemente en todas las direcciones. (Fig.1.2) Y

Y Y X X X Figura 1.2: Transformacin de similitud en un rectngulo Fuente: Morales 2004, p.35

27

Captulo 1: Fractales en la administracin________________________________________ 1.4.6 Auto-afinidad Un objeto fractal se dice que es auto-afn cuando permanece invariante bajo una escala de transformacin anisotrpica (diferentes escalas en todas las direcciones). A pesar de sus diferencias, en una escala de transformacin, las direcciones no son completamente independientes. Si al hacer un zoom, uno de los ejes de coordenadas se transforma en un factor b, x bx, el resto de los ejes coordenados deben ser reescalados en un factor bi, xi bixi, con el objeto de preservar el conjunto invariante. Los exponentes i son llamados exponentes de Hurst y nos indican cul es el grado de anisotropa del conjunto. En la figura 1.3 se muestra un fractal auto afn determinstico. (Morales 2004, p 36)

Figura 1.3: Fractal auto-afin determinstico. Fuente: Morales 2004, p.36 Los modelos que representan un sistema fractal tienen auto-similitud a un nivel macro y a un nivel micro. Es decir, procesos matemticos de creacin de estructuras fractales son iteraciones de reglas simples de objetos iniciales. Pequeos cambios crean enorme variedad de patrones tanto a nivel micro como a nivel macro. (Stanley, 1999, p.23) La creatividad de la naturaleza, segn parece, viene de este procedimiento iterativo.

28

Captulo 1: Fractales en la administracin________________________________________ 1.4.7 Anlisis fractal y complejidad El trmino 'fractal' se aplic para describir organismos y estructuras complejas (Warnecke 1993). Puede representar a una organizacin compleja a nivel macro o la unidad elemental a nivel micro. El anlisis fractal permite determinar la dimensin fraccional y detectar las propiedades de autosimilitud y autoafinidad en los objetos sujetos de investigacin con caractersticas complejas; caracteriza modelos de la naturaleza que no puede cuantificarse eficazmente con geometra clsica de dimensiones que son nmeros enteros. Hay varias tcnicas para determinar la dimensin fractal. (BENOIT, 2002) Las tcnicas basadas en el "anlisis fractal" sugieren que el dato del mercado exhibe correlacin temporal (es decir, las fluctuaciones voltiles tienden a ocurrir con una determinada tendencia) con distribuciones de probabilidad con cola ancha (los eventos extremos podran ocurrir con mayor frecuencia que la descrita por una distribucin normal). Por tal motivo, las tcnicas tradicionales basadas en los modelos lineales no reflejan correctamente la volatilidad. Mandelbrot descubri este comportamiento usando los precios diarios de algodn en 1963. El anlisis fractal proporciona valores numricos que representan indicadores de aspereza. El concepto fractal, ntimamente ligado al de invariancia de escala, es utilizado para identificar orden en muchos problemas de caractersticas no lineales. Sin la ayuda de los fractales, los sistemas complejos no pueden ser diseados en gran detalle. Variaciones pequeas o fluctuaciones pueden ser amplificados mediante procesos iterativos y crean los cambios cualitativos en el nivel macro. Las acciones de micro-agentes y la inmensa variedad de esas acciones, constantemente se influyen y crean modelos macro. Luego, la estructura macro influye en los agentes individuales, todo el proceso constantemente se mueve

29

Captulo 1: Fractales en la administracin________________________________________ entre el nivel micro y el comportamiento macro resultado de ello emergen nuevas estructuras, es todo lo contrario con la iteracin de un sistema lineal que slo puede dar lugar a una sucesin creciente o a una sucesin que converge. Una expresin matemtica de este proceso se obtiene iterando la funcin Z1 = F (Z0), comenzamos con lo que llamaremos una semilla Z0. Aplicando una iteracin a la funcin no lineal, obtenemos: Z1 =Z0 (Z0 -1). Este

proceso se repite sucesivamente. Al graficar las sucesivas iteraciones se obtiene el conjunto de Mandelbrot, que es un objeto sorprendente que posee estructura a cualquier escala y contiene copias de s mismo.

1.4.8 Fractales y el ambiente Como podemos notar, la presencia de los fractales es mltiple en diversos mbitos de la naturaleza y, poco a poco, la teora fractal gana terreno en amplios campos del pensamiento cientfico proponiendo un mtodo para explicar la conformacin de estructuras y sistemas dinmicos auto-similares, no determinsticos, acausales, no lineales, irregulares y turbulentos, en los que se manifiestan procesos autoorganizativos. Los sistemas vivos siempre cambian y se convierten en patrones ms complejos va la adaptacin a los ambientes que tambin cambian. Construyen los modelos internos de sus ambientes y reaccionan frente al exterior, basados en los modelos internos. Karl Weick sugiri el concepto del ambiente (Weick, 1979) y propuso que el ambiente de las organizaciones del negocio es como entidad que se puede definir en interacciones con las organizaciones. Las compaas crean y definen su propio ambiente al cual responden. El concepto del ambiente tiene algo en comn con las adaptaciones de los modelos internos de sistemas vivos. Los modelos

30

Captulo 1: Fractales en la administracin________________________________________ internos se modifican constantemente en modelos ms complejos va

interacciones con los ambientes. Una estructura fractal se genera cuando el principio de organizacin es aplicado en un modo iterativo. Por consiguiente, las partes muestran la misma estructura como el todo. En la medida en que los organismos sociales sigan las mismas leyes de funcionamiento como los organismos vivos, la ley emprica citada puede usarse como referencia en optimizacin de organizaciones. Si las leyes que gobiernan la conducta de organizaciones sociales y las de organismos vivos son las mismas, y hay gran evidencia que lo demuestra, este isomorfismo permite admitir que los organismos sociales que tengan propiedades fractales son ptimos en la aplicacin de sus recursos.

1.5 Aplicaciones del enfoque fractal en la administracin En esta seccin se demuestra la posibilidad de aplicaciones del enfoque fractal en la administracin, para lo cual se expone la pertinencia de la formacin de empresas fractales. Se presentan, adems, los elementos que relacionan los fractales con la administracin, una sntesis de los trabajos que aplican el anlisis fractal, una definicin de Fbrica Fractal, puntualizando los criterios generales para la formacin de empresas fractales. Se muestran tres casos de empresas diseadas con el enfoque fractal y, finalmente, las propiedades fractales en la organizacin.

1.5.1 Elementos que relacionan los fractales con la administracin Es til sealar algunos elementos que relacionan los fractales con la administracin:

31

Captulo 1: Fractales en la administracin________________________________________ Los individuos y las diferentes divisiones de la empresa son considerados como partes de un todo. Tanto el objetivo, la poltica, la capacidad como la cultura de la empresa, se reflejan en la empresa y en el comportamiento de los individuos. La gerencia fractal proporciona una pista acertada a la gerencia autnoma. Cuando los individuos en el lugar de trabajo toman las acciones constantes con referencia al objetivo y a la poltica de la compaa, los individuos incluidos en la gerencia fractal pueden realizar sus deberes correctamente sin instrucciones repetidas de sus supervisores porque estn bien enterados del objetivo, de la poltica, de la capacidad y de la cultura de la compaa. Las estructuras fractales surgen por la repeticin de reglas simples. Por ejemplo, en la administracin, este principio se expresa del siguiente modo: el objetivo y la poltica de la compaa son proporcionados por los ejecutivos de la compaa (fase inicial) y debe comprenderse bien en todos los niveles de la organizacin. Este prototipo se propagar (siguientes fases) a travs de la direccin fractal y hacer de la compaa ms competitiva y adaptable al ambiente cambiante. Los individuos, en su lugar de trabajo, toman las acciones consistentes con el objetivo y la poltica de la compaa, formando un todo coherente y con estructuras que sostienen los mismos objetivos y metas. Con el enfoque fractal, el trato a los individuos y a las divisiones no debe ser como partes simples de la compaa, tal como en la administracin tradicional. Los individuos y divisiones son considerados, cada uno, como toda la compaa. El objetivo, la poltica, capacidad y cultura de la empresa, se reflejan en la conducta de los individuos y divisiones.

32

Captulo 1: Fractales en la administracin________________________________________ 1.5.2 Estudios actuales de aplicacin del enfoque fractal en la administracin Algunos trabajos que aplican este enfoque en las ciencias sociales y en la administracin parten de la premisa de que es probable que las estructuras de los procesos administrativos adopten o muestren estructuras fractales. En los estudios que aplican los fractales en la administracin y en las ciencias sociales, destacan dos caractersticas, a saber: Utilizan metforas para aplicar los fractales en la administracin, una empresa se considera como un ser vivo o una mquina o un flujo continuo (Abele, 2004). Estas metforas reconocen las nuevas tecnologas, perspectivas y tendencias en la adaptacin de nuevos conceptos en administracin, valora el aporte del enfoque fractal en los negocios. La clave consiste en la adaptacin de empresas sobre la premisa de que las compaas son organismos vivos, con alto potencial de desarrollo. Desde que el ambiente de negocios est en continuo cambio, los modelos de administracin son objetos de adaptaciones al entorno. Las compaas tratan varias aproximaciones para reducir costos y tiempo para reforzar su competitividad. Consideran la capacidad de adaptacin y flexibilidad de las empresas en su intento de mejorar su desempeo, ante un entorno cada vez ms competitivo basado en su desarrollo tecnolgico (Takayasu, 2001). Para un mejor entendimiento de la economa, se asume como un flujo continuo, de manera que cuando hay cambios causados por los mercados domsticos en Europa, por el proceso de integracin y por el desarrollo tecnolgico, stos provocan fuertes efectos en las empresas manufactureras; slo sobreviven quienes son capaces de adaptarse rpidamente. Esta situacin presenta peligros y oportunidades. El aporte principal es el estudio de las propiedades de escalamiento en las fluctuaciones financieras desde el punto de vista de la estadstica fsica. (Bouchaud, 2002)

33

Captulo 1: Fractales en la administracin________________________________________ 1.5.3 Aplicacin del enfoque fractal en el diseo de empresas productivas Se desarrolla el concepto de Fbrica Fractal, se exponen las caractersticas y sus diversas aplicaciones. Adems, se resumen tres tipos de experiencias en las cuales se ilustra la aplicacin del concepto fractal en la administracin de organizaciones, a saber: empresas de servicios de informacin (en Alemania), empresas automotrices (Espaa, Mxico), empresas de manufactura (Corea). Estas experiencias son analizadas brevemente con el objeto de demostrar que el enfoque fractal, dada su versatilidad y flexibilidad, se constituye en una slida opcin para el diseo de las empresas. 1.5.4 Fbrica Fractal En 1992, el profesor Warnecke, presidente del Fraunhofer-Institute for Manufacturing Engineering and Automation (Alemania), desarroll el concepto "Fbrica Fractal", concepto que ofrece una respuesta adecuada a las filosofas de direccin de empresas americanas y japonesas, y se ajusta a las necesidades del ambiente europeo. Su objetivo es el desarrollo de empresas adaptables con la metfora de que las compaas son como organismos vivos con un gran potencial de crecimiento y adaptacin. La Fbrica Fractal es un concepto que se origina de la geometra fractal para reducir la complejidad de la compaa. Un fractal contiene el elemento esencial, las caractersticas de la estructura entera. Se cree que esta idea mantiene el funcionamiento eficaz de la compaa y es considerada como modelo de empresa moderna. La compaa fractal se define como un grupo de entidades autnomas que comparten el conocimiento, recursos y colaboran para crear productos y servicios. Esta colaboracin aumenta al mximo las capacidades y permite, a cada entidad, comprender sus metas especficas, proporcionando las soluciones globales a las necesidades de sus clientes.

34

Captulo 1: Fractales en la administracin________________________________________ Las caractersticas de una fbrica fractal incluyen auto similitud, auto organizacin y auto optimizacin. (Abele 2004). Auto similitud: es una caracterstica intrnseca de un fractal. Cada unidad de la organizacin puede considerarse un fractal. Un fractal es parte de otro fractal superior o puede contener subsistemas con los mismos atributos. Cada fractal puede describirse con el mismo juego de atributos que del conjunto, es decir, los elementos y propiedades, relaciones, metas y logros. Auto-organizacin: los elementos o empresas que conforman una red de fractales poseen un grado de libertad para actuar y tomar decisiones, para cumplir con los parmetros de crecimiento. Ellos pueden ocuparse de los recursos para producir bienes y servicios en procura de lograr las metas y estar de acuerdo con la atencin de la demanda. Tienen capacidad de adaptarse rpidamente a su ambiente y al proceso de mercado que fluyen. En una compaa fractal la meta es constantemente cambiante y es cumplida mediante una estructura de relacin de cooperacin. (Stacey, 1993) Cualquier acercamiento a las empresas como entidades que se auto-organizan debe, por lo tanto, considerar cules (o cuntas) de estas connotaciones se tratan, qu rasgo del sistema dado estn tratando de auto-organizarse. Auto optimizacin: los requerimientos constantes al cambio hacen absurdo fijar las estructuras. De acuerdo con ello, los equipos, los empleados o empresas que integran la red, entran en un proceso de mejora continua, para alcanzar una decisin ptima, disminuyendo tiempos de operaciones, sujeto a su propia iniciativa y su autoridad. Esto puede lograrse ajustando la estructura fractal. Adems de las caractersticas anteriores, hay una necesidad de que la fbrica fractal funcione como un todo coherente. Esto es logrado a travs de un proceso de participacin y coordinacin entre fractales. De hecho, los fractales siempre se

35

Captulo 1: Fractales en la administracin________________________________________ estructuran construyendo un nivel ms alto. Las unidades del nivel ms alto asumen slo las responsabilidades que no puede cumplir el nivel ms bajo, utilizando la informacin de una manera flexible y eficaz. Las empresas son consideradas como parte de sus mercados. Desde que se fragmentan los mercados cada vez ms y la individualizacin de los consumidores va en aumento, las compaas necesitan considerarse como una parte integrante de los mercados para conocer los problemas y deseos de sus clientes. 1.5.5 Criterios en la formacin de empresas con propiedades fractales Un acercamiento a esta cuestin sera disponer de una apropiada organizacin de la compaa que responda rpida y coherentemente con la velocidad del cambio ambiental y puede ser til repetir el mismo procedimiento de iteracin que sucede en la naturaleza. Con base en los trabajos de Abele y Bischoff (2004), Takayasu y Okazaki (2001), Kuehnle (1995) y Tiplady (2003), a continuacin se exponen algunos criterios del enfoque fractal en la administracin. El trabajador y las divisiones o departamentos no podran ser tratados como simples partes de una compaa como en la administracin tradicional. En una administracin fractal son considerados en forma integral, de tal modo que los objetivos, poltica, capacidad y cultura de las divisiones podran ser reflejados en el comportamiento de trabajadores, y el comportamiento total de la compaa se refleje en el comportamiento de las divisiones. Segn este criterio, los individuos toman decisiones consistentes con los objetivos y poltica de la compaa en el lugar de trabajo. As, los trabajadores en la administracin fractal realizan sus deberes propios y se dan cuenta de los objetivos, poltica, capacidad y cultura de la compaa. En el proceso de planeacin, este criterio puede ser repetido en forma similar. Si estos cambios tienen resultados favorables, servirn de prototipos para nuevas reglas. Este ejemplo se propagar en todos los

36

Captulo 1: Fractales en la administracin________________________________________ niveles provocando un cambio total de la compaa hacia una mayor competitividad y adaptacin rpida al medio ambiente. Fomentar el sentido de cooperacin de los trabajadores es comn en sistemas complejos y origina mayor conexin entre el personal de la empresa. Esto implica que la confianza y la solidaridad en los trabajadores y divisiones pueden ser bases slidas en la administracin. Como los sistemas vivos, las empresas logran evolucionar en altos niveles de estructuras fractales. Las organizaciones pueden aumentar la creatividad y diversidad que permitan desarrollarse a sistemas complejos ms elevados mediante adaptaciones a los cambios en el medio ambiente. Como los procesos administrativos son sistemas abiertos, dinmicos y evolutivos, basados en iteraciones e interacciones entre sus miembros y entre miembros con el entorno, esto favorece a las estructuras fractales para que reflejen la dinmica de retroalimentacin positiva. Pequeos cambios provocan mejores niveles de actividad y buenos resultados como antecedente para nuevos cambios: todo esto en un proceso de retroalimentacin. Es el llamado crculo virtuoso del desarrollo de empresas. Por consiguiente, la administracin puede ser entendida como un proceso en evolucin mediante auto-organizacin y adaptaciones. 1.6 Conclusiones La competencia internacional obliga a las compaas industriales a reestructurarse para cumplir con los requisitos de la competencia en los mercados y aumentar sus posibilidades estratgicas. El enfoque fractal aplicado a organizaciones es til porque ayuda a pensar cmo deben estructurarse y tambin a analizar el comportamiento de stas, identificando patrones auto-similares que existen en diferentes escalas o niveles de organizacin. No obstante que la teora de complejidad no est plenamente desarrollada, proporciona muchas implicaciones tiles en la administracin de

37

Captulo 1: Fractales en la administracin________________________________________ organizaciones. Una de ellas se refiere a la utilidad de las estructuras fractales para aumentar la flexibilidad y adaptabilidad de las empresas. En la formacin de administraciones fractales en compaas con altas tecnologas, es favorable responder rpida y coherentemente al cambio de ambiente y puede ser til repetir los mismos procedimientos reiterativos en la naturaleza. Con el enfoque fractal aplicado en la administracin, los individuos y las diferentes divisiones de la empresa son considerados como partes de un todo. El objetivo, la poltica, la capacidad y la cultura de la empresa, se reflejan tanto en la empresa como en el comportamiento de los individuos. Los individuos en el lugar de trabajo realizan las acciones constantemente con referencia al objetivo y a la poltica de la compaa. Las estructuras fractales emergen por la repeticin de prototipos simples de reglas desde el nivel ms bajo hasta el ms alto. Los prototipos iniciales de las reglas, por ejemplo el objetivo y la poltica de la compaa, se pueden proporcionar por los ejecutivos de la compaa y se entienden en los niveles ms bajos de la organizacin. Los cambios acertados sobrevivirn y formarn un nuevo prototipo de reglas. Este nuevo prototipo se propagar desde la base hasta los niveles ms elevados y cambiar a toda la compaa, hacindola ms competitiva y adaptable al ambiente que cambia rpidamente.

38

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

Capitulo 2 Planteamientos tericos: Caos, fractales y mercados de capitales

En el captulo anterior se estudi la aplicacin del enfoque fractal en la administracin, en este se revisa el marco terico del enfoque fractal y de los mercados financieros. Con estos antecedentes estaremos en condiciones de aplicar en los captulos 4 y 5, el enfoque fractal para investigar el comportamiento del IPC de la Bolsa Mexicana de Valores.

Es decir, el marco terico del IPC comprende dos campos de estudio: primero, la teora del caos y los modelos fractales; segundo, los mercados financieros. La relacin entre estos dos campos tericos est sustentada en los trabajos de varios autores tales como Mandelbrot, Bouchaud, Mantegna y Peters.

2.1 Teora del caos

2.1.1 Caos: fenmenos no lineales
Se acepta la premisa de Diebols 1999, p.51) y Makridakis (1998, p.38), quienes sostienen que para investigar el comportamiento de un fenmeno complejo, como es el caso del IPC, es obligado utilizar modelos de sistemas dinmicos no lineales y complejos. En la actualidad, desde hace algunas dcadas (desde los aos 60 del siglo pasado) , contamos con dos grandes pilares en la investigacin, a saber: la teora de sistemas dinmicos no lineales y el desarrollo de las computadoras que hacen posible el manejo de miles y millones de datos necesarios para la experimentacin y modelacin. (Rojas 1999, pp: 15,25)

39

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

La base formal de la teora del caos se inicia con Edward Lorenz (meteorlogo), quin public en 1963 Deterministic Nonperiodic Flow sobre el comportamiento no lineal de un sistema de 3 ecuaciones correspondiente a un modelo simplificado utilizado para predecir las condiciones climticas. A partir de Lorenz, se inician estudios sistemticos en diversos campos de la ciencia con el concepto del caos. (Petters, 1996, pp 53,65) Incorporado al actual acervo cientfico, el caos significa una revalorizacin... del orden! Por paradjico que parezca, as resulta de investigaciones efectuadas en la naturaleza: un fenmeno aparentemente catico responde a una estructura interna. El movimiento de los precios en los mercados en cada instante, parece ser algo azaroso, pero es posible que sigan una tendencia (Chorafas,1999 pp: 34,51); encontramos tambin este tipo de fenmenos en los sucesos de orden meteorolgico (Sametband, 1997 pp:31,38). Ms extrao an, este tipo de caos emerge de fenmenos cuya evolucin es inicialmente determinista, tal como veremos con el estudio de la ecuacin logstica. Contrariamente a lo que podra esperarse, al aumentar la cantidad de informacin disponible, disminuye la dificultad de conocer el resultado futuro del sistema. (Monroy 1,999, pp:46,59 y Sametband,1997, pp: 42,58)

La teora del caos nos permite superar la visin de linealidad que predomina en los modelos que estudian, con resultados limitados, el comportamiento de los mercados. Sin embargo, al enfocar mercados como sistemas dinmicos no lineales, permitir captar las respuestas no proporcionales de una variable dependiente ante cambios de la variable independiente. En sistemas no lineales, cada estado est determinado por sus estados anteriores (iteracin). Un pequeo cambio en valores iniciales tiene grandes efectos en el resultado del sistema. (Chorafas ,1999 pp: 62,73) Para comprender la linealidad y no linealidad del comportamiento de los ndices de mercados financieros, se requiere de un contexto geomtrico: la linealidad se refiere a los objetos geomtricos euclidianos tales como el punto, las lneas, planos, etc.
(Mandelbrot, 1997 pp:25, 32). En tanto que la no linealidad se refiere a aquellos

40

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

objetos que varan en su forma si se observan con diferentes escalas, como el caso de una esfera, por ejemplo, que parece ser plana a poca distancia pero se percibe como un punto desde lejos (Talanquer 1996, pp:30,41). Los modelos fractales permiten estudiar los fenmenos no lineales. (Mandelbrot, 1997 pp:25, 32) En los ltimos aos, parte de la comunidad cientfica de todo el mundo comenz a estudiar el caos, desorden, para explicar muchos fenmenos que suceden en la naturaleza y en la sociedad, que tienen un comportamiento que no puede ser descrito por leyes matemticas sencillas. (Schroeder 1999, pp: 78,91) Por otra parte, los mercados de capitales en el mundo siempre se han comportado de manera impredecible. Al parecer, cada vez es menor la relacin entre el valor de las acciones de una compaa y su desempeo real, a tal punto que los mercados se han convertido en un juego fuera de control de los participantes. De ellos emergen

patrones inesperados, es por esto que la teora del caos viene siendo estudiada por quienes operan en las bolsas de valores, por su capacidad para analizar el valor de una sola variable que evoluciona a lo largo del tiempo y promete ayudar a descubrir un orden dentro del caos de los mercados. (Braun, 1998, pp: 36,51) Tericos como Lorenz, Braun, Schroeder y otros, sealan las siguientes caractersticas que definen a los sistemas caticos:. i. Son deterministas en tanto que existe alguna ecuacin que gobierna su conducta. ii. Son altamente sensibles a las condiciones iniciales, ya que un pequeo cambio en el punto de inicio puede causar un resultado enormemente diferente. iii. Parecen desordenados y fortuitos, pero no lo son porque existe implcito un cierto patrn y sentido de orden.

41

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

2.1.2 Determinismo y caos

Una vez especificado el modelo matemtico frmulas o ecuaciones que regulan el fenmeno estudiado- es posible estudiar la evolucin futura (o pasada) y comparar sus previsiones con la realidad. En este sentido, el fenmeno es determinstico; conocidas ciertas causas, el estado inicial en que hemos empezado a medir, podemos prever su estado en otros momentos. Confiando en forma extrema en ese razonamiento, Laplace (1749-1827) en su Ensayo Filosfico sobre las Probabilidades (principios de siglo XIX) expres que si hubiera un intelecto que conozca todas las fuerzas que animan a la naturaleza y las posiciones mutuas de sus elementos y, adems, sea capaz de someter esos datos al anlisis y expresarlos en una nica frmula, tanto el futuro cuanto el pasado estaran presentes ante sus ojos.

Una vez determinado de qu sistema se trata, nos interesa su evolucin, considerado como un todo. O sea, no slo estudiar algunas trayectorias, conocer la evolucin de alguna de sus partes, sino saber su comportamiento global. Por ejemplo, si hay o no hay variaciones sustanciales, segn sean sus condiciones de partida, lo que se llama condiciones iniciales.

2.1.3 Sensibilidad respecto de las condiciones iniciales

Precisamente esta sensibilidad respecto de las condiciones iniciales es la caracterstica ms importante de los fenmenos caticos. Se percibi, desde el siglo pasado, como causante del azar en ciertos fenmenos fsicos. Pero en aquel momento, los estudios de dinmica estaban ms orientados hacia los sistemas estables, esto es, los sistemas que en pequeas modificaciones en las condiciones iniciales no producen ms que pequeas modificaciones en la evolucin futura. (Gordon ,& Greenspan 1988)

42

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

El estudio de la ecuacin logstica nos permitir conocer, en forma prctica, las caractersticas del caos y su relacin con los fractales en un sistema dinmico no lineal. (Sametband, 1997 pp: 31,38)

2.1.4 La bolsa, teora del caos y los atractores

Sin duda, los mercados financieros son entornos complejos que se desarrollan entre el orden y el caos, donde pequeas variaciones iniciales producen grandes cambios en los movimientos de los precios finales (Plerou, 2003, pp: 130,154). Entonces la pregunta que interesa conocer es si este mercado tiene algn atractor, es decir, si existen algunas pautas o frmulas que nos permitan determinar el estado final al que son atradas las cotizaciones. En realidad todas las teoras de anlisis (fundamental, chartismo, onda de Elliot etc.), son los primeros pasos en la bsqueda de un atractor que nos permita conocer, con antelacin, el estado final de las cotizaciones. Un atractor es una condicin que tiende a hacer confluir el movimiento hacia l. En un movimiento aparentemente catico, a veces logramos encontrar pautas o frmulas que permitan predecir el estado final al que es atrado el movimiento; esta ecuacin es el atractor. Podramos decir que todos los movimientos caticos tienen sus atractores, pero la complejidad de los mismos hace imposible descubrirlos en la mayora de los casos. Los ltimos estudios sobre la teora del caos en los mercados financieros, llevan a la determinacin de cuatro tipos de atractores: el atractor puntual, el atractor cclico, el atractor terico y el atractor extrao. El atractor puntual se presenta, segn la posicin las fuerzas de la oferta y de la demanda, en un punto matemticamente equidistante entre ambos. Es un atractor lineal, constituye el punto de equilibrio entre ambas fuerzas.

43

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

El atractor cclico responde a la naturaleza cclica de los mercados financieros. La teora de las ondas de Elliot se expresa a travs de pautas, es una aproximacin elemental en este sentido, es el primer paso hacia el atractor cclico. El atractor terico es un paso ms en la abstraccin del sistema y toma su nombre de la figura geomtrica formada por la oferta y demanda de mercado. Finalmente, el atractor extrao es el caos propiamente dicho, pues es la suma de factores pequeos, diversos y variables que en ltima instancia determina el sentimiento de los inversores sobre los precios de las acciones. Este atractor se estudia en economa dentro del campo de las expectativas racionales, nueva modalidad de anlisis burstil que no considera el anlisis fundamental ni el anlisis tcnico y se concentra slo en el agente activo del mercado: los inversionistas.

2.1.5 Ecuacin logstica: estabilidad, caos y fractales

Para estudiar la relacin entre caos y los fractales, en diversas ciencias y en particular en las finanzas, conviene conocer uno de los modelos ms utilizados en la teora del caos, la ecuacin logstica, tambin llamada ecuacin de Verhulst, quien la propuso para modelar el crecimiento de una poblacin de insectos en un medio ambiente limitado. De hecho, este modelo es una referencia obligada en los estudios que asocian caos y fractales. Para efectos de esta exposicin se utiliza el desarrollo de Peters() y de Braun(). La ecuacin logstica:

Xsig = KX0 (1 X0 )
Donde:

X 0 , representa la poblacin del ao inicial, para encontrar el ao siguiente, X sig

K, es un parmetro (0<K 4) depende de condiciones del aumento de la poblacin.

44

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

Iteracin: repitiendo la operacin expresada en la frmula, tantas veces como se

quiera, se encontrar la poblacin de cualquier ao futuro. La iteracin puede describirse como un mecanismo de retroalimentacin que se repite un nmero n de veces. Consiste en utilizar un valor inicial en el clculo de cierta funcin y, luego tomar el resultado como valor inicial en el prximo clculo de la misma funcin. Dicha operacin puede repetirse indefinidamente (incluso infinitamente).

Si se conoce la poblacin inicial X0, entonces es posible determinar la poblacin en cualquier ao futuro. (ver tabla 2.1) Tabla 2.1 Aplicacin de la ecuacin logstica X0 0.001 0.04 0.1 0.2 0.9

K
2.7 2.7 2.7 2.7 2.7

Xsig = KX0 (1 X0 )
0.0026973 0.10368 0.243 0.432 0.243

X sig / X
2.6973

2.592 2.43

2.16 0.27

Fuente: elaboracin propia

En la tabla 2.1 se muestra el resultado del clculo. La tabla nos indica que cuando la poblacin es inicialmente pequea, las generaciones siguientes sern ms numerosas; en tanto que si la poblacin inicial es mayor, las poblaciones son menos numerosas, pero slo hasta un lmite, a partir del cual el crecimiento disminuye. La sobrepoblacin, el incremento en la mortalidad, la competencia y muchos otros factores hacen que la poblacin disminuya, como se observa en la presencia de valores altos de X.

45

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

As, el sistema est descrito por una sola variable X, es decir, para definir toda la evolucin del mismo, bastar conocer el valor que toma X en cierto instante dado. Para simplificar, suponemos que la variable tiempo slo puede tener valores enteros. El modelo obtiene el valor de X en instante 1 (perodo 1) de X en instante 0 (inicial).

Si

X0

es 0.04, el primer resultado es 0.10368, como ya lo vimos; ahora

calculemos con el siguiente:

X sig = 2.7(1 0.10368)0.10368 = 0.25091

Con la iteracin dos, tenemos: X sig = 2.7(1 0.25091)0.25091 = 0.5074 A partir de la iteracin nmero dieciocho el producto es 0.6296. Si se da cualquier otro valor inicial entre cero y uno y se itera, se obtendr el mismo valor final 0.6296.

2.1.6 Anlisis de la ecuacin logstica

Con el valor de K = 3.15 se presentan algunos cambios (ver figura 3.1). En este caso el punto fijo deja de ser estable y a pesar de que inicialmente atrae las rbitas hacia l, se genera una bifurcacin en la que aparecen dos puntos estables (marcados como X1 y X2 en la grfica) que, independientemente del valor inicial escogido, "atraen" todas las rbitas que se generen por la iteracin de la ecuacin. Se debe aclarar que bifurcacin es el cambio en el nmero de soluciones posibles para una ecuacin cuando vara un elemento, en este caso, el valor de K. El modelo matemtico exhibe un comportamiento que parece azaroso a pesar del hecho de que las ecuaciones que describen su comportamiento son enteramente deterministas. Los resultados muestran que si K se sita entre uno y tres, los valores iniciales evolucionan a una poblacin que alcanza un equilibrio.

46

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

Figura 2.1 Iteracin de la ecuacin logstica con presencia de dos atractores Fuente: Braun, 1996, p.52

En la figura 2.2, se presenta una vista general del modelo por medio de un diagrama de bifurcacin en el cual en el eje horizontal se disponen los diferentes valores de K de 3.5 hasta 4 y en el eje vertical los de Xsig normalizados de cero a uno; cada valor de la figura se ha obtenido iterando la ecuacin ms de cien veces. La grfica de la dinmica irregular de la ecuacin logstica nos da una imagen del caos.

Figura 2.2 Diagrama de bifurcaciones de la ecuacin logstica Fuente: Braun, 1996, p 52

En el eje horizontal se encuentran los valores de la constante K, que vara de 0 a 4,

47

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

en el eje vertical, los valores finales. Los valores finales empiezan a mostrar un comportamiento catico cuando k>3.5. Al incrementarse K entre 3 y 4, la dinmica cambia en forma notable y aparecen bifurcaciones de orden 2 que son reemplazadas por ciclos en los que se alternan cuatro valores, que luego sern de 8, 16, 32, 64 .Este proceso, al que se le suele llamar duplicacin peridica, es una secuencia que antecede el periodo catico (Braun, 1996) . Este mecanismo de duplicacin peridica ha sido muy estudiado, ya que representa una de las rutas hacia el caos.

2.1.7 Fractales y el caos

Los fractales aparecen como el attractors extrao en los sistemas caticos. Pero no deben confundirse los fractales con el caos. Las palabras claves para el caos son dependencia sensible y no predecibilidad. Las palabras claves para el fractales son: auto-similitud e invariancia a escala. Una similitud importante entre caos y fractales es que ambos son sistemas no lineales y de iteracin. Estos sistemas dinmicos no lineales tienen un elemento de memoria. En un sistema dinmico, el elemento temporal juega un papel crucial. Respecto a los mercados financieros, es este elemento de memoria que permite tener en cuenta los eventos pasados. Una conclusin que resulta del estudio de la ecuacin logstica es que las bifurcaciones peridicas son una de las rutas hacia el caos, dicho mecanismo es vlido para cualquier ecuacin que tenga un solo valor K. La universalidad de este proceso se reproduce sin importar el objeto de estudio o la descripcin del modelo terico que se estudie. Ms an, la dinmica de fenmenos que transitan de la estabilidad al caos por el mecanismo de la bifurcacin se realiza de una manera que puede evaluarse cuantitativamente.

48

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

Otra conclusin que se deriva del estudio del caos fue descrita por Henri Poincar en 1908, al sostener que una causa muy pequea determina un efecto notable que no podemos ver y que esto se debe al azar. Para ver lo dicho por Poincar, consideramos nuevamente a la ecuacin logstica con una K = 4.00; se calculan los resultados con dos valores iniciales ligeramente diferentes entre s: X = 0.4000 por una parte y X = 0.4001 por la otra (ver tabla 2.2).
Tabla 2.2 Sensibilidad de las condiciones iniciales

Nmero de iteraciones 0 6 21

Valores de X sig 0.4 0.40001

Diferencia -0.00001 0.0002 0.2204

0.0254 0.0252 0.7744 0.5540

Fuente: elaboracin propia

Para la sexta iteracin la diferencia llega al cuarto decimal, pero en la 21 alcanza grandes proporciones. La diferencia en los resultados crece exponencialmente. Una manera de obtener una medida de la sensibilidad de un sistema a las condiciones iniciales fue descrita por el matemtico ruso A. M. Lyapunov (1857-1918).

2.2 Fractales en los mercados financieros

En el captulo 1 se desarroll aspectos conceptuales de los fractales y su relacin con la administracin; resta por conocer la relacin de los fractales con el movimiento catico y con los mercados financieros.

En aos recientes, para entender la naturaleza de las estructuras desordenadas y su formacin mediante procesos aleatorios, se han desarrollado los conceptos fractales.

49

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

Un ejemplo de aplicacin de los fractales en las finanzas, lo tomamos de Braun: en la administracin financiera, desde hace mucho tiempo se han intentado estudiar y comprender los movimientos de precios en la Bolsa de Valores. De qu depende que una accin baje o suba? Mediante el mtodo de las series de tiempo se considera que en toda informacin de precios hay un componente predeterminado y otro que es aleatorio. Mandelbrot investig el comportamiento de los precios del algodn. Debido a que la dinmica de los precios no es lineal, detect que las curvas del movimiento diario, mensual y anual tienen la misma forma, o sea, son similares, facilitando con ello la prediccin de los precios futuros. Mandelbrot abord este tema desde un punto matemtico creando una nueva geometra a la que llam "fractal", con la que se pretende explicar el comportamiento del caos en la naturaleza, obteniendo como conclusin que el caos mantiene una estructura ordenada dentro de s mismo y que, adems, se comporta de manera semejante a la globalidad estructural del fenmeno en estudio. Si enfocamos una porcin cualquiera de un objeto fractal (en escalas de tiempo, utilizamos datos de perodos anuales del IPC o datos en minutos), notaremos que tal seccin resulta ser una rplica a mayor (menor) escala de la figura principal. Esto significa que no importa qu tan cerca o lejos enfocamos en cualquier parte de la curva. Cada vez hay ms complejidad y una forma idntica al todo. En tal sentido, enfocamos una serie de tiempo con datos anuales y consideramos tramos mensuales y luego diarios de esta serie. Si estas muestras exhiben autosimilitud a diferentes escalas de tiempo, se puede afirmar que la serie tiene un comportamiento fractal. Kenneth Falconer, en su obra titulada Fractal Geometry: Mathematical Foundations and Applications, describe un concepto de estructura fractal F como la que satisface las propiedades siguientes: 1) F posee detalle a todas las escalas de observacin.

50

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

2) No es posible describir F con Geometra Euclidiana, tanto local como globalmente; 3) F posee alguna clase de autosemejanza, posiblemente estadstica, 4) La dimensin fractal de F es mayor que su dimensin topolgica, 5) El algoritmo que sirve para describir F es muy simple y, posiblemente, de carcter recursivo.

2.2.1 Dimensin fractal

Uno de los procedimientos para caracterizar e incluso para clasificar los objetos fractales consiste en atribuir a cada uno de ellos una cantidad numrica, la dimensin fractal. Por medio de este ndice matemtico se puede cuantificar la geometra de los objetos o de los fenmenos fractales. Existen varios mtodos para calcular la

dimensin fractal, tales como el exponente de Hurst y la funcin de autocorrelacin, mismos que analizaremos en el siguiente captulo. Una de las interpretaciones de la dimensin, posiblemente la ms natural, se relaciona con la capacidad de los objetos para ocupar el espacio euclidiano en el que se encuentran ubicados. Es decir, la dimensin ayudar en la determinacin del contenido o medida de un conjunto, en particular de los conjuntos fractales. As, cuantificar fractales ser definir, por algn procedimiento, la proporcin del espacio fsico que es llenado por ellos. Encontramos una diferencia fundamental con los objetos euclidianos: si magnificamos sucesivamente un objeto euclidiano unidimensional, observamos segmentos rectilneos. Sin embargo, si magnificamos sucesivamente un objeto fractal, encontramos objetos con niveles de complicacin comparables a los del conjunto de partida.

51

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

2.2.2 Ley de potencia

Si tenemos la siguiente funcin: Y = f(X), la funcin de una variable dependiente cuya variable independiente X tiene un exponente escalar, tal que: Y = a X , se dice que en esta funcin se cumple la ley de potencia. Esto indica que el valor de Y se determina en diferentes escalas dependiendo del valor del escalar .

La ley de potencia se ve reflejada en un sistema cuando sus propiedades se hacen independientes de la escala de observacin (Braun, 1998 p. 85). Las leyes de escala aparecen en una gran cantidad de fenmenos. De forma general, se puede decir que estas leyes aparecen cuando una gran cantidad de elementos interaccionan entre s para producir una estructura de un nivel superior. En los casos que acabamos de describir, aparecen modelos de fenmenos en forma de ley potencial anlogos a los establecidos al estudiar situaciones de autosemejanza.

2.2.3 Grficos fractales y probabilidad fractal

Decimos que un grfico obtenido con el mtodo de la caminata aleatoria (RandomWalk) es un fractal si sus patrones de formacin se repiten en todas sus escalas, o lo que es lo mismo, sus patrones de formacin son independientes de la escala del grfico En la construccin de un grfico FRACTAL tipo Random-Walk, observaremos patrones de formacin, en forma de unos mdulos o figuras tpicas que aparecen antes de que el grfico inicie un despliegue al alza, a la baja o a la permanencia en un determinado nivel. Dichos "mdulos" o estructuras de formacin acostumbran recibir la denominacin de "universales", algunas veces porque se interpretan como una "ley de la naturaleza" y, otras veces, por la caracterstica de ser independientes de la escala de los grficos. La importancia que tienen este tipo de grficos fractales en el anlisis burstil viene dada por el hecho de que cumplen con todas las pautas de comportamiento

52

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

detectadas a lo largo de los ltimos 80 aos en el estudio de los grficos de precio en los mercados Mandelbrot. (1963, p12)

Figura 2.3: Grfico fractal. Escala temporal en los mercados financieros Fuente: elaboracin propia

2.2.2.1 Probabilidad fractal

En los grficos fractales construidos emulando a los grficos burstiles, se entiende por probabilidad fractal a un nmero concreto, comprendido entre 0 y 1 que al ser multiplicado por la longitud del tramo que se tome como patrn, nos dar la esperanza matemtica asociada a dicho tramo. Tradicionalmente en las distintas modalidades de anlisis tcnico derivadas de los estudios iniciados por Ralph Nelson Elliott en los aos 30 del siglo pasado, se ha tomado implcitamente el nmero 0,618 como expresin de dicha probabilidad, ya que una determinada longitud elegida como patrn debe ser multiplicada por 0,618 para obtener la esperanza matemtica de la longitud de su tramo asociado. En grficos fractales el nmero que se encuentra por deduccin matemtica es muy parecido, aunque ligeramente distinto ya que resulta ser 0,636. Lo sobresaliente es que dicho nmero coincide con el valor medio de las franjas de variacin observadas en muchsimos grficos burstiles. (Corning, 1995; vol. 8)

53

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

En efecto, los tramos de una longitud tomada como patrn se comprueba estadsticamente que acostumbran terminar dentro de una franja comprendida entre el 61 % y el 66 % del tramo patrn anterior, luego su punto medio es (61+66) / 2 = 63,5 %, lo que en trminos de tanto por uno significa 0,635 que como vemos es casi idntico al 0,636 que arrojan los clculos en los grficos fractales.

2.3 Mercados financieros 2.3.1 Hiptesis de mercado eficiente (HME)

Esta hiptesis indica que en los mercados financieros, toda la informacin es ampliamente disponible y est reflejada en los precios de las acciones; significa que el precio de los activos financieros es de equilibrio y refleja toda la informacin disponible por los inversionistas del mercado en un momento dado. Segn esto, los precios de las acciones no se pueden predecir. Esta hiptesis tiene las siguientes implicaciones:

1) Los mercados no tienen memoria. 2) Todos los inversionistas tienen la misma informacin por lo que no hay posibilidad de obtener continuamente tasas de rentabilidad extraordinarias. 3) Los activos financieros entran en competencia entre s. 4) La diferencia entre el precio de corto plazo y de largo plazo de una accin, refleja al inversionista lo que se espera del futuro de la citada accin. Si es alta esta diferencia, se espera un futuro negativo. Si baja la diferencia, no hay nubarrones en el futuro.

Para que la HME se cumpla es necesario que se correspondan con las condiciones de competencia perfecta: (Ludlow Jorge, 1997)

Que en el mercado exista un gran nmero de compradores y vendedores. Facilidad de entrada y salida del mercado, para todos los participantes.

54

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

Los precios del mercado no permitan el arbitraje (ganancia sin riesgo). Continuidad y volumen de las negociaciones Disponibilidad de informacin Listas pblicas de valores en cotizacin, lo cual da un espectro de alternativas de inversin y diversificacin.

Analicemos si BMV cumple con estas condiciones:

La BMV cumple con estos requisitos, especialmente por la continuidad y volumen de negociaciones, disponibilidad de informacin y las listas pblicas de valores en cotizacin, esto otorga diversificacin en las inversiones,

En la BMV, el mercado primario est conformado por un nmero inferior de 200 de emisoras y 28 casas de bolsas. No existen facilidades a la entrada como emisor a este mercado; tiene sus restricciones, es necesario que cumplan una serie de requisitos. Slo las empresas grandes de reconocido prestigio y que demuestren capacidad econmica, tcnica y moral, tienen condiciones para entrar.

2.3.2 Versiones de la Hiptesis de Mercado Eficiente

1. Forma dbil de eficiencia: es el caso en que los precios reflejan toda la informacin contenida en la evolucin de los precios del pasado. 2.- Forma semifuerte de eficiencia: cuando los precios reflejan no slo los precios pasados sino tambin toda la informacin publicada. 3.- Forma fuerte de eficiencia: en la cual los precios no slo reflejan la evolucin del pasado y la informacin disponible, sino tambin la informacin de las empresas que participan en el mercado y de toda la economa. Ningn inversionista tendra ventaja sobre el resto (Brealey, 2000).

55

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

2.3.3 Anlisis critico de la Hiptesis de Mercado Eficiente

La HME no es un modelo consistente, no modela la evidencia emprica. El nombre de este modelo incluye la palabra "eficaz," pero los mercados no se caracterizan por ser eficaces. Los inversionistas racionales tienen acceso a informacin disponible y ellos acostumbran ofrecer el mercado: lo capta en un medio dinmico de subidas y bajadas de los precios hasta que el equilibrio se alcance. (Petters, 1996, 146,191) En la realidad, las personas siguen a menudo el rumor que se expresa en el mercado y comercian con la tendencia (sea a la baja como a la alza) en lugar de comportarse de una manera racional. Por ejemplo, los mercados financieros son a menudo vulnerables a "burbujas" donde el movimiento de los precios se mueve ms por los factores subyacentes del momento. Los mercados pueden estar sujetos a los ratos de optimismo excesivo seguidos por las olas de pesimismo excesivo.

Normalmente, los inversionistas ganan dinero comprando cuando el precio es bajo y vendiendo cuando el precio es alto. Sin embargo, con la burbuja es aprovechable a la compra cuando el precio es alto (si espera que suba ms all) hasta los estallidos de la burbuja. Actualmente se realizan estudios considerando que la dinmica de precios en mercados financieros responden a la distribucin con cola gruesa. Mantegna y Stanley propusieron un modelo de Lvy truncado, que rene comportamientos ms acordes a distribuciones con cola gruesa y varianza finita. El modelo de Levy truncado se define como un proceso estocstico X(t) que explica las siguientes observaciones empricas: (a) comportamiento de escala no gaussiano para intervalos de t cortos; (b) forma de Levy de la parte central de la distribucin; (c) convergencia gradual hacia un proceso gaussiano cuando t crece indefinidamente Las distribuciones de Levy estables son distribuciones fractales debido a la autosimilitud. Si cambia el parmetro de escala, la distribucin ser la misma.

56

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

Las colas gordas son causadas por las alzas y bajas abruptas. Hay cambios grandes que provocan discontinuidades.

2.3.4 Anlisis fractal de mercados 2.3.4.1 Fluctuaciones en finanzas

De acuerdo con Stanley , el objetivo de la teora financiera moderna (o por lo menos la parte de las finanzas que tiene que ver con los mercados financieros) es el de desarrollar modelos tericos que describan el comportamiento de los mercados financieros, con un enfoque hacia mecanismos causales, leyes estadsticas y poder de prediccin. Por lo tanto, el enfoque de los fsicos que han intentado vincular las matemticas con las finanzas mediante la fsica estadstica, ha sido el de seguir un paradigma de fenmenos crticos (los cuales comprenden sub unidades

interrelacionadas) para examinar hechos empricos y construir modelos.

2.3.4.2 Propiedades estadsticas de las fluctuaciones de precios

Una forma de cuantificar las fluctuaciones financieras es calcular y graficar en una escala log-log, la funcin de autocorrelacin para el valor absoluto de los cambios de precios. Se obtiene una ecuacin de ley de potencia y = xp, la cual es lineal en la escala log-log porque log y = p log x. La pendiente p es el valor del exponente de escalamiento, el cual es muy similar a diferentes escalas, denotando invarianza a diferentes escalas.

Con los datos del IPC, se puede observar la regin aproximada en la que se comportan como una lnea recta (ley de potencia). Cualitativamente, se sabe que hay correlaciones de volatilidad a largo plazo (agrupacin de la volatilidad volatility clustering y persistencia). La grfica del IPC muestra este hecho emprico conocido. No obstante, cuando no es posible encontrar una correlacin cercana al punto crtico, Mandelbrot (1963) demostr la conveniencia de usar la distribucin de Lvy para

57

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

determinar empricamente si una variable aleatoria tiene comportamiento de ley de potencia, ya que esta distribucin pertenece a la familia de las distribuciones de ley de potencia con colas gruesas. Cuando, Mantenga y Stanley (1999, p.12) aplicaron la distribucin de Levy para analizar un milln de datos (tres rdenes de magnitud ms grande que los datos aplicados por Mandelbrot), hallaron que el comportamiento de los datos no era aleatorio (gaussiano) y que se tena una varianza (volatilidad) finita. Por consiguiente, propusieron una familia de distribuciones de ley de potencia denominada truncadas de Levy. Se han encontrado que los datos son aproximadamente lineales por arriba de los dos rdenes de magnitud; es decir, que 100 ms desviaciones estndar siguen conformando la misma ley que describe las pequeas fluctuaciones. Esto es acorde con la ley de Gutenberg-Richter que describe los terremotos. As pues, parecera que estos eventos muy raros, los cuales son convencionalmente tratados como inesperados e inexplicables, tienen una probabilidad precisa para la misma ley que describe eventos comunes.

2.3.4.3 Algunas similitudes con la difusin anmala

En el ao 2001, Stanley intent explicar los exponentes de escalamiento de la serie de tiempo del S&P 500 empleando procedimientos similares a los usados en fenmenos crticos, relacionando los exponentes a travs de una ley de potencia, o derivando algn modelo microscpico y llamndolo grupo de renormalizacion . En particular, Stanley encontr un comportamiento de los exponentes de escalamiento anlogo a una difusin anmala. En cada transaccin hay una probabilidad de que el precio cambie, y despus de un cierto horizonte de tiempo, existe un cambio total en el precio. Stanley vio que el histograma de cambio de precios (dado que la distribucin acumulativa obedece a una ley cbica inversa, la funcin de distribucin de probabilidad, por diferenciacin) obedece a una ley curtica (de cuarto momento) inversa. Esto significa que no hay una escala caracterstica para el caso no clsico de la difusin anmala, debido a

58

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

que si se est difundiendo alrededor de un medio que por si mismo est cambiando (como el universo econmico en el que vivimos), entonces las leyes de la difusin cambian y, en particular, adoptan una forma de escala libre. Adems, los exponentes de las probabilidades del ndice y la volatilidad parecen ser anlogos a los exponentes en un fenmeno crtico, en el sentido que ellos parecen estar relacionados en formas interesantes. (Bouchaud, J. P. & Potters, M. 2000) En conclusin, los movimientos de los precios de las acciones son anlogos a una variacin compleja de la difusin clsica, donde la analoga de la constante de difusin flucta en el tiempo. Adems, existe relacin entre los cambios en los precios de las acciones y la actividad de negociacin de las acciones. Las fluctuaciones del ndice reflejan la actividad de negociacin para cierta accin; y su distribucin de ley de potencia y sus correlaciones a largo plazo pueden ser relacionadas como en la ecuacin logstica, donde las transacciones engendran nuevas transacciones. Las fluctuaciones de volatilidad reflejan varios factores: (i) el nivel de liquidez del mercado, (ii) la aversin al riesgo de los participantes del mercado y (iii) la incertidumbre sobre los valores fundamentales del activo.

2.3.4.4 Algunas similitudes con el fenmeno del punto crtico

Los precios de las acciones responden a fluctuaciones en la demanda y la oferta, justo como la magnetizacin de un sistema de espines que responde a las fluctuaciones en el campo magntico. Periodos con un gran nmero de participantes vendiendo sus reservas, implica cambios positivos en el precio. Plerou encontr que grandes fluctuaciones en el precio ocurren cuando la demanda es muy pequea. Sus hallazgos evocan las transiciones de fase en sistemas de espines, el comportamiento divergente de la funcin respuesta en el punto crtico (campo magntico cero) lleva a grandes fluctuaciones. (Mandelbrot, 1963, pp: 24,43)

59

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

2.3.4.5 Correlaciones cruzadas en las fluctuaciones de precios

La determinacin de las correlaciones cruzadas entre las acciones es de importancia tanto por razones prcticas como cientficas. As, por el lado prctico, al identificar las correlaciones cruzadas permite seleccionar mejor el portafolio de inversin. Por el lado cientfico, identificar las correlaciones cruzadas ayuda a investigar su origen para entender mejor los mecanismos que gobiernan la dinmica de precios de las acciones y otros activos financieros. Se sabe que el precio de una accin no vara de manera aislada con relacin al precio de otras acciones, ya que los precios de las acciones estn correlacionados porque en economa todo depende de todo: a estas correlaciones intra acciones o cualquier otro activo financiero, se les conoce como correlaciones cruzadas (crosscorrelations). Si se observa que el precio de una accin cae y el de las dems no, hay una alta probabilidad que volver a subir (revertiendo la media). La forma de determinar estas correlaciones cruzadas es a travs del clculo de la matriz de correlaciones cruzadas. No importa la dimensin de la matriz si se cuenta con un sistema de cmputo poderoso. Al resolver una matriz de correlaciones cruzadas de 1000 x 1000 para el S&P 500, Stanley encontr que ciertos valores propios se desviaban de las predicciones de la teora de la matriz aleatoria, cuyos valores de valores propios no sobrepasan el valor de 2.

2.3.4.6 Universalidad en las fluctuaciones financieras

El estudio de los cambios en los precios de diferentes activos (acciones, ndices accionarios,etc) revel caractersticas robustas que en la fsica estadstica se conocen como evidencias empricas universales (Stanley, 1999, pp: 358-366). A continuacin se enlistan los ms relevantes:

Los cambios relativos en los precios, en una buena aproximacin, no estn correlacionados ms all de una escala de tiempo del orden de 10 minutos (en

60

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

los mercados lquidos). Esto significa que los cuadrados de la diferencia de los logaritmos de precios crecen linealmente con el tiempo, con un prefactor llamado volatilidad. Un anlisis ms detallado muestra que algunas pequeas

correlaciones estn presentes en la escala de algunos das.

La distribucin de los cambios relativos de precios n es no-gaussiana: existen distribuciones que pueden ser caracterizadas por las colas de Pareto (ley de potencia) -1- con un exponente cercano a 3 para los mercados lquidos. Los mercados emergentes poseen an ms eventos extremos en las colas, con un exponente que puede ser menor a 2 (en tal caso la volatilidad es infinita).

Otra caracterstica es la naturaleza intermitente de las fluctuaciones: explosiones localizadas de la volatilidad pueden ser claramente identificadas. Esta caracterstica, conocida como agrupacin de la volatilidad (volatility clustering), invoca fluctuaciones intermitentes similares en flujos turbulentos. Este efecto puede ser analizado ms cuantitativamente: la funcin de correlacin temporal de la volatilidad diaria puede ser ajustada por una potencia inversa del desplazamiento, con un exponente pequeo en el rango 0.1 0.3. Este lento decrecimiento de la funcin de correlacin de la volatilidad conduce a un comportamiento multifractal de los cambios de precios: la kurtosis de la diferencia de los logaritmos de los precios slo decrece como una pequea potencia del tiempo, en lugar de la inversa del tiempo como sera el caso si la volatilidad fuera constante o tuviera correlaciones en el corto plazo. Este lento decrecimiento de la kurtosis tiene importantes consecuencias en la teora de opciones de precios.

El volumen negociado tambin muestra correlaciones a largo plazo, muy similares a aquellas observadas en la volatilidad. Esto no es sorprendente a partir de que la volatilidad y el volumen negociado estn fuertemente correlacionados.

Los cambios de precios pasados y las futuras volatilidades estn negativamente correlacionados, esto es llamado el efecto de apalancamiento (leverage effect), lo que refleja el hecho de que los mercados llegan a ser ms activos despus de una cada en el precio, y se apaciguan cuando el precio es alto. Esta correlacin es ms visible en los ndices accionarios y es caracterizada por una escala de

61

Capitulo 2: Planteamientos tericos: Caos, fractales y mercados de capitales

tiempo del orden de 10 das. El efecto de apalancamiento conlleva a un sesgo anmalo negativo en la distribucin de cambios de precios como una funcin del tiempo y es tambin importante para las opciones de precios.

Las correlaciones cruzadas de acciones tambin presentan caractersticas muy importantes, tales como un aparente incremento en las correlaciones entre las acciones en periodos voltiles. Esto es lo ms importante para controlar el riesgo financiero, desde que un incremento de correlaciones significa que la diversificacin de riesgos es ms difcil.

Las tasas de inters correspondientes a diferentes etapas de madurez tambin evolucionan de una manera correlacionada, lo cual es anlogo al movimiento de una cuerda elstica sujeta a ruido.

2.4 Conclusiones
El mensaje ms importante de estos estudios empricos para diferentes grados de madurez es que el precio se comporta muy diferente a un simple movimiento browniano geomtrico, que fue tomado como piedra angular de las matemticas financieras: los eventos extremos catastrficos son mucho ms probables y se observan correlaciones no lineales interesantes (volatilidadvolatilidad y precio volatilidad).

Finalmente, cabe destacar que desde hace varias dcadas, se reconoce que la rentabilidad financiera es de distribucin heteroscedasticidad y leptokrtica.

62

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Captulo 3 Bolsa de Valores: Conceptos y factores que influyen en su valor. Modelos de prediccin
Este captulo tiene el objetivo de presentar el marco conceptual e institucional de los mercados de valores y revisar sus ndices respectivos. Adems, con este antecedente, se exponen los modelos de prediccin de los mercados financieros. En tal sentido, se expone la evolucin de los mercados accionarios en el mundo y se muestran las caractersticas de las principales bolsas de valores del mundo con sus respectivos indicadores, especficamente, Bolsa Mexicana de Valores, sus funciones, sistema de negociacin, horarios de operacin y sus principales indicadores. En forma puntual se analiza el ndice de Precios y Cotizaciones (IPC), la metodologa utilizada para calcular el IPC, y asimismo, se revisan a los principales factores que influyen en el nivel del IPC.

3.1 Conceptos y funciones:

Las Bolsas de Valores son establecimientos legalmente autorizados en los que se llevan a cabo las operaciones mercantiles relativas a ttulos-valor en cumplimiento con las rdenes de compra y de venta que reciben los agentes u operadores de bolsa cuya labor es la intermediacin. (BMV 2001) La funcin que tiene una Bolsa de Valores es establecer un centro de inversin y de relacin entre dos agentes: los ahorradores e inversionistas que buscan colocar su dinero para obtener un rendimiento determinado y las empresas que necesitan capitales para el desarrollo de sus negocios. Por lo anterior, las bolsas de valores son una de las fuentes de suministro de capital a largo plazo.

63

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Por otra parte, la bolsa ofrece al inversionista ttulos cotizados (acciones, opciones, warrants, etc.) que permiten un volumen diario de transacciones que se pueden repetir ilimitadamente como objeto ya sea de compra o de venta. Las bolsas se crearon para facilitar estas transacciones y para dar fe de las operaciones que en ella efectan los agentes u operadores de bolsa.

3.1.1 ndice de una bolsa

Para conocer el comportamiento de la bolsa de valores se cuenta con su respectivo ndice. ste es un nmero abstracto que se construye con distintos componentes para seguir la evolucin de los precios de las acciones que la componen. Dentro de este ndice se pondera la participacin de sus partes segn distintos criterios. La "ponderacin" significa el peso relativo de cada uno de sus componentes. En el caso del IPC mexicano, es una cartera de activos que se construye con el fin de monitorear la evolucin del mercado. La frmula de clculo de este ndice se presentar en el acpite siguiente.

Todos los ndices son portafolios tericos que pretenden capturar, con cierta representatividad, la evolucin de un mercado especfico, o lo que es lo mismo, como "benchmark" de un tipo de activo en un determinado mercado. Su fama es producto de la representatividad que tienen sobre el comportamiento de las acciones. Reflejan fielmente el comportamiento de cada accin y suelen ser los ms estudiados.

En lo que se refiere a movimientos y tendencias, el ndice de una Bolsa de Valores muestra la sensibilidad, ya que refleja en gran medida lo que ocurre en el mundo econmico, y es el parmetro ms sensible de los hechos econmicos: su sensibilidad los capta antes que sean visibles al pblico inversionista. En aos recientes ha sido un termmetro de las polticas econmicas y sociales, adems, manifiesta con realismo las medidas y los alcances con que las autoridades econmicas y polticas que influyen en el funcionamiento de la economa (World

64

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Federation Exchange. Statistics 2002). Tal es el caso del ndice de la Bolsa Mexicana de Valores, el IPC, cuya constitucin y determinacin se estudia en la pgina 45.

3.1.2 Evolucin reciente de los mercados accionarios

El crecimiento destacado de los mercados accionarios se inicia en la dcada de los 60s con los mercados cambiarios, producto del crecimiento constante que se gestaba en el comercio internacional. Posteriormente, en los 70s se profundiz, y durante la segunda mitad de esta dcada, la liberalizacin masiva del sistema financiero y privatizacin de empresas sirvieron de soporte para un importante desarrollo del mercado de capitales. Dicho perodo coincidi con una importante liberalizacin financiera en Estados Unidos y la segunda crisis del petrleo.

La liberalizacin tuvo un impacto positivo derivado del reciclaje de los petrodlares hacia economas emergentes. En los pases industrializados el shock petrolero no tard en convertirse en recesin y a comienzos de los ochenta uno de los receptores de petrodlares, Mxico, entr en crisis de pagos. En este escenario, los capitales salieron masivamente de Amrica Latina, en particular de Mxico. El Gobierno abandona el tipo de cambio fijo y provoca una devaluacin superior al 100%.

Con el gobierno de Miguel de la Madrid se inicia la apertura de la economa mexicana al comercio mundial, dejando atrs el modelo de sustitucin de importaciones. Mxico se incorpora al GATT sin tener una base productiva suficientemente competitiva a nivel internacional. El sistema bancario, en manos del gobierno, no constituye una alternativa slida de financiamiento, en tanto que la Bolsa Mexicana de Valores en 1987 sufre la peor crisis burstil de su historia. En el captulo 5 del presente trabajo, esta crisis ser objeto de investigacin aplicando el enfoque fractal para construir indicadores que anticipen su ocurrencia.

65

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Con la cada del muro de Berln, la apertura financiera de los dragones asiticos, la derrota de la hiperinflacin en Argentina y la apertura mexicana, se gener un ambiente internacional extremadamente favorable para los pases emergentes. En 1995 ocurri en Mxico otra de las grandes crisis que impact en las financieras internacionales de la dcada de los noventa, en esta crisis se agrega un componente nuevo al que no se le haba dado demasiada importancia: el contagio financiero.

Mxico entr en una aguda recesin y, posteriormente, Argentina sufri el mismo destino. Los capitales comenzaron a salir de Amrica Latina desde 1996 aproximadamente, y en esta circunstancia estall en junio de 1997 la crisis asitica, luego, la crisis rusa de agosto de 1998. El sistema financiero vivi en agosto y septiembre de 1998 una fuerte crisis que posteriormente se fue acentuando con el inicio de la recesin en Estados Unidos, misma que se profundiz luego de los atentados terroristas de septiembre en esa nacin. Esta crisis es el reflejo de la prdida de rentabilidad de los sectores de alta tecnologa. La Reserva Federal de ese pas vena implementando desde enero una poltica monetarista consistente en 11 bajas sucesivas en la tasa de inters de corto plazo, hasta llevarla desde niveles de 6.5% anual hasta 1.75%. Estas medidas no fueron suficientes y la economa norteamericana entr en recesin en la segunda mitad de 2001. Tambin los bancos centrales de Europa y Japn buscaron inyectar liquidez a sus economas, bajando las tasas de inters para amortiguar la desaceleracin global. Como consecuencia, las bolsas del mundo se recuperaban parcialmente, lideradas por el indicador Dow Jones, si bien registraban an prdidas interanuales. (Financial Times 18/09/2002)

Mientras los analistas interpretaban este aumento de los valores burstiles como una manifestacin del vigor de la nueva economa, otros se preguntaban si ello no responda, en gran parte, a la formacin de una burbuja especulativa. Llamaba la atencin el divorcio existente entre las muy elevadas expectativas de rendimiento financiero y la rentabilidad econmica del capital, que durante la segunda mitad de los aos noventa haba tendido a la baja en los Estados Unidos (Financial Times

66

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

11/10/2002). El alto y sostenido esfuerzo de inversin supuso un endeudamiento desmesurado de las empresas, que no se tradujo en resultados satisfactorios. Ante el imperativo de elevar el valor de las acciones y mantener altas las expectativas de los mercados, numerosas empresas recurrieron a maniobras contables para mejorar sus balances, entre las que destacan Enron, Global Crossing, Adelphia, Dynegy, Tyco Internacional, Imclone, Qwest, WorldCom y Xerox. Posteriormente, estas empresas fueron acusadas de una serie de graves delitos, tales como creacin de entidades ad hoc para ocultar prdidas multimillonarias, manipulacin de resultados, fraudes contables, uso privilegiado de fondos internos y aprovechamiento de informacin privilegiada. (The Economist: 30/10/2002)

La crisis desatada en el gobierno corporativo de las empresas estadounidenses se extendi a los garantes de las finanzas: auditores, bancos y autoridades de tutela. El caso ms notorio fue el de la compaa Arthur Andersen LLP, una de las cinco empresas ms grandes del mundo, auditora de Enron, Global Crossing y WorldCom.

Merrill Lynch, el primer banco de corretaje del mundo, lleg a un acuerdo para pagar una multa de 100 millones de dlares, en respuesta a acusaciones de que sus expertos haban engaado a los inversores, incitndolos en pblico a invertir en valores que ellos despreciaban en privado. Algunos bancos sufrieron tambin una fuerte crisis de credibilidad, sobre todo aqullos que, como el Citigroup, se haban convertido a fines de los aos noventa en grupos integrados, capaces de ofrecer los servicios financieros, llamada banca universal. (Financial Times 2002/10/02)

Estos hechos minaron considerablemente la confianza en el sistema en su conjunto. A partir de 2002, la baja en la bolsa, que en un comienzo se haba limitado a los sectores de informtica y telecomunicaciones, se generaliz hacia los segmentos restantes. (The Economist: 2002/11/15)

67

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Los ndices burstiles de pases desarrollados volvieron al nivel que haban alcanzado cuatro, cinco o seis aos antes. Por ejemplo, en septiembre de 2002, el Dow Jones Industrial haba regresado a los valores de agosto de 1998; el Nasdaq, a los de agosto de 1996; el Financial Time Stock Exchange (FTS) de Londres, a los de principios de 1996; el CAC 40 (Francia), a los de mediados de 1997, y el Dax (Alemania), a los de fines de 1996. Al igual que sus cotizaciones en la bolsa, las empresas vieron disminuir sus utilidades y su capacidad de inversin. A medida que bajaba el precio de las acciones, ms difcil se les haca conseguir financiamiento, debido a la fuerte aversin al riesgo manifestada por los inversores y a su desconfianza creciente respecto a la veracidad de los balances de las empresas y las previsiones de los analistas financieros. (World Bank Economic Review, 1996, Mayo)

Los bancos, tambin afectados por la crisis, aumentaron las restricciones sobre los prstamos: alarmados por las grandes quiebras y el declive del sector de las telecomunicaciones, los inversionistas exigan condiciones cada vez ms duras para prestar a las empresas. Mientras que hasta el ao 2000 los principales criterios de seleccin para la compra de acciones o de obligaciones eran la situacin general del sector y la rentabilidad o el tamao de las empresas, hoy los inversionistas se preocupan preferentemente por el nivel de endeudamiento. Las calificadoras de riesgo, antes permisivas, se volvieron muy severas con las empresas. Los grandes grupos de mayor prestigio, con rendimiento asegurado y liquidez abundante, no tienen mayores dificultades para conseguir financiamiento, pero la situacin es mucho ms difcil para el resto de las empresas, especialmente las de la industria de comunicaciones e informtica. Este acceso restringido al financiamiento, junto con la desaceleracin del crecimiento econmico en el mbito mundial, han cambiado radicalmente la poltica de las empresas: dejan de competir por tamao y participacin de mercado, para adoptar una actitud de estricto control de los gastos y las inversiones.

68

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Con informacin de la Federacin Internacional de Casas de Bolsas, se observa lo siguiente: los tres centros financieros principales que conforman un mercado financiero global son: Nueva York, Londres y Tokio. (Ver Tabla 2.1 y 2.2)

Diversos factores han contribuido a la interrelacin de los mercados financieros, entre ellos destacan: la innovacin tecnolgica de la informtica y las telecomunicaciones; el creciente inters de los inversionistas por adquirir valores extranjeros a fin de diversificar sus riesgos y de obtener una mayor rentabilidad por su inversin; la eliminacin de los controles cambiarios y de trabas a los flujos de capitales; las tendencias de liberalizacin y/o desregulacin de los mercados financieros; y la aparicin de nuevos productos financieros: opciones, futuros, swaps de divisas y tasas de inters, as como otros que tambin ofrecen mayor cobertura.

Con la innovacin tecnolgica se dispone de informacin al instante referente a precios y volmenes de operacin a travs de pantallas de computadora, as como comprar o vender valores sin que sea indispensable un lugar fsico para ello, tal y como sera una bolsa de valores.

En lo que toca al alivio de regulaciones en los mercados financieros, sta ha facilitado, tanto a las emisoras como a los intermediarios, extender sus operaciones a mercados fuera de las fronteras nacionales, ampliando sus redes de distribucin y comercializacin a otros pases. La globalizacin ha provocado la necesidad de estandarizar la informacin financiera de emisoras a travs de la definicin de principios y practicas contables aceptadas, as como la importancia de establecer normas y procedimientos para la custodia, liquidacin y administracin de valores. La estrecha cooperacin entre autoridades y organismos autorregulados juega tambin un rol determinante en un mercado global slido y confiable.

69

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

3.2 Principales bolsas de valores e ndices respectivos

Los principales mercados accionarios del mundo se destacan por un conjunto de criterios de ponderacin tales como grado de capitalizacin, liquidez, volumen de transacciones, participacin en el PIB (Producto Interno Bruto), nmero de compaas que cotizan, etc. Estos mercados son una referencia obligada para conocer la situacin financiera y econmica en el mundo.

3.2.1 Bolsa de Nueva York:

El New York Stock Exchange (NYSE), conocido como Wall Street, conserva la negociacin por corros o grupos y las sesiones se desarrollan de lunes a viernes, de 9.30 a 16.00 horas, su ndice oficial es el llamado NYSE COMPOSITE. El parquet est compuesto por 17 corros (trading post), en los cuales se negocian las acciones. El ndice de este mercado no es demasiado famoso ni consultado y, sin embargo, un ndice privado como el Dow Jones Industrial Average, es tomado como representativo de ese mercado. El ndice Dow Jones no tiene nada que ver con el NYSE, salvando el hecho de que de sus 30 componentes, 28 cotizan en el Mercado de Nueva York. El Dow Jones es un ndice privado, cuyo dueo es la empresa Dow Jones Inc. que a su vez pertenece al Grupo Wall Street Journal. Se modifica por la decisin de los editores del peridico luego de un anlisis.

El Dow Jones Industrial (conocido como Dow Jones) arranc el 1 de octubre de 1928. Este ndice, de referencia obligada a nivel internacional, est compuesto por los 30 valores con mayor liquidez del NYSE. stos son, generalmente, los ms importantes de la industria estadounidense. La capitalizacin del mercado a mayo de 2000 era de 16.700.000.000 dlares.

La NYSE es auto-regulada y gobernada por un rgido grupo de normas aprobadas por la Securities and Exchange Commission (SEC). Ms de un tercio de los empleados

70

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

de la Bolsa trabajan en regulacin para asegurar la fiabilidad para todos los inversionistas.

3.2.2 Standard and Pool (S&P 500)

Es el ndice ms seguido para tener una idea del desempeo general de las acciones estadounidenses. Este ndice contiene las acciones de 500 empresas que fueron seleccionadas por su tamao, liquidez (qu tan fcil es comprar o vender sus ttulos) y representatividad por actividad econmica, incluyendo 400 industriales, 20 del sector transporte, 40 de servicios y 40 financieras. Slo se toman en cuenta empresas estadounidenses. Vale la pena destacar que el peso de cada accin dentro del ndice corresponde a la proporcin que representa el valor de mercado de la empresa dentro del total de las 500 empresas que conforman el ndice. El valor de mercado del capital es igual al precio por accin multiplicado por el nmero total de acciones.

NASDAQ: Es un mercado electrnico, pionero, a nivel mundial, en cotizar empresas con alto potencial de crecimiento, ligadas a sectores tecnolgicamente avanzados. El NASDAQ nace en 1971 y actualmente es el mayor por volumen de negocio y nmero de empresas cotizadas. Las sesiones se desarrollan de lunes a viernes, de 9.00 a 16.00 horas (hora de Washington). Su ndice es el NASDAQ 100 conformado por las 100 corporaciones no financieras y con mayor valor de mercado que negocian sus acciones en el NASDAQ. La composicin del ndice se actualiza trimestralmente. Este ndice es comnmente utilizado como benchmark por los inversionistas posicionados fuertemente en empresas de alta tecnologa. Al igual que el S&P 500, este ndice responde a una frmula de clculo en base ponderada con el valor de capitalizacin de las empresas que lo conforman.

71

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

3.2.3 Bolsa de Londres

Mercado londinense, tradicionalmente estaba dirigido por precios a travs de creadores de mercado (market maker), hasta la implantacin del SETS (Stock Exchange Trading System) a finales del 1997, fecha a partir de la cual se combina la negociacin por precios con la dirigida por rdenes. Las sesiones se desarrollan de lunes a viernes, de 9.00 a 16.30 horas. Su principal indicador es el FTSE (Financial Time Stock Exchange), 100 con base en los 1000 puntos y arranc el 3 de enero de 1984. La capitalizacin del Mercado en abril de 2000 asciende a los 3.004.429 euros.

3.2.4 Bolsa de Frankfurt

Las rdenes en el mercado alemn se contratan a travs de un sistema de rdenes de negociacin continua denominado XETRA. Las sesiones se desarrollan de lunes a viernes, con una etapa de apertura de 8.30-9.00 horas (donde se pueden introducir, modificar y cancelar rdenes pero no operaciones) y otra de contratacin abierta de 9.00-17.30 horas (donde adems, se pueden cruzar las operaciones). Las dos etapas de las sesiones burstiles terminan con una subasta de cierre aleatorio de 30 segundos. El principal indicador es el DAX-30 (Deutschen Aktien Index)

DAX 30: Selecciona a los 30 principales valores negociados en la Bolsa de Frankfurt. Pondera por capitalizacin. Este ndice se inicia el 31 de diciembre de 1987 y con base en 1.000 puntos. La capitalizacin del mercado en abril de 2000 se sita en los 1.655.797 euros.

3.2.5 Bolsa de Pars

El mercado francs se rige por un sistema continuo de negociacin automatizada. Las sesiones se desarrollan de lunes a viernes, con una etapa de apertura de 8.30-9.00 horas (donde se pueden introducir, modificar y cancelar rdenes pero no

72

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

operaciones) y otra de contratacin abierta de 9.00-17.30 horas (donde adems, se pueden cruzar las operaciones). Las dos etapas de las sesiones burstiles terminan con una subasta de cierre aleatorio de 30 segundos. El principal indicador es el CAC40.

CAC 40: Incluye a las 40 empresas con mayor capitalizacin cotizadas en la Bolsa de Pars. El inicio de este ndice es el 31 de diciembre de 1987 y con base en 1.000 puntos. La capitalizacin del mercado en abril de 2000 es de 1.602.093 euros. Sirve de subyacente para los futuros y las opciones contratados en los mercados de futuros y opciones financieros de Francia.

3.2.6 Bolsa de Tokio

Tiene el mayor nmero de empresas en Japn y una de las ms importantes del mundo por volumen de negocio. Es el mercado de referencia obligada para el estudio de los mercados asiticos. Su principal ndice es el Nikkei 225, su nombre procede del mayor diario econmico del mundo, el "Nikon Keizai Shimbun". Este ndice incluye las mayores empresas japonesas. Se public por primera vez el 16 de mayo de 1949. Tabla 3.1 Principales Bolsas del mundo: Compaas que cotizan: 2002
Bolsa de Valores Compaas nacionales Compaas extranjeras Total

Mxico Nasdaq NYSE London Tokio

163 3268 1894 1890 2119

6 381 472 382 34

169 3649 2366 2332 2141

Fuente: Statistics years book 2001. World Federation of Exchanges

73

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Tabla 3.2 Participacin de las Bolsas de Valores en la economa (Miles, millones dlares)
PAS
MXICO ESTADOS UNIDOS ALEMANIA JAPON INGLATERRA

PIB
617.8 10082.2 1,846.1 4,141.4 1,422.7

BOLSAS
126.3 13,826.6 1,071.7 2,293.8 2,164.7

(%)
20.4 137.9 58.1 55.4 152.2

Fuente: Statistics years book 2001. World Federation of Exchanges

Tabla 3.3 Principales Bolsas del mundo: Capitalizacin (excluyendo fondos de inversin) (Millones de dlares) Bolsa de valores Mxico Nasdaq NYSE London Tokio Fin 2002 103,941.2 1 994,494.0 9 015,270.5 1 800,658.0 2 095,515.8 Fin 2001 126,256.4 2739,674.7 11 026,586.5 2 164,716.2 2 293,841.5 Variacin (%) -17.7 -27.2 -18.2 -16.8 -8.6

Fuente: Statistics years book 2001. World Federation of Exchanges

74

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

3.3 Bolsa Mexicana de Valores (BMV)

Es una institucin privada en la que se llevan a cabo las operaciones del mercado de valores organizados en Mxico; su objeto es facilitar las transacciones con valores y procurar el desarrollo del mercado, fomentar su expansin y competitividad; opera por concesin de la Secretara de Hacienda y Crdito Pblico, con apego a la Ley del Mercado de Valores. Sus accionistas son exclusivamente las casas de bolsa autorizadas, las cuales poseen una accin cada una. (BMV 2001) 3.3.1 Intermediarios burstiles Son las casas de bolsa autorizadas, previa demostracin del cumplimiento de los requisitos de ley, para actuar como intermediarios en el mercado de valores y realizan, entre otras, las siguientes actividades: Realizar operaciones de compraventa de valores. Brindar asesora a las empresas en la colocacin de valores y a los inversionistas en la constitucin de sus carteras. Recibir fondos por concepto de operaciones con valores y realizar transacciones con valores a travs del los sistema BMV-SENTRA Capitales, por medio de sus operadores. Los operadores de las casas de bolsa deben estar registrados y autorizados por la CNBV y la BMV. 3.3.2 Inversionistas Los inversionistas son personas fsicas o morales, nacionales o extranjeras que a travs de las casas de bolsa colocan sus recursos; compran y venden valores, con la finalidad de minimizar riesgos, maximizar rendimientos y diversificar sus inversiones. En los mercados burstiles del mundo destaca la participacin del grupo de los llamados "inversionistas institucionales", representado por sociedades de inversin, fondos de pensiones y otras entidades con alta capacidad de inversin y amplio conocimiento del mercado y de sus implicaciones.

75

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Los inversionistas denominados "Calificados" son aqullos que cuentan con los recursos suficientes para allegarse de informacin necesaria para la toma de decisiones de inversin, as como para salvaguardar sus intereses sin necesidad de contar con la intervencin de la autoridad. Los inversionistas trabajan acciones que son ttulos que representan parte del capital social de una empresa, son colocados entre el gran pblico inversionista a travs de la BMV para obtener financiamiento. La tenencia de las acciones otorga a sus compradores los derechos de un socio. 3.3.3 Sistema de negociacin La operacin y negociacin de valores del mercado de capitales se realiza en la plataforma tecnolgica desarrollada y administrada por al Bolsa Mexicana de Valores BMV-SENTRA. Este sistema, totalmente descentralizado y automatizado, permite negociar valores en tiempo real, a travs de cientos de terminales de computadoras interconectadas por una red, ubicadas en las casas de bolsa y controladas por la estacin de Control Operativo de la BMV. Las operaciones se cierran o se ingresan a travs de los formatos que aparecen en pantalla, en los que se especifica la emisora, serie, cantidad y precio de los valores que se desean comprar o vender. Control Operativo monitorea toda la sesin de remate, llevando un estricto registro de todos los movimientos, los usuarios, las polticas y los parmetros del sistema. El personal de dicha rea cuenta con dos clases de pantallas para facilitar la supervisin del mercado. Una es para consulta, en la que aparece la misma informacin a la que tienen acceso todos los usuarios: posturas de compra y venta, volmenes, precios, bajas, alzas y ltimo precio de todas las acciones. En esta clase de pantalla, los usuarios pueden clasificar a las emisoras de acuerdo con cualquier criterio que ellos determinen: tipo de valor, sector, etc.

76

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

La otra clase de pantalla, es reservada para el uso del personal de Control Operativo, no slo detalla todas las operaciones que se realizan (incluso, quin las hace y desde qu terminal) sino que tambin permite intervenir en el proceso de negociacin del mercado cuando hay un error, cancelacin, suspensin o para difundir algn informe a los participantes en el mercado. El sistema BMV-SENTRA Capitales fue desarrollado por personal de la propia BMV, y cumple con los estndares internacionales ms estrictos de comodidad de operacin, confiabilidad y seguridad. Todas las posturas que van siendo ingresadas durante la sesin de remates quedan registradas en centsimas de segundo, con lo que existe una certeza total de quin ofert primero en cada transaccin.

3.3.4 Lotes y Pujas Se denomina "lote" a la cantidad mnima de ttulos que convencionalmente se intercambian en una transaccin. Para el mercado accionario, un lote se integra de mil ttulos. Se denomina "puja" al importe mnimo en que puede variar el precio unitario de cada ttulo, y se expresa como una fraccin del precio de mercado o valor nominal de dicho ttulo. Para que sea vlida, una postura que pretenda cambiar el precio vigente de cualquier ttulo lo debe hacer cuando menos por el monto de una puja. Lotes y pujas cumplen con el propsito de evitar la excesiva fragmentacin del mercado y permiten el manejo de volmenes estandarizados de ttulos. 3.3.5 Picos Se denomina pico a la cantidad de ttulos menor a la establecida por un lote. Las transacciones con picos deben efectuarse al ltimo precio y estn sujetas a reglas particulares de operacin.

77

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

3.3.6 Horarios de operacin La operacin de valores se realiza durante la sesin de remates, cuyo horario lo establece y da a conocer la BMV. Si por alguna circunstancia se acuerda cambiar el horario, la BMV lo debe anunciar cuando menos con cinco das hbiles de anticipacin. Una sesin de remates del mercado de capitales se lleva a cabo de 8:30 a 15 horas de lunes a viernes para el mercado de capitales, y de 8:00 a 14:30 horas para ttulos de deuda.

3.3.7 Suspensiones de operaciones Para evitar fluctuaciones excesivas y errticas en los precios, y con el objeto de procurar la incorporacin de toda informacin relevante en el proceso de toma de decisiones por parte de los participantes en el mercado accionario, la BMV ha establecido un sistema de suspensin de operaciones. Si el precio de mercado de una accin excede, con respecto al precio de apertura, los rangos de fluctuacin establecidos (a la alza o a la baja) su cotizacin es suspendida por un lapso determinado, al final del cual se reinicia la operacin, tomando como base el precio de la ltima transaccin concertada y fijando nuevos rangos de fluctuacin.

3.3.8 Operaciones de mercado abierto

Las empresas que requieren recursos monetarios para financiar su operacin o proyectos de expansin, pueden obtenerlo a travs del mercado burstil, mediante la emisin de valores (acciones, obligaciones, papel comercial, etc.) que son puestos a disposicin de los inversionistas (colocados) e intercambiados (comprados y vendidos) en la BMV, en un mercado de libre competencia y con igualdad de oportunidades para todos sus participantes.

78

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Para realizar la oferta pblica y colocacin de los valores, la empresa acude a una casa de bolsa que los ofrece (mercado primario) al gran pblico inversionista en el mbito de la BMV. De ese modo, los emisores reciben los recursos correspondientes a los valores que fueron adquiridos por los inversionistas.

Una vez colocados los valores entre los inversionistas en el mercado burstil, stos pueden ser comprados y vendidos (mercado secundario) en la BMV, a travs de una casa de bolsa. El pblico inversionista canaliza sus rdenes de compra o venta de acciones a travs de un promotor de una casa de bolsa. Estos promotores son especialistas registrados que han recibido capacitacin y han sido autorizados por la Comisin Nacional de Banca y Valores (CNBV). Las rdenes de compra o venta son entonces transmitidas de la oficina de la casa de bolsa al mercado burstil a travs del sofisticado Sistema Electrnico de Negociacin, Transaccin, Registro y Asignacin (BMV-SENTRA Capitales) donde esperarn encontrar una oferta igual pero en el sentido contrario y as perfeccionar la operacin. Una vez que se han adquirido acciones o ttulos de deuda, se puede monitorear su desempeo en los peridicos especializados, o a travs de los sistemas de informacin impresos y electrnicos de la propia Bolsa Mexicana de Valores.

3.3.9 Los ndices burstiles de la Bolsa Mexicana de Valores

Un ndice puede ser definido como un instrumento estadstico que representa en forma abreviada y simple, en un nmero promedio nico, de caractersticas homogneas durante un perodo determinado. En el caso concreto del mercado accionario, un ndice de cotizacin de acciones es un indicador medio que refleja en un nmero, las variaciones agregadas en los precios de un grupo de acciones. Tal indicador es el elemento ms representativo para el anlisis del mercado burstil,

79

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

siendo el instrumento ms gil y simple para reflejar la evolucin y tendencia de los precios de las acciones.

La mayor parte de los ndices se construyen con una seleccin de acciones que pretenden representar la totalidad. En la BMV, el ndice de Precios y Cotizaciones (IPC) es el instrumento utilizado para seguir la evolucin del conjunto de las acciones cotizadas. (http://www.bmv.com.mx)

3.3.10 El ndice de Precios y Cotizaciones (IPC)

Los cambios en su nivel expresan el comportamiento del mercado accionario. Dichos cambios indican las variaciones de precios de una muestra balanceada, ponderada y representativa del conjunto de acciones cotizadas en la Bolsa. El IPC tiene como principal objetivo el constituirse como un indicador altamente representativo y confiable del Mercado Accionario Mexicano, gracias a dos conceptos fundamentales: primero, la representatividad de la muestra en cuanto a la operatividad del mercado, que es asegurada mediante la seleccin de las emisoras lderes, determinadas stas a travs de su nivel de bursatilidad; segundo, su estructura de clculo que contempla la dinmica del valor de capitalizacin del mercado representado ste por el valor de capitalizacin de las emisoras que constituyen la muestra del IPC.

El tamao de la muestra es actualmente de 35 acciones clasificadas como de alta y media bursatilidad, se integra por emisoras de distintos sectores de la economa, las ms negociadas del mercado tanto por volumen como por importe (oscila entre 35 y 50). La fecha base de clculo de ste ndice burstil es el 30 de octubre de 1978 = 100. A diferencia de otros ndices de este tipo, el valor del IPC se relaciona con el da anterior y no con el valor de la fecha base, debido a que la muestra es revisada

80

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

peridicamente con el objeto de considerar a las emisoras lderes, y no permitir que sta se vuelva anacrnica y obsoleta y, pierda consecuentemente, su

representatividad. La muestra empleada para su clculo se revisa semestralmente. En caso de que alguna emisora ya no cumpla con el criterio de seleccin, se le reemplaza, teniendo el mismo criterio seguido en el resto, por otra que s califique. El peso relativo de cada una de las series accionarias que componen la muestra para el clculo del IPC se explica por su valor de mercado. Es decir, se trata de un ndice ponderado por valor de capitalizacin. Esto significa que el cambio en el precio de una accin integrante del ndice influye en su evolucin de acuerdo con el peso relativo que dicha accin tiene en la muestra. As, un cambio en el precio de una serie accionaria con un alto valor de mercado, impacta en mayor medida el valor del IPC que cuando ocurre un cambio equivalente en el precio de una serie accionaria que tenga un menor peso especfico, cualquiera sea el sector al que pertenezca.

La meta que se persigue al calcular o construir un ndice, es determinar el valor de un conjunto especfico de variables en un periodo delimitado de tiempo, para que dicho valor coadyuve en la toma de decisiones. La fluctuacin de dicho valor responde a la libre oferta y demanda de las acciones cotizadas en mercado de valores. 3.3.11 Frmula para calcular el IPC Base: 0.78 = 30 de octubre de 1978. Clase: ndice ponderado por Valor de Capitalizacin. Muestra: Actualmente est integrada por 35 emisoras: Frmula:

Donde: It = ndice en tiempo t

81

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Pit = Precio de la emisora i el da t Qit= Acciones de la emisora i el da t Fi = Factor de ajuste por ex-derecho

i = 1,2,3,...n
En este sentido, se requiere ajustar el valor de las emisoras que decreten algn derecho aplicando un factor al valor de capitalizacin del da previo.

Esta frmula mide el cambio diario del valor de capitalizacin de una muestra de valores, donde:

F = Factor de ajuste por movimiento. Fi = Factor de ajuste requerido en la emisora i. Aa = Nmero de acciones anteriores al ajuste. Pa = Precio anterior al ajuste Ap = Nmero de acciones en el ajuste Esta frmula evala la trayectoria del mercado y facilita su reproduccin en portafolios, sociedades de inversin y carteras de valores que pretendan obtener el rendimiento promedio que ofrece el mercado. La ponderacin es realizada con el valor total de capitalizacin de cada serie accionaria. Con la finalidad de que el IPC permita una apropiada distribucin de riesgo en los portafolios, se diversifica la muestra de tal suerte que la ponderacin resulte en una muestra con el mejor balance posible. Con este indicador se asegura que las empresas sean las de mayor negociacin en la BMV. Este criterio busca que las empresas consideradas sean significativas en su ponderacin y distribucin.

82

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

El tamao est determinado en funcin de los siguientes aspectos: nmero de empresas que renan todos los criterios establecidos, caractersticas del mercado mexicano y amplitud suficiente como para no catalogarse como un ndice estrecho.

3.3.12 Muestra del IPC

El IPC se calcula con base en la informacin de una muestra de 35 empresas caracterizadas por tener mayor bursatilidad y alto porcentaje de volumen de acciones. Estas empresas cubren todos los sectores que cotizan en bolsa. Ver tabla 3.4. TABLA 3.4 MUESTRA DE EMPRESAS INCLUIDAS EN EL C LCULO DEL IPC
1 ALFA A 2 AMTEL A1 3 AMX L 4 APASCO * 5 ARA * 8 CEMEX CPO 9 CIE B 10 COMERCI UBC 15 GCARSO A1 22 GMODELO C 23 ICA * 24 KIMBER A 25 PE&OLES * 26 SAVIA A 27 SORIANA B 29 TELMEX L 30 TLEVISA CPO 31 TVAZTCA CPO 32 VITRO A 33 USCOM B-1

16 GEO B 17 GFBB B 18 GFINBUR O 19 GFNORTE O

11 CONTAL * 12 DESC B

6 BIMBO A 7 CEL V

13 ELEKTRA * 14 FEMSA UBD

20 GISSA * 21 GMEXICO B

34 WALMEX C 35 WALMEX V

28 TELECOM A1

Fuente: Bolsa Mexicana de Valores

3.3.13 Otros ndices de la Bolsa Mexicana de Valores

INMEX. El ndice Mxico (INMEX) es un ndice de precios ponderados por valor de capitalizacin, el cual se constituye al igual que el ndice de Precios y Cotizaciones, como un indicador que est diseado de acuerdo con el tamao, estructura y necesidades del mercado de valores mexicano, adems, se encuentra dentro de los estndares de clculo y reglas de mantenimiento aplicadas internacionalmente.

83

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

IMC30. ndice de la media capitalizacin. Incluye las emisoras que poseen un nivel de capitalizacin alto, quedando fuera emisoras que por sus caractersticas no cuentan con el nivel de capitalizacin necesario para ingresar a dichas muestras y, sin embargo, tienen un buen nivel de bursatilidad. Por esto surge la necesidad de contar con un indicador que considere en forma particular a las emisoras de diversos sectores cuyo valor de capitalizacin no es tan alto como para ingresar a las muestras de los principales ndices.

IDIPC. ndice de Dividendos. El ndice de dividendos es un indicador de la Bolsa Mexicana de Valores que refleja el rendimiento capitalizado de los dividendos otorgados por cada una de las emisoras que integran la muestra del ndice de Precios y Cotizaciones. Este ndice complementa al IPC, dado que este ltimo no ajusta el precio de sus series accionarias por el pago de dividendos. Este indicador entr en vigor el mes de Julio de 2002, con un nmero de 100 puntos, a partir del cual se incrementa permanentemente como resultado del decreto de dividendo de las citadas emisoras.

Al analizar las variaciones en el nivel de las acciones, debe tenerse en cuenta: Influencias condicionadas por el mercado: fluctuaciones producidas por la accin exclusiva de la oferta y la demanda del mercado. Influencias ajenas al mercado: es el caso de cambios en el nivel de precios por nuevas emisiones, pago de dividendos en acciones, reduccin o ampliacin del valor nominal de las acciones, entre otros. Un aspecto fundamental para tener en cuenta en la estructuracin del ndice es la composicin accionaria. Las tendencias ms utilizadas al respecto son: Cartera total: incluye todas las acciones inscritas en la bolsa de valores.

84

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Cartera parcial: se incluye una muestra especfica de acciones del mercado burstil.

Otro aspecto a considerar es la ponderacin de las acciones dentro de un portafolio, ya que el mercado accionario no siempre est compuesto de acciones de nivel homogneo, sino de innumerables comportamientos diferentes, lo cual se refleja en la gran heterogeneidad existente en la cotizacin de las distintas acciones. Actualmente, los ndices son calculados teniendo presente alguna forma de ponderacin. stas pueden ser muy diversas, siendo las ms utilizadas, las referidas a capital social o capitalizacin burstil, volumen negociado, promedio temporal de transacciones, presencia y/o nivel de actividad. Los ndices presentan subdivisiones en forma de grupos y subgrupos previamente determinados, esto con el fin de observar mejor el comportamiento de un conjunto de acciones. La subdivisin ms utilizada es la de sectores especficos de actividad. La tendencia es buscar una mayor especializacin en la estructuracin, presentacin y utilizacin de los ndices, aunque cuando existen subdivisiones muy delimitadas se puede llegar a presentar que el ndice de un subgrupo es prcticamente el de una accin. Una vez definida la estructura general del ndice, su construccin puede hacerse en forma secuencial o dependiente (relacionando el ndice global, las diferentes subdivisiones y el ndice base de accin), o sin ninguna consideracin sobre si los subndices obtenidos pueden ser aadidos en la ponderacin global. Uno de los aspectos ms simples pero fundamentales en la construccin del ndice es la eleccin de la fecha inicial de referencia, en trminos ms tcnicos, la base del ndice. Su importancia radica en que contra esta base se determina la evolucin de las variaciones de precios. Con referencia a la base existen dos alternativas: una fecha o dia especfico y un perodo base.

85

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

3.4 Factores que influyen en el nivel del IPC

Los asesores burstiles y especialistas en el anlisis del mercado burstil coinciden en sealar (Hernndez, 2000) que los siguientes factores determinan el

comportamiento del IPC, esto suponiendo que no exista arbitraje: Los flujos de liquidez Las tasas de inters Los resultados de las empresas El riesgo Las expectativas y el anlisis econmico y poltico

Los flujos de liquidez expresan los movimientos de compra/venta de los accionistas o participantes en el mercado secundario. Los flujos tiene relacin directa con la capitalizacin burstil (ver Glosario). Cuando hay un mayor flujo de liquidez en la bolsa provocado por un incremento de compras, el nivel del IPC se ve presionado a la alza; en tanto que una presin a la baja del IPC es provocada por una reduccin de los flujos de liquidez. Este factor tambin incluye la entrada de nuevas empresas en el mercado burstil, la oferta de acciones y la salida del mercado de otros. Para entender estos flujos de liquidez, es importante conocer a los participantes del mercado, as como las razones que determinan sus decisiones de inversin.

Entre los participantes del mercado burstil de Mxico cuyas actividades marcan el volumen de liquidez en la bolsa, tenemos a los siguientes: Empresas nacionales que emiten sus acciones como parte de su financiamiento. Inversionistas extranjeros que tienen mayor influencia en la medida que se profundiza el proceso de liberalizacin financiera en Mxico. Inversionistas nacionales, quienes comparan los rendimientos en la bolsa con los obtenidos en otros activos financieros, tales como depsitos a plazos, divisas, etc.

86

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Bancos y seguros El Gobierno mediante sus empresas pblicas. Destaca Nacional Financiera (NAFINSA).

Las tasas de inters constituyen un factor importante en el mercado burstil, debido a que el inversionista en mercados financieros debe tomar una decisin entre tres alternativas: la renta fija (depsitos a plazo en bancos o compra de certificados de la tesorera), renta variable o una combinacin ponderada de las dos opciones determinada por sus expectativas de rentabilidad y su perfil de riesgo.

Debido a esta razn, el IPC y las tasas de inters guardan estrecha relacin. Ante una menor rentabilidad ofrecida por el mercado de renta fija hay un mayor atractivo en la inversin en renta variable, lo que provoca un mercado alcista. Una situacin contraria provoca un mercado bajista. La aversin al riesgo burstil disminuye ante las bajas expectativas de la renta fija y un alza de la renta variable.

Los resultados de las empresas que cotizan en la bolsa no slo se refiere a las prdidas o ganancias de las empresas, sino tambin a cualquier magnitud financiera y contable que refleje la evolucin de la empresa en un momento determinado. Constituyen la base para la creacin de valor para el accionista y reflejan la capacidad de la empresa para cumplir con sus objetivos. De hecho, el mtodo del anlisis fundamental toma su informacin base en los resultados de la empresa. Ante un buen resultado de las empresas, ganan las preferencias de los inversionistas provocando un aumento de la demanda de acciones y con ello, variacin del IPC a la alza.

El riesgo los inversionistas se ven atrados por una mayor prima de riesgo (rendimiento de activo con tasa variable menos rendimiento de activo con tasa fija). Esto provoca una mayor demanda de activos con rendimiento variable, generndose un mercado alcista. Si la prima de riesgo disminuye por un incremento del

87

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

rendimiento de los activos sin riesgo, disminuye la demanda de acciones y, por tanto, su efecto es un mercado bajista. Existe una clara relacin positiva entre el riesgo y el rendimiento: ante un mayor riesgo, los inversionistas esperan un mayor rendimiento de las acciones en la bolsa. Las expectativas y el anlisis econmico y poltico. En el mercado burstil los inversionistas se forman expectativas sobre los riesgos y rentabilidades. Dichas expectativas tienen un proceso de formacin basados en la informacin que recibe el inversionista sobre las siguientes variables econmicas y polticas: en las expectativas de largo plazo se encuentra el crecimiento econmico que depende a su vez de la relacin que existe entre el trabajo y el capital, del consumo privado y el consumo pblico, su formacin bruta de capital, exportaciones e importaciones, etc. Si todas estas variables estn en franco deterioro, los inversionistas, tanto nacionales como extranjeros, tendrn menos inters en participar en la bolsa de valores.

3.5. Modelos de prediccin en mercados financieros

En 1900 Louis Bachelier (1870-1946) finaliz su tesis doctoral titulada Thorie de la spculation en la que propuso el primer modelo y las primeras aplicaciones del movimiento browniano en el contexto de las fluctuaciones de precios en los mercados financieros. Aos ms tarde, el terico Kendall afirm que los cambios semanales de precios en el mercado de valores de Londres provenan de una distribucin normal, pero adverta la presencia de lepto-curtosis (exceso de curtosis). Esto implicaba afirmar que el nmero de observaciones alrededor de la media y de las colas que presentaba la distribucin de frecuencia emprica, era superior a las que se daban en el caso de una distribucin normal y hace una demostracin matemtica de que los precios de los mercados financieros siguen una trayectoria aleatoria. (Ludlow, 1997, p.132)

88

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

3.5.1 Modelos del mercado accionario

Los modelos del mercado accionario que ms destacan por su aplicacin prctica y profesional son: anlisis tcnico, anlisis fundamental, las hondas de Elliot y la secuencia de Fibonacci. A continuacin se presenta una sntesis:

3.5.1.1 Anlisis Tcnico

Llamado tambin el chartismo, trata de predecir la evolucin de los precios basndose en el pasado, consideran que los cambios en la oferta y demanda pueden anticiparse observando las pautas en los movimientos de los precios de los activos. Conviene referir algunas reglas derivadas de este modelo. La regla del oscilador de la media mvil y la regla del filtrado. En la regla del oscilador de la media mvil, las seales de compra y venta se generan con dos medias mviles del ndice, una a corto y otra a largo plazo. En forma simple, la estrategia consiste en comprar cuando la media mvil de perodo corto sube por encima de la del perodo largo, y vender cuando cae por debajo. Esta regla puede mejorarse al introducir una banda alrededor de la media mvil, con lo que se consiguen reducir las seales de compra o venta, debido a que la seal de compra aparece nicamente cuando la media mvil corta por encima de la media mvil larga en una cantidad superior a la banda, es decir, no se producir ninguna seal mientras el precio se encuentre dentro de la banda.

89

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

En la regla de filtrado se genera una seal de compra cuando el precio alcanza un nivel de resistencia. Este nivel de resistencia se define en general como el mximo local. Normalmente, los agentes intentan vender en el precio ms alto y, debido a la presin de venta, el precio se resistir al alza; pero si el precio sube por encima del pico anterior, se habr roto la resistencia y se producir una seal de compra. Es decir, se recomienda comprar cuando el precio sube un tanto por ciento por encima del ltimo pico y vender cuando baja un tanto por ciento por debajo del ltimo mnimo. (Diebold,1999 pp:86,102) 3.5.1. 2 Anlisis fundamental Se basa en el valor real o intrnseco de una accin. En su forma ms simple, la estrategia del anlisis fundamental consiste en que si el precio de la accin est por encima de su valor fundamental, vendern porque esperan que el precio va a bajar; mientras que, si por el contrario, el precio de la accin est por debajo de su valor fundamental, comprarn, porque suponen que aumentar su valor. Este mtodo considera que el valor intrnseco de una accin depende del potencial para la obtencin de los beneficios de la empresa. (Henderson Hazel 1998 v30 n4 p 267) Este valor se determina a travs de un anlisis cuidadoso de la situacin de la empresa: por ejemplo, de su tasa de crecimiento y de la duracin de dicha tasa, si ambos son mayores, mayor ser el beneficio esperado, por lo tanto mayor ser el valor intrnseco. Otro factor del cual dependen los beneficios, es la expectativa de reparto de dividendos, determinando su mayor o menor cuanta la del valor fundamental. Dicho valor depende, asimismo, de otras variables como el grado de riesgo y el nivel de tipos de inters de la economa, de forma que cuando son mayores stos, menor ser el valor del ttulo. La recomendacin de venta o compra se basar en la diferencia entre el valor intrnseco y el del mercado. (Henderson Hazel 1998 v30 n4 p 279)

90

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

3.5.1.3 Tcnica de Elliot

Ralph Nelson Elliott descubri en los aos 30 del siglo XX, que el mercado de valores tenda a reflejar una armona bsica en su comportamiento. De esta forma desarroll un sistema racional de anlisis del mercado. La teora de Elliott est basada en la observacin de los movimientos de los precios. Los valores siguen una pauta de comportamientos reconocibles, identificables y repetitivos en forma de patrones o figuras. (Romero, Melndez et al, 1999 pp:35,56) Por esta razn tiene el valor de resultar predictivas. Elliott establece la base matemtica de la evolucin de la psicologa de las masas, que pasa del optimismo al pesimismo en un determinado perodo de tiempo. Tanto Dow como Elliott se dieron cuenta de la gran influencia que tena el factor psicolgico humano en el mercado de valores. Fue, sin embargo, Elliott quien ms profundiz en el mismo. El principio de la Teora de Elliott mantiene que la historia se repite a s misma, pero nunca lo hace de forma idntica. El mercado sigue un determinado modelo que le permite describir pautas que son repetitivas en cuanto a su forma, pero no en cuanto a su tiempo y amplitud.

TIPOS DE ONDAS. ONDAS (1, 2, 3, 4 y 5). La esencia del Principio de la Onda de Elliott es que los movimientos en la direccin de la tendencia principal tienen una estructura de cinco ondas. Los movimientos en contra de esa tendencia principal estn compuestos por tres ondas, de esta forma podemos determinar cul es la tendencia subyacente actual del precio.

91

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

ONDAS 1,3 y 5. Las ondas 1,3 y 5 se denominan ondas de impulso, ya que son movimientos que se producen en el sentido de la tendencia principal, ya sea alcista o bajista. A su vez cada una de estas ondas se subdividen en cinco ondas de grado inferior, es decir, las ondas 1,3 y 5 estn compuestas a su vez por cinco ondas 1,2,3,4 y 5. Las ondas 2 y 4 se denominan ondas correctivas, ya que son movimientos en contra de la tendencia principal. Se subdividen a su vez en tres ondas de grado inferior, denominadas a, b y c.

3.5.1.4 La serie de Fibonacci La regla bsica: cada elemento de la serie est formado por la suma de los dos anteriores. Existe, por lo tanto, una relacin entre todos los nmeros de la serie. Comenzamos la serie por el nmero 1, el segundo nmero es 1 ms su precedente (0), y se obtiene otro 1.El resto de la serie se obtendra de la forma siguiente:
1 + 2 = 3, 2 + 3 = 5, 3 + 5 = 8, 5 + 8 = 13, 13 + 8 = 21

La serie de Fibonacci resultante es:

1, 1, 2, 3, 5, 8, 13, 21, 34, K

Esta serie de nmeros tiene gran importancia en la Teora de Elliott. La propiedad fundamental de la serie es la siguiente:

El cociente entre un nmero de la serie y el nmero siguiente tiende a 0,618. El cociente entre un nmero y el inmediato inferior tiende a 1,618. Con la particularidad de que 1.618 es el inverso de 0.618.

92

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

El anlisis de este ndice aplicado a las series temporales de precios proporciona informacin muy valiosa para el inversor. Informacin que Elliott recoge y adapta a su teora de las ondas. 3.5.2 Modelos economtricos Los modelos economtricos son aplicados en la explicacin de la estructura del mercado y del funcionamiento del mismo, mediante modelos de regresin simple y mltiple con una variable endgena y modelos de ecuaciones simultneas con ms de una variable endgena. (Campbell 1997, pp:210,239) (Jhonston, 1992, pp: 128,155)

A continuacin se expone una sntesis de los modelos de mayor aplicacin: i. Curvas de tendencias: se basan en observaciones pasadas, se describen como una funcin del tiempo. Y luego el patrn identificado se utiliza para pronosticar el futuro. Con frecuencia este mtodo se utiliza para el largo plazo con la desventaja que slo es til en relaciones lineales. ii. Atenuacin exponencial: se basa en una suma ponderada de las observaciones pasadas. Los valores dependen de los llamados parmetros de atenuacin. Este mtodo es un avance y apoyo al mtodo de series de tiempo. Pero no resuelve el problema de predecir los problemas aleatorios.

3.5.2.1 Modelos Box-Jenkins (ARIMA)

Son modelos autorregresivos y de promedios mviles aplicados a los problemas de pronstico de series de tiempo. No asume ningn patrn particular en los datos histricos de la serie a pronosticar. Utiliza un enfoque iterativo de identificacin de un modelo de tipo general (Ludlow 1997, pp: 76,89). El modelo elegido se verifica contra los datos histricos para ver si describe la serie con precisin. El modelo se ajusta bien si los residuos entre el modelo de pronstico y los datos histricos son reducidos, distribuidos de manera aleatoria e independiente. Si el modelo

93

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

especificado no es satisfactorio, se repite el proceso utilizando otro modelo diseado para mejorar el original. Este proceso se repite hasta encontrar un modelo satisfactorio. Se basan en una suma ponderada de las observaciones previas. Este modelo tiene una variada gama de casos, lo que facilita una eleccin apropiada para casos particulares. Es uno de los mtodos ms utilizados para predecir problemas que tienen una inercia histrica. Tiene sus limitaciones para predecir problemas de reciente expresin. (Khoon 1999, p: 82) 3.5.2.2 Modelos ARCH / GARCH Son modelos derivados de Box Jenkins, estudia las varianzas de los precios. Los modelos ARCH (heterocedasticidad condicional autoregresiva) y GARCH

(heterocedasticidad condicional autoregresiva generalizada) son desarrollados para analizar y pronosticar la volatilidad de las series de datos financieros. Los modelos ARCH/GARCH tratan la heterocedasticidad como una varianza que puede ser modelada. (Engle, 2000) El modelo ARCH, propuesto por Engle en 1982, permite determinar el mejor promedio prorrateado de los residuales cuadrados pasados para pronosticar la varianza. Este modelo se auto corrige, es decir, conforme se tiene ms informacin, se van calculando los promedios prorrateados de los residuales cuadrados para volver a pronosticar la varianza. El modelo GARCH toma el promedio actualizado de la varianza incondicional, el residual cuadrado de la primera observacin y la varianza inicial para calcular la varianza de la segunda observacin, proceso que puede repetirse n veces; por lo tanto, una serie de tiempo completa de los pronsticos de la varianza puede ser construida. Adems del EGARCH, se han desarrollado otros modelos GARCH asimtricos, tales como el modelo TARCH (umbral del ARCH) y una comparacin de estos modelos.

94

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

Los modelos ARCH/GARCH se han aplicado para predecir la volatilidad de los precios del petrleo, ya sean spot o futuros. Se comparan los pronsticos de las volatilidades implcitas e histricas de los precios del petrleo (de noviembre de 1986 a marzo de 1991), generados con los modelos GARCH y EGARCH. Day y Lewis hallaron que las volatilidades implcitas y las volatilidades condicionales del GARCH/EGARCH contribuyen en la informacin incremental de la volatilidad. La hiptesis nula que sostiene que las volatilidades implcitas incluyen toda la informacin contenida en los rendimientos observados, es rechazada; por lo que la hiptesis alternativa que sostiene que la opcin de precios no tiene informacin adicional, es aceptada. Esto indicara que un pronstico compuesto, elaborado usando la volatilidad implcita y el modelo GARCH arrojaran los mejores resultados porque cada uno contribuira con informacin nica que no contiene el otro. Pero la prueba para la precisin de los pronsticos, basada en el criterio del error, apoya la conclusin de que las volatilidades implcitas por s mismas son suficientes para que los analistas del mercado pronostiquen la volatilidad a muy corto plazo-hasta dos meses. (Day, & Lewis, 1993, p. 39-55)

3.5.3 Mtodos de la fsica estadstica

Lynch & Allison realizaron un anlisis fractal a travs de la determinacin del exponente de Hurst (H), para determinar cunto le toma al mercado de futuros del petrleo regresar a su equilibrio despus de un incremento repentino en la volatilidad por las transacciones especulativas. Los datos investigados fueron los rangos de las transacciones de especulacin realizadas en una dcada (1989-1999). Estos autores encontraron, despus de analizar los rangos, que H = 0.29 (proceso de ruido blanco es anti-persistencia), por lo que concluyeron que despus de un rango de transacciones especulativas excesivamente grande, el rango de de negociaciones del siguiente da tiene una probabilidad de 71 % de ser menor que el valor del da anterior. Esto se interpreta como el hecho de que el mercado est intentando alcanzar su nivel de equilibrio en el rango negociado.

95

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

La fluctuacin de precios (volatilidad) de las materias primas, como el algodn, se han interpretado, desde el punto clsico de la fsica estadstica, como una distribucin de probabilidad de ley de potencia con un exponente dentro del rgimen estable de Lvy (0 < < 2) (Mandelbrot, B. B. 1997 pp:45,69). En contraste, las fluctuaciones de los precios de las acciones han sido interpretadas empleando una distribucin de ley de potencia con una fuera del rgimen estable de Lvy, sugiriendo que los precios de las acciones estn en una clase de universalidad diferente que los precios spot. Para comprobar esta posibilidad, Matia (2002) analiz los rendimientos diarios de los precios spot para 29 materias primas en el mercado internacional. Estos investigadores hallaron que las distribuciones de rendimientos para los precios futuros decrecen como leyes de potencia con exponentes ~ 3.2 (significativamente mas grande que = 2, y por lo tanto fuera del dominio del rgimen estable de Lvy); mientras que para los precios spot, ellos encontraron ~ 2.3 (lo cual esta marginalmente fuera del rgimen de Lvy); es decir, los autores encontraron estadsticamente similitudes entre la dinmica de los mercados de materias primas y la dinmica de los burstiles. (Gordon J.1988 v39 n4 p337)

3.5.4 Modelos de redes neuronales

Este mtodo, segn Simon Haykin: representa una nueva tecnologa con races en varias disciplinas, tiene un atributo: habilidad para aprender y adaptarse al comportamiento de la variable (objeto) que se estudia. Se inicia en 1943 con el trabajo pionero de McCulloch y Pitts, (psiclogo y matemtico respectivamente). Describen, mediante relaciones matemticas, el comportamiento de las neuronas cerebrales en su proceso de aprendizaje. Posteriormente, Wiener en su famoso trabajo Ciberntica describe los conceptos de la teora del Control y comunicaciones. Quince aos despus, Rosenblatts desarrolla el teorema de la convergencia de las percepciones. Cada vez ms, su utilidad era manifiesta en predecir sistemas con un comportamiento no lineal. (Hilera, 2000 pp: 26,51)

96

Captulo 3. Bolsa de Valores: Conceptos y factores determinantes. Modelos de prediccin

De acuerdo con Haykin (1994 p.56), redes neuronales, en su conceptualizacin moderna, se definen como un procesador distribuidor que tiene una propensin natural para aprovechar las experiencias y hacerlo disponibles para su uso. Esto tiene semejanza con el funcionamiento del cerebro humano en dos aspectos: 1) Adquirir conocimiento por las redes neuronales, mediante un proceso de interaccin de sus conexiones (sinapsis). 2) Mediante la interconexin entre las neuronas, asimilar la experiencia pasada.

Este mtodo es utilizado en diversos campos de las comunicaciones, control, radar, sonar, sismologa (Haykin, 1991). Redes neuronales tambin es referida en la literatura como neurocomputers, connectionist networks. (Shah, 1999; pag.144)

Redes neuronales, recientemente tiene mayores aplicaciones en los negocios. Las organizaciones cada vez disponen de mayor informacin que necesitan procesarla para un mejor conocimiento de su desempeo actual y futuro con el inters de realizar decisiones eficientes.

Conclusiones

1. Para conocer el comportamiento de la Bolsa Mexicana de Valores es necesario conocer los cambios histricos del ndice de Precios y Cotizaciones. 2. Los mtodos de prediccin del comportamiento del IPC necesitan captar el movimiento no lineal. En el siguiente captulo se revisa la teora del caos y los fractales aplicados en los mercados financieros.

97

Captulo 4. Mtodo fractal: Evidencias empricas

Captulo 4 Mtodo fractal: evidencias empricas

En este captulo se aplica el mtodo fractal para estudiar las series de tiempo del IPC. Para el efecto, se aplican las pautas metodolgicas de Mandelbrot (1997), Bouchaud (2000) Mantenga y Stanley(2000). Se realiza un anlisis estadstico, probabilstico y fractal. Previamente, es necesario demostrar que el comportamiento de este indicador tiene propiedades de autosimilitud y autoafinidad. Con el software Benoit se estima el exponente de Hurst, cuyo valor es un estadstico de prueba que indica si la serie de tiempo es persistente o antipersistente o aleatorio. Asimismo, es necesario demostrar que el IPC y sus indicadores representativos tales como la rentabilidad y volatilidad, cumplen con las propiedades fractales. Se prueba que dichas series de tiempo se ajustan a funciones de distribucin de probabilidad de cola gruesa, tambin llamadas distribuciones de Lvy. Los resultados del anlisis emprico realizado en este captulo sern utilizados en el captulo 5 mediante el anlisis de fluctuaciones sin tendencia y en la propuesta de Sornette (2003), mismos que servirn en la elaboracin de una metodologa que permita predecir la ocurrencia de crisis burstil en la Bolsa Mexicana de Valores, Presentamos a continuacin la estructura de la investigacin y los pasos seguidos. Balankin (2000), Hernndez Sampieri (1998). Metodologa del anlisis estadstico y fractal del IPC Anlisis fractal de los sexenios: determinar si el IPC en cada sexenio es autosimilar o autoafn con la estimacin del exponente de Hurst y el ajuste de la Ley de Potencia y funcin de autocorrelacin. Determinacin: si la rentabilidad y la volatilidad del IPC responden a una distribucin normal. Anlisis de las propiedades estadsticas de la rentabilidad y de la volatilidad. Mtodos fractales de prediccin de crisis en el comportamiento del IPC.

98

Captulo 4. Mtodo fractal: Evidencias empricas

4.1

Definicin del objeto de estudio

La decisin de estudiar el IPC obedece a que, adems de ser el principal indicador burstil en la BMV, es de inters analizar series largas y de alta frecuencia, dias y minutos, pues la comprensin del mercado se enriquece al capturar hechos que no se pueden obtener con modelos que requieren de datos de menor frecuencia y series de tiempo que disponen pocas observaciones. (Ludlow, 1997 pp:25,38) Se revisan las propiedades estadsticas del IPC registrados diariamente sin tomar en cuenta fines de semana ni das festivos. Estos registros comprenden desde el 31 de octubre de 1978 al 28 de mayo de 2004 (6270 datos) que incluye desde el sexenio de Jos Lpez Portillo hasta el de Vicente Fox; con ello se considera el factor poltico que influye en el comportamiento del IPC. La informacin utilizada tiene como fuente la base de datos de la Bolsa Mexicana de Valores. En las figuras 4.a, 4.b y 4.c se muestra el comportamiento del IPC en el perodo 1978-2004, y para el mismo perodo se grafica la rentabilidad y la volatilidad ocurrida en los ltimos cinco sexenios. La figura 4.a muestra el IPC diario en el perodo considerado. Desde el sexenio de Carlos Salinas de Gortari, los niveles del IPC empiezan a superar la barrera de 1000 unidades iniciando un significativo crecimiento hasta el de Vicente Fox que en diciembre de 2003 alcanz la barrera de 10,000 unidades. La figura 4.b muestra la tasa de rendimiento diario del IPC en el periodo de estudio. Se constata que dicho indicador tiene un comportamiento similar en todos los sexenios, destacndose que en los periodos de mayor volatilidad, la rentabilidad alcanza los mayores niveles histricos. La figura 4.c muestra la volatilidad comprobando la heterocedasticidad en los sexenios. Indica que en los perodos de Lpez Portillo y el de Miguel de la Madrid, las volatilidades son pequeas, en tanto que los de mayor y creciente volatilidad son el de Zedillo y de Fox.

99

Captulo 4. Mtodo fractal: Evidencias empricas

Figura 4.a) ndice de Precios y Cotizaciones y sexenios. Fuente: Bolsa Mexicana de Valores, cotizaciones diarias del IPC

Figura 4. b) Rentabilidad diaria del IPC en el perodo 1978-2003 Fuente: Bolsa Mexicana de Valores, cotizaciones diarias del IPC

Figura 4.c) Volatilidad diaria del IPC en el perodo 1978-2003 Fuente: Bolsa Mexicana de Valores, cotizaciones diarias del IPC

100

Captulo 4. Mtodo fractal: Evidencias empricas

4.2 Anlisis estadstico y fractal del IPC

4.2.1 Anlisis estadstico
El anlisis estadstico de la rentabilidad y su volatilidad consisti en determinar si su comportamiento se ajusta a una distribucin normal y, adems, identificar si cumplen con las distribuciones de colas pesadas (persistencia). Se dividi el IPC en horizontes de tiempo con una variacin de diez en diez, a partir de un intervalo de diez datos: 10, 20, 30,, 600, 610 y 620. Se calcul para cada horizonte la kurtosis. El promedio de este estadstico se grafica en escala log-log. 4.2.1.1 Prueba de normalidad Es oportuno enfatizar que en estadstica es posible demostrar que si consideramos una muestra de tamao N perteneciente a una poblacin que se distribuye normalmente (con media y desviacin estndar ) dicha muestra tendr una distribucin normal de media x y desviacin estndar

. El teorema del lmite

central establece que cuando la muestra de tamao N es suficientemente grande, la distribucin de la muestra es aproximadamente normal. La curva normal est centrada alrededor de la media, la cual se representa por . La variacin o dispersin alrededor de la media se expresa en unidades de la desviacin estndar, representada por . En finanzas, la media es su rendimiento promedio y la desviacin estndar es la volatilidad. Adicionalmente a la media y a la desviacin estndar, la funcin de distribucin de probabilidad normal tiene dos caractersticas: sesgo y la kurtosis, a los cuales tambin se les conoce como tercer y cuarto momento, respectivamente.

101

Captulo 4. Mtodo fractal: Evidencias empricas

El sesgo es un indicador que mide la simetra de la curva. En el caso de una curva normal perfecta, el sesgo ser igual a cero. Si es negativa, la curva estar sesgada a la izquierda; si es positiva, la curva estar sesgada a la derecha.

Sesgo
Donde: xi

(x =

(n 1) 3 / 2

Nivel de IPC en cada perodo expresado en dias Media en el perodo Desviacin estndar

La kurtosis es el indicador que mide el nivel de levantamiento de la curva respecto a la horizontal. Esta situacin se presenta cuando existen muchas observaciones

alejadas de la media. A este fenmeno de alta kurtosis tambin se le conoce como colas gruesas (fat tails). La kurtosis de una distribucin perfecta es igual a 3.

(x Kurtosis =

(n 1) 4

Para saber si una distribucin de frecuencias se comporta de acuerdo con una distribucin normal, existen varias pruebas. Una de ellas, la de Jarque-Bera.

Prueba Jarque-Bera

N .sesgo 2 N .(kurtosis 3) + Se calcula el estadstico de prueba: LM = 6 24

Donde LM es un estadstico de prueba y se distribuye de acuerdo con una jicuadrada con dos grados de libertad. Se considera la hiptesis nula el valor 5.99 (valor que corresponde a la curva normal) con un 95% de nivel de confianza. Entonces, la hiptesis alternativa sostiene que el valor es diferente de 5.99, en este caso no pasa dicha prueba, no es normal.

Como ejemplo, consideramos la serie de tiempo de los rendimientos del IPC durante el ao 2000 con 258 das de registro. El sesgo es de 0.1376 y la kurtosis es de 3.81. Con esto, el valor de LM es de 7.86. Con un nivel de confianza de 95% para la 102

Captulo 4. Mtodo fractal: Evidencias empricas

prueba de normalidad en las tablas de la ji-cuadrada con dos grados de libertad se obtiene 12.96. Dado que el estadstico de prueba es mayor que 5.99, se concluye que la serie del IPC no responde a una distribucin normal. Realizando las pruebas de normalidad de la rentabilidad y volatilidad del IPC en los sexenios desde Jos Lpez Portillo hasta Vicente Fox, se comprueba que no se ajustan a la distribucin normal. Ver tabla N 4.1.Todos tienen un LM mayor que 5.99.
Tabla 4.1: IPC prueba de normalidad: Jarque Bera ESTADSTICO DE PRUEBA (LM) SEXENIO Jos Lpez Portillo Miguel de la Madrid Hurtado Carlos Salinas de Gortari Ernesto Zedillo Ponce de Len Vicente Fox Quezada 7.1 8.2 8.5 7.9 8.1

Fuente: Bolsa Mexicana de Valores, cotizaciones diarias del IPC LM Estadstico de prueba de normalidad

4.2.1.2 Prueba de distribuciones de Lvy (colas pesadas) El anlisis estadstico de las series de tiempo desarrolla un problema de suma importancia: determinar si una distribucin de probabilidad es de cola pesada o no. Para entender la esencia matemtica en esas series de tiempo financieras (Mandelbrot 1997, pp 1,5), son utilizados como herramientas las distribuciones de Lvy y el anlisis espectral, los modelos multifractales, por nombrar algunos. Las pruebas que permiten detectar si una serie de tiempo financiera responde a una distribucin de Lvy o de cola pesada tienen como referencia la distribucin normal. Una prueba utiliza el valor de la Kurtosis, si es mayor que 3 la funcin es leptokrtica. Otra prueba consiste en estimar la desviacin estndar ( ) de la serie de tiempo: determinar la distribucin de frecuencia y estimar el rea comprendida en el intervalo:

3 Si el rea comprendida fuera de este intervalo, es mayor que 1%, significa

103

Captulo 4. Mtodo fractal: Evidencias empricas

que la serie financiera responde a una distribucin de cola pesada. Si el rea fuera del intervalo es igual a cero, significa que la serie responde a una distribucin normal. Considerando el IPC en cada sexenio, se aplicaron las dos pruebas. Ver Tabla 4.2
TABLA 4.2 IPC prueba de distribucin de colas pesadas Curtosis de SEXENIO Jos Lpez Portillo Miguel de la Madrid Hurtado Carlos Salinas de Gortari Ernesto Zedillo Ponce de Len Vicente Fox Quezada Volatilidad 23,67 64.56 11.09 5.89 4.09 rea fuera de intervalo 3 (%) 1.5 2.3 3.5 2 2.5

Fuente: Bolsa Mexicana de Valores, cotizaciones diarias del IPC

4.2.2 Anlisis probabilstico

El anlisis probabilstico consisti en determinar qu distribucin de probabilidad ajustaba mejor el comportamiento histrico de las 100 series de tiempo de: p() (figura 4.2.a), Vn(t) (figuras 4.2.b), Vn(()) (figuras 4.2.c) y Vn() (figuras 4.2.d), utilizando el software @Risk 4.0. Una vez identificadas las distribuciones estadsticas, se procedi a analizar sus parmetros. El propsito de este anlisis fue el de hallar distribuciones de colas pesadas (comportamiento de leyes de potencia).

El software (Risk @4.0, 2003) fue utilizado para un mejor ajuste de distribucin de probabilidad del comportamiento del IPC. Este software es desarrollado para analizar situaciones sensibles al riesgo, ordena las distribuciones de probabilidad, empezando con las que mejor ajustan los datos, a travs de tres criterios estadsticos: el de la Chi-square, el de Anderson-Darling y el de KolmogorovSmirnov.

104

Captulo 4. Mtodo fractal: Evidencias empricas

Lpez Portillo

Miguel De la Madrid

Figura 4.1 Distribuciones de probabilidad: Lpez Portillo (Beta General) y MMH (Pearson). Fuente: Bolsa Mexicana de Valores, cotizaciones diarias del IPC

Pearson5(11,104; 24557) Shift=+4119,4

8
4,0

BetaGeneral(0,84760; 1,3714; 203,72; 8772,0)

7
3,5

Values x 10^-4

3,0

Values x 10^-4
4,5 5,0 5,5 6,0 6,5 7,0 7,5 8,0 8,5 9,0

2,5

2,0

1,5

2
1,0

1
0,5

0
-1 0 1 2 3 4 5 6 7 8 9 10 0,0

Values in Thousands
< 5,0% 5,556 90,0% 8,050 5,0% >
5,0% 0,38

Values in Thousands
90,0% 7,67 5,0%

Ernesto Zedillo

Vicente Fox

Figura 4.2. Distribuciones de probabilidad: (a) De Pearson; (b) La distribucin Log-logstica. Fuente: Bolsa Mexicana de Valores, cotizaciones diarias del IPC

105

Captulo 4. Mtodo fractal: Evidencias empricas

4.2.3 Anlisis fractal

El anlisis fractal consisti en detectar si la cola de distribucin de probabilidad de la rentabilidad y de la volatilidad cumple con la ley de potencia y, adems, si la serie de tiempo del IPC tiene propiedades de autosimilitud y autoafinidad mediante la estimacin del exponente de Hurst (H). En primer lugar, se estudian las distribuciones de ley de potencia por su caracterstica de ser autosimilares en diferentes escalas o exponentes; en segundo lugar, se estima el exponente de Hurst aplicando el software Benoit; finalmente, se estudian las funciones de

autocorrelacion.

4.2.3.1 Distribuciones de ley de potencia

La ms antigua y famosa ley de potencia en la economa es la distribucin de la riqueza de Pareto (Bouchaud, J. 2002 pp:67,79). La distribucin de la riqueza individual F(X) es frecuentemente descrita, en su cola asinttica, por una ley de potencia:

X 0 F ( X ) 1+ , X >> X 0 X
Donde: F(X) es la distribucin de riqueza de una economa. caracteriza el parmetro de crecimiento de las grandes riquezas (Xs) X riqueza de los agentes econmicos. Conforme el valor de es menor que 1, el crecimiento es ms lento, y es ms grande la brecha entre los ms ricos y los ms pobres. De acuerdo con Pareto, en una poblacin de tamao N, el cociente de la riqueza ms grande y la riqueza tpica (mediana) crece como N1/. En el caso de < 1, la riqueza promedio diverge: esta corresponde a una economa en la que una fraccin finita de la riqueza total est en manos de muy pocos individuos. Por el contrario, cuando

106

Captulo 4. Mtodo fractal: Evidencias empricas

>1, los individuos ms ricos slo poseen una fraccin de la riqueza total (en el limite
cuando N 1). Empricamente, el exponente est en el rango 1 2 . Este exponente de Pareto tambin describe la distribucin del ingreso, el tamao de las compaas, los fondos de pensin, etctera. (Bouchaud, et. al, 2001 p: 123,145)

4.2.3.2 Mtodos de estimacin del exponente de Hurst

El creador de este exponente, Harold Edwin Hurst, dise la presa de Assuan (Egipto) y estudi series temporales relacionadas con el caudal del ro Nilo y los problemas del almacenamiento de agua. Utiliz una base de datos de 800 aos de archivos y not que haba una tendencia de un ao de alto caudal seguido por otro de caudal ms alto, y para uno de bajo caudal le segua otro ms bajo. Con este motivo, cre un nuevo mtodo estadstico (R/S). Donde R indica el rango (por ejemplo la diferencia entre el valor de la descarga mxima acumulada del ro y la mnima, a lo largo del periodo de estudio) y S la desviacin tpica de los valores observados de las descargas X. La evaluacin del exponente de Hurst es un primer paso en el reconocimiento y caracterizacin de la dinmica compleja en series de tiempo. Este anlisis permite distinguir una serie aleatoria de otra no azarosa y nos ayuda en la descripcin cualitativa de conductas de mercados financieros. Por otro lado, una serie de tiempo que tiene algn nivel de previsibilidad mostrar auto correlacin positiva. En cambio, una serie con auto correlacin negativa no tiene nivel de previsibilidad. Un exponente de Hurst en el rango 0.5<H<1 corresponde a series temporales que muestran persistencia (un periodo de crecimiento es seguido por otro anlogo). Esto significa que hay ms probabilidad que a un aumento le siga otro similar. Tiene auto correlacin positiva.

107

Captulo 4. Mtodo fractal: Evidencias empricas

Mientras que los valores ubicados en 0<H<0.5 corresponden a un comportamiento antipersistente (un periodo de crecimiento es seguido de otro de decrecimiento o viceversa), hay ms probabilidad que el prximo perodo se encuentre debajo del promedio. Tiene correlacin negativa. Finalmente, si H es igual a 0.5 corresponde a un movimiento aleatorio; un aumento puede ser seguido por una baja o por otro similar (los movimientos no despliegan ninguna memoria). Tiene autocorrelacin igual a cero.

Para determinar el exponente de Hurst, H, en el presente trabajo se emplearon los siguientes: Rango Reescalado, del Espectro de Potencia, de Rugosidad-Longitud, del Variograma y de ondulaciones. Todos incluidos en el software Benoit versin 1.2. 4.2.3.3 Anlisis del rango reescalado (R/S) El mtodo estadstico del rango reescalado (R/S) utilizado por Mandelbrot y Wallis, se basa en un previo anlisis de Hurst. Permite el clculo del parmetro de autosimilitud H para medir la intensidad de dependencia de largo plazo en una serie de tiempo.

Para una serie de tiempo de longitud n

X ={Xt :t =12,...,} , n

R/S es definido como el cociente del recorrido mximo normalizado de la seal integrada R(n) entre la desviacin estndar S(n):

R(n) max{0, rt : t = 1,2,..., n} min{0, rt : t = 1,2,..., n} , = 2 S ( n) S ( n)

Donde:

max

{... }
k

min

{... }

es el recorrido de los valores

rk = =1 Xt t

k n Xt n t=1

es el valor mximo menos el mnimo

108

Captulo 4. Mtodo fractal: Evidencias empricas

2 1 n 1 n S(n) = Xt Xt . n t=1 n t=1 Desviacin estndard

1/ 2

Una medicin confiable de S(n) requiere de una muestra de datos con un intervalo constante, ya que la diferencia esperada entre los valores constantes de X es una funcin de la distancia que separa a stas.

La exactitud en la determinacin de H depende del nmero de datos utilizados en el clculo. Si dicho nmero es razonablemente grande, se espera que R/S proporcione informacin sobre la auto-similitud de todos los intervalos de tiempo. Ver figura 4.3

Figura 4.3 Mtodo rango reescalado R/S aplicando el software Benoit Fuente: Base de Datos BMV.

4.2.3.4 Mtodo del espectro de potencia (P/S) Este mtodo determina la existencia de dependencia a largo plazo en las series de tiempo, con base en la forma espectral de un proceso dependiente. Los mtodos del espectro de potencia tienen su origen en el anlisis espectral y pueden ser aplicados a los datos de series de tiempo. La funcin de densidad del anlisis espectral para datos aleatorios describe los datos en trminos de la densidad espectral del valor del cuadrado de su media para diferentes frecuencias. La funcin de densidad del

109

Captulo 4. Mtodo fractal: Evidencias empricas

espectro de potencia es la transformada de Fourier de la funcin de autocorrelacin: (Ver figura 4.4)

Figura 4.4 Mtodo espectro de potencia, aplicando el software Benoit Fuente: Base de Datos BMV.

4.2.3.5 Mtodo de rugosidad-longitud (R/L)

Este mtodo es muy parecido al R/S. En el mtodo rugosidad-longitud (R/L) se toma en cuenta la desviacin estndar o rugosidad de la raz cuadrada de la media de los datos en las ventanas de tamao w, en vez del rango vertical. Para un trazado autoafn, la rugosidad y la desviacin estndar, medidas en una ventana de tamao w estn relacionadas al exponente de Hurst H como sigue:

SD H

110

Captulo 4. Mtodo fractal: Evidencias empricas

Figura 4.5 Mtodo rugosidad-longitud, aplicando el software Benoit Fuente: Base de Datos BMV.

4.2.3.6 Mtodo del variograma (Vg) La distribucin del tiempo de Xi puede ser caracterizada por una funcin de semivarianza, llamada variograma, la cual se define como:

V ( n) =
Donde: V(n)

1 2N

N /2 i =0

(X

X i+n ) 2

es la funcin variograma de la serie. N es el nmero de parejas de puntos separados por un intervalo n (el

defasamiento del intervalo). Cuando la semivarianza estimada es graficada contra n, sta puede aproximar asintticamente a un valor constante (umbral) o puede incrementarse sin lmites, conforme se incremente n. Los variogramas sin lmites sugieren que la variacin est dndose en un rango continuo de escalas de tiempo. Tanto el variograma transitivo, con un umbral finito como los variogramas sin lmites, pueden ser analizados en una grfica log-log. Si el logaritmo de una semivarianza es graficado contra el logaritmo

111

Captulo 4. Mtodo fractal: Evidencias empricas

de n, entonces la pendiente es 2H. Un problema con el mtodo del variograma es que el intervalo de la muestra n y la determinacin de la pendiente pueden afectar la estimacin del exponente de Hurst H.

Figura 4.6 Mtodo variograma, aplicando el software Benoit Fuente: Base de Datos BMV.

4.2.3.7 Mtodo de ondulaciones (WV) Las ondulaciones son una extensin del anlisis de Fourier, y la transformada de las ondulaciones es computacionalmente similar, en principio, a la transformada rpida de Fourier (FFT: fast Fourier transform). La FFT utiliza cosenos, senos y exponentes para representar una seal, y es la ms usada para analizar funciones lineales. El objetivo de la transformada de las ondulaciones es el de expresar una seal de entrada en una serie de coeficientes de energa especificada. Los nmeros discretos, asociados con cada coeficiente, contienen toda la informacin necesaria para describir completamente la serie, en la que se conoce qu anlisis de ondulaciones fue empleado para la descomposicin. El anlisis de ondulaciones es una herramienta para analizar variaciones de potencia localizadas, mediante la descomposicin de una serie de tiempo en el espacio de

112

Captulo 4. Mtodo fractal: Evidencias empricas

frecuencia de tiempo, con el fin de determinar los modos dominantes de la variacin y cmo estos modos cambian con el tiempo. Este mtodo es apropiado para el anlisis de series de tiempo no estacionarias; es decir, en donde la varianza no permanece constante con el tamao de la cantidad de datos analizados. Las propiedades fractales estn presentes donde el espectro de potencia de la ondulacin es una funcin de ley de potencia de la frecuencia. El mtodo de las ondulaciones se sustenta en la propiedad de trazado auto-afn de las transformadas de las ondulaciones, estas ltimas con propiedades de auto-afinidad.

Figura 4.7 Mtodo de ondulaciones, aplicando el software Benoit Fuente: Base de Datos BMV.

4.2.4 Funcin de autocorrelacin

Para detectar la existencia de memoria en las series de tiempo de la volatilidad del precio X ( ) , se emple la

C() = X( + )X() / X 2 () .
Esta funcin de autocorrelacin, para cada sexenio, se calcul mediante un programa desarrollado en lenguaje de programacin Fortran versin 95. Finalmente, la forma en que se cuantificaron las correlaciones fue mediante la determinacin del exponente de Hurst, H.

113

Captulo 4. Mtodo fractal: Evidencias empricas

La relacin esperada entre el valor de una serie en el tiempo t y sus valores en el tiempo t + es una medida de la correlacin presente en una serie. Una serie de tiempo estacionaria tiene una correlacin que slo depende del periodo de tiempo entre las dos observaciones y el decrecimiento hasta cero, lo suficientemente rpido para que aumente, reflejando el hecho de que la influencia de los valores anteriores disminuye con los intervalos considerados. La velocidad de este decrecimiento es una medida de la memoria del proceso estocstico. Desde que las series de tiempo financieras estn conformadas por datos discretos,

{X k }0 k N , tal que
Cov ( n ) Cov ( 0 ) ,

Xk = X(k0 ) ,

donde 0 es el intervalo mnimo de tiempo, la

funcin de autocorrelacin es definida como:

C (n) =
Donde

Cov ( n ) = lim
y

1 N

N /2 k =0

X k +n ,

1 Cov ( 0 ) = lim N N

N /2 k =0

2 k

N representa el nmero total de datos.

0(n 0)

El comportamiento de las funciones de autocorrelacin, cuando

( n ` ), determina las propiedades locales de las series de tiempo. Para un

ruido blanco, donde el valor en un instante no est correlacionado con algn valor previo, la funcin de autocorrelacin es C() = 0 para > 0.

114

Captulo 4. Mtodo fractal: Evidencias empricas

Muchas de las series de tiempo no estacionarias estn caracterizadas por correlaciones a corto plazo con una escala de tiempo caracterstica, 0, y una funcin de autocorrelacin decreciente exponencialmente, por ejemplo:

C ( ) exp( / 0 ).
Si la funcin de autocorrelacin C(n) escala con el intervalo n como

C (n) n

Para n muy grande, donde 0 < < 1, entonces {X i } es llamada correlacin a largo plazo, proceso con memoria a largo plazo. La razn de emplear estos trminos es
C ( n) diverge cuando que C(n) decrece muy lentamente, de tal forma que n=1
N

N .

Para detectar la existencia de memoria en las series de tiempo de la volatilidad del

C( ) = X ( + )X ( ) / X 2 ( ) precio, X ( ) , se emple la funcin de autocorrelacin .

4.3 Evidencia emprica: anlisis fractal de los sexenios

4.3.2 Procedimiento y resultados Con informacin del IPC, diario y minutos, se estima el exponente de Hurst (H) y la dimensin fractal (D). La informacin diaria comprende desde el sexenio de Jos Lpez Portillo hasta Vicente Fox. La informacin del IPC en minutos comprende 157,000 datos; la informacin en minutos comprende desde el inicio del sexenio de Vicente Fox, hasta el 30 de agosto de 2002. En cada sexenio se agruparon los datos en periodos de 120 datos, luego de 240, 480, etc, y se estim el exponente de Hurst en cada listado. Se obtuvo el promedio de todas estimaciones. Esto nos permite analizar el comportamiento del IPC a diferentes escalas de tiempo. A continuacin se presenta los resultados por sexenio.

115

Captulo 4. Mtodo fractal: Evidencias empricas

4.3.2.1 Jos Lpez Portillo (JLP)

La informacin de este sexenio es de octubre de 1978 hasta noviembre de 1982, ltimo da de su sexenio, con un total de 1004 datos diarios. Los valores mnimos del IPC en este perodo fueron: 0.481, 0.482 y 0.483, en tanto que los valores mximos fueron: 1.72; 1.72 y 1.71. El rango de variacin en el perodo es 0.54. (Ver fig. 4.8.a)

Figura 4.8.a Jos Lpez Portillo: IPC diario (1978_1982) Funcin de autocorrelacin

Figura 4.8.b Jos Lpez Portillo: Funcin de autocorrelacin

116

Captulo 4. Mtodo fractal: Evidencias empricas

4.3.2.2 Miguel de la Madrid (MMH)

La informacin de este sexenio es de diciembre de 1982 hasta noviembre de 1988, ltimo da de su sexenio, con un total de 1494 datos diarios. Los valores mnimos del IPC en este perodo fueron: 0.64; 0.65 y los valores mximos: 373 y 369, ocurridos en octubre de 1987 . El rango de variacin en el perodo es en promedio 370. (Ver fig. 4.9.a)
400

300

200

100

0 0 300 600 900 1200 Das

IPC

Fig. 4.9.a Miguel de la Madrid: IPC diario (1982_1988) Coef. Autocorrelacion

1.2 1 0.8 0.6 0.4 0.2 0 -0.2 -0.4 0

Das
500 1000

Figura 4.9.b Miguel de la Madrid: Funcin de autocorrelacin

117

Captulo 4. Mtodo fractal: Evidencias empricas

4.3.2.3 Carlos Salinas de Gortari (CSG)

La informacin de este sexenio es de diciembre de 1988 hasta noviembre de 1994, ltimo da de su sexenio, con un total de 1495 datos diarios. El valor mnimo del IPC en este perodo es 203, en tanto que el valor mximo es 2881. El rango de variacin en el perodo es en promedio 2670. (Ver fig. 4.10.a)
4 ,0 0 0 3 ,0 0 0 2 ,0 0 0 1 ,0 0 0
D a s IPC

0 0 300 600 900 1200

Figura 4.10.a Carlos Salinas : IPC diario (1982_1988)

1 0.8 0.6 0.4 0.2 0 -0.2 0 -0.4 -0.6

Coef. Auto

1.2

Das

500

1000

Fig.4.10.b Carlos Salinas :Funcin de autocorrelacin

118

Captulo 4. Mtodo fractal: Evidencias empricas

4.3.2.4 Ernesto Zedillo Ponce de Len (EZPL)

La informacin de este sexenio es de diciembre de 1994 hasta noviembre de 2000, ltimo da de su sexenio, con un total de 1508 datos diarios. Los valores mnimos del IPC en este perodo fueron: 1447; 1508 y los valores mximos: 8319; 8295. El rango de variacin en el perodo es en promedio 6800. Este sexenio tiene el mayor rango. (Ver figura 4.11.a)
8000 IPC

6000

4000

2000 D a s 0 0 200 400 600 800 1000 1200 1400

Fig. 4.11.a Ernesto Zedillo : IPC diario (1994_2000)

Coef. Auto.
1 .2 1 0 .8 0 .6 0 .4 0 .2 0 - 0 .2 0 - 0 .4 500 1000 1500

D ia s

Fig. 4.11.b Ernesto Zedillo :Funcin de autocorrelacin

119

Captulo 4. Mtodo fractal: Evidencias empricas

4.3.2.5 Vicente Fox (diario)

La informacin de este sexenio es de diciembre de 2000 hasta julio de 2002, con un total de 416 datos diarios. Los valores mnimos del IPC en este perodo fueron: 5018; 1587; 5231 y los valores mximos 7532, 7580. El rango de variacin en el perodo es 2560. (Ver figura 4.12.a)

10000 8000 6000 4000 2000 0 -20

IPC

Dias 80 180 280 380 480 580 680 780

Fig. 4.12.a: Vicente Fox: IPC diario (2000_2003)

1.2 1 0.8 0.6 0.4 0.2 0 -0.2 -0.4

0 100 200 300
Das Coef. Autocorr.

400

Fig. 4.12.b: Vicente Fox: Funcin de autocorrelacin

120

Captulo 4. Mtodo fractal: Evidencias empricas

4.3.2.6 Vicente Fox (minutos)

La informacin del IPC en minutos del sexenio de Vicente Fox es de diciembre de 2000 hasta julio de 2002, con un total de 167,422 datos. Los valores mnimos del IPC en este perodo fueron: 1447 y 1508 y los valores mximos: 8319 y 8295. El rango de variacin en el perodo es 6700. En la figura 4.12 se muestra la informacin correspondiente al mes de julio 2002.
7000

IPC

6500

6000

5500 0 2000 4000 6000 8000

Minutos

Figura 4.13.c Vicente Fox: IPC minutos (julio 2002) Fuente: base de datos de la Bolsa Mexicana de Valores

4.3.3 Anlisis de resultados obtenidos

Se presentan los resultados obtenidos mediante el soft ware BENOIT 1.2 (tabla 4.3) En los cinco sexenios analizados, el exponente de Hurst H es mayor que 0.5 y menor que 1, lo que significa que el IPC tiene un comportamiento persistente. En el caso del gobierno de Fox, la informacin tanto diaria como en minutos, tiene un comportamiento fractal, dado que el exponente H es mayor que 0.5 y menor que 1. Es decir, lo ms probable es que contine con la tendencia alcista en el largo plazo, existiendo bajo ruido en los datos analizados.

121

Captulo 4. Mtodo fractal: Evidencias empricas

TABLA 4.3: Hurst y funcin de autocorrelacin

Autocorrelacin Positiva Negativa (Das) 280 450 550 450 50 (Das) 520 1050 1450 1050 350

Hurst Sexenio (H) Jos Lpez Portillo Miguel de la Madrid Carlos Salinas de Gortari Ernesto Zedillo Fox (das) Fox (minutos) 0.619 0.695 0.642 0.556 0.544 0.662

Dimensin (D) 1.381 1.305 1.358 1.444 1.456 1.338

Fuente: Elaboracin propia utilizando el software Benoit

Estos resultados muestran que tienen dos caractersticas en comn. En primer lugar, despliegan una autocorrelacin considerablemente positiva; periodos con precios altos tienden a seguir con altos precios, y periodos con bajos precios tienden a seguir con bajos precios. En segundo lugar, stas tienen picos -periodos en los que el ndice brinca abruptamente- a un nivel muy alto o a un nivel muy bajo relativo a su promedio a largo plazo.

La tendencia decreciente de la funcin de autocorrelacin de cada sexenio nos muestra el grado de dependencia de los valores del IPC respecto a valores anteriores, medidos en das tenemos que el sexenio que muestra menor nmero de das con autocorrelacin positiva es el de Vicente Fox, pues slo en los primeros 50 das de su gobierno el IPC mostr autocorrelacin positiva. Este sexenio muestra una funcin de autocorrelacin que en lapsos de 50 a 60 dias cambia de positiva a negativa. La funcin de autocorrelacin refleja el hecho de que la influencia de los valores anteriores disminuye con los intervalos considerados. La velocidad de este decrecimiento es una medida de la memoria. El sexenio que muestra un mayor nmero de das con autocorrelacin positiva es el de Carlos Salinas de Gortari.

122

Captulo 4. Mtodo fractal: Evidencias empricas

Al compararse las H promedio para cada uno de los sexenios se observa que el IPC en MMH y en CSG aument considerablemente debido a la apertura comercial que inici Mxico. Por otro lado, el sexenio de EZPL fue el que present el menor H por el error de diciembre, que provoc una fuga masiva de capitales, creando incertidumbre en el pas. Se infiere que el mercado de capitales en Mxico presenta un comportamiento fractal.

4.4 Anlisis de las propiedades estadsticas de la rentabilidad y de la volatilidad del IPC.

4.4.1 Rentabilidad
Los cambios de precios de una serie de tiempo son normalmente medidos por los incrementos en los precios, los rendimientos logartmicos o el valor absoluto de estos ltimos. Si Pt denota el precio de algn activo (precio de una accin, por ejemplo) en un cierto da de negociacin, el incremento en el precio est definido como

P ( ) = Pt Pt + , y el cambio relativo en el precio o rendimiento porcentual t, como t ( ) = ( Pt Pt ) / Pt .

Adems, sobre una base de composicin continua, el rendimiento del precio en un periodo dado puede ser calculado como el logaritmo del precio final menos el logaritmo del precio inicial:

t () = ln(1+ t ) = ln(P / P ) = pt pt , t t
Donde pt = ln Pt . El rendimiento logartmico (log-return) es aditivo con respecto al rendimiento en el tiempo, es decir, p1(t) + p2(t+1) = p1+2(t). Esto implica una simetra de los rendimientos y una invarianza en el escalamiento del precio de un activo (el rendimiento es idntico para los precios en cualquier moneda). Ntese que

123

Captulo 4. Mtodo fractal: Evidencias empricas

los rendimientos logartmicos son indistinguibles de los rendimientos normales si

i << 1.

En cuanto al valor absoluto de los rendimientos, ste describe la amplitud de la fluctuacin, ya que por definicin siempre es positivo y no existen tendencias globales que sean visiblemente obvias.

4.4.2 Volatilidad
Una variable clave en la mayora de los instrumentos financieros y que juega un papel determinante en muchas reas de las finanzas, es la volatilidad de las series de tiempo de los precios. El trmino volatilidad representa una medida general de la magnitud de las fluctuaciones del mercado. La volatilidad es crucialmente importante en los modelos de fijacin del precio de los activos y en la dinmica de las estrategias de cobertura, as como en la determinacin de opciones de precio. Desde el punto de vista emprico, es muy importante modelar cuidadosamente cualquier variacin temporal durante el proceso de volatilidad. (Bouchaud, 2001, p. 11) Aunque es comn hablar sobre la volatilidad, no hay una definicin universalmente aceptada de la misma. Diferentes estimadores pueden ser usados para medir las fluctuaciones de los precios, en particular los valores absolutos de los rendimientos, los rendimientos al cuadrado y el logaritmo de los rendimientos al cuadrado. En estudios recientes se ha encontrado que algunos de estos estimadores proporcionan prcticamente la misma evidencia emprica sobre la dependencia a largo plazo. Una manera de calcular las volatilidades histricas de los registros diarios de precios, para diferentes horizontes de tiempo: n = 2,3,..., m , es usando la siguiente ecuacin:

Vn ( ) = (n 1) 1

i =1

(P ( + i) P ( ) ),
2 2

Donde el valor promedio de P2 ( ) denota el tiempo promedio de negociacin y ( ) es el tiempo para realizar las transacciones (excluyendo fines de semana y das inhbiles del mercado). Para medir el desempeo de un mercado, es costumbre

124

Captulo 4. Mtodo fractal: Evidencias empricas

considerar el tiempo en funcin del calendario como un tiempo t universal, sin embargo, observando los mercados financieros durante una semana completa, los datos no son evaluados los fines de semana o en los das festivos. En su trabajo seminal, Engle (1982) propone su modelo con varianza condicional AutoRegressive Conditional Heteroskedasticity (ARCH). En los ltimos aos se han venido realizando mltiples trabajos sobre la volatilidad en los mercados y los efectos del comportamiento de los agentes y los rendimientos obtenidos en los mismos. La principal lnea de investigacin tras el desarrollo de los modelos heterocedsticos ha sido precisamente la verificacin de la

heterocedasticidad de la serie de rendimientos y de otras propiedades de los modelos de varianza no constante. En general, se ha comprobado que la mayora de los mercados presentan evidentes sntomas de heterocedasticidad. Son estas propiedades de los modelos heterocedsticos unidos a sus buenas capacidades predictivas lo que ha hecho que una buena parte del esfuerzo de la ciencia economtrica en los ltimos aos se haya dedicado al desarrollo de los mismos. Como resultado de diversas investigaciones en el mundo, comienza a haber una creciente bibliografa sobre mercados accionarios; la mayora de los estudios se han centrado en medir la volatilidad del nuevo ndice y su relacin con el riesgo de mercado o en la eficiencia del mercado. En este trabajo representamos la serie de tiempo del IPC con la funcin S (t ) . 1.- Clculo de S(t)/S(t-1) S (t ) 2.- Clculo de Ln S (t 1) 3.- Clculo de la desviacin estndar de Ln

S (t ) S (t 1)

125

Captulo 4. Mtodo fractal: Evidencias empricas

4.- La volatilidad por unidad de tiempo es v t . Si la volatilidad es trimestral, para pasar a la anual multiplicamos por 4 . Si la volatilidad es anual, para pasar a 1 . volatilidad diaria multiplicamos por 252

4.4.3 Auto correlacin

Una herramienta til para determinar el orden del proceso auto regresivo, es el correlograma de los coeficientes de auto correlacin. El anlisis de estas graficas nos permite modelar procesos auto regresivo, porque identifica la estructura de correlacin implcita en la serie de tiempo e indica el grado de dependencia lineal de cada dato con los que le preceden. De la interpretacin del correlograma se

desprende qu tipo de modelo podemos aplicar a una serie de tiempo. Al observar la funcin de auto correlacin del IPC, el coeficiente de auto correlacin tiende a cero de una manera lenta, lo cual es un fenmeno tpico de las series de tiempo no estacionarias. Para determinar el orden del proceso auto regresivo, adems del anlisis del correlograma que considera el comportamiento de los coeficientes de auto correlacin, es necesario estudiar la rentabilidad y la volatilidad del IPC.

4.5 Anlisis de Resultados del la rentabilidad, volatilidad y funcin de autocorrelacin del IPC
Para el estudio del comportamiento del IPC se utilizan tres criterios: rentabilidad, volatilidad y funcin de autocorrelacin. El estudio de dicho comportamiento se

enfoca en los dos ltimos sexenios: el de Ernesto Zedillo con 1400 datos y el de Vicente Fox con 740 datos (informacin diaria del IPC hasta el 31 de diciembre del ao 2003). Mediante el mtodo de escalamiento, empezando por n = 3 hasta n =100 para cada variable se estima el exponente de Hurst mediante el software BENOIT 1.2 obteniendo el resultado de los cinco mtodos ya citados. Con este procedimiento se analiza el comportamiento y tendencias.

126

Captulo 4. Mtodo fractal: Evidencias empricas

4.4.1 Rentabilidad del IPC en los sexenios de Zedillo y de Fox Los cambios de precios de una serie de tiempo son normalmente medidos por los incrementos en los precios, los rendimientos logartmicos o el valor absoluto de estos ltimos. Si Pt denota el precio de algn activo (precio de una accin, por ejemplo) en un cierto da de negociacin, el incremento en el precio est definido como

P ( ) = Pt Pt + , y el cambio relativo en el precio, o rendimiento porcentual t, como t ( ) = ( Pt Pt ) / Pt .

Adems, sobre una base de composicin continua, el rendimiento del precio en un periodo dado puede ser calculado como el logaritmo del precio final menos el logaritmo del precio inicial:

t ( ) = ln(1 + t ) = ln(Pt / Pt ) = pt pt ,
Donde pt = ln Pt . El rendimiento logartmico (log-return) es aditivo con respecto al rendimiento en el tiempo, es decir, p1(t) + p2(t+1) = p1+2(t). Esto implica una simetra de los rendimientos y una invarianza en el escalamiento del precio de un activo (el rendimiento es idntico para los precios en cualquier moneda). En cuanto al valor absoluto de los rendimientos, ste describe la amplitud de la fluctuacin, ya que es por definicin siempre positivo y no existen tendencias globales que sean visiblemente obvias.

127

Captulo 4. Mtodo fractal: Evidencias empricas

Zedillo: Rentabilidad (mtodos de Benoit)

Hurst
1

0.8

0.6

R/S
1 21 41 61 81

n=dias

Pw- S. R- L Vargr

0.4

0.2

Figura 4.13 Comportamiento de la rentabilidad en el sexenio de Zedillo. Escalamiento del exponente de Hurst en los mtodos de Benoit. a) Mtodo R/S, b) Power spectrum, c) Roughnes Lengh, d) Variogram, e) Wavelet Zoom, f) Wavelet Truncate.

Fox:Rentabilidad (Mtodos de Benoit)

1 0.9 0.8 0.7 0.6 0.5 1 0.4 0.3 0.2 0.1 0 21 41 61 81

Hurst

R/S Pw- S R- L Vargr

n=dias

Figura 4.14 Comportamiento de la rentabilidad en el sexenio de Fox. Escalamiento del exponente de Hurst en los mtodos de Benoit. a) Mtodo R/S, b) Power spectrum, c) Roughnes Lengh, d) Variogram, e)Wavelet Zoom, f)Wavelet Truncate.

128

Captulo 4. Mtodo fractal: Evidencias empricas

Tabla 4.4 Comparativo del valor de H (comportamiento de rentabilidad entre sexenios de Zedillo y de Fox)

Zedillo MTODO H<0.5 Antipersistente R/S n=15 0.5<H<1 Persistente n=16

Vicente fox H<0.5 Antipersistente n=16 0.5<H<1 Persistente n=17

Power S. R-L Variogram

n=30 n=12 n=46

n=31 n=13 n=47

n=28 n=10 n=29

n=29 N=11 N=30

Fuente: Elaboracin propia, utilizando software Benoit

Al analizar las figuras 4.13 y 4.14 y la tabla 4.4, nos permite conocer el comportamiento de la rentabilidad de los sexenios de Zedillo y de Fox; muestra los siguientes hallazgos: El valor del exponente de Hurst en los mtodos R/S, Power Spectrum, Roughnes Leng y Variogram se estabiliza a partir de n=50 en Zedillo, y n=80 en el sexenio de Fox. Esto significa un comportamiento de autosimilitud. En el sexenio de Zedillo se observa que cuando n 12 el comportamiento de la rentabilidad es antipersistente. Cuando n >13 el comportamiento es persistente, lo que significa que a partir de grupos de tres semanas la rentabilidad aument persistentemente. En el sexenio de Fox, cuando n 10 el comportamiento de la rentabilidad es antipersistente (el mtodo R_L permite obtener esta conclusin). Cuando
n >11 el comportamiento es persistente, lo que significa

que a partir de aumenta

grupos

de

aproximadamente

dos

semanas

la

rentabilidad

persistentemente.

129

Captulo 4. Mtodo fractal: Evidencias empricas

4.4.2 Volatilidad del IPC en los sexenios de Zedillo y de Fox

Desde el punto de vista emprico, es muy importante modelar cuidadosamente cualquier variacin temporal de los niveles del IPC para medir la volatilidad.

El anlisis de la volatilidad, (medido por la desviacin estndar del IPC) tal como lo hicimos con la rentabilidad, se realiza mediante el mtodo de escalamiento para las volatilidades desde n=3 hasta n=100, se estima el exponente de Hurst utilizando el sortware de Benoit 1.2. En cada uno de los mtodos se observa tres comportamientos: un perodo antipersistente, otro persistente y otro estable como un caso particular del compotamiento persistente. A continuacin se presentan las grficas de la volatilidad obtenidas en cada mtodo, por sexenio.
1.4 1.2 1

Hurst

Zedillo:volatilidad (mtodos Benoit)

R/S
0.8 0.6 0.4 0 0.2 0 -0.2 20 40 60 80 100

P-S R-L Variog.

n=dias

Figura 4.15 Comportamiento de la volatilidad en el sexenio de Zedillo. Escalamiento del exponente de Hurst en los mtodos de Benoit. a) Mtodo R/S, b) Power spectrum, c) Roughnes Lengh, d) Variogram, e)Wavelet Zoom, f)Wavelet Truncate.

Fuente: Elaboracin propia, utilizando software Benoit

130

Captulo 4. Mtodo fractal: Evidencias empricas

Fox: Volatilidad (Mtodos de Benoit)

1. 6 1. 4 1. 2 1 0. 8 0. 6 0. 4 0. 2 0

Hurst

R/ S Pw- S. R- L Vargr.
1 21 41 61 81

n=dias

Figura 4.16 Comportamiento de la volatilidad en el sexenio de Fox. Escalamiento del exponente de Hurst en los mtodos de Benoit. a) Mtodo R/S, b) Power spectrum, c) Roughnes Lengh, d) Variogram, e)Wavelet Zoom, f)Wavelet Truncate.

Fuente: Elaboracin propia, utilizando software Benoit

Tabla 4.5 Comparativo del valor de H (comportamiento de volatilidad entre sexenios de Zedillo y de Fox)
Zedillo MTODO H<0.5 Antipersistente R/S n= 23 0.5<H<1 Persistente n= 24 H<0.5 Antipersistente n=16 0.5<H<1 Persistente n=17 Vicente fox

Power S. R-L Variogram

n=20 N= 20 N=73

n=21 n=21 n=74

n=14 n=13 n=15

n=15 N=14 N=16

Fuente: Elaboracin propia, utilizando software Benoit

131

Captulo 4. Mtodo fractal: Evidencias empricas

4.6 Conclusiones
Al analizar las figuras 4.15 y 4.16, y la tabla 4.5 nos permite conocer el comportamiento de la volatilidad de los sexenios de Zedillo y de Fox; nos muestra los siguientes hallazgos: El valor del exponente de Hurst en los mtodos R/S, Power Spectrum, Roughnes Leng y Variogram se estabiliza a partir de n=60 en Zedillo, y n=70 en el sexenio de Fox. Esto significa un comportamiento de autosimilitud. En el sexenio de Zedillo se observa que cuando n 20 el comportamiento de la rentabilidad es antipersistente. Cuando n >21 el comportamiento es persistente, lo que significa que a partir de grupos de tres semanas la volatilidad aument persistentemente. En el sexenio de Fox, cuando n 13 el comportamiento de la volatilidad es antipersistente (el mtodo R/L permite obtener esta conclusin). Cuando n >14 el comportamiento es persistente, lo que significa que a partir de grupos de aproximadamente dos semanas la volatilidad aumenta persistentemente. Con estos resultados, en el siguiente captulo aplicaremos el anlisis de fluctuaciones sin tendencia para predecir los momentos de crisis en el mercado de valores de Mxico.

132

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

Captulo 5 Mtodo fractal de prediccin de crisis del IPC

El propsito en este captulo es disear una metodologa que refleje el comportamiento de la estructura fractal del IPC y permita anticipar la ocurrencia de crisis burstil, combinando con un programa computacional DELPHI para detectar, con anticipacin, la ocurrencia de crisis en el mercado de valores de Mxico y realizar la validacin respectiva. Con base en la evidencia emprica obtenida en el captulo anterior, se expone la diferencia y semejanza que existe entre el mercado del petrleo y el mercado accionario con relacin a la construccin de sus modelos respectivos. Se comprueba la no estacionalidad de la trayectoria del IPC, adems, estudia el comportamiento de la volatilidad y el valor absoluto de la rentabilidad del IPC. Finalmente, de acuerdo con Sornette, se destaca que las crisis financieras previamente presentan seales, tanto cualitativas como cuantitativas. Para detectar la seal cuantitativa, se utiliza la metodologa del anlisis de fluctuaciones sin tendencia para anticipar la ocurrencia de crisis. Esta metodologa se valida con la realidad, por un lado aplicando este mtodo al movimiento del IPC en condiciones normales en el perodo enero-diciembre de 2003; se complementa dicho mtodo con un programa computacional para aumentar la capacidad y seguridad de prediccin de crisis burstil. Adems, para verificar la situacin cualitativa, se considera el anlisis realizado por especialistas de la Bolsa Mexicana de Valores para el ao 2004.

5.1 El comportamiento del mercado petrolero y el mercado burstil

Una de las limitaciones de las tcnicas tradicionales de prediccin es que suponen estacionalidad de la serie temporal de los mercados financieros, y cuando se aplica este concepto, se puede llegar a conclusiones errneas. Por esta razn, en el presente trabajo se prueba que el movimiento del IPC, como ocurre en la mayora de

133

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

las series temporales financieras, no es estacionario (debido a que sus propiedades estadsticas no se mantienen constantes) y no son lineales (sus componentes

interactan unos con otros, provocando que las salidas no sean proporcionales a la fuerza de las entradas), a diferencia del mercado petrolero, que s es estacionario. Un ejemplo representativo puede apreciarse en la Figura 5.1. Estas series muestran fluctuaciones errticas, se demuestra en el item 5.2 que no son estacionarias mediante las primeras y segundas diferencias; no se obtiene un comportamiento estacionario, por lo que se hace ms difcil extraer ms informacin acerca de los mecanismos subyacentes que rigen el sistema.
IPC
10000 9000 8000 7000 6000 5000 4000 3000 2000 1000 0

IPC (Salinas-Fox)

Das 100 600 1100 1600 2100 2600 3100 3600

-400

Figura 5.1 Evolucin del IPC: 1988-2004. Serie representativa de fluctuaciones complejas. Fuente: Bolsa Mexicana de Valores. Base de datos del IPC diario

Para construir un modelo de mercados complejos y dinmicos, el requisito fundamental es que los datos de las series de tiempo posean alguna dependencia o correlacin a largo plazo. Se ha demostrado que tanto el mercado petrolero (Morales 2004) como en el accionario, cumplen con este requisito. Adems, en el estudio del comportamiento de mercados financieros, se debe conocer si la trayectoria de los precios sigue un proceso estacionario o no estacionario. En este aspecto, estos dos mercados tienen una diferencia importante que repercute en la construccin de un mtodo que capte su comportamiento. Mientras que el mercado petrolero tiene una tendencia estacionaria (Morales 2004) a
134

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

partir de la primera diferencia del promedio con respecto a todos los valores de la serie, el mercado accionario tiene una trayectoria no estacionaria.

En reciente tesis de doctorado sobre el mercado petrolero realizado por Morales, comprob que los precios siguen una trayectoria estacionaria, esto permiti construir un modelo de prediccin utilizando el programa Benoit, para realizar simulaciones de escenarios con caractersticas fractales y similares al comportamiento de los precios internacionales del petrleo. (Morales, 2004)

Para evitar conclusiones errneas, conviene probar la no estacionalidad de la serie temporal. Prueba de no estacionalidad del IPC En el caso del comportamiento del IPC, se realiz la misma prueba que se aplic en el mercado del petrleo que consiste en el siguiente procedimiento: En primer instante se calcul el promedio del IPC de todo el periodo. Se obtuvo el promedio uno (4 de diciembre de 1994) y del da siguiente (5 de diciembre de 1994), luego el promedio del primer da hasta el tercer da (6 de diciembre de 1994), despus el promedio desde el da uno hasta el cuatro (7 de diciembre). As sucesivamente hasta el promedio desde el primer da hasta el da 3775, as pues, se calcularon 3774 promedios. El resultado de esta prueba indica que el mercado de acciones de Mxico no sigue una trayectoria estacionaria. Ms bien muestra un movimiento ondulatorio. A partir de este hecho, se desarroll una metodologa que permite analizar las crisis burstiles aplicando el anlisis de fluctuaciones que estima el exponente para investigar las series de tiempo de la Bolsa Mexicana de Valores. La cuestin es saber si es posible encontrar un mtodo de observacin de

parmetros en mercados financieros con los cuales se conozca el comportamiento

135

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

interno de la dinmica del mercado de capitales. En particular, se aplicar el mtodo de Anlisis de Fluctuaciones sin tendencia, que nos permite encontrar el parmetro de ser capaz de predecir las crisis u otros cambios drsticos.

5.2 Volatilidad y valor absoluto de la rentabilidad

Para sustentar la metodologa que aplique las propiedades fractales de estos indicadores, es necesario estudiar la volatilidad y el valor absoluto de la rentabilidad e identificar su similitud que caracteriza comportamiento fractal del IPC.

Con el fin de obtener 100 series de tiempo de la volatilidad histrica de los precios, Vn(t), para diferentes horizontes de estudio n = 2,3,4, ...,101, se utiliz la siguiente ecuacin del IPC diario, para una longitud T = 3,775 das:

Vn (t) = P2(t) P(t) n

n

2 1/ 2

(5.1)

Donde t es el tiempo de operacin (das) y ...n denota el promedio de una ventana de tamao n.

Para calcular el valor absoluto de la rentabilidad() (figura 5.3a), se emple: () = ln

Pt Pt

(5.2)

Se pretende comprobar si series histricas de Vn()) y de ()son semejantes (figuras Vn(()). 5.2 y 5.3). Se construyen 100 series de tiempo de

136

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

Volatilidad:n=3
800 600 400 200 0 -200 -200 300 800 1300 1800 2300 2800 3300 Dias 3800

Volatilidad: n=30
1500 1000 500 0 -200 300 800 1300 1800 2300 2800 3300 Dias 3800

Figura 5.2. Volatilidades histricas para horizontes de: n = 3, n=30. Fuente: Bolsa Mexicana de Valores. Base de datos del IPC diario. Elaboracin propia

0.25

A b s.R ent ab i li d ad : n=3

0.4 0.35

Abs.Rentabilidad: n=30

0.2

0.3
0.15

0.25 0.2

0.1

0.15
0.05

0.1 0.05

0 -200 -0.05 300 800 1300 1800 2300 2800 3300 3800 Di as

0 - 200 - 0.05 300 800 1300 1800 2300 2800 3300 Dias 3800

Figura 5.3 Valor absoluto de rentabilidad de: n = 3, n=30. Fuente: Bolsa Mexicana de Valores. Base de datos del IPC diario. Elaboracin propia

5.2.1 Anlisis y discusin de resultados En primer lugar, se hall que las volatilidades histricas Vn(()) (figura 5.2) y Vn(()) (figura 5.3) tienen similitud para valores de n = 3 y 30 das. Esto puede interpretarse como el hecho de que la volatilidad histrica, ya sea de precios o de rendimientos logartmicos, guarda invarianza de escala. Esta propiedad es muy importante para aplicar el mtodo de anlisis de fluctuaciones sin tendencia.

137

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

En segundo lugar, se observa que la volatilidad y el valor absoluto de los rendimientos muestran agrupamiento similar y son crecientes en el periodo estudiado.

5.3 Metodologa de prediccin de crisis

Una cuestin importante para la elaboracin de la metodologa de prediccin de crisis, es la heterogeneidad de la estructura de las series temporales. Es necesario conocer si las fluctuaciones irregulares se deben, al menos en parte, a la dinmica subyacente del sistema, y no nicamente a estmulos externos, Sornette (2003, p.281). Con este fin se ha introducido recientemente un nuevo mtodo: anlisis de fluctuaciones sin tendencias, mismo que aplicaremos en este captulo. De acuerdo con Sornette (2003, p. 281), la ocurrencia de crisis en los mercados de capitales es precedida por seales que son detectadas por indicadores cualitativos y cuantitativos. Estas seales indican que las series financieras son fluctuaciones que responden a distribuciones estables y poseen estructuras fractales. Por esta va se busca identificar si los datos del mercado ofrecen pistas sobre sus movimientos crticos en sus trayectorias. (Grech y Mazur, p.4, 2003) La cuestin es dilucidar si estas fluctuaciones reflejan el hecho de que dichos movimientos son perturbados constantemente por ruido externo o intrnseco. Esta informacin es til para el conocimiento de los mecanismos que controlan su movimiento, de tal manera que sea posible anticipar su ocurrencia.

5.3.1 Seales cualitativas de crisis burstiles

Segn Sornette (2003, p. 283), la historia de burbujas y crisis financieras se repiten durante siglos con pocas variaciones: desde la llamada famosa burbuja del tulipn en 1636 en msterdam hasta la crisis de 1987.(Una burbuja es definida como un perodo de tiempo en el cual hay un incremento acelerado de precios de acciones hasta llegar a un mximo, luego sigue un perodo de gran cada de los precios).

138

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

Las seales de estas burbujas que anteceden a la ocurrencia de crisis burstil, no han cambiado significativamente en la actualidad y son las siguientes: La burbuja empieza lentamente con algn incremento de produccin y ventas (o demanda por alguna mercanca) de una manera optimista. La atraccin de inversionistas con inters de obtener buenas ganancias, permite incrementar las inversiones en el mercado de valores. Estas inversiones tienen dos fuentes importantes, una es de inversiones extranjeras; otra fuente es de inversionistas nacionales con experiencia en el sistema financiero. Esto provoca un incremento de los precios de las acciones. El apalancamiento promueve que se apliquen fondos de otros sectores en la compra de acciones. Adems, el incremento de los precios de las acciones atrae a inversionistas menos sofisticados (que en algunos casos venden su automvil y/o casa), los cuales incrementan la demanda de capitales a una tasa superior a la cantidad de dinero necesaria en el mercado. En esta situacin, el comportamiento del mercado de valores no tiene correspondencia o es dbil con el crecimiento de la produccin de bienes y servicios de la economa. Los precios de las acciones aumentan significativamente, el nmero de nuevos inversionistas entran a especular en el mercado y el mercado entra en una fase de mucho nerviosismo hasta el punto cuando la inestabilidad es revelada y las nuevas noticias tienen un impacto considerable; cuando sta es negativa el mercado colapsa.

Estas caractersticas cualitativas se aplican esencialmente en casi todos los mercados en crisis, incluyendo la del 29. Es notable reconocer, adems, que en la crisis burstil de 1987 ocurrida en Mxico, tiene literalmente todas las caractersticas citadas. Este escenario se refuerza con profundas races psicolgicas de los inversionistas e incluye una combinacin de comportamiento de imitacin y movimiento de masas y avaricia (por el desarrollo de la burbuja especulativa) y una sobre reaccin a malas noticias en perodos de inestabilidad.

139

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

Sornette sostiene que existe un periodo precedente de incremento de precio en promedio al menos de 6 meses que puede ser comparado con las crisis anteriores. La existencia de una baja rpida de los precios, seguida del momento de valor mximo, sucede en un tiempo ms corto que el periodo de aceleramiento.

5.3.2 Seales cuantitativas de crisis burstiles

El trabajo de Lux, Grech y Mazur es tomado en cuenta para detectar seales cuantitativas que precedan la ocurrencia de crisis burstil. En el trabajo de Thomas se propone modelos multifractales para modelar la serie de tiempo de la rentabilidad en finanzas. La mayor atraccin de estos procesos es su habilidad para generar varios grados de memoria larga para diferente rentabilidad, un hecho que destaca en todos los precios financieros. El objetivo es proporcionar las caractersticas de un modelo multifractal causal para estimar el parmetros de este modelo y usar estas estimaciones en el pronstico de la volatilidad financiera. Usan la autocovarianza de los logaritmos de los incrementos del proceso multifractal para utilizarlo en el modelo de momentos generalizados. GMM (General Method of Moment).

En el trabajo de Grech y Mazur se aplica el mtodo de anlisis de fluctuaciones sin tendencia para detectar anticipadamente seales de crisis en la bolsa de valores de Nueva York desde la crisis del ao 1929, encontrando que existen seales que muestran con dos meses de anticipacin la ocurrencia de crisis. Este mtodo es el que se aplica en el presente trabajo con base en la informacin diaria del IPC en la crisis de 1987 de la Bolsa Mexicana de Valores. Con base en lo anterior, estamos en condiciones de aplicar dichas propiedades en la construccin de una metodologa que muestre, anticipadamente, las crisis burstiles. Para el efecto, se aplica el Anlisis de Fluctuaciones sin Tendencia (Dentred Fluctuation Anlisis- DFA), Grech y Mazur (2003, pp. 4,17). Utilizaron este mtodo para estudiar el Dow Jones Industrial Average (DJIA) identificando seales previas a

140

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

la ocurrencia de las crisis de 1929, 1987, 1998, y el final de la etapa expansiva de la economa norteamericana.

5.4 Anlisis de Fluctuaciones sin tendencia

Los mercados accionarios son sistemas que dependen de factores externos e internos. En el lado externo, son parmetros que en su mayora, son totalmente fuera de control de los inversionistas, quienes son una parte del sistema. Estos parmetros tienen usualmente origen aleatorio conectado a eventos tales como disturbios polticos, ataques terroristas, crisis de compaas de alta influencia en los mercados financieros, guerras, etc. Hay tambin parmetros que no provienen de fenmenos externos y se encuentran bajo el control de los inversionistas. (Grech y Mazur, pp 3,4, 2003)

En esta investigacin se utiliza la propiedad fractal de la ley de potencia, misma que nos permite estimar un parmetro para detectar el movimiento anticipado de las crisis burstiles. Se asume la hiptesis de Grech y Mazur, quienes sostienen y demuestran que las crisis de 1929, 1987 y que los cambios bruscos en el comportamiento del mercado se anticipan con movimientos nerviosos expresados por los movimientos del parmetro ( ) , exponente de la ley de potencia. Estos cambios, anticipados a las crisis, indican la proximidad de una crisis.

Este mtodo tambin es utilizado en medicina y en sismologa. En medicina, para los estudios de cardiologa de encefalograma, permite anticipar los movimientos bruscos tanto en el corazn como en el cerebro.

Este mtodo

detecta correlacin de largo plazo en series de tiempo con

comportamiento no estacionario. Se aplica en la informacin diaria del IPC, para estimar el parmetro ( ) que es sensible a los movimientos anticipados de crisis en el mercado accionario. Despus de una breve explicacin de los pasos que se siguen para estimar el parmetro (Grech y Mazur, 2003, p, 4), se utiliza en dos periodos: el primero, en el momento de crisis de la BMV en octubre de 1987. El
141

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

segundo, en periodo de normalidad, cuando no hubo cambios bruscos en el IPC, de junio de 2003 hasta mayo de 2004.

Mtodo de Anlisis de Fluctuaciones sin tendencia Se divide la serie de tiempo X (t) de tamao 1, 2, 3,.., N-1, N en N/ grupos de tamao . Tanto N/ como son enteros. En cada grupo de tamao , se toman dos puntos consecutivos y se realiza un ajuste a una recta dando una funcin: Y (t) = a t + b, con a y b como parmetros de la recta. Una variante de este mtodo es ajustar a un polinomio. En la funcin X (t), se resta el valor de Y(t). En cada grupo. x (t) y(t).
N /

Se calcula la varianza de la siguiente funcin: F2( )=

((x(t) y(t))
i =1

Para todos los grupos se tiene:

F2() 2

Esta funcin cumple con la ley de potencia. Con una Log-Log se determina .

A continuacin, se aplica este mtodo para el perodo enero-diciembre de 1987 con el fin de detectar seales de la crisis de aquel ao. Igualmente, se aplica en un perodo de no crisis burstil, en el perodo enero-diciembre 2003, para constatar que este mtodo slo muestra seales en tiempo de crisis, en tanto que cuando no hay crisis, no muestra seales anormales.

142

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

5.4.1 Aplicacin del mtodo en la prediccin de la crisis de 1987 Aplicando el anlisis de fluctuaciones sin tendencia en la crisis de la Bolsa Mexicana de Valores en octubre de 1987, se tiene lo siguiente:
IP C

400 350 300 250 200 150 100 50

IPC-Crisis de 1987

Dias

0 0 50 100 150 200 250 300

Figura 5.4 Evolucin del IPC, periodo: enero de 1987 marzo de 1988. Fuente: Bolsa Mexicana de Valores. Base de datos del IPC diario. Elaboracin propia
1 Alfa 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 140 160 180 200 220 240 260 N 280 300

Crisis de 1987

Figura 5.5 Anlisis de Fluctuaciones sin tendencia, enero de 1987 marzo de 1988 Fuente: Bolsa Mexicana de Valores. Base de datos del IPC diario. Elaboracin propia

143

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

Tabla 5.1 Ejemplo del anlisis de fluctuaciones sin tendencia. Crisis de 1987 (N=200), =20
0 -4 .7 6 3 -1 .8 3 4 -2 .6 2 2 -7 .6 2 4 0 .2 8 5 -3 .5 8 2 4 .4 1 7 5 .0 4 8 -1 1 .4 7 5 -8 .3 8 0 2 1 .8 4 3 .7 0 5 -0 .9 8 -6 .7 2 -5 .6 9 6 -8 .7 7 2 -1 8 .8 8 2 -3 1 .1 0 3 -1 7 -2 .1 8 4 -1 6 .8 0 8 -1 9 .8 7 2 4 .9 6 8 1 1 0 .8 8 1 3 5 1 1 7 4 5 8 2 .5 8 6 6 9 8 .3 3 0 3 4 3 0 -2 .8 4 6 -6 .9 4 2 -1 .7 0 4 1 .4 5 6 -2 .0 1 -1 2 .0 0 6 -8 .2 7 4 -1 0 .4 8 -1 2 .0 2 4 -1 0 .3 1 -1 6 .2 3 6 -1 0 .7 7 6 -6 .9 2 9 6 2 .0 0 6 4 3 .6 3 5 -5 7 .7 6 -1 1 .9 8 5 3 2 .9 4 9 .3 4 8 2 6 .7 1 4 .3 6 4 -6 6 .8 1 4 -7 6 .4 2 9 -7 3 .9 4 4 1 1 0 8 .6 3 3 4 4 0 -2 .1 6 4 -1 .1 9 4 -9 .1 5 9 -1 0 .4 6 8 -6 .1 6 5 7 .6 8 6 -7 .2 6 6 -1 5 .9 3 6 -2 6 .1 9 -2 7 .7 3 2 0 .9 5 5 -1 6 .8 4 8 1 5 .8 4 7 6 8 .5 8 6 7 .0 6 5 -7 4 .6 4 -2 1 .3 1 8 -1 4 .9 2 2 -2 0 .8 8 1 -6 3 .0 2 -8 4 .0 2 1 -3 7 .0 2 6 2 9 .6 0 1 1 6 .0 8 1 0 4 2 .6 4 1 5 2 0 -9 .1 1 4 1 5 .1 8 2 -1 0 .0 1 1 -1 7 .5 6 4 -1 4 .2 3 5 -1 0 .3 4 4 -1 3 .7 2 7 1 8 .2 8 8 -3 .9 5 1 4 0 .1 8 1 5 .4 4 4 -4 3 .5 4 8 -1 0 .4 9 1 -6 .0 2 -8 .2 6 5 -1 7 .0 0 8 -1 1 .4 7 5 5 0 .4 3 6 -1 6 6 .2 6 9 -5 5 .4 8 -3 6 .3 7 2 -1 1 .8 5 8 -8 8 .1 8 2 -6 2 .5 4 4 1 8 3 4 .2 7 3 3 2 0 -3 .8 7 8 -4 -8 .3 6 7 -1 1 .4 5 2 -7 .8 6 5 -4 1 .5 8 6 -3 3 .2 8 5 -2 1 .8 4 8 -1 0 .8 9 2 3 .8 3 -3 0 .4 3 7 -3 9 .1 9 2 -6 7 .8 0 8 2 .8 8 4 1 0 7 .9 5 5 -1 5 .4 5 6 -2 0 .6 5 5 -1 8 .9 5 4 4 7 .7 4 7 5 8 .5 1 4 6 .6 0 1 -1 5 0 .4 8 -1 4 9 .2 9 3 -1 1 8 .1 0 4 4 3 6 4 .9 4 6 3 4 0 -7 .2 7 5 -9 .0 8 4 -0 .9 7 2 3 .0 4 4 -2 1 .3 5 5 -1 2 .3 -1 6 .1 5 6 -6 .5 4 4 -4 2 .9 8 4 -1 3 .9 8 -7 6 .6 9 2 -4 3 .2 6 -1 5 .9 3 8 6 0 .1 5 8 8 1 .0 1 5 -1 2 8 .6 7 2 -8 8 .9 6 1 -3 3 .2 2 8 5 .5 8 6 7 3 .4 4 -1 2 2 .3 2 5 -3 2 .6 2 6 4 1 .5 6 1 -1 .0 5 6 2 6 4 0 .2 7 9 0 1 0 -0 .4 1 8 -2 .9 7 2 -3 .4 9 5 -5 .2 1 2 -2 1 .8 9 5 -4 9 .3 1 4 -3 2 .6 5 5 -5 4 .6 8 8 -6 8 .2 9 2 -4 1 .5 5 -6 1 .6 5 5 1 7 .4 2 4 -3 9 .6 5 -6 8 .4 6 -1 5 6 .5 7 -2 6 3 .3 9 2 9 .5 7 1 7 9 .8 6 6 -1 0 9 .6 1 1 -2 9 5 .5 4 -4 6 6 .1 1 6 2 9 6 .6 9 2 -2 4 .8 6 3 1 3 2 .9 6 2 0 2 7 3 .9 9 9 7 0 3 .4 6 1 -8 .4 7 8 -8 .3 7 6 -1 2 .8 9 2 -1 8 .5 9 -3 5 .6 8 8 -2 0 .2 1 6 1 6 .0 9 6 -6 .0 6 6 -5 4 .3 6 -4 4 .3 9 6 -1 5 3 .0 7 2 -1 2 1 .9 7 9 -4 8 .9 4 4 2 0 2 .6 9 5 8 1 .7 2 8 -1 4 5 .5 2 3 3 6 .8 7 3 2 7 .5 9 8 1 3 2 .2 6 3 2 .2 9 8 1 1 5 8 .7 6 2 8 2 2 .9 1 7 -4 7 0 .9 7 6 1 0 1 8 2 6 .0 1 5 0 2 .9 1 3 8 5 .1 2 6 9 3 .6 8 7 -2 0 .4 8 -3 8 .1 6 5 -2 1 .6 1 8 1 1 0 .9 9 9 2 2 9 .3 1 2 9 3 .4 2 -4 4 .9 3 -7 6 .1 4 2 -3 3 .1 6 8 3 9 .5 8 5 1 1 8 .2 7 2 2 9 3 .2 3 5 3 7 6 .0 3 2 1 5 7 .5 5 6 -4 5 7 .1 1 -4 0 3 .0 6 6 1 4 3 .4 6 1 2 6 .4 6 2 3 3 5 .0 3 8 7 0 .2 1 9 -1 8 5 .9 0 4 3 7 0 3 4 .8 6 8 5 0 1 1 .9 9 1 -2 .3 0 4 -1 1 .8 2 3 3 .1 6 1 7 .7 5 5 4 .6 3 2 3 9 .2 8 4 -4 4 .0 4 -1 6 .5 2 4 -9 6 .1 2 2 5 .6 4 1 5 .8 2 7 8 .9 3 6 5 0 .5 8 2 1 0 .7 7 1 2 .0 6 4 -7 .3 1 -1 4 .1 6 6 -1 9 .6 8 4 -4 2 .6 2 -4 8 .3 2 1 8 3 .2 9 2 2 6 8 .8 9 3 4 3 .5 3 6 4 3 4 6 .0 4 7 4 9

2 A lfa = A lfa =

2 .0 3 4 4 6 5 6 4 1 .0 1 7 2 3 2 8 2

Fuente: Bolsa Mexicana de Valores. Base de datos del IPC diario Elaboracin: Grupo Mecnica Fractal Tabla 5.2 resultado total del anlisis de fluctuaciones sin tendencia Crisis de 1987

140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300

15 0.57016525 0.59375231 0.6119994 0.61517664 0.69093484 0.70498695 0.8929964 0.96864065 1.01033263 1.00030602 0.99790454 0.99376948 0.98599135 0.98908886 0.98276543 0.98161579 0.98706618

20 0.66776943 0.66092399 0.69566285 0.70763241 0.76517825 0.76586029 1.02228985 1.02652802 1.06475356 1.05850957 1.05410976 1.04854002 1.04659212 1.04230096 1.03631685 1.03386582 1.03592185

25 0.65207287 0.66858966 0.66758116 0.70844163 0.80187624 0.80374528 1.00987155 1.01029345 1.03430619 1.0263371 1.02113775 1.01723282 1.01207653 1.0099329 1.00462643 1.00475971 1.00717246

30 0.60934139 0.63485798 0.63378546 0.67190801 0.75004886 0.74725504 0.91848444 0.96103107 0.96633051 0.9584197 0.95306329 0.94798918 0.94566016 0.94624206 0.94100167 0.9446954 0.94981761

35 0.61715957 0.6101395 0.6284125 0.68397061 0.77757774 0.77648016 0.92828187 0.96677924 0.96862228 0.96141064 0.9560532 0.94940652 0.9455098 0.94373048 0.93849765 0.93537331 0.93475698

40 0.64192231 0.65175296 0.67729491 0.67720156 0.69775376 0.70530372 0.94669081 0.94442629 0.95589253 0.94776037 0.9410309 0.9360382 0.93273653 0.93125654 0.92622927 0.92296122 0.92178898

45 0.63765173 0.63338236 0.64608647 0.68745121 0.75647627 0.75178182 0.85162819 0.88147599 0.89899368 0.90066856 0.89600916 0.89225786 0.89171534 0.89326987 0.88855879 0.88949689 0.89149711

50 0.62621702 0.64565109 0.64096969 0.65508291 0.69617124 0.69977651 0.92735122 0.92425373 0.93137309 0.92412309 0.91796993 0.9129442 0.90903832 0.90539258 0.9079231 0.9155738 0.91124081

55 0.60024085 0.61487938 0.6416901 0.64102892 0.64555568 0.65266935 0.85484589 0.89683636 0.91904648 0.91382851 0.90927915 0.90528817 0.90370528 0.90350088 0.89950817 0.89728629 0.89608755

60 Promedios 0.59198638 0.62145268 0.59912914 0.63130584 0.61957656 0.64630591 0.6707403 0.67186342 0.74347434 0.73250472 0.73848676 0.73463459 0.81094018 0.91633804 0.83433889 0.94146037 0.85811609 0.9607767 0.84409311 0.95354567 0.8316336 0.94781913 0.82720427 0.94306707 0.82448381 0.93975092 0.82359847 0.93883136 0.81905716 0.93444845 0.83107149 0.93566997 0.8422311 0.93775806

Fuente: Bolsa Mexicana de Valores. Base de datos del IPC. Elaboracin propia.

144

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

5.4.1.1 Anlisis de los resultados En la figura 5.5 se muestra que la crisis estall en octubre de 1987; El proceso se inicia en abril de 1987; el IPC alcanz el nivel de 90 unidades, creci 4 veces en forma persistente, de tal forma que el 9 de octubre lleg al nivel de 363 unidades, un nivel sin precedentes. Luego, el decrecimiento fue ms alto, en enero de 1988 volvi a su anterior nivel alcanzado en abril del ao anterior. Estimando el exponente y observando su comportamiento en todo el periodo de la crisis, se muestra que en septiembre tiene un significativo descenso como un indicador que la crisis se presentara en octubre. El resultado alcanzado por Grech y Mazur para anticipar la crisis del Dow Jones en 1929, 1987 y1998 es de dos meses antes. 5.4.2 Validacin cuantitativa del mtodo de Anlisis de Fluctuaciones sin Tendencia: Sin la comparacin sistemtica entre las predicciones del modelo con los datos del mundo real, la validacin no es posible. Para la prueba del anlisis de fluctuaciones sin tendencia, pueden aplicarse numerosas pruebas que confronten sus resultados con la realidad. Uno de ellos es probar dicho anlisis en periodos sin crisis de gran trascendencia como la ocurrida en 1987; esto, debido a que es reducido el nmero de crisis de la bolsa en su corta historia. En este aspecto, cabe sealar que en la literatura sobre la aplicacin de dicho mtodo no existe ningn procedimiento de validacin. Grech y Mazur no realizan la validacin de sus hallazgos. Para el efecto, se utiliza informacin reciente del IPC, en el periodo de 12 de febrero de 2003 hasta el 23 de abril de 2004, un total de N = 300 observaciones diarias. El exponente se estima para valores de N =140, 150, 160,.. hasta =60.

hasta N = 300. En

cada uno de estas muestras, se consideran diversos valores de = 15, 20, 25 ..

145

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

En la figura 5.6 se muestra la evolucin del IPC en el periodo citado. En la figura 6.8 se muestran los resultados de la aplicacin del anlisis de fluctuaciones sin tendencia.
IPC_2004
IPC 160

10000 8000 6000 4000 2000 140 0

180

200

220

240

260

280

300 Dias

Figura 5.6 Evolucin del IPC febrero 2003- abril 2004. Un total de 300 observaciones Fuente: Bolsa Mexicana de Valores. Base de datos del IPC diario. Elaboracin propia

5.4.3 Anlisis de Fluctuaciones sin tendencia en periodos sin crisis.

IPC- 2004
Alfa 1.58 1.57 1.56 1.55 1.54 1.53 1.52 1.51 1.5 1.49 1.48 140 160 180 200 220 240 260 280 Dias (N) 300

Figura 5.7 Resultados de estimacin de para diversos valores dados a N Fuente: Bolsa Mexicana de Valores. Base de datos del IPC diario. Elaboracin propia

146

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

5.4.3.1 Anlisis de resultados Tal como se observa en las figuras 5.6 el IPC en el periodo de febrero de 2003 hasta abril de 2004, tiene un comportamiento normal, sin crisis. El anlisis de fluctuaciones sin tendencia (ver figura 5.7) nos muestra que el exponente , tiene un comportamiento sin valores fuera de la tendencia indicando con ello que no existe crisis en dicho periodo, nada anormal.

Tabla 5.3 Ejemplo del anlisis de fluctuaciones sin tendencia en periodo febrero 2003 abril 2004, sin crisis. (N=200), =20

0 -55.48 -100.28 67.98 -94.2 -380.35 259.74 311.29 -4.64 -272.07 -270.4 4.51 184.92 -41.21 6.86 89.85 770.56 657.39 200.34 -2317.81 364044.449 4273160.01 21365.8001

0 -16.91 -65.68 75.99 -123.92 620.35 -81.9 -100.73 8.32 34.74 334.5 200.97 -1353 -340.99 -1739.22 -1472.4 -37.28 804.44 1046.16 -402.8 488709.435

0 -100.85 53.98 -60.15 -189.04 -56 2.46 361.9 -761.6 -643.41 -101.9 -891.44 -207.12 -84.5 551.46 2500.05 -1277.92 -134.98 81.72 -1100.1 591923.876

0 76.6 175.46 242.07 -89.32 -500.35 -456.18 287.98 -836.24 -153.36 196.4 -566.17 -276.72 -217.49 -2111.06 245.55 44.64 1173.17 -2221.2 -1039.11 628624.478

0 75.87 -69.72 -332.22 19.28 207 19.92 459.27 -794.56 324.36 -401.1 385.22 341.52 -891.15 -566.72 549 -246.88 -1227.06 -358.38 1197.95 315750.108

0 12.22 -167.44 141.69 385.48 124.35 -190.14 42.21 -1116.48 -1047.24 -287.6 -446.05 428.88 1053.26 -378 -1423.05 554.56 -408.34 1277.64 824.22 479115.222

0 -12.02 -79.86 -5.25 -42.2 -264.1 19.86 -571.06 99.52 246.78 -381.6 50.38 700.8 -31.07 -901.04 -921.15 -446.88 -686.8 -718.56 -900.22 189510.367

0 -55.86 -78.58 245.19 -7.28 -35.75 174.72 -114.73 -139.2 -1095.66 -233.9 838.2 -228 603.07 226.1 -214.35 -802.24 235.96 -2064.6 3066.22 892776.912

0 22.46 -17.4 38.82 -499.72 -60.15 -68.34 515.9 344.16 50.04 -216.8 -175.45 -730.92 293.02 561.26 467.85 -997.6 -399.67 63.36 -1857.06 322705.164

0 -172.33 -57.38 101.37 -442.28 -439.85 351 46.13 -1390.4 -941.58 379 1291.18 -636.48 2475.2 226.38 2555.85 -1985.28 -1642.03 -1270.44 -1871.5 1551143.03

2 Alfa= Alfa=

3.32791648 1.66395824

Fuente: Bolsa Mexicana de Valores. Base de datos del IPC diario Elaboracin: Grupo Mecnica Fractal

147

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

Tabla 5.4 Resultado total del anlisis de fluctuaciones sin tendencia, sin crisis
140 150 160 170 180 190 200 210 220 230 240 250 260 270 280 290 300 15 1.77067012 1.66330294 1.79206125 1.78966784 1.7913219 1.78133922 1.7718687 1.76286034 1.82387602 1.83524918 1.83642821 1.83493166 1.83116816 1.86254625 1.86727997 1.8599554 1.89758981 20 1.66762631 1.66330294 1.68809602 1.6809405 1.68154334 1.6725193 1.66395824 1.65581496 1.71113303 1.75213832 1.70751906 1.70483167 1.720198 1.72647639 1.74200966 1.73786642 1.75380461 25 1.5580515 1.56757303 1.57149791 1.56700231 1.5606561 1.5796781 1.61357905 1.60600029 1.60832047 1.62163571 1.61968133 1.63464779 1.63346444 1.65307895 1.65153397 1.64741441 1.65531953 30 1.52737177 1.53382195 1.53383269 1.52832787 1.52840289 1.52840289 1.51291415 1.50574165 1.54601794 1.54782303 1.54997028 1.52173445 1.55531763 1.58616964 1.58541141 1.58090361 1.58430468 35 1.49128311 1.48489705 1.493164 1.49017082 1.48333654 1.47516202 1.46794847 1.46108696 1.50796025 1.50823553 1.5088939 1.52173445 1.52311606 1.54020902 1.55372565 1.54957634 1.54718283 40 1.46038651 1.46163426 1.48137851 1.47423157 1.47022796 1.49263074 1.5148355 1.50822236 1.50576756 1.5082892 1.50825139 1.50409471 1.50642725 1.52197531 1.53277364 1.52860132 1.52577556 45 1.41640172 1.41191839 1.42075392 1.41830777 1.41751961 1.41751961 1.40368065 1.39727213 1.42389278 1.43856819 1.43539723 1.4412441 1.45167982 1.47974465 1.47752955 1.47328618 1.4695526 50 1.37009648 1.378751 1.37050226 1.37073296 1.36877748 1.40288619 1.43443579 1.42819987 1.42225409 1.42774894 1.4274905 1.44339851 1.44027219 1.44575102 1.45131743 1.44666037 1.44139164 55 1.36288967 1.36570803 1.38587336 1.38597514 1.37878152 1.39386929 1.40569666 1.44150846 1.40316422 1.39761792 1.39538914 1.40118197 1.40981049 1.43327158 1.4313315 1.42741613 1.42418869 60 1.36402002 1.35559463 1.36692694 1.36580747 1.36436798 1.36436798 1.35150139 1.42825805 1.36145954 1.37029047 1.37209915 1.36822753 1.36964641 1.3819758 1.39057493 1.38615247 1.37913075 P edios rom 1.49887972 1.48865042 1.51040869 1.50711643 1.50449353 1.51083753 1.51404186 1.51949651 1.53138459 1.54075965 1.53611202 1.53760268 1.54411004 1.56311986 1.56834877 1.56378327 1.56782407

Fuente: Bolsa Mexicana de Valores. Base de datos del IPC diario Elaboracin: Grupo Mecnica Fractal

5.4.4 Validacin cualitativa del mtodo de anlisis de fluctuaciones sin tendencia

El incremento de produccin y ventas (o demanda por alguna mercanca) no es de optimismo. La atraccin de inversionistas es limitada, la BMV realiza esfuerzos legales para promover la participacin de inversionistas nacionales e internacionales.

Hay un incremento de inversiones extranjeras en la bolsa, pero no son atradas por grandes ganancias, sino que evitan los bajos intereses que prevalecen en Estados Unidos de Norteamrica. La entrada de capital forneo a los mercados financieros nacionales provoca que la inversin en la BMV registre un crecimiento. Al cierre del tercer trimestre, el saldo total ascendi a 65 mil millones de dlares, lo que represent un crecimiento de 6.58%. (El Financiero, 15 de noviembre, 2004)

Si los inversionistas nacionales no aumentan su participacin en el mercado accionario, esto provoca un incremento moderado de los precios de las acciones.

El incremento de los precios de las acciones no es suficiente para atraer a inversionistas menos sofisticados. No se dan casos en que vendan sus bienes
148

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

duraderos para entrar a la bolsa. Existe un estricto control, por parte del banco de Mxico, entre el crecimiento de la produccin de bienes y servicios y la cantidad de dinero en la economa En esta situacin, el comportamiento del mercado de valores tiene correspondencia con el crecimiento de la produccin de bienes y servicios de la economa. Las ganancias burstiles son superiores a las que obtienen el resto de activos financieros, sin embargo, estn sustentadas en el ciclo econmico y los beneficios del resto de los sectores. Estas ganancias no son suficientes para ser un atractivo para nuevos inversionistas. El IPC avanza 21.21% durante el presente ao 2004. Los precios de las acciones aumentan sin llegar a extremos, el mercado no ha entrado a una fase de mucho nerviosismo. En lo que va de 2004, lo que destaca es que ningn sector del mercado burstil se encuentra en terreno negativo, y todos registran crecimiento de dos dgitos. Las trayectorias de varias emisoras es otro importante referente para medir la solidez de las ganancias en el mercado accionario nacional. El pronstico de los especialistas de la BMV seala que el IPC tendr un cierre positivo, el cual estar apoyado por una mejora del ambiente econmico, tanto de Mxico como de Estados Unidos. Entre los factores de riesgos destacan en al mbito externo: la conduccin de la poltica monetaria de EU y el terrorismo, mientras que en el mbito interno, la discusin del programa econmico para 2005. El mercado est atento a las discusiones del presupuesto y a la posibilidad de generar un programa econmico para 2005 que privilegie la estabilidad y que incorpore algunas medidas de fondo que resuelvan temas estructurales. Se reconoce que habr cierto nerviosismo por las indefiniciones en poltica econmica, pero es notable ver que las condiciones de operatividad han mejorado y se abre una expansin para ver un mayor nivel de actividad en el mercado.

149

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

La bolsa ha registrado ganancias sostenidas desde mediados de 2003. En ese momento pocos crean que el mercado cerrara arriba de siete mil 500 puntos, no slo rebas dicho nivel sino que cerr en diez mil unidades, lo que ya confirmaba el movimiento positivo y sostenido.

5.5 Programa DELPHI de cmputo que detecta crisis burstiles 5.5.1

DIAGRAMA DE FLUJO
Inicio

IPC (diario)

Buscar IPC

Rentabilidad >0.2 Base de Datos IPC No Registrar IPC

Si

Mensaje de Crisis

Termina

Elaboracin: Patio Miguel,

150

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

5.5.2 Algoritmo del mtodo

Procedure TForm1.BitBtn1Click(Sender: TObject); Var x : Double; i : integer; begin Table1.Last;

for i:= 1 to 30 do Table1.Prior;

x := ln(StrToFloat(Edit1.Text)/Table1Campo3.Value);

if x > 0.2 Then Showmessage('Viene crisis');

Edit1.Text := FloatToStr(x);

end;

La mayora de los modelos propuestos para crisis financieras han ponderado el posible mecanismo que explican el colapso del ndice del mercado de capitales en escalas de muy corto tiempo. Conclusiones: El mtodo de anlisis de fluctuaciones sin tendencia muestra seales que preceden a la ocurrencia de crisis burstil de gran significacin como la crisis de 1987. En tiempos normales como la del ao 2003, no muestra seal que anticipen crisis. Esto se valida cualitativamente con el estudio detallado del comportamiento del entorno econmico del mercado burstil.
151

Captulo 5: Mtodo fractal de prediccin de crisis del IPC

Como es lgico, este mtodo carece de mayores pruebas significativas en la historia de las crisis burstiles de Mxico. Para utilizarse constantemente, debe estar complementado aplicando el software expuesto en este captulo.

152

Conclusiones y recomendaciones

CONCLUSIONES Y RECOMENDACIONES
1. Los mercados financieros son entornos complejos, se desarrollan entre el orden y el caos, donde pequeas variaciones iniciales producen grandes cambios en los movimientos de los precios finales. Por esta razn interesa conocer si este mercado tiene algn atractor, es decir, si existen algunas pautas o frmulas que nos permitan determinar con anticipacin la inestabilidad.

2. El movimiento de los precios en los mercados en cada instante parece ser algo azaroso, pero es posible que sigan una tendencia

3. La complejidad del problema que implica determinar la forma de la distribucin de frecuencia de los rendimientos de las acciones hace necesario recordar que estos dependen del cambio de los precios de los activos financieros. Es en este campo que se han desarrollado diversos modelos que intentan captar y analizar los cambios de los precios en el tiempo.

4. Los sistemas de baja complejidad exhiben comportamientos regulares, por lo cual se observar buena correlacin entre el valor del IPC de un da con el de los das anteriores. Por el contrario, en sistemas complejos, la correlacin vara segn el grado de complejidad, mostrando valores diarios del IPC con una aparente independencia con otros valores histricos.

5. En sistemas no lineales, cada estado del sistema est determinado por sus estados anteriores (iteracin). Un minsculo cambio en los valores iniciales puede tener dramticos efectos en el resultado del sistema.

6. En mercados financieros emergen patrones inesperados, por esta razn, los modelos fractales se constituyen en una opcin cientfica para quienes operan en las bolsas de valores, por su capacidad para analizar el valor de una sola variable que

153

Conclusiones y recomendaciones

evoluciona a lo largo del tiempo. Promete ayudar a descubrir un orden dentro del caos de los mercados

7. Los ndices burstiles son una referencia cada vez ms importante para los gestores de cartera. Se habla ms de ellos que de los mercados a los que representan. La tendencia general de las variaciones de precios de todas las

emisoras y series cotizadas en la Bolsa Mexicana de Valores, generadas por las operaciones de compraventa en cada sesin de remates, se refleja automticamente en el IPC.

8. En la funcin de autocorrelacin de los sexenios se destacan dos caractersticas: En primer lugar, stas despliegan una autocorrelacin considerablemente positiva; periodos con precios altos tienden a seguir con altos precios, y periodos con bajos precios tienden a seguir con bajos precios. En segundo lugar, stas tienen picos periodos en los que el precio brinca abruptamente a un nivel muy alto o a un nivel muy bajo. Este hecho se present con mayor claridad en el sexenio de Miguel de la Madrid en 1987.

9. Al compararse el exponente de Hurst (H) promedio para cada uno de los sexenios, se observa que el IPC en MMH y en CSG aument considerablemente debido a la apertura comercial que inici Mxico. Por otro lado, el sexenio de EZPL fue el que present el menor H por el error de diciembre, que provoc una fuga masiva de capitales, creando incertidumbre en el pas. 10. De acuerdo con el anlisis de los resultados preliminares, en los cinco sexenios analizados, el exponente H es mayor que 0.5, indicando que existen propiedades fractales en el mercado de capitales en Mxico, tales como autosimilitud, autoafinidad y persistencia.

154

Conclusiones y recomendaciones

11. Debido a que el comportamiento del IPC es no estacionario, requiere de un anlisis de fluctuaciones para anticipar los momentos de crisis que pudiera experimentar en el futuro. 12. El mtodo de prediccin propuesto en el trabajo es perfectamente consistente con el comportamiento racional de los agentes; es una tcnica utilizada para analizar series temporales. Los inversionistas disponen de informacin, la crisis puede pasar de alguna manera y ellos son capaces, por su habilidad de predecir la crisis, de hacer algn ajuste de riesgo usando esta informacin.

13. Si el IPC tiene su nivel mximo, lo importante es saber si las empresas que cotizan en la bolsa, sus indicadores fundamentales estn en el mximo. 14. Desde el punto de vista del inversionista, tiene tres opciones: comprar, vender o esperar. La idea bsica que explica el movimiento de precios, es el cambio de

actitudes de inversionistas debido a una gran variedad de fuerzas tales como polticas, psicolgicas y monetarias. A nivel macro, en el mercado, esto se traduce en tres posibles resultados en el indicador: sube, baja o permanece constante. Si el inversionista tiene el criterio de racionalidad, entonces le queda claro que su objetivo es optimizar sus resultados, basados en la disponibilidad de informacin; entonces si percibe que el precio va a subir, compra; si percibe que va a bajar, vende; si considera que no va a subir, decide esperar. La idea bsica indica que el movimiento de precios es determinado, en buena medida, por cambios de actitudes de inversionistas entre una variedad de fuerzas psicolgicas y monetarias,

15. Una limitacin de las investigaciones que anticipan crisis se presenta en sistemas con muchos grados de libertad, a saber la imposibilidad de manejar la enorme cantidad de datos requeridos para una detallada descripcin de un estado particular de un cuerpo macroscpico. 16. Otra fuente de dificultad, es la inevitable incertidumbre en las condiciones iniciales.

155

Conclusiones y recomendaciones

17. El mtodo de anlisis de fluctuaciones sin tendencia carece de mayores pruebas significativas en la historia de las crisis burstiles de Mxico. Por lo que para utilizarse, se recomienda utilizarse con el complemento, el software (programa DELPHI) expuesto en este trabajo.

156

GLOSARIO

Accin

Parte o fraccin del capital social de una sociedad o empresa constituida como tal. Se refiere al ttulo o valor negociable que representa a esa fraccin. Cada accin lleva consigo tres derechos fundamentales: Voto en las asambleas de la sociedad. Suscripcin preferencial sobre el resto de personas en el caso de ampliaciones de capital. Percibir unos dividendos en el caso de reparto de beneficios por parte de la sociedad. (MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995)

Accionistas

Propietarios permanentes o temporales de acciones de una sociedad annima. Esta situacin los acredita como socios de la empresa y los hace acreedores a derechos patrimoniales y corporativos. (MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995)

Activo financiero

Activo que incorpora un crdito y constituye, simultneamente, una forma de mantener riqueza para sus titulares o poseedores, y un pasivo o deuda para las unidades econmicas que lo generan. Son activos financieros tpicos: el dinero, los ttulos-valores y los depsitos bancarios. (http://www.tradulex.net/Glossaries.Es.htm)

Agentes

Intermediario autorizado para responsabilizarse de la ejecucin de los procedimientos de ejercicio y liquidacin de contratos de futuros y opciones; funcin que en MexDer es efectuada por los Socios Liquidadores. (MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995)

Agente econmico

Sujeto que interviene en la actividad econmica. Segn su actividad se distinguen: Agentes de produccin y Agentes de consumo. (http://www.tradulex.net/Glossaries.Es.htm)

Alcista

Situacin del mercado burstil en la que se prev una subida de la cotizacin, ya sea de ttulos, sectores o del mercado en su

157

conjunto. (MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995) Algoritmo Conjunto de procedimientos mediante los que se consigue un efecto. Suelen expresarse a travs de letras, cifras y smbolos. (DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985) Anlisis burstil Conjunto de tcnicas que sirven de base para la adopcin de decisiones respecto al mercado de valores. Su objetivo es la formulacin de hiptesis sobre el funcionamiento de este mercado o de un determinado valor del mismo.(MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995) Anlisis tcnico Metodologa de anlisis burstil, determina la tendencia de los valores en funcin de las cotizaciones histricas de los mismos. Pretende encontrar seales de compra y de venta de valores siguiendo el estudio de las cotizaciones y volmenes negociados aplicando la estadstica, los ndices de bolsa, grficos, etc. (http://www.tradulex.net/Glossaries..htm) Anlisis fundamental Tipo de anlisis cuyo propsito es calcular el valor intrnseco de una accin. Para ello se sirve de toda la informacin disponible sobre la empresa y su entorno. La idea central de este anlisis es que el valor de una accin es el valor actual de los ingresos futuros del accionista. (http://www.tradulex.net/Glossaries..htm) Anlisis de Sensibilidad Simulaciones de escenarios mediante los cuales se busca observar los cambios en los resultados del modelo, obtenidos con base en variaciones de sus principales variables DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985). Anlisis financiero Conjunto de tcnicas encaminadas al estudio de las inversiones con un enfoque cientfico. El inters que pueda ofrecer una inversin se analiza utilizando conjuntamente las tcnicas que ofrecen el anlisis de balances, la matemtica financiera, los mtodos estadsticos y los modelos economtricos. Otros aspectos que se deben de tener en cuenta, son la coyuntura

158

sectorial o nacional y cualquier otro tipo de informacin poltica, social o econmica cuya incidencia pueda estimarse importante Apalancamiento Razn de anlisis financiero, que se define como la proporcin entre los fondos ajenos de la empresa con inters fijo y el total del capital (propio y ajeno) de la misma. Recibe este nombre porque produce un efecto de "palanca" en los dividendos atribuibles al capital de los socios. MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Arbitraje Operaciones simultneas de compra y venta de un mismo activo, en diferentes mercados, con la finalidad de obtener beneficios inmediatos aprovechando las discrepancias de precios fruto de las ineficiencias existentes en los mercados MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Aversin al riesgo Trmino referido a la situacin en la que un inversionista, expuesto a alternativas con diferentes niveles de riesgo, preferir aqulla con el nivel de riesgo ms bajo. http://www.tradulex.net/Glossaries.htm Base de datos Estructura de software que colecciona informacin cada una de las cuales tiene algo en comn o campos comunes con todos o con algunos. Se disea con la finalidad de solucionar y agilizar la administracin de datos que se almacenan en la memoria del Computador (MASCAREAS Innovacin Financiera. Aplicaciones para la gestin empresarial. Mc Graw Hill. Madrid. 1999). Burbuja Situacin en la cual la diferencia entre el valor real de un activo financiero y su cotizacin burstil es grande (www.bmv.com.mx/ Nov. 2004) BMV-SENTRA Ttulos de Deuda. Permite negociar ttulos de deuda,

proporcionando al usuario un instrumental informtico moderno, seguro y confiable para intervenir en corros y subastas, desde las mesas de dinero de los intermediarios participantes

www.bmv.com.mx Nov. 2004. Broker Agente que acta, a comisin y por cuenta ajena, como intermediario en diferentes mercados financieros, poniendo en

159

contacto

compradores

vendedores

(DOWNES

J.&

GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985) Capitalizacin Burstil Es el valor de mercado de una empresa, se obtiene de multiplicar la cotizacin de sus acciones en el mercado, por el nmero de acciones (http://www.tradulex.net/Glossaries.Es.htm) Capital Partida del balance que refleja las aportaciones de los socios o accionistas a la sociedad. En finanzas tambin se denomina capital a la cantidad monetaria invertida en una operacin. MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Casa de valores Sociedad annima que negocia en los mercados financieros por cuenta ajena. Sus actividades principales consisten en recibir y ejecutar rdenes de compraventa de inversores, gestionar carteras de valores. (http://www.tradulex.net/Glossaries.Es.htm) Coeficiente Beta Medida del riesgo sistemtico de un activo. Mide la sensibilidad del valor de una accin frente a variaciones en el mercado. http://www.tradulex.net/Glossaries03/UCMFinEs.htm Coeficiente de correlacin Es una medida estadstica que trata de medir la relacin entre dos variables, oscila entre -1 y 1, siendo el signo, la direccin de la relacin (proporcional o inversamente proporcional) y la cifra, la magnitud de la relacin. (DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985) Cotizar Asignar el precio de un valor en la Bolsa o en el mercado www.bmv.com.mx/ Nov 2004.. Cotizacin Complejidad Precio de mercado de un activo www.bmv.com.mx/ Nov 2004. Caracterstica que define un gran nmero de elementos

densamente conectados y con mltiples niveles de recursividad e interconexin. Gharajedaghi Jamshid (1999) Systems Thinking: Managin Chaos and Complexity., p.25) Crack burstil Trmino utilizado para referirse a una rpida cada de todos o gran parte de los valores que cotizan en una determinada Bolsa http://www.tradulex.net/Glossaries.Es.htm Desviacin estndar Es la raz cuadrada de la varianza. Es utilizada para medir el

160

riesgo de un activo. (http://www.tradulex.net/Glossaries.Es.htm) Dow Jones Industrial Average (DJIA) ndice burstil es una media ponderada de los precios de las acciones de las 30 ms activamente comercializados,

principalmente industriales, incluyendo acciones cotizadas en el New York Stock Exchange. El Dow, como as es llamado, es un barmetro de cmo estn actuando las participaciones de las compaas ms grandes de los EEUU (DOWNES J.&

GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985) Eficiencia en el precio en la transaccin de valores, ayuda a asegurar que el inversionista reciba los mejores precios por los valores que intercambia. (http://www.tradulex.net/Glossaries.Es.htm) Emisin de capital En una sociedad annima es la puesta en circulacin de un nmero determinado de acciones, cuyo valor representar el importe de la emisin realizada. (MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995) Entrar en bolsa Proceso dirigido a que las acciones de una sociedad coticen en bolsa y se puedan comprar y vender libremente. Se requiere la aprobacin de la Junta General de accionistas y de la CNMV. Puede realizarse por una colocacin de acciones antiguas o mediante una ampliacin de capital. Es equivalente del trmino salir a bolsa. (MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995) Especulacin Actuacin consistente en asumir un riesgo superior al corriente con la finalidad de obtener beneficios aprovechando las discrepancias entre los precios actuales y los precios futuros esperados. La especulacin se ejerce en torno a la compra y venta de cualquier categora de bienes: de consumo, primeras materias, ttulos, valores, divisas, etc. (MASCAREAS J.: Innovacin Financiera. Aplicaciones para la gestin empresarial. McGraw Hill. Madrid. 1999) Futuros Es un tipo de contrato sobre tipos de inters, divisas, acciones, materias primas u otros activos financieros, que se fija en un

161

momento determinado y que vence en un momento posterior o futuro. Estos contratos se negocian en la bolsa en un mercado llamado de derivados o de futuros. (MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995) Gestin de cartera Actividad que consiste en el asesoramiento, administracin y ejecucin de rdenes de compra y venta de carteras de valores bien sean stas particulares o institucionales Gestin de riesgos Conjunto de actividades gerenciales destinadas a controlar y administrar los seguros y coberturas de una empresa. Ibex 35 Es el primer ndice de las bolsas espaolas y se compone de los 35 ttulos de mayor capitalizacin burstil del mercado continuo. Se revisa cada seis meses y es un ndice ponderado MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Indicador Herramienta utilizada en el anlisis tcnico para detectar tendencias en los precios de las acciones www.bmv.com.mx/ Nov 2004. ndice Nmero que representa el nivel de algn mercado financiero o alguna variable econmica. Por ejemplo el IBEX 35, el IPC, etc. www.bmv.com.mx/ Nov 2004. ndice burstil Nmero ndice que refleja la evolucin de los precios de un conjunto de acciones a lo largo del tiempo. Suelen ser representativos de lo que sucede en un mercado determinado. As un ndice se diferenciar de otro en la muestra de valores que lo compongan, la ponderacin de cada ttulo, la frmula matemtica que se utilice para calcularlo, la fecha de referencia o base y los ajustes que se apliquen al mismo (por dividendos o

modificaciones en el capital). www.bmv.com.mx/ Nov 2004. ndice financiero Serie numrica que expresa la evolucin en el tiempo de una determinada variable o magnitud financiera. Toma como

referencia o base uno de los datos de la muestra y el resto se expresan en relacin a l. MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995

162

ndice de bolsa

ndice ponderado con respecto al volumen de contratacin de las cotizaciones de los principales ttulos cotizados en una bolsa de valores e indica la subida o bajada de la cotizacin global. Para una misma bolsa puede haber diferentes ndices segn su ponderacin http://www.tradulex.net/Glossaries.Es.htm

Intermediario financiero

Llamado tambin broker. Persona o sociedad que sirve de enlace entre dos partes que participan en operaciones en los mercados financieros sin tomar posiciones por cuenta propia. Por extensin se aplica a todas las instituciones financieras y est formada por dos tipos: los bancarios y los no bancarios (compaas de seguros, etc.) http://www.tradulex.net/Glossaries.Es.htm

Indice de Precios y Cotizaciones (IPC):

Es el principal indicador del mercado accionario mexicano, el cual ilustra el comportamiento de una muestra de emisoras

representativas del universo de empresas que cotizan en Bolsa, con respecto a su valor de capitalizacin. www.bmv.com.mx/ Nov. 2004. Largo plazo Periodo de tiempo en operaciones burstiles con vencimiento de la orden alrededor de un ao. Es una clasificacin subjetiva y depende del sector econmico y de la actividad. Liquidez la liquidez es definida como la facilidad con la que las acciones pueden ser compradas y vendidas en el mercado Media mvil Promedio que suaviza la curva de precios de un determinado valor y se convierte en una lnea curva de tendencia. Es uno de los instrumentos ms utilizados en el anlisis tcnico. Mercado Lugar en el que concurren compradores y ofertantes de productos, normalmente con una periodicidad fijada. Existen en l unas reglas basadas sobre todo en la costumbre para regular las negociaciones. Actualmente el desarrollo de las comunicaciones permite que exista un mercado sin necesidad de un lugar fsico. Mercado alcista Mercado en el que los precios de los activos negociados siguen una tendencia general al alza. www.bmv.com.mx/ Nov. 2004. Mercado bajista Mercado en el que los precios de los activos negociados siguen una tendencia general a la baja www.bmv.com.mx/ Nov. 2004.

163

Mercado primario

Se conoce tambin por Mercado de Emisin, es donde todos los activos se negocian por primera vez y donde el emisor recibe esta nueva financiacin. www.bmv.com.mx/ Nov 2004

Mercado secundario

Tras la emisin y venta de activos en el mercado primario, muchos pueden seguir negocindose y cambiar de manos en este mercado. http://www.tradulex.net/Glossaries.Es.htm

Mercado financiero

Conjunto de mercados formado por el mercado de capitales, el mercado de dinero y el mercado de divisas. Es un mercado en que se contratan solo activos financieros MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995.

NASDAQ

National Association of Securities Dealers Automated Quotations. Es el mercado electrnico de la Bolsa de Nueva York donde cotizan las empresas con mayor capacidad de crecimiento y tambin muy voltiles. En l que cotizan 3,000 sociedades. DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985

Nikkei

Es el principal ndice de la Bolsa de Tokio. Se compone de la suma de las cotizaciones de los principales 225 valores de la bolsa y su composicin no se actualiza DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985

Nyse

New York Exchante. Es el mercado ms importante de la Bolsa de New York, creado en 1972 y en el que cotizan las 1500 sociedades de primer orden de USA. Agrupa el 70 % de las operaciones realizadas en el pas y est representado por el ndice burstil Dow Jones. DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985

Orden burstil

Encargo formal a un operador para ejecutar una operacin burstil. Las rdenes burstiles son rdenes de compra o venta www.bmv.com.mx/ Nov 2004. DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985

Precio de mercado

Precio en el que se iguala la oferta y la demanda. Se llama cotizacin en los mercados financieros MOCHON F & ISIDRO, R:

164

Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Prediccin Anlisis racional de lo que va a suceder. Es sinnimo del trmino previsin. MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Pronstico Anlisis fundamental de lo que va a suceder en funcin de los datos que se conocen o de situaciones similares MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Profundidad de mercado Se refiere al monto total de dinero que los generadores de mercado han invertido en un valor sencillo y est relacionado al nmero de participantes negociando en el valor. Sin embargo, incluso un pequeo grupo de participantes del mercado puede proveer abundante profundidad, comprometindose a comprar o vender grandes cantidades de un valor. Saber que hay profundidad de mercado, puede asegurarles a los inversionistas el intercambio de las acciones. MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Puja Variacin mnima permitida en el movimiento del precio de una serie de contratos de futuros o contratos de opciones. www.bmv.com.mx/ Nov. 2004 Random Walk(camino aleatorio) Esta teora dice que el mercado de valores descuenta de forma inmediata toda la informacin que afecte a los valores, por lo que ningn inversor se encuentra en mejor posicin que otros. DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985 Rentabilidad Incremento porcentual de riqueza. Permite conocer el aumento de capital de la empresa independientemente de la forma de financiacin del activo. Es una de las caractersticas que definen una inversin junto con la seguridad y la liquidez.

www.bmv.com.mx/ Nov. 2004 Renta variable Conjunto de valores cuyos flujos futuros no son fijos ni conocidos con certeza de antemano. Dentro de la renta variable estn entre

165

otras las acciones, obligaciones convertibles y participaciones en fondos de inversin www.bmv.com.mx/ Nov 2004 Riesgo de Mercado Es el que afecta al tenedor de cualquier tipo de valor, ante las fluctuaciones de precio ocasionadas por los movimientos normales del mercado. DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985 Series de Fibonacci Series creadas por el matemtico italiano Leonardo de Pisa (1175-1250) conocido como Fibonacci, que descubri una serie numrica en que cada nmero es la suma de los dos anteriores (1, 1, 2, 3, 5, 8, 13,...) y que se puede aplicar a los fenmenos naturales, entre ellos a la bolsa. DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985 Sesin de bolsa Cada uno de los periodos hbiles para la contratacin de ttulos establecido por una Bolsa de Valores. www.bmv.com.mx/ Nov 2004. Simulacin Representacin simplificada de la realidad de un proceso econmico en un modelo. El modelo se utiliza para intentar visualizar relaciones de causa efecto y realizar predicciones. Sistema financiero Conjunto de regulaciones, normativas, instrumentos, personas e instituciones que operan y constituyen el mercado de dinero y el mercado de capitales de un pas. MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Tasas de Inters Es el reconocimiento o la retribucin que se paga por el uso del dinero durante un perodo de tiempo determinado. Se puede expresar en trminos efectivos o nominales anticipados o vencidos y en diferentes perodos de tiempo. www.bmv.com.mx/ Nov. 2004 MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Tendencia Transparencia Direccin que toma un mercado (alcista, bajista o lateral). Es la habilidad que tiene el inversionista para comprar y vender a diferentes niveles de precios, es crucial en el proceso de toma de decisiones. El nivel de transparencia aumenta cuando todos los precios son transmitidos, as que, todos los participantes de

166

mercado pueden ver la misma informacin. DOWNES J.& GOODMAN, J.: Dictionary of Finance and Investment Terms. Barrons. 1985 Turbulencia Efecto de una tormenta financiera sobre un mercado financiero MOCHON F & ISIDRO, R: Diccionario de trminos financieros y de inversin. McGraw Hill. Madrid. 1995 Varianza Es la media aritmtica de la suma de los cuadrados de las desviaciones de una variable con respecto a su media. Por tanto, cuanto mayor sea esta medida, menos representativa de la realidad ser la media de dicha variable. Volatilidad Medida de la oscilacin con respecto de un valor medio de referencia. Normalmente se habla de la volatilidad de los precios de cualquier activo, que es la desviacin tpica del porcentaje de variacin diario de los valores. Medida y grado de oscilacin alrededor de un valor medio. Se usa en los mercados financieros para diferenciar los activos financieros estables de los que no lo son. www.bmv.com.mx/ Nov. 2004. Volumen de negocio Cantidad de ttulos contratados en un mercado financiero en una sesin. Se usa especialmente en las bolsas de valores e indica la actividad de las mismas. Tambin se conoce como volumen de contratacin. (www.bmv.com.mx/ Nov. 2004)

167

BIBLIOGRAFIA

ABELE T. & BISCHOFF J.: Fraktal: Adaptability in the Age E-Business and Networking (www.itas.fzk.de/e-society/preprints/contents.pdf, Septiembre 2004 BALANKIN A. &, OLESHKO K: Comportamiento fractal de Sistemas Complejos, Cientfica, Escuela Superior de Ingeniera Mecnica y Elctrica, Instituto Politcnico Nacional, Julio-Agosto 2000 BENOIT 1.2 http://www.scioncorp.com. Marzo 2002 BOLSA MEXICANA DE VALORES: http://www.bmv.com.mx. Enero 2001 BOUCHAUD, J. P. & POTTERS, M. Theory of Financial Risks: From Statistical Physics to Risk Management, Cambridge University Press, Cambridge, 2000. BOUCHAUD, J. P. An introduction to statistical finance, Physica A 313, 238-251, 2002. BOUCHAUD, J., & POTERS, M. The leverage effect in financial markets: retarded volatility and market panic, Physica, 87, 228701, 2001. BRAUN E.: Caos, fractales y cosas raras, Coleccin la Ciencia en Mxico. N 150 Fondo de Cultura Econmica, Mxico, 1994. BREALEY R.: Principios de Finanzas Corporativas, Mc Graw Hill, Mxico, 2000. BROWN S. Predicting chaos: new techniques used in stock market, Documento www http://www.wfu.edu/~petrejh4/HISTORYchaos.htm, Junio 2000. CAMPBELL, A. W. & MACKINLAY, A. C. The Econometrics of Financial Markets, Princenton University Press, Princenton, 1997. CHORAFAS D. Chaos Theory in The Financial Markets, IRWIN.Professional Publishing, Chicago,1999. CORNING M. Fractal Market Analysis: Applying Chaos Theory to Investment & Economics, Journal of Financial Planning, Denver, vol. 8, Oct 1995 DE GORTARI E. Fundamentos de lgica matemtica, Grijalva, Mxico, 1969 DAY T. & LEWIS C. Forecasting Futures Markets Volatility The Journal of Derivates p. 39-55). December 1993 DECKER E.: Self-Organizing Systems: A Tutorial in Complexity, Department of biology University of New Mexico Albuquerque, USA.2002 169

DIEBOLD F. Elementos de Pronsticos, Thompson Editores (1999): ENGLE, R. An Introduction to the Use of ARCH/GARCH models in Applied Econometrics, Nueva York, 2000. FAMA, E. Foundations of Finance, Basic Books. 1976. FINANCIAL TIMES: http://news.ft.com/home/us, 18 septiembre, 2002 FINANCIAL TIMES: http://news.ft.com/home/us, 11 Octubre, 2002 FLEISCHMANN & Ball Fractal en the la natural sciences, Princeton University Press,1990 GORDON T. Notes on forecasting a chaotic series using regression, Technological Forecasting & Social Change, v39 n4 p337(12), July 1991 GORDON T. & GREENSPAN D. Chaos and fractals: new tools for technological and social forecasting, Technological Forecasting & Social Change, v43 n1 p.25, Agosto 1988. GRECH D. & MAZUR Z. Can one make any crash prediction in Finance using the local Hurst exponent idea? arXiv:cond-mat/0311627 v 1, Noviembre 2003 HALL J. &. WADE B. The Distributionof Futures Prices:A Test of the Stable Paretian and Mixture of Normals Hypotheses, Journal of Financial and Quantitative Analysis 1989. HAYKIN S.: Neural Networks, Macmillan, Canad 1994. HENDERSON H. Viewing the new economy from diverse forecasting perspectives, Futures, v30 n4 p267 (9). Mayo 1998 HERNNDEZ SAMPIERI R. & FERNNDEZ C. COLLADO, BAPTISTA P. Metodologa de la Investigacin, Mc Graw Hill, Mxico, 1998. HERSCHEL F: Introduccin a la Prediccin Econmica,Fondo de Cultura Econmica, Mxico.1978 HILERA J: Redes neuronales artificiales, Addison- Wesley, Iberoamericana 2000. HOLBROOK, MORRIS, Adventures in complexity: An essay on dynamic open complex adaptative systems, self organizing, University Columbia, USA, 2003. HOLTON WILSON: Previsiones en los negocios, IRWIN.1996

170

HURST H. Long-term Storage of Reservoirs American Society of Civil Engineers 1951 HYSLIP J.: Fractal analysis of track geometry Data, University of Massachussets, 2001. JHONSTON R. Economtric, Tercera Edicin, Mc Graw Hill, USA.1992. KELLY MITLETON, Los sistemas complejos y las perspectivas evolutivas de organizaciones, http://www. acm.org/sigois/.html, Julio 2004 KHOON L.: Integrating modelling techiniques for financial time series, University of Guelph, Canada, pp. 82, 1999. KUEHNLE H.: Guidelines for future manufacturing - necessity of a change of organizational structures in industry and ways to the fractal company, Institute for Ergonomics, Manufacturing Systems, Germany,1995 LOPEZ A. & IBOMED J.- ndice de cotizacin de acciones de la Bolsa de Medelln, Colombia,1996. LUDLOW J. Modelos, pronsticos y volatilidad de las series de tiempo generadas en la bolsa mexicana de valores,. Universidad Autnoma Metropolitana Azcapotzalco, Mxico, 1997 LUX T.: Multi-Fractal Model of Asset Returns: Its Estimation via GMM and Its Use for Volatility, Forecasting, 2002 MAKRIDAKIS S.: Mtodos de Pronsticos, Limusa, Mxico, 1998. MANDELBROT B.: Fractals and Scaling in Finance, Springer, New York, 1997. -------------------------:Fractals in Physics, Holland, Amsterdam, p. 3.1986, -------------------------: The Fractal Geometry of Nature, W.H. Freeman, N. York, 1977. -------------------------: Robustness of the Rescaled Range R/S in the Measurement of Noncyclic Long Run Statistical Dependence & Wallis, J.Water Resources, Research 5, 1969. --------------------------: The variation of certain speculative prices, J. Business 36, pp.394-419, 1963. MANTEGNA R. & STANLEY H.: Scaling behavior in the dynamics of an economic index, Nature 376, pp 45-50, 1995.

171

------------------------------------------: An Introduction to Econophysics, Correlations and Complexity in Finance, Cambridge University Press, Cambridge, 2000. MASOLIVER J. & PORRA J. A dynamical model describing stock market price distributions, Physica A 283, 559-567, 2000. MATIA K. & STANLEY H. Different scaling behavior of commodity spot and futures prices, Physical Review E 66, 045103, marzo, 2002. MENDELSON J.& BLUMENTHAL E.: Anlisis del Rendimiento de los Activos que Cotizan en el Mercado de Valores de Argentina, 2000 MILICEVIC M. Computer Music and the Importance of Fractals, Chaos, and Complexity Theory, University of South Carolina, 2001. MONROY O.: Teora del Caos, Alafaomega, Mxico 1999. MORALES O.: Dinmica de la mecnica fractal de precios del petrleo, IPN Tesis de doctorado, 2004. MORGAN GARETH, Imgenes de la organizacin, Alfaomega, Mxico,1991 PANYELLA I ROSES, Aspectos catics i fractals en el comportament organitzacional: Caos, organitzacions i management, Tesis doctoral, Universidad de Barcelona, Facultad de psicologa, Espaa, 2004. PETTERS E.: Chaos and Order in Capital Markets: A New View of Cycles, Prices and Market Volatility, Wiley, New York, 1996 PLEROU V. & STANLEY H. :Two-phase behavior of financial markets, Nature 421, 2003. PRIGOGINE ILYA The Challenge of Complexity University of Texas Press, 1982. RALPH A..: The arabesque in human fractals: our mind, Documento www www.ralph-abraham.org/articles/ MS%2373.Cyborg/fractals.html, Agosto, 2004. RANDALL W.:One self-Organization, Autopoiesis, and companies http:// www. acm.org/sigois/.html Agosto, 2004. RESENOS E. Apuntes de Seminario de Investigacin, ESCA- Santo Toms, IPN. Septiembre-octubre 2004. RISK @ http:/www.palisade.com, abril, 2003.) ROJAS G.: Mtodos de Simulacin en modelos estocsticos dinmicos, Tpicos en Economa Matemtica y econometra, Serie Economa Universidad Autnoma Metropolitana, Azcapotzalco, 1999.

172

ROMERO, MELENDEZ, VILLAGMEZ A. VILLAGOMEZ E.: Los ciclos de Elliot de los mercados financieros y la compactacin de imgenes fractales, Tpicos en Economa Matemtica y Econometra, Serie Economa Universidad Autnoma Metropolitana, Azcapotzalco, 1999. SAMETBAND M.: Entre el orden y el caos. La complejidad, FCE, La ciencia para todos /167 1997 SCHROEDER M.: Fractals, chaos, power laws Minutes from an Infinite Paradise, Seventh printing, W.H.Freeman and Company, New York 1999. SHAH S.: An intelligent neural network forecaster to predict the Standard & Poor 500s index, Florida Atlantic University, p.144, 1999. SHAH S. & Trupti U.: A new methodology to predict certain characteristics of stock market using time-series phenomena, Florida Atlantic, University, 1999. STACEY R. The Science of Complexity: An Alternative Perspective for Strategic Choice Processes, Strategic Management Journal, 16(xx), pp. 477-495 (1995) STANLEY H. :Scaling, universality, and renormalization: three pillars of modern critical phenomena, Physica. 71, S358-S366, 1999. TAKAYASU M.& OKAZAKI M.: Fractal properties in economics, Sony Computer Science Laboratories Inc, Tokyo, Japon 2001. TALANQUER VICENTE, Fractus, Fracta, Fractal- Laberintos de espejos, Coleccin la Ciencia en Mxico N 147, Fondo de Cultura Econmica, Mxico, 1996. SORNETTE D.: Why Stock Markets Crash. Critical events in complex Financial Systems, Princeton, 2003. TALANQUER V. Fractus, Fracta, Fractal, (Fractales, de laberintos y espejos), Fondo de Cultura Econmica, Serie La ciencia desde Mxico/147, Mxico, 1996. THE ECONOMIST http://www.economist.com/ research/backgrounders/ 30.Octubre 2002 TIPLADY R.: Letting Go: Chaos Theory and the management of organizations http://www.tiplady.org.uk, Diciembre, 2003. TORRES ZACARAS, Fundamentos de Administracin, Taller Abierto, Segunda Edicin. ESCA, 2003. WARNECKE HANS-JRGEN, The Fractal Company, Springer-Verlag, 1993.

173

WEICK K, The social psychology of organization, Random House, New York, 1979. WOO J.: Organizacin del negocio como sistema complejo Escuela de administracin de negocio. http://www.tiplady.org.uk 701-702 Corea 2002 WORLD BANK : ECONOMIC REVIEW. Vol. 10, No 2, A Symposium, May 1996. WORLD FEDERATION EXCHANGE. Statistics 2002. YONGIL J. Four essays on forecasting evaluation and econometric Estimation, pp.144, University of California, San Diego. 1999.

174