MODELO DE EVALUACIN DE RENDIMIENTOS DE OPCIONES AGRCOLAS

Dr. Martn Abreu Beristain1

1 Resumen:
El presente trabajo se constituye como el producto de una investigacin descriptiva, longitudinal y no experimental, en donde se desarrolla y se evala un Modelo de Rendimientos Esperados para Opciones Burstiles de productos agrcolas mexicanos, mismos que desde hace ms de 2 dcadas, cotizan en mercados internacionales an sin existir tales mercados en Mxico, dicho modelo es el producto de la evaluacin de dos hiptesis principales, para lo cual se desarrolla un Marco terico conceptual y referencial, diseo del modelo y su estrategia de aplicacin, la simulacin de un ndice de Precios del Mercado Agropecuario y la aplicacin del modelo citado. Todo esto a partir de 1463 Bancos de datos y la evaluacin de 68 hiptesis secundarias.
2 Preliminares

De acuerdo con las definiciones de investigacin, sta investigacin ha sido desarrollada en una etapa descriptiva, y respecto a su diseo se ubica como longitudinal, no experimental. Descriptiva, tomando en cuenta que, los estudios descriptivos buscan especificar las propiedades importantes de personas, grupos, comunidades, o cualquier otro fenmeno que sea sometido al anlisis; miden de manera ms bien independiente los conceptos o variables a los que se refieren, y pueden ofrecer la posibilidad de predicciones aunque sean rudimentarias. 2 La presente investigacin, tambin es descriptiva, esto es, tomando en cuenta que los resultados del modelo, se obtendrn bajo diversas consideraciones, que en la prctica, y la existencia an futura de un Mercado Agropecuario en Mxico, pudiera arrojar resultados no tan precisos como se pudiera pensar.

Dr. en Administracin, profesor titular de tiempo completo en la Universidad Autnoma Metropolitana Iztapalapa. abm@xanum.uam.mx
1

Hernndez, Sampieri, Roberto, et. all., Metodologa de Investigacin, Mc Graw Hill, Mxico, 2 edicin., 1998, p. 60-62.

la

La presente Investigacin se ubica como longitudinal no experimental, donde lo que se busca, es determinar las caractersticas de los precios de contado de productos agrcolas mexicanos que cotizan en Chicago tales como: maz, soya, trigo y algodn, con base a lo cual, una vez probada la Factibilidad de un Mercado Agropecuario en Mxico, se plantea el desarrollo de un modelo de rendimientos esperados para compra de opciones de compra (call), de los subyacentes citados.3 Por su parte la hiptesis de trabajo es una explicacin tentativa del fenmeno a investigar, desarrollada a manera de proposicin, por lo que en la presente investigacin, se tienen 2 hiptesis principales de trabajo, las cuales son: H1 El comportamiento de los precios de productos agrcolas mexicanos que cotizan en el Mercado de Chicago, tienen un comportamiento con distribucin normal y se auto correlacionan entre s. El modelo propuesto MEROA, permite evaluar los rendimientos esperados de inversiones en opciones call, sobre productos agrcolas mexicanos, que cotizan en mercados agropecuarios (bolsas agropecuarias).

H2

Dadas las tendencias de los precios del mercado, en donde se observa un ciclo burstil completo, es decir una alza, una distribucin y una baja, as como el parte aguas de 1994 en Mxico, con el objeto de inferir sobre H1, se ha dividido el estudio en tres periodos, los cuales son:4 Enero de 1989 a diciembre de 1994. Enero de 1995 a mayo de 1996. Junio de 1996 a diciembre de 1997. Las variables independientes de sta primera hiptesis H1 se pueden citar, como la distribucin normal y el estadstico Z de distribucin normal para evaluar aleatoriedad, mientras que como variables

Abreu Beristain Martn, El Desarrollo de una Bolsa Agropecuaria en Mxico, Administracin Contempornea, Revista de Investigacin, No. 2, www.colparmex.org, diciembre 2004. 4 Abreu Beristain Martn, Factores Influyentes en el Desarrollo Nacional y la Bolsa Mexicana de Volores, Revista de Investigacin Denarius, No. 11, UAM-I, 2005.

dependientes son los precios diarios de contado del trigo, soya, maz y algodn cotizados en Chicago en los periodos citados. Para inferir en H2, se consider la aplicacin de un modelo propuesto en opciones agrcolas de compra sobre maz, trigo, soya y algodn que cotizaron en Chicago en los citados periodos, por lo que la variable independiente son los rendimientos operados en el mercado de las opciones por producto y por periodo, mientras que la variable dependiente, son los rendimientos esperados, obtenidos con la aplicacin del modelo en los cuatro productos en los tres periodos. Secuencia de la Investigacin y recoleccin de datos. El planteamiento metodolgico se encuentra desarrollado a travs del presente diseo de investigacin, posteriormente se desarrolla en forma breve y paralelo a la propuesta del modelo el Marco Terico conceptual as como el marco de referencia, y al final se presenta el anlisis como los resultados de la investigacin. Para su comprensin a continuacin se presenta la Metodologa de Investigacin utilizada en este trabajo. Figura 1 Metodologa de la investigacin.
PLANTEAMIENTO METODOLOGICO

DESARROLLO DEL MARCO DE TEORICO

DESARROLLO DEL MARCO REFERENCIAL

COMPOSICION DEL MODELO

RECOLECCION DE DATOS

DESCRIPCION DE LOS PRECIOS DE CONTADO

PRUEBA JI CUADRADA

PRUEBA DE KOLMOGOROV-SMIRNOV

ANOVA

PRUEBA DE CORRIDAS

FORMACION DEL INDICE DE PRECIOS DEL MERCADO AGROPECUARIO

AJUSTES AL MODELO

APLICACION DEL MODELO

EVALUACION DEL MODELO

FORMACION DE CARTERAS

CONCLUSIONES

Particularmente en lo que se refiere al desarrollo del modelo en cuestin, a continuacin se describe cada uno de los procesos

necesarios a desarrollar, los cuales de manera esquemtica se presentan citados en la figura 1. Para el logro del citado modelo a continuacin se listan la Hiptesis, sus variables y la operacionalizacin de las mismas bajo las cuales se trabaj.
Hiptesis H1-H12 Prueba. Ji cuadrada Var. Indepen. Var. Depend. Precios de contado de cada bien subyacente por periodo Precios de contado de cada bien subyacente por periodo Precios de contado de cada bien subyacente por periodo Operacionalizacin de Var. Trigo, soya y maz en centavos de dlar por bushel; algodn en centavos de dlar por libra. Trigo, soya y maz en centavos de dlar por bushel; algodn en centavos de dlar por libra. Trigo, soya y maz en centavos de dlar por bushel; algodn en centavos de dlar por libra. Objetivo. Evaluar el tipo de distribucin de cada una de las poblaciones consideradas. Evaluar el tipo de distribucin de cada una de las poblaciones consideradas. Evaluar si hay diferencia significativa entre los precios de los productos para cada ao, durante el periodo de 1989 a 1994. Evaluar si hay diferencia significativa entre los precios de los productos para cada ao, durante el periodo de 1995 a 1996. Evaluar si hay diferencia significativa entre los precios de los productos para cada ao, durante el periodo de 1996 a 1997. Evaluar la aleatoriedad entre los precios de los productos para cada periodo. Evaluar si hay correlacin significativa entre el modelo propuesto y la realidad. Evaluar si hay diferencia significativa entre las medias, de los resultados del modelo, respecto a los resultados obtenidos de la inversin.

H13-H24

KolmogorovSmirnof

H25- H28

ANOVA Oneway

La media de cada producto por cada ao del mismo producto, en el periodo de 1989 a 1994 La media de cada producto por cada ao del mismo producto, en el periodo de 1995 a 1996 La media de cada producto por cada ao del mismo producto, en el periodo de 1996 a 1997 Estadstico Z de distribucin normal para evaluar aleatoriedad. Rendimientos operados en el mercado de las opciones por producto y periodo. Rendimientos operados en el mercado de las opciones por producto y periodo.

H29- H32

ANOVA Oneway

Precios de contado de cada bien subyacente por periodo

Trigo, soya y maz en centavos de dlar por bushel; algodn en centavos de dlar por libra.

H33- H36

ANOVA Oneway

Precios de contado de cada bien subyacente por periodo

Trigo, soya y maz en centavos de dlar por bushel; algodn en centavos de dlar por libra.

H37-H48

Prueba de rachas

H49-H53

Prueba de correlacin de Pearson

H54-H58

Prueba t de Student.

Precios de contado de cada bien subyacente por periodo Rendimientos esperados en el mercado de las opciones por producto y periodo. Rendimientos esperados en el mercado de las opciones por producto y periodo.

Trigo, soya y maz en centavos de dlar por bushel; algodn en centavos de dlar por libra. Rendimientos expresados en porcentaje.

Rendimientos expresados en porcentaje.

H59-H63

Prueba t de Wilcoxon.

Rendimientos operados en el mercado de las opciones por producto y periodo.

Rendimientos esperados en el mercado de las opciones por producto y periodo.

Rendimientos expresados en porcentaje.

H64-H68

Prueba de signo.

Rendimientos operados en el mercado de las opciones por producto y periodo.

Rendimientos esperados en el mercado de las opciones por producto y periodo.

Rendimientos expresados en porcentaje.

Evaluar si hay diferencia significativa entre los resultados del modelo y los obtenidos en el mercado, en donde se consideran magnitudes y signos de los resultados. Evaluar si hay diferencia significativa entre los resultados del modelo y los obtenidos en el mercado, en donde slo se consideran signos de los resultados.

3 Modelo de Evaluacin de Rendimientos de Opciones Agrcolas (MEROA).

Tal como se acaba de definir en el punto anterior, la valuacin del rendimiento esperado al invertir en una opcin agrcola, puede resultar demasiado compleja, y a la fecha, no existe otro modelo que permita calcular los rendimientos esperados en tales instrumentos de inversin.

Por lo tanto, es que se resalta la importancia de la presente investigacin, en donde, la principal aportacin de sta, ser un modelo de Rendimientos Esperados de inversiones, en opciones agrcolas, denominado Modelo de Evaluacin de Rendimientos de Opciones Agrcolas, el cual colaborar en darle vida al mercado ya que podr servir en el aliento al especulador, que es quien absorbe los riesgos del mercado, en donde, dicho modelo se describe a continuacin. El Modelo de Evaluacin de Rendimientos de Opciones Agrcolas (MEROA), evala el riesgo diversificable de la opcin respecto al riesgo sistemtico, y le relaciona con el rendimiento esperado de las Opciones Burstiles Agrcolas, por lo cual se tratar de proporcionar los detalles del mismo, en cuyo caso a continuacin se definen los supuestos, variables de correlacin con el Riesgo Sistemtico, ecuacin y manejo del modelo, e interpretacin de resultados del mismo.

3.1 Supuestos del modelo.

Los supuestos que se plantean, tienen por objeto situar en tiempo y espacio al modelo propuesto, tratando en lo posible y con sustento en

trabajos anteriores de acotar la realidad, como es el caso de los avances en tecnologa, globalizacin de las economas y comunicaciones principalmente. En este contexto ya no es posible el contemplar cinco aos de cotizaciones semanales para reflejar el comportamiento de un mercado, pues actualmente se est eficientemente comunicado en fracciones de segundo, lo cual implica entre otras cosas, grandes dependencias entre mercados y fluctuaciones acentuadas en los precios durante cualquier da en cualquier mercado del mundo.

3.1.1 Mercado de Eficiencia Semi-Fuerte.

En relacin con la eficiencia del mercado lo ms apropiado a tomar en cuenta para el anlisis de los precios del subyacente, es un mercado de eficiencia semi-fuerte, ya que da el margen a complementar la informacin de los precios, con informacin pblica del mercado.

3.1.2 Condiciones del entorno.

Aunque en la realidad cada transaccin paga costos, las tasas de inters son activas, y hay diferenciales de la misma por concepto de tomar o dar un prstamo, es un hecho que la especulacin compensa tales efectos, tal que, por el gran volumen de operaciones que genera en este tipo de mercados se estabilicen los precios de los subyacentes, luego entonces con la finalidad de simplificar el modelo a su mnima expresin se describen las siguientes condiciones del mercado consideradas. Slo se consideran opciones europeas como consecuencia de la naturaleza del bien subyacente. No existen restricciones respecto a la inversin, no hay impuestos ni costos de transaccin, por lo que se puede establecer una cobertura libre de riesgo entre el subyacente y la opcin sin costo alguno. Se considera que los inversionistas pueden mantener su inversin hasta por el perodo de la opcin. Se conoce la tasa de inters a corto plazo y es constante mientras dure el contrato de la opcin y los participantes del mercado pueden otorgar o tomar prstamos a sta tasa.

3.1.3 Preferencia del inversionista.

Se considera que por lo menos hay tres preferencias del inversionista que son: preferencia, aversin e indiferencia al riesgo.

3.1.4 Comportamiento en los precios y periodos de anlisis.

Uno de los grandes problemas que existen en valuar rendimientos esperados en opciones e incluso en futuros, es que mientras el bien subyacente tiene un historial en sus precios, en el momento que surge su derivado, no tiene un solo registro de precio, adems de que factores como el precio de ejercicio y la fecha de vencimiento le hacen nico, y en trminos generales para el clculo de un rendimiento esperado, se requiere en esencia un anlisis de probabilidad, es decir, el anlisis de los valores histricos para el clculo de valores futuros. Por una parte se contempla el comportamiento del bien subyacente, esto es, para medir el riesgo diversificable respecto al riesgo no diversificable, de lo cual existe la suficiente evidencia emprica, el apoyo de la Ley de los grandes nmeros y el CAPM-M, de una distribucin normal con un perodo de anlisis de ao y medio de cotizaciones diarias del bien subyacente. Como consecuencia los rendimientos tambin tienen una distribucin normal.5 Por otra parte, como la opcin tiene un perodo de vida finito, y su valor se compone de valor intrnseco ms el valor en el tiempo, a medida que transcurre cada da y se modifica el precio del bien subyacente, este modifica el precio de la opcin, alterando de una forma no proporcional su valor intrnseco, por lo que, para el clculo del riesgo no diversificable de la opcin respecto al bien subyacente, se considera una distribucin logartmica normal, con un ao de cotizaciones diarias del bien subyacente.

3.2 Variables de correlacin con el Riesgo Sistemtico.

Al momento, las variables de riesgo sistemtico, son el ndice de Precios del Mercado Agropecuario (IPMA), y de convertirse las cotizaciones a
5

Abreu, Beristain, Martin, Valuacin del riesgo en las inversiones de renta variable del Mercado Burstil Mexicano, Tesis de grado, UNAM, Mxico, 1991.

pesos, el tipo de cambio de pesos por dlar, por lo tanto, los anlisis a realizar como resultado del modelo son por el momento respecto al IPMA. Lo anterior, implica que cuando exista una Bolsa Agropecuaria en Mxico, permitir una conformacin ms apropiada del IPMA, as como la adicin de ms variables de riesgo sistemtico, que permitan una mejor aproximacin de la teora con la realidad emprica.

3.3 Ecuacin y manejo del Modelo.

Como se ha citado con anterioridad, el MEROA, se forma a partir de dos modelos existentes que son el CAPM y el Black and Scholes, esto es en combinacin de supuestos derivados del CAPM-M (modificado Abreu 1991), por lo tanto, en este modelo prevalece la existencia de la beta, pero como indicadores del riesgo diversificable respecto al riesgo sistemtico, en donde tales variables del riesgo sistemtico como ya se cit, son el IPMA y en el caso de que se cotizara en pesos, el tipo de cambio.6 Por lo anterior, se tienen dos betas, la primera sigue siendo una medida del riesgo de una opcin con respecto al mercado, la segunda es una medida de riesgo respecto al tipo de cambio.

3.3.1 Coeficiente beta en opciones.

Al igual que en el CAPM o el CAPM-M, las Betas sern mayores de cero y podrn ser menores o mayores de uno. Bajo el supuesto que una opcin tenga una Beta respecto al mercado por ejemplo de 0.5, por principio significa una actitud defensiva de invertir, pues corre 50% del riesgo con respecto al mercado y consecuentemente solo puede esperar el 50% de prima por riesgo del mercado. Si se tuviera una opcin con Beta de 3, significa una actitud positiva al riesgo, en Con base a de: Sharpe, William, F., Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk, Journal of Finance, No. 19, EUA., Sep. 1964, pp. 425-242; Lintner, John, Risk and Maximal Gains from Diversification, Journal of Finance, EUA., Dic. 1965, p. 32-45.; Ross, S.A., The Arbitrage Theory of Capital Asset PricingJournal of Economic Theory, Dic. 1976, pp. 343-362.; Black, Fischer and Scholes, Myron, The Pricing of Options and Corporate Liabilities, Journal of Political Economy, May-Jun. 1973, pp. 637659.Abreu Beristain Martn, Valuacin del Riesgo en las Inversiones de Renta Variable del Mercado Burstil Mexicano, UNAM, Mxico, 1991;
6

cuyo caso se espera una prima por el riesgo de 200% mayor mercado.

al

En esencia la interpretacin de las betas es similar al CAPM, sin embargo en el MEROA, la beta de la opcin ser:

(Ec. 1)

o =
donde:

Cov ( Xi, Xm) X m c S * 2 ( Xm) X i s C

Cov( Xi, Xm) = ( Xi X i )( Xmi X m)

i =1

Xi =Cotizacin diaria del subyacente, considrese 1.5 aos de cotizacin. Xi =Cotizacin promedio diaria del subyacente de 1.5 aos. Xmi =Cotizacin ensima del mercado en la ensima fecha del subyacente. Xm =Cotizacin promedio diaria del mercado de 1.5 aos. S =Precio de mercado del subyacente. C =Precio de mercado de la opcin.

c = N (d ) s
N(d) En donde: = Funcin de probabilidad acumulada para una variable normal estandarizada. (2)
d= ln( S / X ) + (r + 0.5 2 )T T

Por lo que a su vez: ln = Logaritmo natural.

10

= Tasa libre de riesgo, se considerar la tasa anualizada de CETES a 28 das a la fecha de calculo, expresada en decimales. T = Tiempo por vencer de la opcin, expresado en aos. X = Precio de ejercicio de la opcin respecto al subyacente = Desviacin estndar logartmica normal de la tasa de rendimiento Ui, sobre el subyacente, par este clculo considrese un ao de cotizaciones del subyacente previo al clculo. (3)

Xi Ui = ln X i 1

Como se observa, la obtencin de alguna beta para opciones agrcolas puede complicarse, sin embargo para su clculo, ser suficiente con adaptar una hoja de clculo tipo Excel, llevar el historial de precios del bien subyacente, los indicadores del riesgo sistemtico que con el tiempo se vaya agregando, y los datos de la opcin en cuestin.

3.3.2 Rendimientos Esperados.

Fundamentalmente el MEROA, emplea las Betas como medida de riesgo, considera el rendimiento esperado libre de riesgo y el rendimiento esperado para los diversos indicadores del riesgo sistemtico, por lo que la ecuacin es la siguiente: (4)

Re o = Ri + ( Rm Ri ) o + E
En donde: Reo =Rendimiento esperado de la opcin. Ri =Rendimiento esperado libre de riesgo anualizado. Rm =Rendimiento esperado de la cartera del mercado anualizado. o =Beta de la opcin, respecto al mercado. E=Error.

11

Tratndose de opciones agrcolas, se ha encontrado como resultado del anlisis que ms adelante se describe, que como principio, desde el punto de vista de especulador, debe invertirse slo en opciones que se inicien tres o mximo cinco meses antes del vencimiento, siempre y cuando, se haya tenido durante los primeros cuatro o cinco das de cotizacin estabilidad en los precios de la opcin, y siempre con un horizonte de inversin mximo a un mes. Lo anterior se deriva a partir de observar, que cuando se emiten opciones sobre un subyacente agrcola a un ao, ao y medio o ms, se emiten a un precio de ejercicio o muy barato o muy caro, por lo tanto, la realidad emprica muestra que salvo raras excepciones, se opera de tres a diez das, si la opcin esta muy barata, lo toma alguien que la va a ejercer, la conserva y ya no la opera. Como consecuencia pierde liquidez, y a menos que se tenga acceso directo al piso de remates, difcilmente pasando este plazo citado, se podr vender aunque este barata, porque ya se estn operando a otros precios de ejercicio. Claro esta que en tal caso, se puede contrarrestar el efecto con la venta de otra opcin a otro precio de ejercicio, sin embargo ya implicara inconvenientes dentro de los cuales, algunos de los ms trascendentes son: depsitos de margen, costo de oportunidad y un conocimiento un tanto profundo de estrategias con derivados, situacin que no es deseable para un inversionista comn y corriente. Si la opcin se compra cara, pasados algunos das ya nadie la quiere siquiera regalada, por lo tanto aunque la ltima fecha que cotiza, cierra en determinado precio, no tiene valor intrnseco, y el valor en el tiempo aunque todava se tenga una fecha muy lejana del vencimiento puede ser prcticamente de cero. La consecuencia, es que en tal caso el inversionista pierde la prima pagada de la opcin. Peor an, s el inversionista invierte el 100% de su capital en esa opcin, perder el 100% de su capital. El porque invertir tres a cinco meses antes del vencimiento, en opciones recin emitidas, es porque en ese momento ya se tienen tendencias claras de los prximos meses por venir, y aunque las emisiones de las opciones son caras, tienden a subir an ms. El porque slo invertir a un mes como mximo en este tipo de activos, es porque despus de este plazo, puede estar demasiado cercano el

3.4 Estrategia de aplicacin.

12

vencimiento, y se empieza a perder notoriamente el valor en el tiempo, con lo cual tiende a bajar el precio de la opcin, y a menos que se piense ejercer, deben realizarse las utilidades e invertir en otro activo.

4 Soporte del MEROA.

Recolectados los datos de precios de contado de trigo, soya, maz y algodn, se procedi al anlisis de tendencia primaria de los mismos, con lo cual, se determino que hasta fines de 1994, tanto trigo, soya como maz, mantuvieron una tendencia lateral con baja volatilidad y en el caso del algodn tambin se tuvo una tendencia lateral pero con alta volatilidad. Durante todo 1995 y parte de 1996, se tuvo en promedio una tendencia a la alza, y de mediados de 1996 y todo 1997, nuevamente se tuvo una tendencia generalizada a la baja por lo cual, para lo cual, consultar el anexo de grficas de indicadores. Dado lo anterior, el estudio se dividi en tres periodos de anlisis, siendo el primero de principios de 1989 a fines de 1994, el segundo perodo comprende de principios de 1995 a mayo de 1996, y el tercer perodo de junio de 1996 hasta diciembre de 1997.

4.1 Descripcin de los precios de contado.

El argumento de Mercados de eficiencia semi-fuerte, citado en el punto 3.1.1, es un concepto demasiado amplio para tratarlo en forma simple, por lo tanto es necesario conocer las caractersticas de los precios de contado del bien subyacente a tratar en esta investigacin, es decir del algodn, maz, soya y trigo, en donde, tales caractersticas, permiten conocer el proceso que siguen los precios tales como: estacionalidad, tendencias de los precios, autocorrelaciones estadsticamente significativas entre sus valores, tipos de distribucin y diferencia entre grupos. Los subconjuntos de precios de 1989 a 1994 comprenden 1495 precios de algodn, 1495 precios de maz, 1495 precios de soya y 1495 precios de trigo. De enero de 1995 a mayo de 1996 se tienen 351 precios de cada uno de los cuatro productos y de junio de 1996 a diciembre de 1997 se tienen 397 precios tambin de cada uno de los cuatro productos. En total considerando los tres periodos de anlisis se tienen 2243 cotizaciones diarias de cada producto, es decir un total de 8972 precios. Por su parte, la distribucin de los precios se puede resumir a partir de: mximo (MAX), mnimo (MIN), media (X), desviacin estndar (),

13

simetra (B) y la curtosis (k), por lo que de forma preliminar a un anlisis ms profundo, a continuacin se tiene lo siguiente. Cuadro 1 Distribucin de los precios de algodn. 1989-1994 1995-1996 1996-1997 N 1495 351 397 MAX .92 1.13 .89 MIN .17 .77 .63 X .6460 .90 .7277 .1019 .099 .051 B .135 .817 1.057 K -.865 -.714 .438

Como se observa, la media de los periodos muestra una tendencia de alza en los precios del segundo perodo respecto al primero, con una volatilidad que va en disminucin. Para el tercer perodo se confirma la tendencia a la baja. Respecto a la simetra, tal resultado constituye un indicador del lado de la curva donde se agrupan las frecuencias. S es cero (Asimetra =0), la curva o distribucin es simtrica, cuando es positiva, quiere decir que hay valores agrupados hacia la izquierda de la curva (por debajo de la media), s es negativa, significa que los valores tienden a agruparse a la derecha de la curva (por encima de la media)7. Los resultados anteriores muestran asimetra, con lo cual se fortalece la hiptesis de rechazar caminata aleatoria y de aceptar tendencias en los precios del algodn, situacin que se estudia ms adelante en el punto 4.1.4 con la prueba de corridas. Cuadro 2 Distribucin de los precios de maz. 1989-1994 1995-1996 1996-1997 1495 351 397 4.12 5.13 5.25 1.85 2.17 2.29 2.3867 3.082 3.041 .2365 .75 .7665 .367 .935 1.648 1.069 .082 1.195 del maz, se observa un aumento de tendencia de los segundo perodo respecto al primero, con una ligera

N MAX MIN X B K En el caso precios del

7

Op. Cit Hernndez, Sampieri, Roberto, p. 361.

14

disminucin para el tercer perodo, en lo que se refiere a la volatilidad, esta aumenta constantemente a lo largo de los tres periodos. Se observa una distribucin asimtrica, lo que al igual que el algodn, fortalece el rechazo de la hiptesis de caminata aleatoria lo cual, tiende a aceptar tendencias en los precios del maz, situacin que se estudia posteriormente con la prueba de corridas en el punto 4.1.4.

N MAX MIN X B K

Cuadro 3 Distribucin de los precios de trigo. 1989-1994 1995-1996 1996-1997 1495 351 397 5.99 7.5 6.42 2.61 3.77 3.27 3.6804 4.98 4.4852 .5424 .87 .6626 -.123 .706 .518 -.865 .341 .182

En el caso del trigo, se tienen similitudes considerables respecto al algodn y al maz, por lo tanto se tienen las mismas conclusiones. Cuadro 4 Distribucin de los precios de soya. 1989-1994 1995-1996 1996-1997 1495 351 397 8.03 8.11 8.83 2.94 5.39 6.09 6.01 6.38 7.51 .6157 .80 .6025 .976 .496 .161 .921 -1.08 -.837

N MAX MIN X B K

La soya, a diferencia del algodn, maz y el trigo, muestra una tendencia estadstica en constante alza a lo largo de los tres periodos, sin embargo el incremento y luego disminucin en la volatilidad de los precios, as como el fenmeno de asimetra, nos llevan a reforzar el rechazo a la hiptesis de caminata aleatoria, y por lo tanto se acepta la hiptesis de tendencia en los precios de la soya, tema que se estudia con la prueba de corridas en el punto 4.1.4.

4.1.1 Prueba Ji cuadrada.

15

Las pruebas Ji cuadrada son pruebas no paramtricas, por lo tanto conservan la finalidad bsica de servir para contrastar la validez de la generalizacin de los resultados obtenidos de una muestra, a toda la poblacin de la que se ha obtenido la muestra, en donde, no hacen supuesto alguno sobre la naturaleza de las distribuciones poblacionales implcitas o sus parmetros.8 Este tipo de prueba es muy importante y muy usado en los estudios sociolgicos. Se utiliza especialmente con relacin a variables cualitativas de escala ordinal o nominal, o sea, en aquellas en que sus dimensiones o categoras slo indican distincin u orden, pero no intervalos iguales.9 As mismo, puede utilizarse para definir si una distribucin de probabilidad en particular es la apropiada, tal como la normal, binomial o la de Poisson, es decir, permite probar si existe una diferencia significativa entre una distribucin de frecuencias terica y una observada y as, se puede determinar la bondad de ajuste a una distribucin terica. El mtodo consiste en lo siguiente: se agrupan los datos tal que se obtienen frecuencias; los grados de libertad sern la cantidad de frecuencias menos uno; se obtiene el ndice X que al compararle con el ndice X terico, se determina s los eventos se ajustan a una distribucin dada, en donde con el objeto de probar las hiptesis de la 1 a la 12, se considerar un nivel de significancia o de riesgo de =0.05, por lo que a continuacin se presenta el siguiente cuadro. Cuadro 5 Resultados de la prueba Ji cuadrada por muestra. X Valores Resultado Prue Producto Perodo Grados libertad Crticos ba
Ji Cuad. Algodn

Maz Trigo
8

89-94 89-94 89-94

1141 242 641

527.0 762.9 613.9

1220.7 Acepta Ho 279.3 Rechaza Ho 701.0 Acepta Ho

Con base a: Hanke John E y Reitsch Arthur G., Estadstica para negocios, IRWIN, Espaa, 1995, p. 846; Kohler Heinz, Estadstica para negocios y Economa, CECSA, Mxico, 1998, p. 691; Visauta Vinacua B., Anlisis estadstico con SPSS para Windows, Mc Graw Hill, Madrid, Espaa, 1997, p. 241; Degroot, Morris H., Probabilidad y Estadstica, Addison Wesley Iberomericana, EUA, 1988, p. 499. 9 Sierra Bravo R., Tcnicas de Investigacin Social (teora y ejercicios), Editorial Paraninfo sa, Madrid, Espaa, 1994, p. 562.

16

Soya Algodn Maz Trigo Soya Algodn Maz Trigo Soya

89-94 95-96 95-96 95-96 95-96 96-97 96-97 96-97 96-97

446 305 228 276 225 316 184 282 265

1415.7 47.4 116,8 79.1 108.1 87.7 295.9 115.5 116.9

496.2 346.7 264.2 315.8 261.0 358.5 216.7 322.2 304.0

Rechaza Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Rechaza Ho Acepta Ho Acepta Ho

Dados los resultados de esta prueba, se tiene lo siguiente: De las doce corridas para comprobar la distribucin normal, 9 aceptan la hiptesis nula, por lo tanto se asume que tales muestras tienen una distribucin normal, esto es, mientras que las 3 restantes rechazan la Ho. De los resultados obtenidos en la prueba anterior queda la duda del tipo de distribucin de las tres muestras que no tienen una distribucin normal, por lo tanto se procedi a realizar la misma prueba por ao para tales muestras, esto es, considerando la variacin de comportamiento a travs del tiempo (riesgo en el tiempo), los resultados son los siguientes. Cuadro 6 Resultados de la prueba Ji cuadrada por ao, para distribucin normal, en muestras con Ho rechazada por perodo. X Valores Resultado Prueb Producto Perodo Ao Crticos a Ji Cuad Maz 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 96-97 96-97 89 90 91 92 93 94 89 90 91 92 93 94 96 97 101.6 87.5 135.7 87.7 138.7 73.8 56.4 105.3 109.4 92.0 73.7 70.0 40.1 104.2 106.4 147.7 83.7 147.7 125.5 170.8 216.7 156.6 141.0 164.2 193.8 89.4 144.4 123.2 Acepta Ho Acepta Ho Rechaza Ho Acepta Ho Rechaza Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho

Soya

Maz

17

Como se observa a excepcin del maz en el 1991 en donde apenas se rechaza la hiptesis nula, al considerar el riesgo en el tiempo, todos los subgrupos y por lo tanto todas las muestras, aceptan la hiptesis nula con lo que se asume que tienen una distribucin normal. Tal hecho se explica por el paradigma del riesgo en el tiempo, en donde a medida que un activo sigue cotizando, la distribucin de probabilidades se ampla, por lo tanto en el largo plazo.

La prueba de Kolmogorov-Smirnov, bautizada as en honor de los estadsticos A. N. Kolmogorov y N. V. Smirnov quienes la desarrollaron, se trata de un mtodo no paramtrico sencillo para probar si existe una diferencia significativa entre una distribucin de frecuencias observada y otra frecuencia terica.10 La prueba K-S aunque es otra medida de bondad de ajuste de una distribucin de frecuencia terica como la ji cuadrada, es ms poderosa, y ms fcil de utilizar puesto que no requiere que los datos se agrupen de alguna manera. La prueba K-S proporciona un ndice Dn, que al compararle con un ndice terico Dn, se aprueba o se rechaza Ho, sin embargo una de las ventajas de utilizar el SPSS para Windows es que en esta prueba se obtienen valores Z de Kolmogorov-Smirnov, que se pueden comparar directamente con la Z calculada en funcin del nivel de significancia o riesgo previsto. Considerando que el 99.7% de los valores de una distribucin normal se encuentra entre 3, se considera un nivel de significancia = 0.003, para en lo posible evitar rechazar una hiptesis aceptable, por lo que el valor crtico de Z = 2.96, con lo que los resultados de la prueba de las hiptesis de la 13 a la 24, son los siguientes: Cuadro 7 Resultados de la prueba K-S por muestra. Producto Perodo DistribuZ(K-S) Valores Resultado cin Crticos Algodn Maz Trigo Soya Algodn Maz 89-94 89-94 89-94 89-94 95-96 95-96 Normal 3.305 2.96 1.898 6.663 2.960 3.148 2.622 Rechaza Ho Acepta Ho Rechaza Ho Acepta Ho Rechaza Ho Acepta Ho

4.1.2 Prueba de Kolmogorov-Smirnov.

Prue ba
K-S

10

Levin, Richard, I. y Rubin, David, S., Estadstica para Administradores, Prentice Hall, Mxico, 6a edicin, 1996, p. 822.

18

Trigo Soya Algodn Maz Trigo Soya Algodn Maz Trigo Soya Algodn Maz Trigo Soya Algodn Maz Trigo Soya

95-96 95-96 96-97 96-97 96-97 96-97 89-94 89-94 89-94 89-94 95-96 95-96 95-96 95-96 96-97 96-97 96-97 96-97

Uniforme

2.690 1.691 3.799 6.455 1.495 2.286 15.698 21.041 16.518 15.946 5.622 5.738 4.412 6.916 5.281 10.933 3.462 6.243

Acepta Ho Acepta Ho Rechaza Ho Rechaza Ho Acepta Ho Acepta Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho

Dados los resultados de esta prueba, se tiene lo siguiente: De las doce corridas para comprobar la distribucin normal, 7 aceptan la hiptesis nula, por lo tanto se asume que tales muestras tienen una distribucin normal, esto es, mientras que las 5 restantes rechazan la Ho. De las doce corridas para probar la distribucin uniforme las 12 rechazan la Ho, por lo tanto no tienen esta distribucin. Al igual que en las anteriores, tambin se hicieron 12 corridas para probar la distribucin de Poisson, sin embargo en este caso, los valores salieron de todo rango, por lo tanto no se puede asumir que se tenga este tipo de distribucin. De los resultados obtenidos en la prueba anterior queda la duda al del tipo de distribucin de las cinco muestras que no tienen una distribucin normal, por lo tanto al igual que en la prueba Ji cuadrada, se procedi a realizar la misma prueba por ao para tales muestras, esto es, considerando la variacin de comportamiento a travs del tiempo (riesgo en el tiempo), los resultados son los siguientes. Cuadro 8 Resultados de la prueba K-S por ao, para distribucin normal, en muestras con Ho rechazada por perodo. Valores Resultado Prueb Producto Perodo Ao Z(K-S) Crticos a K-S Algodn 89-94 89 1.909 2.96 Acepta Ho

19

Trigo

Algodn Algodn Maz

89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 95-96 95-96 96-97 96-97 96-97 96-97

90 91 92 93 94 89 90 91 92 93 94 95 96 96 97 96 97

1.893 1.640 2.120 0.529 1.367 0.989 3.134 3.142 1.382 1.780 2.323 2.385 1.375 1.949 1.250 2.274 1.072

Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Rechaza Ho Rechaza Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho

Como se observa a excepcin del trigo en el 1990 y 1991 en donde apenas se rechaza la hiptesis nula, al considerar el riesgo en el tiempo, todos los subgrupos y por lo tanto muestras, aceptan la hiptesis nula y por lo tanto se asume que tienen una distribucin normal. Como ya se dijo anteriormente en la prueba Ji cuadrada, tal hecho se explica por el paradigma del riesgo en el tiempo, en donde a medida que un activo sigue cotizando, la distribucin de probabilidades se ampla, por lo tanto en el largo plazo, puede perder su distribucin normal, sin embargo, esto no significa, que siga teniendo dicho comportamiento de forma cclica, es decir, puede ser que de un periodo a otro los comportamientos sean diferentes, sin embargo, en cada periodo pueden guardar una distribucin normal. Es conveniente sealar, que existe evidencia emprica segn estudios de Blume en 1970 de que en lo general, la distribucin de densidad de probabilidades de los rendimientos mensuales de portafolios y valores despus de la segunda guerra mundial, es aproximadamente normal.11 Lo interesante del particular, es que, en esta investigacin, se esta trabajando directamente con cotizaciones y a partir de ah se obtendrn rendimientos esperados, que ms all de ser simplemente
11

Blume, Marshall, Portfolio Theory, a step toward its practical application, Journal of Business, 1970, p. 152-173.

20

valores negociables, se trata de valores indizados a bienes de consumo, y que de los estudios citados han pasado a la fecha de los datos capturados ms de 25 aos, he de ah la importancia de haber realizado esta prueba. Luego entonces dada la evidencia de la prueba K-S, y con base al paradigma de riesgo en el tiempo, se considera viable asumir una distribucin normal para el clculo de rendimientos esperados para cualquiera de los cuatro productos en cualquiera de los tres periodos.

4.1.3 Anlisis Oneway).

de

Varianza

(ANOVA

El anlisis de varianza (a menudo abreviada ANOVA: Analysis Of Variance), es una prueba estadstica para analizar s ms de dos grupos difieren significativamente entre si, esto es, en cuanto a sus medias y varianzas. Comnmente el anlisis de varianza unidireccional se usa para tres, cuatro o ms grupos, sin embargo, aunque no es una prctica comn, tambin se puede utilizar con slo dos grupos. El objeto de tal anlisis en ste trabajo, es verificar si hay o no, un mismo comportamiento ao con ao en un mismo periodo, de ser as se puede asumir comportamientos estacionales de los precios del subyacente, dado lo cual, procedera sistematizar pronsticos de precio en funcin de ciclos estacionales de precio. La hiptesis nula propone que los grupos no difieren significativamente entre si, mientras que la de trabajo propone que difieren significativamente. El anlisis de varianza unidireccional produce un valor conocido como F, al cual corresponde una distribucin F, en donde para el perodo de 1989 a 1994 con un nivel de significancia de = 0.05, cinco grados de libertad en el numerador y 1489 grados de libertad en el denominador se tiene una F crtica de 2.21; para el perodo de 1995 a 1996 con un nivel de significancia de = 0.05, un grado de libertad en el numerador y 349 grados de libertad en el denominador se tiene una F crtica de 3.84; para el perodo de 1996 a 1997 con un nivel de significancia de = 0.05, un grado de libertad en el numerador y 395 grados de libertad en el denominador se tiene una F crtica de 3.84,

21

con lo cual se tienen los siguientes resultados para las hiptesis de la 25 a la 36. Cuadro 9 Resultados de la prueba ANOVA Oneway para diferenciacin de comportamiento en los distintos aos. F Valores Resultado Prue Producto Pero G.L.N. G.L.D. do Crticos ba

ANOV Algodn 89-94 A

Maz Soya Trigo

5 5 5 5 1 1 1 1 1 1 1 1

1489 1489 1489 1489 349 349 349 349 395 395 395 395

378.1 28.1 149.0 283.9 84.5 805.8 792.2 389.0 301.3 272.3 .7 389.4

2.21

Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Acepta Ho Rechaza Ho

89-94 89-94 89-94 Algodn 95-96 Maz 95-96 Soya 95-96 Trigo 95-96 Algodn 96-97 Maz 96-97 Soya 96-97 Trigo 96-97

3.84

De los resultados de este anlisis se observa que a excepcin de la soya entre el segundo semestre de 1996 y el ao de 1997, en los cuatro productos durante los tres periodos se rechaza la hiptesis de que las diferentes subpoblaciones de cada ao, provienen de la misma poblacin, es decir, se acepta la hiptesis de que existen diferencias significativas en los precios de los productos para cada ao de cada perodo.

4.1.4 Prueba de Corridas.

La prueba de corridas, tambin conocida como prueba de rachas de Wald-Wolfowitz, convierte el nmero total de corridas en un estadstico Z, que sigue aproximadamente una distribucin normal, tal que cuando mayor sea el estadstico y menor por lo tanto el grado de significancia, es ms probable que se rechace la hiptesis nula Ho, de la aleatoriedad de la distribucin de los eventos. En este caso para una confiabilidad de 0.95, un grado de significancia = 0.05, se tiene un valor crtico de Z de 1.96, con lo cual se obtiene lo siguiente para las hiptesis de la 37 a la 48.

22

Cuadro 10 Resultados de la Prueba de Corridas para evaluar aleatoriedad

Prueba Corridas Producto Algodn Maz Soya Trigo Algodn Maz Soya Trigo Algodn Maz Soya Trigo Perodo 1989-1994 1989-1994 1989-1994 1989-1994 1995-1996 1995-1996 1995-1996 1995-1996 1996-1997 1996-1997 1996-1997 1996-1997

Z
37.695 35.624 36.296 36.814 17.091 18.654 17.997 17.372 18.467 19.826 18.641 17.960

Valor Crtico
1.96

Resultado
Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho

Con base a esta prueba se rechaza un recorrido aleatorio de los precios en los cuatro productos durante los tres periodos, por lo tanto se aprueba la hiptesis de seguimiento de tendencia de los precios, con lo cual, se confirma la evidencia citada en el punto 4.1. Hasta este punto con base a pruebas de estadstica paramtrica y no paramtrica, se ha probado que el comportamiento de los precios de los cuatro productos agrcolas en los tres periodos de estudio, considerando el riesgo en el tiempo tienen una distribucin normal, de las doce series analizadas, 5 tienden a ser acrticas y 7 tienden a ser leptocrtica, y en todos los casos las series presentan asimetra, situacin que llevaron a un planteamiento inicial de la evolucin de los precios en forma no aleatoria, con lo cual se acepta la hiptesis de trabajo H1. As mismo, se demostr por medio del Anlisis de Varianza de un solo factor, que hay diferencia significativa entre los precios de los distintos aos en los cuatro productos y en todos los periodos de tiempo (exceptuando a la soya en el perodo de 96 a 97), tal que, al confirmarse la evolucin de los precios a travs de tendencias con la prueba de corridas, se deduce que hay autocorrelacin en los precios y por ende una varianza condicionada o heterocedasticidad. Dado que los resultados obtenidos confirman que los precios del algodn, maz, soya y el trigo que cotizan en bolsa, no tienen una evolucin aleatoria, se confirma la existencia por lo menos, de un

23

Mercado de Eficiencia Semi-Fuerte, situacin que permite continuar segn lo establecido en el planteamiento metodolgico del captulo cinco.

4.2 Formacin del ndice de Precios del Mercado Agropecuario.

Teniendo los cuatro bancos de datos y su volumen diario de operacin, lo adecuado para obtener una aproximacin razonable, es obtener la suma de los precios esperados, con lo cual se debe prorratear, la participacin de cada uno de los bienes en el supuesto de mercado, arrojando ndices de participacin. El IPMA diario calculado sera igual a la sumatoria, de los ndices de participacin multiplicados por los precios de los bienes subyacentes al da de cotizacin, todo esto, entre la sumatoria de los ndices de participacin del da inicial multiplicados por los precios de los bienes subyacentes del da inicial, y con la finalidad de tener representatividad el resultado por cien, tal como se muestra en la siguiente ecuacin. (5)

IPMAt =

(I (I
i =1 i =1 n

it

Pit ) *100 Pii )

ii

En donde: IPMAt = ndice de Precios del Mercado Agropecuario en el da t Iit = ndice de participacin del activo i en el da t. Pit = Precio del Activo i en el da t. Iii = ndice de participacin del activo i en el da inicial. Pii = Precio del Activo i en el da inicial. El da establecido como inicial, dado el banco de datos conformado es el 2 de enero de 1989, en donde lgicamente el IPMA es 100. Lo interesante del caso, es que la participacin de operaciones anuales en dlares en promedio, fue muy similar entre los cuatro productos durante los tres periodos de estudio, por lo tanto, en este particular prcticamente se anulan los ndices de participacin citados

24

en el prrafo anterior, luego entonces se decidi, para fines de la construccin del modelo, eliminar tales ndices, sometindose el clculo del IPMA a la siguiente ecuacin. (6)

IPMAt =
En donde:

P
i =1 n i =1

it

*100

ii

IPMAt = ndice de Precios del Mercado Agropecuario en el da t Pit = Precio del Activo i en el da t. Pii = Precio del Activo i en el da inicial. El resultado muestra un ndice bastante razonable, tal como se muestra en el apndice de grficas. Presenta una tendencia lateral de enero de 1989 a diciembre de 1994, con volatilidad alta, de enero de 1995 a mayo de 1996, presenta tendencia a la alza, y de junio de 1996 a diciembre de 1997, muestra tendencia primaria a la baja. Las caractersticas estadsticas del IPMA se muestran a continuacin. Cuadro 11 Distribucin del ndice de Precios del Mercado Agropecuario. 1989-1994 1995-1996 1996-1997 N 1495 351 397 MAX 117.02 139.94 130.97 MIN 61.16 81.68 84.29 X 83.63 100.82 103.59 6.86 15.30 11.10 B .833 .756 .748 K .432 -.126 -.323 Como se observa, se confirman mayores precios con mayor volatilidad en el perodo de enero de 1995 a mayo de 1996, que en los otros dos periodos. Tal como se analiz en cada uno de los componentes, el ndice presenta una distribucin asimtrica en los tres periodos, mostrando el primero una distribucin leptocrtica y los dos ltimos una distribucin acrtica, lo cual permite asumir las mismas conclusiones

25

que para los componentes del ndice. Luego entonces el presente anlisis descriptivo constituye la validacin del IPMA.

4.3 Ajustes al modelo.

Una vez definido el IPMA como indicador de Riesgo Sistemtico, lo conducente se enfoca en primer lugar a discriminar los bancos de datos de las opciones, ya que considerando los cuatro productos existentes desde 1990 a 1997, se tiene un total de 1463 opciones call, distribuidos de la siguiente manera: 393 de algodn, 351 de maz, 376 de soya y 343 de trigo. Es importante sealar que cada opcin, gener su propio banco de datos, por lo tanto se tienen los siguientes bancos de datos:

Cuadro 12 Bancos de datos de opciones Call Producto Perodo Total Algodn

Maz Soya Trigo 1990-1994 194 250 258 187 1995-1996 132 49 42 64 1996-1997 67 52 76 92 393 351 376 343

De los bancos de datos existentes se observan condiciones diversas, que van desde la cotizacin intermitente de la opcin por periodos cercanos a dos aos, hasta cotizaciones de un solo da. Luego entonces, desde el punto de vista de modelado, fue necesario eliminar a los bancos de datos que pudieran llevar a conclusiones aberrantes. En primer lugar se observa que cuando la fecha de cotizacin de la opcin, est muy distante de la fecha de vencimiento, o cotiza muy barata o demasiado cara. S cotiza muy barata, slo opera un mximo de quince das, esto es, dado que alguien se queda con la opcin con la finalidad de ejercerla, y aunque se podra hacer un modelo para estos quince das, el problema es que en ese momento que se esta cotizando, no se sabe si es cara o barata, adems de que tan slo podra cotizar uno o dos das. S cotiza cara aunque en promedio tambin cotiza hasta unos quince das, a veces opera y a veces no, adems muestra una clara tendencia a la baja, por lo tanto es obvio que desde el punto de vista de la compra de una opcin Call, no es razonable hacer inversin.

26

En aquellos casos, en los que las opciones mantienen sus operaciones hasta por dos aos, en un principio operan de forma intermitente y siempre existe la incertidumbre de si han dejado de operar, de hecho no son burstiles hasta cinco meses antes de su vencimiento. Existen casos raros de este tipo de opciones agrcolas, en donde hasta dos aos antes del vencimiento, empiezan a operar continuamente, sin embargo, esto puede suceder por un mes, o dos, o hasta un ao, y de repente dejan de operar. S el inversionista comn esta confiado de que an falta mucho tiempo por vencer, en ese momento ser muy difcil de recuperar su inversin, con o sin utilidad.

4.3.1 La bursatilidad de las opciones.

Dado las observaciones anteriores, se decidi eliminar las opciones que no cotizaran de forma continua, los ltimos cinco meses antes de la fecha de vencimiento. Como resultado se eliminaron 1131 bancos de datos, quedando tan solo 332, distribuidos de la siguiente manera:

Cuadro 13 Bancos de datos de opciones Call existentes, despus de la primera eliminacin.

Producto

Algodn
Maz Soya Trigo

1990-1994 52 41 88 46

Perodo 1995-1996 21 9 20 13

1996-1997 11 6 15 10

Total 84 56 123 69

Como se puede observar, aunque se redujo el 78% de los bancos de datos existentes, los 332 bancos de datos sobrevivientes, son un marco muestral suficiente para hacer inferencia estadstica, esto es, teniendo en cuenta que cada uno de estos, comprende por lo menos tres meses de cotizacin diaria y que la seleccin obtenida se realiz a travs de un criterio de bursatilidad, el cual se puede hacer extensivo en las recomendaciones y operacin del modelo resultante, tal que en principio los 332 banco de datos, se pueden considerar como una nueva poblacin de instrumentos burstiles para invertir, ms que para cubrir riesgos. De los 332 bancos de datos, se tiene, que an en tendencia del mercado a la alza, no en todas las opciones se tienen utilidades, y an en tendencias del mercado a la baja, no en todas las opciones se

27

tienen prdidas. Tales situaciones, llevan a buscar una caracterstica entre las opciones que tienden a obtener utilidades, la cual despus de una revisin detallada de todos y cada uno de los bancos de datos existentes hasta este momento, se encontr que consiste, en mantener una estabilidad o ligera tendencia a la alza en sus precios, durante la primera semana de cotizacin.

4.3.2 La tendencia inicial de los precios de la opcin.

Con este dato, se procedi a discriminar aquellos bancos de datos que no tuvieran estabilidad, o ligera tendencia a la alza en sus precios durante la primera semana de cotizacin, es decir, slo quedaron aquellas opciones que fueron ms burstiles y que mostraron una tendencia a la alza y estable en la primera semana de cotizaciones. Como resultado se eliminaron 298 bancos de datos, quedando tan solo 34, cuya distribucin es la siguiente:

Cuadro 14 Bancos de datos de opciones Call existentes, despus de la segunda eliminacin.

Producto

Algodn
Maz Soya Trigo

1990-1994 1 3 2 13

Perodo 1995-1996 5 5 3

1996-1997 2

Total 8 8 2 16

Como se observa a excepcin de dos opciones de algodn en el perodo de baja del mercado, es decir de 1996 a 1997, todas las dems opciones y consecuentes bancos de datos resultantes, se encuentran en un perodo de precios estables con alta volatilidad, o en periodos de alza. La explicacin a la existencia de dos opciones call que proporcionaron utilidades al intermediario, en periodos de baja del mercado, radica en las tendencias secundarias tanto del mercado como del algodn. En el caso de la mayor cantidad de opciones resultantes en el perodo de estabilidad de precios, corresponde a la alta volatilidad del mercado, en donde se hace ms evidente la existencia de tendencias cclicas o secundarias.

28

4.4 Aplicacin del modelo.

Antes de la aplicacin del modelo es importante mencionar, que en los treinta y cuatro bancos de datos, slo se puede obtener utilidades sobre el precio de compra, en un lapso mximo de un mes posterior a la compra de la opcin, ya que posterior a ese mes empiezan a tener cotizacin intermitente o inician una baja en el precio debido a prdida de valor en el tiempo. Por lo tanto el umbral de rendimientos esperados aunque es anualizado, slo es considerando inversiones a un mximo de un mes. Para efecto de los clculos de las betas correspondientes en las treinta y cuatro opciones, se consideraron los bancos de datos tanto de los fsicos as como del IPMA y CETES a 28 das, corridos de 1989 hasta 1997, esto es, con la finalidad de calcular en primer trmino, las betas de los fsicos, herramienta necesaria para el clculo posterior de la beta de la opcin. Una vez calculadas las betas de los fsicos, se formul un banco de datos para cada opcin, en donde adems del banco de datos de los precios de la opcin, se colocaron al IPMA, la cotizacin de CETES a 28 das, la volatilidad calculada del subyacente, la beta diaria del subyacente, el precio del subyacente y la fecha hasta el vencimiento de la opcin. Con estos datos, se calcul la beta de la opcin segn lo descrito en el punto 3.3.1, y posteriormente el rendimientos esperado de la opcin, aplicando la ecuacin del punto 3.3.2. Calculados los rendimientos esperados de forma anualizados, esto es diariamente durante el mes supuesto de inversin, con el objeto de poderlos comparar de manera razonable contra los rendimientos operados, se promediaron dichos rendimientos. Por otra parte se calcularon los rendimientos diarios en donde aparecieron prdidas y ganancias, se promediaron y dicho promedio se anualiz con el objeto de poderles comparar con los resultados del modelo. Los resultados de la aplicacin del modelo propuesto, y los obtenidos en las operaciones del mercado se listan a continuacin. Cuadro 15 Resultados del modelo contra resultados operados.
Opcin Fecha de Vencimiento Perodo Precio de Ejercicio Rendimiento Rendimiento Esperado en (%) Operacin (%)

29

Algodn Algodn Algodn Algodn Algodn Algodn Algodn Algodn Maz Maz Maz Maz Maz Maz Maz Maz Soya Soya Trigo Trigo Trigo Trigo Trigo Trigo Trigo Trigo Trigo Trigo Trigo Trigo Trigo Trigo Trigo Trigo

Jul-91 Mar-96 Mar-96 May-96 May-96 May-96 Jul-96 Dic-96 May-93 Mar-94 Mar-94 Mar-95 Mar-95 Mar-95 May-95 May-95 Mar-94 Mar-94 Mar-92 Mar-92 Mar-92 Mar-92 Mar-94 Mar-94 Mar-94 May-94 May-94 May-94 Dic-94 Dic-94 Dic-94 Mar-95 Mar-95 Mar-95

89-94 95-96 95-96 95-96 95-96 95-96 96-97 96-97 89-94 89-94 89-94 95-96 95-96 95-96 95-96 95-96 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 89-94 95-96 95-96 95-96 95-96 95-96 95-96

86 c/l 84 c/l 85 c/l 83 c/l 84 c/l 85 c/l 85 c/l 75 c/l 210 c/b 290 c/b 300 c/b 210 c/b 220 c/b 230 c/b 220 c/b 230 c/b 650 c/b 675 c/b 340 c/b 350 c/b 360 c/b 370 c/b 370 c/b 380 c/b 390 c/b 370 c/b 380 c/b 390 c/b 390 c/b 400 c/b 410 c/b 390 c/b 400 c/b 410 c/b

31.36 36.74 36.17 37.93 37.80 37.76 37.60 31.38 19.45 10.64 10.56 32.01 29.47 17.53 31.70 28.72 5.22 10.39 22.40 23.76 25.98 29.00 10.81 10.52 10.18 10.58 10.38 10.13 15.18 15.44 15.81 13.68 13.58 13.67

21.07 77.33 57.91 28.61 32.73 38.67 30.81 52.59 47.17 43.64 45.79 17.54 15.34 18.41 18.89 19.04 15.51 15.10 27.25 52.61 24.22 25.52 77.25 84.84 61.58 29.87 38.76 38.87 133.39 67.64 48.21 93.81 110.95 91.22

En el caso de las citas c/l significa centavos de dlar por libra de peso, y c/b significa centavos de dlar por bushel (35.23 litros en E.U.A.). En principio se puede observar que tanto a travs del modelo como en la realidad los resultados son de rendimientos positivos, lo cual de indica una correlacin positiva entre los resultados del modelo y la realidad, lo cual, es el resultado del proceso de depuracin de los bancos de datos seleccionados segn lo descrito en la seccin Ajustes al modelo.

30

4.5 Evaluacin del modelo.

Con base a los resultados obtenidos lo pendiente es evaluares, esto es, a travs de las pruebas que permitan aceptar o rechazar la hiptesis nula de esta investigacin, para lo cual se proceder por dos caminos fundamentales, el primero es la correlacin entre los resultados del modelo y los obtenidos en el mercado, y lo segundo es probar si hay diferencia significativa entre las medias de ambas muestras con los datos apareados. Para la realizacin de estas pruebas de hiptesis dada la diferencia de magnitudes de los precios de ejercicio, se consideraron cinco grupos de anlisis, que son: algodn, maz, soya, trigo 1 y trigo 2. En el caso del algodn, se elimin el primer resultado por pertenecer al perodo de 1989 a 1994 y ser el nico dato a analizar, ya que como se observa, hay diferencias de periodo a periodo, por lo que no sera correcto analizarlo en conjunto de otros datos que pertenezcan a otro periodo. En el caso de trigo se distribuyeron los resultados en dos subgrupos, esto es, dada la diferencia tan acentuada de las tendencias de los precios y como consecuencia de los resultados del anlisis, siendo trigo 1 los resultados tanto del modelo como del mercado en el perodo comprendido de 1989 a 1994, y trigo 2 en el perodo de 1995 a 1996. Con la finalidad de evitar errores 1 o 2, en las pruebas paramtricas se utilizar un nivel de significancia de 0.05 y en pruebas no paramtricas de 0.01.

4.5.1 Prueba de correlacin de Pearson.

En esta prueba paramtrica, se plantea la correlacin entre los resultados del modelo y los resultados observados en las opciones, en donde: H0: ps =0 Lo anterior significa que de cumplirse la hiptesis nula, indica que no existe correlacin entre ambos resultados, en la inteligencia de que ambos tienen una relacin al azar. Por otra parte al rechazarse la hiptesis nula implica que el modelo explica parte de la realidad.

31

Cuadro 16 Prueba de Correlacin de Pearson, significancia de 0.05 de rea combinada en ambos extremos para aceptar Ho, hiptesis a probar de la 49 a la 53.
Producto

Algodn
Maz Soya Trigo 1 Trigo 2

Grados de libertad 7 8 2 10 6

R .390 .802 1.00 .544 .451

Significa Valor ncia crtico

.387 .107 .104 .369 0.05

Resultado
Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho Rechaza Ho

Al rechazar en todos los casos Ho, se prueba que los resultados del modelo propuesto estn correlacionados con la realidad del mercado.

El segundo mtodo, es la prueba para diferencias entre medias a travs de la prueba paramtrica t de Student, en donde H0: 1=2. Considerando una significancia de = 0.05 y una confiabilidad del 95%, el error estndar estimado de las diferencias entre medias no debe ser mayor al valor crtico, esto es, para decir que no hay evidencia estadstica para rechazar la hiptesis nula, y as poder afirmar que el modelo describe la realidad. Cuadro 17 Prueba t de Student, significancia de 0.05 de rea combinada en ambos extremos para aceptar Ho, hiptesis a probar de la 54 a la 58. Producto Media de Difer. Grados de t Valor Resultado Pareadas libertad crtico Algodn -9.0389 6 1.261 2.447 Acepta Ho Maz -5.7175 7 0.723 2.365 Acepta Ho Soya -7.5000 1 2.688 12.706 Acepta Ho 9 3.460 2.262 Rechaza Ho Trigo 1 -29.7030 Trigo 2 -76.3100 5 6.081 2.571 Rechaza Ho Como se observa, tanto en el algodn, maz y la soya se acepta la hiptesis nula de que no hay diferencia significativa entre los resultados del modelo y la realidad, por lo tanto se puede afirmar que el modelo describe los rendimientos esperados del mercado, sin embargo, es importante sealar que la media de diferencias pareadas en los tres casos es negativa, lo cual implica que los resultados en la operacin

4.5.2 Prueba t de Student.

32

del mercado son mayores a los obtenidos en el modelo, pero no difieren de modo significativo al mismo. En el caso del trigo segn esta prueba, se rechazan en ambos periodos la hiptesis nula, adems, se observa que las medias de las diferencias pareadas son muy negativas, por lo tanto, se asume que los resultados del mercado son mayores al del modelo de forma significativa. Aunque esta slo es una de las pruebas realizadas, tal resultado an si fuera definitivo, en el peor de los casos beneficia la inversionista, ya que implicara que el modelo puede ser utilizado como un rango de rendimientos mnimo aceptable, ms que de rendimientos esperados.

4.5.3 Prueba t de Wilcoxon.

La tercer prueba de hiptesis, para cada grupo de opciones por producto, es la prueba no paramtrica de Wilcoxon, en donde el grado de significancia no debe de ser menor a 0.01, ni la Z mayor a 2.575 para aceptar la Ho, la cual implica que no existe diferencia significativa entre los resultados del modelo y los obtenidos en el mercado, en donde se tienen los siguientes resultados:

Cuadro 18 Prueba de diferencia de medias t de Wilcoxon significancia de 0.01 de rea combinada en ambos extremos para aceptar Ho, hiptesis a probar de la 59 a 63.
Producto

Algodn
Maz Soya Trigo 1 Trigo 2

Grados de libertad 7 8 2 10 6

Z
0.845 0.560 1.324 2.497 2.201

Valor crtico
2.575

Resultado Acepta Ho Acepta Ho Acepta Ho Acepta Ho Acepta Ho

Como se observa, en todos los casos la hiptesis nula se acepta, lo cual indica que no hay diferencia significativa entre los resultados del modelo y la realidad en el mercado, por lo tanto, es un punto adicional para asumir que el modelo describe de forma significativa el comportamiento de la realidad.

4.5.4 Prueba de los signos.

Finalmente, el ltimo mtodo de prueba de hiptesis que se aplic a dos muestras con datos apareados, fue la prueba no paramtrica de

33

los signos, esta prueba es menos potente que la de Wilcoxon, ya que slo revisa el signo de las diferencias entre los pares, mientras que la de Wilcoxon tambin revisa las magnitudes, sin embargo, es un punto de vista interesante que corrobora el planteamiento considerado, en donde lo que arroja el programa como resultado, es el nivel de significancia, por lo tanto, para rechazar la hiptesis nula, el nivel de significancia resultante debe ser menor a 0.01. De no rechazarse la hiptesis nula implica que ambas muestras pareada son iguales, es decir, que no hay una diferencia lo suficientemente importante como para considerarle de modo significativo. Sealado lo anterior a continuacin se muestran los resultados de la prueba. Cuadro 19 Prueba de los signos considerando el rea combinada en ambos extremos, hiptesis a probar de la 64 a la 68. Producto Difer. Difer. Grad. de Signif. Valor Resultdo Negativa Positiva libertad Resul. crtico Algodn 3 4 7 1.000 0.01 Acepta Ho Maz 4 4 8 1.000 Acepta Ho Soya 0 2 2 0.500 Acepta Ho Trigo 1 2 8 10 0.109 Acepta Ho Trigo 2 0 6 6 0.031 Acepta Ho Aunque como se coment con anterioridad, esta prueba es menos potente que la de Wilcoxon, confirma el rechazo a la hiptesis nula de que no hay diferencia en las medias de los resultados del modelo y los obtenidos en la realidad, por lo tanto se asume que el modelo propuesto describe de manera significativa la realidad. Finalmente con base a las pruebas de hiptesis realizadas a lo largo de la presente investigacin, puede decirse que no hay diferencia significativa entre los resultados del modelo desarrollado, y los resultados obtenidos en la operacin, esto es, de las opciones Call de los productos agrcolas estudiados, por lo tanto se aprueba la Hiptesis de Trabajo Central H2. Aunque un mayor ajuste del modelo quedara para futuros desarrollos, vale la pena recalcar la utilidad del modelo obtenido, ya que representa una aproximacin bastante buena de la realidad, tal como se muestra en la siguiente figura:

34

Figura 1 Resultados del modelo contra la realidad.

160 140 120 100 80 60 40 20 0 Jul-91 1

RENESP RENOPE

Mar94 1

Mar94 1

May94 1

May96 2

May95 2

Mar95 2

Aunque desde un punto de vista puramente estadstico, la correlacin promedio entre los resultados del modelos y los de la realidad arroja una R de 0.6374, se ha observado que no hay diferencia estadsticamente significativa entre uno y otro, y s adems se considera que cuando pudiera haber prdidas, stas seran mnimas por la metodologa planteada a partir del anlisis y cuando se excedan, estas seran mayores al 140%, al ponderar el promedio de estas diferencias nos dara en pesos una R ajustada de prcticamente .90 que para estos fines es bastante buena.

5 Formacin de Carteras.
Para una eleccin apropiada de los elementos a considerar en la conformacin de carteras o portafolios de inversin, hay que tomar en cuenta la combinacin de cuatro anlisis conjuntos que son: la bursatilidad, reportes de produccin y demanda, la tendencia de los precios del subyacente y/o de la base, as como la estimacin de dos o mximo tres posibles escenarios futuros y como afectaran estos a los subyacentes en cuestin por lo que se sugiere dado el caso las siguientes carteras de inversin. a) Cartera de rendimiento, formada por opciones, futuros y/o fsicos de algodn, y ocasionalmente de soya. b) Cartera de crecimiento, formada por opciones, futuros y/o fsicos tanto de algodn como de maz, en partes iguales. c) Cartera especulativa, formada por opciones, futuros y/o fsicos tanto de maz como de trigo, en principio por partes iguales, y a medida que la inversin sea ms especulativa, se aumentar la proporcin inversin en trigo.

35

6 Conclusiones y recomendaciones.

Con base al marco terico, al marco de referencia y a la metodologa establecida, se propuso el Modelo de Evaluacin de Rendimientos de Opciones Agrcolas MEROA, en donde, se definen supuestos, variables de correlacin con el riesgo sistemtico, la ecuacin, manejo del modelo y la estrategia de aplicacin. Propuesto el modelo, se procedi a la validacin del mismo, para lo cual, se realizaron las pruebas de hiptesis planteadas en la metodologa, las cuales se constituyen a travs de anlisis de estadstica paramtrica y no paramtrica, tanto de los precios de contado del algodn, maz, soya y trigo de 1989 a 1997, as como de los resultados del modelo propuesto aplicado en las opciones Call existentes de estos productos en dicho perodo. Dadas las tendencias de mercado y la importancia del parte aguas establecido en 1994, las muestras se dividieron en tres periodos, siendo el primero de enero de 1989 a diciembre de 1994, el segundo de enero de 1995 a mayo de 1996 y el tercero de junio de 1996 a diciembre de 1997 esto es dado que se cumpla con un ciclo burstil. Mediante un anlisis descriptivo, se analizaron las caractersticas de los precios de mercado de cada bien subyacente en cada perodo de anlisis, y lo que se obtuvo fueron medidas de tendencia central y formas de distribucin, cuyos resultados sugieren procesos heteroscedasticos o varianza condicionada en los precios de mercado. Los resultados obtenidos a travs de esta investigacin, llevaron a rechazada la hiptesis nula, y a aceptar la hiptesis de trabajo central H2, ya que la evidencia demostr, que los resultados del modelo propuesto, estn correlacionados a los obtenidos en el mercado y no existe una diferencia significativa entre ambos, sin embargo el refinamiento del modelo queda abierto a futuras investigaciones. Finalmente probada la hiptesis de trabajo central, se procedi a la sugerencia metodolgica, de formacin de carteras, en consideracin de criterios de bursatilidad, reportes de produccin y demanda, anlisis de tendencias y estimacin de escenarios. Se propone la formacin de carteras de rendimiento, crecimiento y especulacin. Los estudios que se sugieren para futuras investigaciones varan desde el mejoramiento del modelo propuesto ya en condiciones locales y

36

globales que permitan un Mercado Agropecuario en Mxico, hasta el desarrollo de nuevas tecnologas financieras en otros instrumentos financieros.

7 Bibliografa

ABREU, Beristain, Martin, Valuacin del riesgo en las inversiones de renta variable del Mercado Burstil Mexicano, Tesis de grado, UNAM, Mxico, 1991. ABREU Beristain Martn, El Desarrollo de una Bolsa Agropecuaria en Mxico, Administracin Contempornea, Revista de Investigacin, No. 2, www.colparmex.org, diciembre 2004. ABREU Beristain Martn, Factores Influyentes en el Desarrollo Nacional y la Bolsa Mexicana de Volores, Revista de Investigacin Denarius, No. 11, UAM-I, 2005 Black, Fischer and Scholes, Myron, The Pricing of Options and Corporate Liabilities, Journal of Political Economy, May-Jun. 1973, pp. 637-659. Blume, Marshall, Portfolio Theory, a step toward its practical application, Journal of Business, 1970, p. 152-173. Degroot, Morris H., Probabilidad y Estadstica, Addison Wesley Iberomericana, EUA, 1988. Hanke John E y Reitsch Arthur G., Estadstica para negocios, IRWIN, Espaa, 1995, p. 846. Hernndez, Sampieri, Roberto, Et. All., Metodologa de la Investigacin, Mc Graw Hill, Mxico, 2 edicin, 1998.

37

Kohler Heinz, Estadstica para negocios y Economa, CECSA, Mxico, 1998, p. 691; Visauta Vinacua B., Anlisis estadstico con SPSS para Windows, Mc Graw Hill, Madrid, Espaa, 1997. Levin, Richard, I. y Rubin, David, S., Estadstica para Administradores, Prentice Hall, Mxico, 6a edicin, 1996. Lintner, John, Risk and Maximal Gains from Diversification, Journal of Finance, EUA., Dic. 1965, p. 32-45. Ross, S.A., The Arbitrage Theory of Capital Asset PricingJournal of Economic Theory, Dic. 1976, pp. 343-362. Sharpe, William, F., Capital Asset Prices: A Theory of Market Equilibrium under Conditions of Risk, Journal of Finance, No. 19, EUA., Sep. 1964, pp. 425-242. Sierra Bravo R., Tcnicas de Investigacin Social (teora y ejercicios), Editorial Paraninfo sa, Madrid, Espaa, 1994,