Download - MFC_GRUPO2_PROYECTO_DE_MASTER_draft (1)
Máster en Finanzas Cuantitativas, 2012/2013
MASTER EN FINANZAS CUANTITATIVAS
(2012/2013)
ANÁLISIS DE ACTIVOS PARA UNA CARTERA DE INVERSIÓN
EN ENTORNO DE CRISIS
Buitrago Mora Diego Armando
Castro Torres José Vicente
Vásquez Mazariegos Jorge Rodrigo
Zerpa Lujano Juan Maximiliano Andrés
JUNIO DE 2013
Máster en Finanzas Cuantitativas, 2012/2013
MASTER EN FINANZAS CUANTITATIVAS
(2012/2013)
ANÁLISIS DE ACTIVOS PARA UNA CARTERA DE INVERSIÓN
EN ENTORNO DE CRISIS
Buitrago Mora Diego Armando
Castro Torres José Vicente
Vásquez Mazariegos Jorge Rodrigo
Zerpa Lujano Juan Maximiliano Andrés
Este proyecto analiza, la selección activos para la conformación de carteras de inversión en
el período comprendido entre enero 2006 y marzo 2013, mediante métodos cuantitativos y
estrategias de inversión. En primer lugar se realiza un análisis macroeconómico de Europa y
se compara su evolución con EEUU. A través de análisis ‘’top-down’’ se seleccionan los
activos del portafolio y con análisis de series de tiempo se implementan modelos sobre sus
precios. Se realiza una selección de carteras de inversión para tres etapas: pre crisis, crisis y
postcrisis y se realiza un análisis comparativo. Por último, se calculan las medidas de
performance, para las distintas etapas de estudio, utilizando los ratios comúnmente utilizados
para ello y se valoran los perfiles de riesgo mediante VaR y Tail VaR.
Máster en Finanzas Cuantitativas, 2012/2013
Índice:
INTRODUCCIÓN .................................................................................................................... 1
1. ANÁLISIS MACROECONÓMICO Y SECTORIAL DURANTE LA CRISIS ........ 3
1.1. LA CRISIS ECONÓMICA Y FINANCIERA DE 2007-2008..................................................3
1.1.1. CAUSAS DE LA CRISIS...................................................................................................3
1.1.2. CRONOLOGÍA DE LA CRISIS...........................................................................................5
1.1.3. FACTORES POLÍTICOS, MORALES Y PSICOLÓGICOS.......................................................7
1.2. SITUACIÓN MACROECONÓMICA, ENTORNO Y COMPARACIÓN CON EEUU................9
1.3. POLÍTICAS ECONÓMICAS APLICADAS Y PLANES DE RESCATE...................................13
1.3.1. PLANES Y POLÍTICAS APLICADAS EN EUROPA............................................................13
1.3.2. PLANES Y POLÍTICAS APLICADAS EN EEUU...............................................................16
1.4. ANÁLISIS SECTORIAL...................................................................................................16
1.4.1. SECTOR FINANCIERO...................................................................................................16
1.4.2. SECTOR CONSTRUCCIÓN.............................................................................................18
1.4.3. SECTOR COMERCIO.....................................................................................................20
1.4.4. SECTOR INDUSTRIA.....................................................................................................21
1.4.5. SECTOR EXTERNO.......................................................................................................21
1.5. POSIBLES SIGNOS DE RECUPERACIÓN.........................................................................25
1.6. CONCLUSIONES.............................................................................................................26
2. ANÁLISIS DE LOS MERCADOS FINANCIEROS .................................................. 28
2.1. ANÁLISIS FUNDAMENTAL DE ACCIONES DEL EUROSTOXX 50...................................28
2.1.1 ANÁLISIS ECONÓMICO.................................................................................................29
2.1.2 ANÁLISIS SECTORIAL...................................................................................................31
2.1.3 ANÁLISIS DE LAS COMPAÑÍAS.....................................................................................32
2.2. ESTADÍSTICOS BÁSICOS SOBRE LOS RENDIMIENTOS..................................................34
2.3. LOS MODELOS..............................................................................................................41
Máster en Finanzas Cuantitativas, 2012/2013
2.4. CONCLUSIONES.............................................................................................................46
3. CARTERAS DE INVERSIÓN ...................................................................................... 48
3.1. EL MODELO DE MARKOWITZ......................................................................................48
3.2. CONFORMACIÓN DE CARTERAS...................................................................................50
3.2.1. PERÍODO COMPLETO...................................................................................................50
3.2.2. PERÍODO DE PRE-CRISIS..............................................................................................53
3.2.3. PERÍODO DE CRISIS.....................................................................................................56
3.2.4. PERÍODO DE POST-CRISIS............................................................................................58
3.3. CARTERAS SIN Y CON CRISIS (CARTERAS ANTI-CRISIS).............................................61
3.4. MEDIDAS ALTERNATIVAS PARA LA FORMACIÓN DE CARTERAS................................64
3.5. CONCLUSIONES.............................................................................................................66
4. GESTIÓN DE CARTERAS .......................................................................................... 69
4.1. MEDIDAS DE DESEMPEÑO............................................................................................69
4.1.1. VALUE AT RISK (VAR).............................................................................................70
4.1.2. EXPECTED SHORTFALL (TAIL VAR)........................................................................71
4.1.3. COEFICIENTE DE VOLATILIDAD BETA (Β)...............................................................71
4.1.4. RATIO DE SHARPE.....................................................................................................72
4.1.5. TRACKING ERROR (TE)............................................................................................72
4.1.6. ALPHA DE JENSEN (Α):..............................................................................................73
4.1.7. INFORMATION RATIO (IR):......................................................................................73
4.2. CÁLCULO DE LAS MEDIDAS DE DESEMPEÑO...............................................................73
4.2.1. PERÍODO COMPLETO...................................................................................................74
4.2.2. PERÍODO DE PRE CRISIS..............................................................................................76
4.2.3. PERÍODO DE CRISIS.....................................................................................................77
4.2.4. PERÍODO DE POST CRISIS............................................................................................79
4.3. ANÁLISIS DINÁMICO A TRAVÉS DE VENTANAS DESLIZANTES....................................80
4.4. CONCLUSIONES.............................................................................................................84
5. CONCLUSIONES GENERALES ................................................................................ 86
Máster en Finanzas Cuantitativas, 2012/2013
6. Bibliografía ...................................................................................................................... 88
Máster en Finanzas Cuantitativas, 2012/2013
INTRODUCCIÓN
El entorno económico internacional se ha venido convirtiendo en uno sólo y lo que ocurre en
un lado del planeta se siente en el otro, debido entre otras cosas a la mayor asociación entre
los países y a la búsqueda de mercados para el sistema empresarial. Los tratados de libre
comercio, tan en boga a partir de la década de los noventa, han facilitado no solamente el
cruce de productos terminados, sino también de materias primas y de capitales. De igual
manera, los sistemas empresariales buscando diversificar, han avanzado en políticas de
integración horizontal, dejando a un lado la verticalidad de sus estructuras de producción; de
tal manera que las compañías han venido constituyendo inversiones en diversos sectores de
la economía. Es decir ya no invierten sólo en la razón social que les dio origen, si no que se
han diversificado de manera importante.
Por lo anterior, una actuación económica y/o financiera en un determinado sector de
la economía y en un lugar geográfico en particular puede terminar afectando a varias zonas
geográficas y a varios sectores. Esto ha llevado a que la tarea de los gestores de inversión
para elegir los activos potenciales que podrían conformar una cartera de inversión se haya
vuelto mucho más compleja. Si bien, tal tarea nunca ha sido trivial, en los últimos tiempos ha
adquirido un grado de dificultad mayor, requiriendo mejores conocimientos tanto técnicos
como operativos por parte de los gestores.
Afortunadamente, la academia se ha interesado continuamente en el tema y ha
venido, desde hace ya varias décadas, desarrollando nuevos instrumentos cuantitativos que
facilitan la compleja tarea del análisis de los posibles activos en los cuales puede ser
adecuado invertir. Es así como se han desarrollado teorías sobre la eficiencia de los
mercados para medir hasta donde los precios pueden capturar la información histórica,
pública y privilegiada de un activo; o alternativamente teorías sobre análisis técnico que
1
Máster en Finanzas Cuantitativas, 2012/2013
puede suministrar información de corto plazo sobre el posible comportamiento de un activo.
De igual manera el avance en temas estadísticos es importante produciendo herramientas
como los modelos ARCH y GARCH que permiten modelar aspectos complicados como la
varianza condicionada de una serie de tiempo.
Acompañando estos temas, y muchos otros que por la brevedad de esta introducción
no se mencionan, están las teorías sobre formación de carteras, como la cartera óptima
(frontera eficiente) de Markowitz, el teorema de separación de Tobin y el modelo diagonal
de Sharpe. Adicionalmente, la existencia de un importante inventario de ratios para evaluar y
hacer seguimiento al comportamiento de una cartera, facilitan la tarea del gestor de
inversión, sin que dicha tarea se vulva superficial.
Pero, aspectos coyunturales pueden complicar mucho la gestión de carteras, aún
contando con todas estas herramientas. Es el caso de la crisis económica y financiera de
2007-2008, período en el que los índices de las bolsas retrocedieron fuertemente
ocasionando grandes pérdidas en portafolios de inversión en renta variable. Al respecto,
existen razones tanto individuales (propietario del capital), como económicas, que llevan a
no querer tener capitales ociosos, pues éstos, aún en entornos de crisis en que el fenómeno
inflacionario es menor, están expuestos a perder poder adquisitivo, al saqueo, a la pérdida
física por fenómenos naturales o accidentes (inundaciones, incendios, etc.), o si se tienen en
cuantas de bancos estos también pueden quebrar como consecuencia de la recesión. Es aquí
donde surge la habilidad del gestor para aportar valor a una cartera en un contexto nada
favorable.
Este trabajo, presentado cono proyecto final del Master en Finanzas Cuantitativas,
busca abordar los temas mencionados anteriormente. El estudio se desarrolla en cinco
capítulos: en el primero, se realiza un diagnóstico sobre los principales factores que
generaron la crisis económica y financiera, ocurrida entre 2007 y 2008; en el segundo, se
efectúa el análisis fundamental necesario para la selección de los activos potenciales de
Eurostoxx50 para la composición de carteras; en el tercero, se analizan las posibles carteras
de inversión eficientes que se pueden formar con los activos seleccionados en el capítulo
dos; en el cuarto, se lleva a cabo un análisis de las medidas de desempeño, mediante las que
comúnmente se evalúa la gestión de inversión; y en el quinto se presentan algunas
conclusiones.
2
Máster en Finanzas Cuantitativas, 2012/2013
1. ANÁLISIS MACROECONÓMICO Y SECTORIAL DURANTE LA CRISIS
Con el fin de realizar un diagnóstico sobre los principales factores que generaron la crisis
económica y financiera, ocurrida entre 2007 y 2008, y sus repercusiones sobre las economías
de Europa y Estados Unidos, en este capítulo se presenta un análisis de sus causas y
consecuencias, dividido en cuatro secciones.
En la primera parte, se realiza un análisis sobre el origen de la crisis,
particularizando en sus causas, las cuales se venían incubando desde finales de la década de
los noventas, y detallando la cronología de los diferentes hechos que se desencadenaron con
ella; en la segunda parte, se expone la situación macroeconómica de Europa y de Estados
Unidos, dado el entorno de la crisis; en la tercera parte, se exponen las políticas económicas
aplicadas y los planes de recate llevados a cabo en la Eurozona; en la cuarta parte, se realiza
un análisis sectorial, verificando el comportamiento frente a la crisis; por último, en las
secciones quinta y sexta, se presentan los posibles signos de recuperación y las conclusiones,
respectivamente.
1.1. La crisis económica y financiera de 2007-2008
1.1.1. Causas de la crisis
A finales de los noventas e inicios de la primera década del nuevo siglo, la crisis financiera
de las empresas tecnológicas y los atentados del 11 de septiembre de 2001, generaron una
3
Máster en Finanzas Cuantitativas, 2012/2013
disminución histórica del tipo de interés de referencia de la Reserva Federal de los Estados
Unidos (FED), pasando de 6,5% a 1%. El dinero barato fomentó aceleradamente la demanda
de créditos hipotecarios, lo que además repercutió en el alza evidente del precio de las
viviendas durante los años siguientes.
Como era de esperarse, esta situación despertó el ingenio de los prestamistas para
volver atractivos los créditos hipotecarios. Se empezaron a indexar las hipotecas a tipos de
interés variables, por debajo de los del mercado para el periodo inicial de amortización, de
manera tal que al terminar dicho periodo, el poseedor de la hipoteca refinanciara y se genera
un nuevo ingreso para los prestamistas; generando así, una burbuja inmobiliaria por la sobre
oferta de créditos hipotecarios que desencadenaría un aumento acelerado del precio de la
vivienda. Según Manson (2007), en 2005 el 40% de las viviendas compradas no pretendía
servir como residencia principal sino como instrumento de inversión o segundas viviendas.
Colocando en evidencia el interés especulativo que se creó alrededor del mercado de las
hipotecas.
Las condiciones crediticias se relajaron por completo, los requisitos eran
prácticamente nulos. Cualquier persona sin importar su capacidad de endeudamiento podía
tener un crédito hipotecario, lo que convertía a los títulos así emitidos en elementos de alto
riesgo. Tales títulos, originados en procedimientos no adecuados de otorgamiento del crédito
que los respaldaba, fueron conocidos como Subprime.
Ante el aumento acelerado de las hipotecas de alto riesgo, los bancos vieron la
necesidad de traspasar parte del riesgo, a través de los Collaterized Debt-Obligations
(Obligaciones de Deuda Colateralizada), o CDO. La idea era liquidar las hipotecas de alto
riesgo, para luego combinarlas con hipotecas de bajo riesgo, y poder ofrecer bonos
igualmente de bajos riesgo, con una estructura escalonada, de manera tal que se podía
adaptar a cualquier inversor.
Esta titularización de hipotecas a través de bonos escalonados, subvaloraron el riesgo
inherente a los CDO, que venían de la adjudicación misma de las hipotecas, vendiéndose con
calificación triple A. Aunque la intención inicial de la titularización era la disminución del
riesgo, lo que se logró fue la transferencia de éste, desde los bancos adjudicadores de los
créditos hipotecarios a inversores o agentes de bolsa que transaban los bonos, quienes los
vendían posteriormente en bloques a los bancos de inversión, creadores originales de los
4
Máster en Finanzas Cuantitativas, 2012/2013
CDO. El ciclo se empezó a repetir, creando productos sintéticos de segundo y tercer orden
(CDO2 y CDO3). Para diciembre de 2006, los productos sintéticos correspondían a más de
la mitad de la transacción bancaria en Estados Unidos.
Por otro lado, la titularización no se limitó al mercado hipotecario; se trasladó a la
transacción interbancaria a través de la utilización de los Credit Default Swaps, o CDS, que
daba a los bancos privados la posibilidad de titularizar el riesgo de crédito, sin necesidad de
comprar (o vender) fracciones de crédito. Además, la desproporción en los instrumentos
sintéticos, aumentó los índices de apalancamiento ya que los CDS podían intercambiarse con
el 1,5% del valor del Bono (cuando normalmente el requerimiento mínimo era del 10%),
generando beneficios nunca antes visto para los fondos de cobertura (hedge funds).
Mientras los dueños de las viviendas eran capaces de pagar sus hipotecas, todo
funcionó bien. Sin embargo, muchos titulares incumplieron con sus pagos, ya sea porque
eran incapaces de realizarlos o porque ante la caída de los precios de los inmobiliarios ya no
tenía sentido pagar el precio estipulado en la hipoteca por una vivienda cuyo valor de
mercado era la mitad. Como resultado, los inversores dejaron de comprar CDOs.
El primer semestre de 2007, el mercado inmobiliario de los Estados Unidos ya
presentaba signos preocupantes. HSBC, obtuvo pérdidas de 10.800 millones de dólares,
relacionadas con su actividad hipotecaria. En junio, un mes antes del estallido de la crisis y
antes de su desaparición, Bear Stearns informo que dos grandes fondos de cobertura
hipotecarios tenían problemas para cumplir los niveles de cobertura.
1.1.2. Cronología de la crisis
En agosto de 2007, luego de la quiebra de American Home Mortage (uno de los más grandes
prestamistas hipotecarios de estados unidos) y el anuncio de BNP Paribas de retirar tres de
sus más grandes fondos de inversión por 2.000 millones de euros, aludiendo la fuerte
exposición a las hipotecas de alto riego en Estados Unidos, el Banco Central Europeo,
realizó la mayor intervención monetaria desde los atentados de septiembre de 2001,
inyectando 95.000 millones de euros; el mismo mes, y ante la oleada de quiebras bancarias,
se adicionan 61.000 millones de euros y 47.000 millones más, como un intento de estabilizar
el sistema financiero de la Eurozona.
5
Máster en Finanzas Cuantitativas, 2012/2013
La reserva Federal de Estados Unidos hizo lo propio, y además disminuyó en medio
punto porcentual el tipo de interés de referencia, para dinamizar el sector crediticio. El banco
central de Japón, inyecto 600.000 millones de yenes (unos 3.700 millones de euros).
En septiembre de 2007, el banco británico Northern Rock, que dependía del
inexistente mercado interbancario para financiar su negocio de hipotecas, recibió un apoyo
de liquidez de emergencia de parte del Banco de Inglaterra. Al hacerse público, el pánico
bancario generó retiros masivos por £1.000 millones en un solo día. El gobierno intervino
garantizando los depósitos, y finalmente Northern Rock fue nacionalizado el 22 de febrero
de 2008.
El 14 de julio de 2008, Freddie Mac y Fannie Mae, los mayores prestamistas
hipotecarios en EEUU, que tenían más de $5 billones en valores respaldados por hipotecas y
deuda, recibieron ayuda del gobierno. Sin embargo, el 7 de septiembre del mismo año
requirieron rescate por parte del gobierno. Esto, a pesar de las promesas del gobierno
estadounidense de no usar fondos públicos para salvar a estas entidades privadas.
El 15 de septiembre de 2008 el banco de inversión Lemhman Brothers se declara en
bancarrota, lo que se denominó el “lunes negro de Wall Street”, y Merril Lynch acepta ser
comprada por Bank of América. El 16 de septiembre la reserva federal de EEUU anuncia el
rescate de AIG, la compañía de seguros más grande del país, y un plan de rescate al sector
financiero por más de 700.000 millones de dólares.
En noviembre de 2008 el FMI, informa que por primera vez desde la segunda guerra
mundial, todos los países desarrollados estarían en recesión. En enero del siguiente año, el
banco de Inglaterra disminuyó la tasa de interés de referencia al 1,5% (la más baja en sus
más de 300 años de historia)
Al problema particular del sistema financiero, se sumó el hecho de que el mercado
de capitales y, en general, los mercados financieros reflejaban la pérdida de confianza en las
políticas del gobierno EEUU y de los gobiernos europeos, quienes habían acumulado deudas
cercanas al 100% del PIB. En opinión de estos mercados, los países europeos no serían
capaces de valerse de la inflación para deshacerse de la deuda, ya que formaban parte de la
Eurozona y se verían forzados a faltar a sus compromisos. Ante esta pérdida de credibilidad,
6
Máster en Finanzas Cuantitativas, 2012/2013
la prima de riesgo, es decir el interés adicional que estos países debían pagar como
compensación por el riesgo de impago, subió.
1.1.3. Factores políticos, morales y psicológicos
En una crisis como la vivida entre 2007 y 2008, de la que aún muchas economías y/o
sectores no se han podido recuperar, influyen un sin número de aspectos del comportamiento
de los agentes económicos. Así, además de intereses particulares que buscan aprovechar
ventajas comparativas que logran captar en el mercado, se encuentran factores de política
pública, factores sicológicos, operadores del mercado sin el conocimiento suficiente sobre
los complejos instrumentos financieros que se han desarrollado, y otras acciones un tanto
inescrupulosas basadas en el engaño (caso reportes de Grecia a la Unión Europea), que
terminan no sólo induciendo la crisis, algunas veces sin quererlo, sino que también ayudan a
potenciar sus efectos recesivos. A continuación se presenta un breve comentario sobre
algunos de estos aspectos.
El gasto público y el aumento de impuestos en un entorno recesivo: los gobiernos
de turno establecen presupuestos de gastos en función del pacto social implícito en el
proceso mediante el que han sido elegidos, incurriendo así en déficits fiscales
elevados y llevando la deuda pública a niveles insostenibles. Olvidando, por ello, en
las previsiones de la mayoría de los presupuestos públicos la posibilidad de
establecer fondos anti cíclicos, pues el presupuesto no da espacio para tal cosa. De
tal manera que en eventos de recesión, como el vivido, los gobiernos no tienen
capacidad presupuestaria para establecer políticas expansivas y deben recurrir al
aumento de la deuda y de los impuestos; llegando, inclusive, a gravar o aumentar los
gravámenes al patrimonio, desestimulando el ahorro productivo.
El fomento gubernamental de la propiedad inmobiliaria: entidades tales como
Fannie Mae, y Freddie Mac, y diversos programas gubernamentales, subvencionados
con fondos públicos, se proponían asegurarse de que todos los ciudadanos tuviesen
vivienda propia; los primeros, como parte de un negocio que el entorno favorecía y,
los segundos, ejecutando una política pública. Sin embargo, esta iniciativa
contribuyó en cierta forma a la reducción de la diversificación de las inversiones,
concentrándolas en el sector inmobiliario, y aumentando el riesgo sistemático.
7
Máster en Finanzas Cuantitativas, 2012/2013
Además la liquidez se vio afectada, ya que las inversiones en bienes raíces son muy
ilíquidas.
La inversión impositiva: el hecho de que la creación de entidades hipotecarias, los
programas y los rescates hayan sido subvencionados con dinero proveniente de los
impuestos también significó que aun aquellas personas que no estaban de acuerdo
con dichas medidas, resultaran invirtiendo, por imposición, en sectores contrarios a
su preferencia. Esto conllevó naturalmente a la pérdida del valor aportado por la
gestión individual, concentrándola en manos del gobierno. Los individuos pasaron
gradualmente de ser gestores responsables por su propia riqueza, a depender del
gobierno para la gestión de su dinero. Además, los emprendedores, al ver su
patrimonio reducido por los impuestos, y al no poder recurrir a sus familiares y
amigos, quienes se hallaban en la misma situación, se hicieron más dependientes del
crédito y del gobierno para poder gestionar sus empresas.
El problema de riesgo moral creado por los rescates gubernamentales: esta
práctica hizo que los bancos, y los inversores, pudiesen aumentar conscientemente
sus posiciones riesgosas sin tener que pagar las consecuencias asociadas
normalmente con prácticas irresponsables. Estas consecuencias eran pagadas por
otros individuos que nunca decidieron asumir esos riesgos. Un factor común que
llevó a esta situación fue el uso de supuestos escenarios catastróficos que sucederían
si el gobierno no usaba dinero público para rescatar a bancos que eran “demasiado
grandes como para dejarlos quebrar”. Pero lejos de solucionar el problema, tal
licencia contribuyó a destruir la confianza y la obligación de dar cuentas, las cuales
son fundamentales para el sistema de crédito interbancario.
Pérdida de responsabilidad individual: esto se manifestó por ejemplo, en la
práctica de las empresas e individuos de confiar ciegamente en las agencias
calificadoras, en lugar de tomar responsabilidad propia por la gestión del riesgo.
Además, acostumbrada a depender del gobierno y de los bancos, mucha gente culpó
a éstos por imprudencias que ellos mismos habían cometido. La responsabilidad por
la riqueza personal se había transferido a otros.
Codicia y/o desconocimiento: un mal uso de los derivados para obtener
apalancamiento excesivo con el fin de obtener ganancias extraordinarias. Este
8
Máster en Finanzas Cuantitativas, 2012/2013
problema no radica en lo atractivo de las ganancias, ni en los derivados en sí, ni en la
falta de regulación en este sentido, sino más bien en la falta de dominio propio. De
igual manera, muchos inversionistas asumieron riesgos desproporcionados sin darse
cuenta, pues usaban derivados para apalancarse sin comprender cómo funcionaban.
Factores psicológicos: optimismo excesivo y pánico fueron factores fundamentales
en las burbujas inmobiliarias, y en la retirada de depósitos de los bancos,
respectivamente.
Hoy en día casi todos estos factores siguen presentes. Sin embargo, algunos
gobiernos han optado por la reducción de los gastos y se han fijado metas para reducir el
déficit e incluso alcanzar un balance presupuestario antes de 2020. De igual manera, se han
tomado medidas regulatorias para forzar a los bancos a moderar sus riesgos, siguiendo las
recomendaciones del comité de Basilea III. No obstante, estos acuerdos son muy
controversiales y no solucionan los problemas citados anteriormente.
Tanto en EEUU como en Europa se observa que las burbujas inmobiliarias causaron
problemas en el sector financiero, llevando al colapso del mercado interbancario, y, como se
ha mencionando, prácticamente a la desaparición de los préstamos a largo plazo. Así como la
crisis de las hipotecas de alto riesgo fue causada, en parte, por la venta de productos que
ocultaban su riesgo, la crisis del Euro se desató con una práctica similar por parte del
gobierno griego, ocultar riesgo. La manufactura y exportación, al depender del mercado de
derivados se vieron fuertemente afectadas tanto en Europa como en EEUU.
1.2. Situación macroeconómica, entorno y comparación con
EEUU
En 2008, como consecuencia de la crisis financiera, la economía de los Estados Unidos entra
en recesión, la cual duraría hasta finales de 2009, cuando inicia, aunque lentamente, una
senda de recuperación que se mantiene hasta hoy en día. La globalización del mercado
financiero, llevó a que la comercialización de títulos permeados con hipotecas de alto riesgo
degenerara en una crisis global, que en Europa, aunada a la crisis de la deuda soberana,
tendría efectos recesivos desde mediados de 2009, situación que se mantiene en la
actualidad, aunque con ciertas señales de recuperación.
9
Máster en Finanzas Cuantitativas, 2012/2013
La crisis ha generado dificultades para que algunos países de la zona Euro puedan
refinanciar su deuda pública, requiriendo ayuda de sus socios intrazona mediante el Banco
Central Europeo y el Fondo Monetario Internacional (FMI). Dentro de éstos están: Grecia,
Irlanda, Portugal y recientemente Chipre. Por otro lado, hay países que aunque no han
acudido a recursos de la Unión o del FMI, y parte de su deuda soberana la han tratado de
refinanciar en el mercado secundario, han visto deterioradas sus cifras macroeconómicas y el
estado de bienestar; entre ellos se encuentra España, Italia y en menor medida el resto de la
eurozona.
Por su parte, las economías de la Unión Europea que no están en la Eurozona, si bien
en su mayoría han visto desmejorados sus indicadores socioeconómicos, estas no son tan
profundas como en los países del Euro.
La economía de la Eurozona es en su conjunto la segunda más grande del mundo,
solo detrás de la de EEUU. Tiene un PIB per cápita de $36.850, que se reduce ligeramente
cuando se traslada a PPA, mostrando con ello unos costes internos un tanto elevados en línea
general. Tiene una inflación relativamente baja de tan solo 2,5% y un desempleo de 11,40%.
En la Tabla 1.1, se pueden apreciar las disparidades entre los miembros de la Unión
Europea. Alemania la economía más grande de la zona tiene un PIB 392 veces más grande
que el miembro más pequeño, Malta. Por otra parte, los ciudadanos de Luxemburgo ostentan
un PIB per capita de más de $100 mil al año, en términos nominales, en contraste con los de
Estonia que solo tienen una renta de $16.320 al año. Pero a la vez Estonia tiene una tasa de
crecimiento de 3,22% en contraposición a Grecia que experimentó en el mismo período una
caída de casi 7% en su PIB de 2012.
PaísesPIB
($Miles de Mill.)PIB p.cápita
($)PIB PPA
( $)PIB PPA p.c
($)Var PIB
(%)Inflación
(%)Desempleo
(%)
Alemania 3.400.579 41.513 3.197.069 39.028 0,87 2,14 5,46Francia 2.608.699 41.141 2.254.067 35.548 0,03 1,98 10,23Italia 2.014.079 33.115 1.832.916 30.136 -2,37 3,30 10,63España 1.352.057 29.289 1.410.628 30.557 -1,42 2,44 25,00Países Bajos 773.116 46.142 706.955 42.194 -0,88 2,82 5,31Bélgica 484.692 43.686 420.307 37.883 -0,20 2,62 7,34Austria 398.594 47.083 359.021 42.409 0,79 2,58 4,38Irlanda 210.416 45.888 192.233 41.921 0,94 1,92 14,67EEUU 15.684.750 49.922 15.684.750 49.922 2,21 2,08 8,09
Tabla 1.1. Indicadores Macroeconómicos, principales economías Eurozona y EEUU, 2012
(Fuente FMI)
10
Máster en Finanzas Cuantitativas, 2012/2013
2007 2008 2009 2010 2011 2012Eurozona 3,00 0,38 -4,39 2,01 1,45 -0,58Unión Eur. 3,44 0,55 -4,20 2,05 1,61 -0,24Eurozona 12.376 13.601 12.424 12.176 13.109 12.198Unión Eur. 17.001 18.348 16.368 16.288 17.589 16.584Eurozona 10.605 10.881 10.495 10.848 11.239 11.374Unión Eur. 14.894 15.302 14.781 15.280 15.851 16.093Eurozona 32.382 33.053 31.763 32.734 33.813 34.116Unión Eur. 30.150 30.825 29.673 30.589 31.644 32.021Eurozona 2,14 3,29 0,3 1,62 2,72 2,5Unión Eur. 2,38 3,64 0,88 1,98 3,08 2,59Eurozona 7,6 7,63 9,6 10,13 10,16 11,36Unión Eur. 7,27 7,07 8,96 9,64 9,67 10,54
PIB (Var. %)
PIB Mil. de Mill. ($)
PIB PPA Mil. de Mill. ($)
PIB PPA p.c. ($)
Inflación (%)
Desempleo (%)
Concepto
Tabla 1.2. Evolución Indicadores Macroeconómicos, Europa, 2003-2012 (Fuente: FMI)
En general, se observa una inflación relativamente controlada en todos sus
miembros, destacándose la inflación griega de tan solo 1,04%, en parte, debido a la drástica
caída de la demanda en el país heleno, y la finesa con una inflación de 3,45%. En cuanto al
desempleo, Austria presenta 4,38% de su población activa en cesantía laboral seguido de
cerca por Alemania y Países Bajos. España, la cuarta economía de la región, posee un cuarto
de su población económicamente activa en paro, seguida de cerca por Grecia.
Por su parte, la economía norteamericana es la más grande del mundo, como ya se
mencionó, mayor que la de la Zona Euro (Tabla 1.2), y algo menor a la de la Unión Europea.
Su ingreso per cápita es mayor al promedio de la Eurozona y la UE en conjunto, y
ligeramente superior al de Alemania, Reino Unido y Francia (economías más grandes de
Europa), e inferior en términos nominales al de Luxemburgo y algunos países de
Escandinavia. En líneas generales el nivel de costes de los Estados Unidos es
sustancialmente menor a los de Europa, en parte, debido al potencial agrícola-alimenticio
que recibe subsidios.
La tasa de desempleo en Estados Unidos, 8,09%, se ha recuperado luego de la crisis
de 2008 cuando llegó a superar el 10%. Esta es menor en promedio a la de la Eurozona pero
mayor a la de Alemania y similar a la del Reino Unido. El crecimiento económico
estadounidense sigue siendo bajo pero claramente superior al de la Eurozona, lo que
demuestra que la economía de EEUU ha superado su recesión y se encuentra en etapa de
recuperación.
11
Máster en Finanzas Cuantitativas, 2012/2013
De otra parte, en cuanto se refiere al déficit fiscal (Tabla 1.3), entre los países de la
Eurozona que no cumplen con la “regla de oro” de la unión, de no tener déficit fiscal
superior al 4,5% del PIB, están: Irlanda, Grecia, España, Francia, Portugal y Chipre. El
desajuste presupuestario supera el 10% en España y Grecia. Cabe destacar que Grecia nunca
cumplió con las metas de déficit menores a 4,5%, y España, muy por el contrario, hasta
2007, los cumplió cabalmente e incluso llego a tener años con superávit.
Alemania, con un balance presupuestario de 0,2% en 2012, es la única economía de
la Unión Europea que presenta balance fiscal positivo, a pesar del lento crecimiento que
muestra su economía. Se destacan también economías de la Eurozona con bajo déficit fiscal
como Austria, Finlandia, Malta, Luxemburgo y Estonia.
En relación con los países de la Unión Europea, fuera de la Eurozona, sobresalen,
por su bajo déficit Suecia, Letonia y Hungría. La economía más grande de este grupo, el
Reino Unido, registra un déficit de 6,3% en 2012, inclusive en 2009 y 2010 fue superior a
10%. Antes de 2008 la economía británica presentaba, relativamente, bajos niveles de
déficit.
País 2007 2008 2009 2010 2011 2012 Balance Fiscal (% del PIB)
Alemania 0.2 -0.1 -3.1 -4.1 -0.8 0.2 Francia -2.7 -3.3 -7.5 -7.1 -5.3 -4.8 Italia -1.6 -2.7 -5.5 -4.5 -3.8 -3.0 España 1.9 -4.5 -11.2 -9.7 -9.4 -10.6 Países Bajos 0.2 0.5 -5.6 -5.1 -4.5 -4.1 Bélgica -0.1 -1.0 -5.6 -3.8 -3.7 -3.9 Austria -0.9 -0.9 -4.1 -4.5 -2.5 -2.5 Irlanda 0.1 -7.4 -13.9 -30.8 -13.4 -7.6 Reino Unido -2.8 -5.1 -11.5 -10.2 -7.8 -6.3 EEUU -1,2 -3,2 -10,1 -8,9 -8,7 -7,0
Deuda/PIB (%)Alemania 65 67 75 83 81 82Francia 64 68 79 82 86 90Italia 103 106 116 119 121 127España 36 40 54 61 69 84Zona Euro 66 70 80 86 88 93U. Europea 59 64 74 80 83 87Reino Unido 44 52 68 79 85 90EEUU 66 76 89 98 103 107
Tabla 1.3. Evolución del balance fiscal y de la deuda como % del PIB, 2007-2012
(Fuente: FMI, Balance Fiscal, y Eurostat y US Goverment, Deuda/PIB)
12
Máster en Finanzas Cuantitativas, 2012/2013
Sobre el mismo tema, Estados Unidos presenta, desde 2009, elevados niveles de
déficit, superando el 10% en dicho año y colocándose muy cerca al 9% en 2010 y 2011. En
2012 fue del 7%. Esta situación ha generado fuertes debates políticos en legislativo, e
incluso ha llevado a perder la calificación crediticia AAA.
Por último, y en parte como consecuencia de la misma política que ha generado los
elevados déficits presupuestarios, la deuda de los Estados Unidos se ha incrementado
notablemente respecto a su PIB. En particular han contribuido a ello los rescates de su
sistema financiero, la dependencia energética, y la política económica expansiva (aumento
del gasto público), que ha empleado en los últimos años, para reactivar la economía. De
igual manera. Europa también ha incrementado su deuda respecto al PIB, aunque en menor
medida; se destaca el alto endeudamiento italiano, la subida drástica de este ratio en España,
Francia y Reino Unido, y un aumento importante en Alemania, en los peores momentos de la
crisis, pero relativamente estable.
1.3. Políticas económicas aplicadas y planes de rescate
1.3.1. Planes y políticas aplicadas en Europa
Desde el inicio de la Eurozona, el crecimiento de ésta reportaba variaciones inferiores a los
de la Unión Europea, sin embargo para 2006-2007, el crecimiento era en ambos casos de
alrededor del 3%, con un desempleo similar para los dos grupos de países, sobre el 7% a
finales de 2007. Hasta ese momento, se registraba una política de fácil acceso al crédito, que
incentivó cierto relajamiento en las condiciones de otorgamiento conllevando a una cartera
hipotecaria de alto riesgo; aparición de burbujas inmobiliarias; encarecimiento paulatino de
la mano de obra, en algunos países como Grecia; y de otra parte, desequilibrios en el
comercio exterior, en parte, debido a la imposibilidad de aplicar medidas de política
monetaria nacional por parte de sus miembros.
Los inversionistas comenzaron a temer por los niveles de deuda tanto pública como
privada que ciertos países de la eurozona empezaban a mostrar, trayendo consigo
degradaciones en las calificaciones crediticias, adicionado a las dudas surgidas a raíz de las
disparidades de los socios del Euro y la ausencia de unión y supervisión fiscal que afronta la
Unión Monetaria.
13
Máster en Finanzas Cuantitativas, 2012/2013
Los gobiernos de la Eurozona, a mediados de 2010, llevaron a la aprobación de
fondos de rescate, tal es el caso del Fondo Europeo de Estabilidad Financiera (FEEF),
aprobado en mayo con más de 750 mil millones de euros; la imposición a los bancos de tener
al menos 9% de capitalización; y a la creación de un Pacto Fiscal Europeo donde cada país
se compromete a dar contribuciones presupuestarias y a aprobar límites de déficit públicos
anuales en sus presupuestos nacionales.
Para resolver estos problemas, tanto los países mayormente afectados como los
demás miembros de la Eurozona se sometieron a políticas, como parte del Pacto del Euro,
que han llevado a medidas de austeridad para recortar el déficit y los niveles de deuda, las
cuales han sido objeto de controversias por parte de economistas, que las consideran
restrictivas del consumo, y por parte de la población, que ve en ellas la reducción de los
servicios y subsidios públicos; provocando la caída de los gobiernos en Grecia, España, Italia
y Países Bajos, con llamados anticipados a elecciones.
Los tres países más afectados por problemas de endeudamiento soberano y déficit
fiscal, fueron Grecia, Irlanda, Portugal y Chipre quienes recibieron recursos de los fondos de
rescate de la Unión Europea. Posteriormente las economías de España e Italia registraron
también altos niveles de deuda tanto pública como privada y, en consecuencia, elevadas
primas de riesgo y altas tasas de interés. En los países que acudieron a los fondos de rescate,
se observan las siguientes particularidades:
Grecia: a comienzos de 2010 el gobierno anunciaba que el déficit presupuestario era
del 12,5%, que el tamaño de la deuda se había disimulado en años anteriores y que
ésta ascendía a 113,14% del PIB. El gobierno decidió reducir este déficit al 3% tal
como se le exigía, desde Alemania y Francia, en el Banco Central Europeo para
ayudar al país a refinanciar sus compromisos. El rescate finalmente se dio para
marzo por parte del Banco Central Europeo y el FMI, por 23 mil millones de euros.
Sin embargo las calificadoras de riesgo seguían rebajando la nota griega. En octubre
de 2011 el BCE, la UE y el FMI apoyan un segundo plan de rescate por 130 mil
millones de euros, a cambio de fuertes y drásticas medidas de austeridad por parte de
Grecia. Estas medidas han ayudado a reducir el déficit primario pero han traído
fuerte recesión a Grecia con caídas cercanas al 7% del PIB en 2011 y 2012.
14
Máster en Finanzas Cuantitativas, 2012/2013
Irlanda: la crisis en Irlanda tuvo sus causas principales en las garantías del gobierno
a los pasivos de sus 6 principales bancos; estos llegaron a tener pérdidas esperadas
de 100 mil millones de euros, causadas principalmente por burbujas inmobiliarias
internas en 2007. El gobierno, para no perder el estatus fiscal que tenía el país,
rescató dichas entidades hasta llegar, a finales del 2010, a una suma equivalente al
32% de su PIB al pago de dichos compromisos. La UE, el FMI y el Reino Unido
aprueban un plan de rescate al gobierno de Irlanda en noviembre de 2011 por 85 mil
millones de euros a cambio de que se logre reducir el déficit a 3% para 2015. En
mayo de 2012 aprobaron en referendo las condiciones del rescate del tratado
Europeo para la Estabilidad, que compromete al gobierno a cumplir con la meta de
déficit.
Portugal: el exceso de obras públicas y el aumento desmesurado de la burocracia
estatal fueron las principales razones que llevaron a Portugal a un creciente déficit
público y al aumento de la deuda pública. En mayo de 2011 los líderes de la
eurozona aprobaron un rescate por 78 mil millones de euros por parte del MEFF. El
rescate fue aceptado por Portugal poniendo la condición de que el tipo medio de
interés del rescate fuese de 5,1% y que Portugal a cambio hiciese privatizaciones de
empresas estatales. Se espera que pueda cumplir con los requisitos de déficit
menores al 4,5% a finales de 2013.
Chipre: entre 2008 y 2012 el país había caído en recesión llegando a triplicar sus
tasas de desempleo del 4% al 12%. Esta es la tercera economía más pequeña de la
Eurozona con un PIB cercano a 20 mil millones de euros y sus bancos eran
poseedores de una deuda de 22 mil millones de euros; esta situación llevo al
gobierno chipriota, a mediados de junio de 2012, a una solicitud de rescate ante la
UE y el FMI por la alta exposición de la banca a deuda privada. La solicitud fue
aprobada en noviembre de ese año por 17 mil millones de euros. El 16 de marzo de
2013 la banca privada de Chipre restringió los movimientos de retiro de capitales a
sus ahorradores a un máximo de 260 euros al día, debido a la situación de iliquidez
en la que se encontraba y a los desacuerdos del gobierno con las condiciones del
rescate de la UE y el FMI
15
Máster en Finanzas Cuantitativas, 2012/2013
1.3.2. Planes y políticas aplicadas en EEUU
La economía estadounidense creció entre un 2,5% y un 3,5% de 2003 a 2006, manteniendo
una inflación de entre el 2,3% y el 3,5% y niveles de desempleo menores al 6%. Sin
embargo, a mediados de agosto de 2007 cuando las hipotecas de alto riesgo cayeron en
situación de iliquidez, la Reserva Federal de los Estados Unidos actuó inyectando fondos a
los bancos y disminuyendo las tasas de interés. Sin embargo, la desconfianza entre los
bancos para prestarse entre ellos seguía debido a la cantidad de hipotecas que estos tenían y a
la imposibilidad de saber con exactitud su grado de contagio.
La crisis se profundizó a mediados del 2008 con la quiebra de entidades como
IndyMac, Freddie Mac y Fannie Mae, y finalmente en septiembre se declara en bancarrota
uno de los más grandes bancos de inversión, Lehman Brothers, en tanto que Merril Lynch
era absorbida por el Bank of América. Todo esto ocasionó una fuerte depreciación del dólar
e incrementó el desempleo llevándolo al 9,28%.
El gobierno estadounidense optó por responder con estímulos fiscales, con la
nacionalización de bancos, con políticas expansivas, y con la depreciación de su moneda
para hacer más competitivas sus exportaciones; pero éstas no lograron el nivel esperado en la
balanza comercial debido a la importación de petróleo y a sus altos precios internacionales.
Como consecuencia, también aumentó significativamente la deuda pública estadounidense.
A pesar de la crisis en la Eurozona y la recuperación a media máquina de la economía
americana, el cambio Euro/Dólar se ha mantenido con un mayor valor para la moneda
europea. El desempleo aunque ha bajado a 8% sigue muy lejos del nivel anterior a la crisis,
de alrededor del 5%.
1.4. Análisis sectorial
1.4.1. Sector financiero
Como se mencionó, la actual crisis económica tuvo su origen en el sistema financiero, luego
de la quiebra del Banco de inversión Estadounidense Lehman Brothers en septiembre de
2008. La inestabilidad en el sistema financiero Europeo se agudizó y generó una contracción
de 0,2% en el PIB de ese año. La crisis dejó ver un sistema financiero sobredimensionado y
sin capacidad de cobertura ante riesgos sistemáticos, debido en gran medida a la
16
Máster en Finanzas Cuantitativas, 2012/2013
sobreestimación en el perfil de endeudamiento, generando además el aumento de cartera en
mora. El Global Risk Aversion Indicator registró un máximo historico de 10,17% en octubre
de 2008, como muestra de la pérdida de confianza en la banca europea.
En consecuencia, las autoridades monetarias tomaron medidas que apuntaban a la
reducción de tasas de interés, con el fin de dinamizar el crédito bancario. En diciembre de
2008 el Sistema de Reserva Federal de los Estados Unidos (FED), redujo la tasa de
referencia a su punto mínimo en los últimos 20 años, pasando de 1% a 0,25%, (Gráfico 1.1)
asumiendo una disminución del 300%. Dicho interés se ha mantenido hasta ahora, y es
muestra de la politica de la FED por mantener estimulada la economía estadounidense vía
consumo interno. Por su parte, el BCE aprobó la disminución de manera gradual del tipo de
interés de referencia, que para septiembre de 2008 estaba en 4,25%, llegando a 2,00% en
enero de 2009 y a 1% en mayo del mismo año, tasa que mantendría hasta julio de 2012,
cuando se generó una disminucion de 0,25%, dejando el referente bancario en 0,75%.
Gráfico 1.1. Tipo de interés de referencia del BCE y FED (Fuente: BCE, FED)
Por otro lado, la tasa interbancaria europea EURIBOR a 12 meses, que además sirve
como referente para los créditos hipotecarios a tipo variable, también ha presentado
descensos graduales (Gráfico 1.2) pasando de 5,39% en julio de 2008 (máximo histórico) a
0,55% en diciembre de 2012. Por su parte, la PRIME (tipo de referencia de préstamos
bancarios en el mercado estadounidense), ha presentado un descenso aún mayor; en
septiembre de 2007 era de 8,25% y en enero de 2009 de 3,25%, la cual se mantiene a la
fecha. La LIBOR a 12 meses (tipo de referecia interbancario del Reino Unido) presenta
similitud en las fechas de reacción a la PRIME, a diferencia del EURIBOR.
17
Máster en Finanzas Cuantitativas, 2012/2013
Gráfico 1.2. Euribor, Prime, Libor-2003-2013 (Fuente: BCE, FED)
Este último punto ha sido motivo de debates entre los dirigentes del BCE y las
autoridades monetarias de la UE, ya que algunas naciones opinan que el tipo de interés de
referencia debería disminuir aún más, hasta tanto no se garantice la estabilidad de la región,
como lo ha hecho EEUU al mantenerlo en 0,25%.
En términos generales, la crisis ha generado un marco de discusión acerca de la
eficiencia en la regulación del sistema financiero. En noviembre de 2008 se encargó a un
grupo de expertos, liderado por Jacques de Larosière, la elaboración de un documento que
contuviera parámetros para regular el sistema financiero europeo, para reforzar los ya
existentes, con el fin de recuperar la confianza sobre el Sector. En el informe de Larosière de
febrero de 2009, se expuso la necesidad de crear un sistema integrado de supervisión, que
enlazara los entes nacionales y agrupados. Así, se propuso la creación del Sistema Integrado
de Supervisión Financiera (SESF), que en adelante actuará como ente central y coordinador
de la Junta Europea de Riesgo Sistemático (JERS), la Autoridad Bancaria Europea (ABE), la
Autoridad Europea de Seguros y Pensiones de Jubilación (AESPJ) y la Autoridad Europea
de Valores de Mercado (AEVM).
1.4.2. Sector construcción
El sector de la construcción, representa una de las actividades más dinamizadoras en una
economía, no sólo por su contribución al PIB total, sino porque es un sector intensivo en
mano de obra, con un alto componente en mano de obra no cualificada. Al igual que en
Estados Unidos y el resto de América, en Europa es uno de los sectores productivos más
importantes y sin duda un fuerte impulsor de la economía.
18
Máster en Finanzas Cuantitativas, 2012/2013
La crisis de 2008, golpeó de manera significativa al sector de la construcción, más
cuando la actividad de éste, en los Estados Unidos, estuvo muy cerca a los orígenes de la
crisis y puso de manifiesto la existencia de una “burbuja” de precios en el sector
inmobiliario. Sin embargo en lo que corresponde a la Unión Europea, no en todos los países
fue igual el efecto.
En el Gráfico 1.3, se puede observar que en 2009 el volumen de negocios del sector,
si bien se redujo en Francia, Italia y Reino Unido; los dos primeros se recuperaron
rápidamente, pues en 2010 y 2011 volvieron a crecer, y Reino Unido se mantuvo en los
niveles de 2009. En España el efecto ha sido de mayor trascendencia, llevando a una caída
continua que aún no se detiene; mientras que en 2008 se llevaron a cabo negocios por valor
de 341 mil millones de euros, en 2011 dicho valor fue de 150 mil millones de euros,
registrando así una caída nominal de 56%. En 2012, según información de Eurostat, la
actividad en el conjunto de la UE se redujo en 5,8%.
100.000
150.000
200.000
250.000
300.000
350.000
400.000
2008 2009 2010 2011
Millones de euros
Alemania Francia Italia España Reino Unido
0
20.000
40.000
60.000
80.000
100.000
120.000
2008 2009 2010 2011
Millones de euros
Paises Bajos Belgica Austria Portugal
Gráfico 1.3. Construcción: volumen de negocios, 2008-2011 (Fuente: Eurostat)
El hecho de que la crisis fuese más drástica en España que en el resto de la Unión
está explicado por una burbuja inmobiliaria que se venía desarrollando desde finales de los
años noventa como consecuencia de la facilidad del acceso al crédito, la menor exigibilidad
de requisitos y la reducción de las tasas de interés, entre otros.
Considerando que el sector es intensivo en mano de obra, la reducción de la
actividad trajo como consecuencia una fuerte reducción de los puestos de trabajo. En la
Figura 2 se puede apreciar que en el contexto de la UE, con algunas excepciones como
Alemania, Bélgica y Austria, se perdieron puestos de trabajo, registrándose el mayor efecto
en España, que entre 2008 y 2011 redujo el empleo en el sector en 806 mil puestos.
19
Máster en Finanzas Cuantitativas, 2012/2013
1.4.3. Sector Comercio
Aspectos como el nivel de empleo, su estabilidad y las expectativas de los agentes
económicos se reflejan en el gasto que estos hacen. Por ello, el volumen del comercio es un
indicador importante sobre la dinámica de una economía, pues permite hacer un seguimiento
de la actividad en el corto plazo.
En la Tabla 1.4, se aprecia la evolución desde 2008 hasta 2012 del volumen de
negocios al por menor reportado por el Fondo Monetario Internacional, para la Zona Euro,
Reino Unido y los Estados Unidos. En ésta se puede observar que tanto en 2008 como en
2009 Estados Unidos registró reducciones entre 5% y 8% en esta actividad, mejorando
considerablemente en los siguientes años, en tanto que la Zona Euro se ha mantenido con
variaciones de entre -3% y 0%.
2008 2009 2010 2011 2012Alemania 0,03 -3,14 1,42 1,09 0,07 1
Francia 0,59 -1,69 2,92 2,03 0,49
Italia -2,52 -1,35 0,34 0,64 -3,81
España -5,73 -5,42 -2,12 -6,15 -8,00
Paises Bajos 0,28 -4,60 -0,97 -1,38 -3,08
Belgica 1,82 0,57 -0,31 1,09 1,05
Austria 0,04 1,45 2,29 -1,19 -0,53
Irlanda -5,85 -13,99 1,33 -0,87 -1,02
Zona Euro -0,63 -2,65 0,88 -0,20 -1,72
Reino Unido 1,53 0,60 0,60 0,03 1,55
Estados Unidos -4,97 -7,75 4,19 4,83 2,81
Variación %Descripción
-10,00
-8,00
-6,00
-4,00
-2,00
0,00
2,00
4,00
6,00
2008 2009 2010 2011 2012
%
Zona Euro Reino Unido Estados Unidos
Tabla 1.4. Evolución del volumen de negocios al por menor, 2008-2012 (Fuente: FMI)
Dentro la Eurozona se destacan países como Alemania y Francia, que si bien como
efecto de la crisis registraron reducciones en 2009, en esta actividad, de 3,14% y 1,69%,
respectivamente, se recuperaron rápidamente volviendo a variaciones positivas en 2010,
2011 y 2012. Por su parte, los efectos más drásticos se observan en España, Irlanda y en
menor medida en Italia, Países Bajos y Austria.
A diciembre de 2012, se observa que el problema se ha agudizado, pues en general la
caída continúa, con mayor énfasis en España, Italia e Irlanda. El consolidado de la Euro
Zona muestra una reducción de 1,75% en 2012, con lo cual el volumen de negocios al por
menor realizados durante este último año es inferior al registrado en 2005.
20
Máster en Finanzas Cuantitativas, 2012/2013
1.4.4. Sector Industria
Entre 2008 y 2012, la producción industrial muestra una evolución similar entre la Zona
Euro, Estados Unidos y Reino Unido. Caracterizada por una fuerte caída en 2009 como
consecuencia de la crisis económica y una recuperación importante en 2010. Sin embargo,
nuevamente como en el comercio y en la construcción, la industria de los Estados Unidos
muestra mayor capacidad de recuperación, manteniendo variaciones positivas en 2011 y
2012 (Tabla 1.5).
2008 2009 2010 2011 2012Alemania 0,18 -17,30 11,53 9,00 -0,90 3
Francia -2,49 -12,85 4,96 1,64 -2,24
Italia -3,43 -18,76 6,75 0,12 -6,64
España -7,52 -15,51 0,86 -1,37 -6,31
Paises Bajos 0,77 -7,26 7,58 -0,56 -0,33
Belgica 3,65 -9,49 11,91 5,62 -12,64
Austria 1,90 -11,10 6,90 6,80 1,90
Irlanda -2,17 -4,47 7,52 0,03 -1,58
Zona Euro -1,96 -15,12 7,23 3,20 -2,33
Reino Unido -2,78 -9,06 2,13 -0,62 -2,36
Estados Unidos -3,31 -9,28 5,69 1,18 3,56
DescripciónVariación %
-20,00
-15,00
-10,00
-5,00
0,00
5,00
10,00
2008 2009 2010 2011 2012
%
Zona Euro Reino Unido Estados Unidos
Tabla 1.5. Evolución de la producción industrial, 2008-2012 (Fuente: FMI)
Al observar cada uno de los países que conforman la Unión Europea, nuevamente,
como una característica de todos los indicadores económicos de este grupo de países, se
evidencia que los países más golpeados por la crisis son España, Italia e Irlanda los cuales de
acuerdo con las cifras registradas presentan una producción industrial equivalente al 77,4% y
82,5%, respectivamente, frente a la producción de 2005.
De igual manera, Alemania y Francia se muestran como las economías de mejor
comportamiento post-crisis. Pues si bien en 2009 presentaron caídas fuertes como el resto de
países desarrollados, en 2010 y 2011 muestran variaciones positivas importantes, en especial
Alemania. Sin embargo, es importante observar que 2012 no fue un buen año para ninguno,
inclusive estas dos últimas registraron caídas en su producción industrial. No ocurrió lo
mismo con la industria norteamericana que creció 3,56%.
1.4.5. Sector externo
Para evaluar el comportamiento de este sector se analizaron variables como exportaciones,
importaciones, balance en cuenta corriente, tasas de cambio, e inversión extranjera neta.
21
Máster en Finanzas Cuantitativas, 2012/2013
En cuanto a importaciones y exportaciones, es preciso tener en cuenta que la Unión
Europea (UE), descontando el comercio entre miembros, es el primer bloque de importancia
en el comercio internacional, pues es el primero tanto en importaciones, con el 16,2% en
2011, como en exportaciones, con el 14,9% del total mundial en 2011; seguido, en
importaciones por Estados Unidos y China, con el 15,6% y el 12%, respectivamente; y en
exportaciones por China y Estados Unidos, con el 13,3% y el 10,3%, respectivamente1.
La manufactura es el reglón con mayor ponderación en el comercio de la UE, donde
sobresalen en exportaciones reglones como maquinaria y equipos de transporte, con más de
la tercera parte del total exportado, y productos químicos con alrededor del 15%.
Por países, en 2011, los principales exportadores de mercancías a nivel mundial
fueron China (10,4%), Estados Unidos (8,1%), Alemania (8,1%), Japón (4,5%), y los Países
Bajos (3,6%). En tanto que los principales importadores fueron los Estados Unidos (12,3%),
China (9,5%), Alemania (6,8%), Japón (4,6%) y Francia (4%).
La crisis financiera, contrajo de manera significativa el comercio exterior tanto de la
UE como de Estados Unidos y de Gran Bretaña. En la Tabla 1.6, se observa que, inclusive,
desde 2008 en países como España, Italia e Irlanda las ventas y las compras internacionales
empezaban a caer, profundizándose dicha reducción en 2009, cuando en la mayoría de los
países de la Zona Euro, en Estados Unidos y en Gran Bretaña se registraron reducciones
elevadas. Sin embargo, las cifras muestran una importante recuperación en 2010 y en menor
medida en 2011.
2006 2007 2008 2009 2010 2011 2012 2006 2007 2008 2009 2010 2011 2012Alemania 11,84 5,41 3,39 -7,98 11,07 7,44 1,83 13,09 7,98 2,84 -12,81 13,70 7,81 3,67
Francia 5,05 5,50 0,92 -9,64 8,87 4,95 -0,40 5,18 2,33 -0,31 -12,10 9,65 5,25 2,34
Italia 7,90 5,22 -2,96 -13,37 12,57 0,46 -7,74 8,42 6,25 -2,83 -17,51 11,36 5,90 2,33
España 10,22 7,96 -5,17 -17,19 9,20 -0,89 -4,98 6,69 6,72 -1,02 -10,02 11,26 7,63 3,05
Paises Bajos 8,83 5,63 2,31 -7,07 10,16 3,61 3,15 7,27 6,40 2,01 -7,73 11,22 3,87 3,33
Belgica 5,01 5,48 3,45 -10,59 8,91 5,61 -0,10 5,45 5,16 2,11 -11,11 9,59 5,50 0,41
Austria 5,24 7,05 0,00 -13,34 8,77 7,25 0,79 7,73 8,86 1,43 -15,61 8,71 7,23 1,71
Irlanda 6,86 7,93 -2,96 -9,74 3,57 -0,35 0,31 5,01 8,36 -1,11 -3,83 6,17 5,06 2,90
Zona Euro 8,74 6,24 0,93 -11,07 9,64 4,18 -0,97 8,93 6,63 1,11 -12,42 11,19 6,32 2,64
Reino Unido 10,06 -1,70 -1,78 -11,03 7,97 0,02 2,67 12,14 -2,48 1,20 -8,20 6,38 4,54 -0,17
Estados Unidos 6,10 2,41 -2,69 -13,53 12,48 4,78 2,43 8,97 9,30 6,10 -9,13 11,14 6,68 3,40
DescripciónImportaciones (Variación %) Exportaciones (Variación %)
Tabla 1.6. Importaciones y exportaciones, 2006-2012, (Fuente FMI)
1 Informe sobre el comercio mundial 2012, Organización Mundial del Comercio. Ginebra, Suiza, 2012.
22
Máster en Finanzas Cuantitativas, 2012/2013
En 2012, mientras las importaciones del Reino Unido y Estados Unidos crecen
2,67% y 2,43% respectivamente, las de la Zona Euro caen 0,97%, jalonadas especialmente
por Italia, con una reducción de 7,7%, y España, con una reducción de 4,98%. Por su parte,
las exportaciones en el mismo año presentan leves aumentos en la Zona Euro y en Estados
Unidos, en tanto que caen 0,17% en Gran Bretaña.
El balance en cuenta corriente de la Zona Euro, estuvo prácticamente en equilibrio
en 2006 y superavitaria en 2007, pero la crisis de 2008-2009, llevó a un déficit cercano de
$196,6 mil millones (Tabla 1.7), colocando así presión sobre la devaluación del Euro. Por el
contrario en Estados Unidos y en Reino Unido, donde se mantiene permanentemente balanza
corriente deficitaria, en los años de la crisis el déficit se redujo, como consecuencia de una
mayor caída de las importaciones frente a las exportaciones.
2006 2007 2008 2009 2010 2011 2012Alemania 182.352,08 248.783,10 226.272,31 199.476,07 207.725,05 223.323,67 238.456,68
Francia -12.988,24 -26.610,49 -49.876,97 -35.439,36 -39.788,77 -54.437,03 -60.097,60
Italia -47.827,99 -51.574,28 -65.379,59 -40.874,28 -72.874,75 -67.142,87 -15.210,85
España -110.874,18 -144.539,98 -154.529,13 -69.774,76 -62.497,73 -55.066,07 -14.816,20
Paises Bajos 63.068,62 52.525,73 38.035,62 41.574,94 60.963,19 84.589,93 76.912,61
Belgica 7.545,12 7.041,32 -7.109,61 -6.560,66 8.423,09 -5.662,10 -6.649,46
Austria 9.042,09 13.189,48 20.127,24 10.290,94 13.149,15 5.518,77 7.084,77
Irlanda -7.858,84 -13.850,44 -15.296,91 -5.001,37 2.318,69 2.513,80 10.160,42
Zona Euro -327,76 24.858,72 -196.626,37 -13.918,69 2.838,64 15.709,72 144.073,00
Reino Unido -81.957,62 -71.079,40 -41.159,06 -37.050,49 -75.228,99 -32.764,91 -90.374,31
Estados Unidos -800.610,53 -710.299,00 -677.140,00 -381.896,00 -441.955,00 -465.923,00 -474.970,00
DescripciónMillones de dólares
Tabla 1.7. Balanza corriente, 2006-2012 (Fuente FMI)
La Zona Euro, consolidada, reacomodó rápidamente su cuenta corriente y a partir de
2010 mostro superávit, llegando a $144 mil millones en 2012. Dentro de las economías que
conforman la Zona Euro, se destaca Alemania con una balanza corriente permanentemente
superavitaria, como consecuencia de ser el tercer exportador del mundo, después de Estados
Unidos, con quien tiene prácticamente el mismo volumen de exportaciones, y de China. Los
productos de mayor exportación en Alemania son maquinaria, vehículos y químicos. Su
principal destino son los países de la UE aunque en los últimos años han estado aumentando
sus exportaciones a países emergentes, tendencia general de las economías europeas después
de la crisis. También se destacan, en el mismo sentido, Países Bajos y Austria, con balanza
siempre en superávit. Por el contrario Francia, España e Italia, mantienen déficit de cuenta
corriente desde antes de la crisis financiera.
23
Máster en Finanzas Cuantitativas, 2012/2013
Por otra parte, en el Gráfico 1.4 se observa la tasa de cambio del euro frente al dólar,
en el que se destaca que desde la creación del euro su tendencia fue de apreciación hasta
llegar en abril de 2008 a un máximo de 1,6 dólares por euro, momento a partir del cual dadas
las políticas monetarias y cambiarias de los Estados Unidos se ha apreciado el dólar. Frente
al tema no hay una posición unificada en la Eurozona, pues mientras a algunas economías les
convendría claramente una depreciación más fuerte del euro a otras les conviene como está.
1
1,1
1,2
1,3
1,4
1,5
1,6
1,7
ene-
2003
jul-2
003
ene-
2004
jul-2
004
ene-
2005
jul-2
005
ene-
2006
jul-2
006
ene-
2007
jul-2
007
ene-
2008
jul-2
008
ene-
2009
jul-2
009
ene-
2010
jul-2
010
ene-
2011
jul-2
011
ene-
2012
jul-2
012
ene-
2013
Dólares por Euro
Gráfico 1.4. Tipo de cambio Euro/Dólar, 2003-2012 (BCE)
En cuanto a 1a inversión extranjera directa también sintió los efectos de la crisis
cuando en 2009 y 2010, registró fuertes reducciones en las principales economías de la Zona
Euro, con disminuciones de 40% y 53%, respectivamente, en el consolidado. Igual ocurrió
en el Reino Unido y en Estados Unidos con caídas en 2009 de 98% y 58%, respectivamente
(Tabla 1.8.). En 2011, mejoró tanto en Europa como en Estados Unidos, sin llegar aún a los
niveles de 2008.
2008 2009 2010 2011Alemania 16.531 41.352 20.457 39.067Francia 64.106 26.875 37.825 45.209Italia -24.910 40.355 -5.289 28.003España 77.884 19.427 46.707 31.419Paises Bajos 11.331 34.271 -10.271 13.886Belgica 184.842 65.835 86.909 102.000Austria 5.122 14.643 -25.304 15.734Irlanda 23.259 53.935 37.764 11.506Zona Euro 449.681 270.395 126.763 320.055Reino Unido 261.535 4.059 61.326 36.244Estados Unidos 332.734 139.557 270.986 257.528
Millones de dólaresDescripción
Tabla 1.8. Inversión extranjera directa, 2006-2011 (Fuente: Banco Mundial)
24
Máster en Finanzas Cuantitativas, 2012/2013
1.5. Posibles signos de recuperación
Si bien, después de la fuerte caída del PIB vista en 2009 tanto en el consolidado de la
Eurozona como en el de la Unión Europea, en 2010 y 2011 se registró una leve recuperación,
con crecimientos consolidados de 2% y de alrededor de 1,5%, respectivamente; ésta fue
puramente coyuntural, pues en 2012 el producto consolidado volvió a tener variaciones
negativas, aunque menos drásticas que en 2009. A nivel individual sólo Alemania muestra
signos de recuperación, Francia puede ir también por el mismo camino pero con algunas
dudas, pues a finales de 2012 e inicios de 2013 su economía registró variaciones negativas.
El empleo no muestra aún signos de recuperación, en el consolidado de las
economías europeas. En 2007 y 2008 la tasa de desempleo estuvo por el orden del 7%, en
tanto que en 2012, fue de 10,5% en el consolidado de la Unión Europea y de 11,4% en el
consolidado de la Eurozona.
El crecimiento económico estadounidense sigue siendo bajo, 2,2% en 2012, pero
positivo, lo que demuestra que la economía de EEUU ha superado su recesión y se encuentra
en etapa de recuperación. La tasa de desempleo que en 2012 fue de 8,09%, se ha reducido
prácticamente en 2% luego de la crisis de 2008 cuando llegó a superar el 10%. Esta es menor
en promedio a la registrada en la Eurozona pero mayor a la de Alemania y similar a la del
Reino Unido.
La banca europea empieza a mostrar signos de recuperación. En el primer trimestre
de 2013 cuatro bancos que cotizan en el Eurostox50 y que están entre los más grandes de
Europa mostraron balances positivos; Santander por 1.205 millones de euros, BBVA por
1.734 millones de euros, BNP Paribas 2.870 millones de euros, y Societe Generale SA por
1.063 millones de euros. De igual manera, el ahorro de los hogares ha aumentado
moderadamente, por ejemplo, en España se situó en 4,4% sobre la renta disponible de los
hogares mostrando un aumento del 6%, en referencia con el mismo periodo del año anterior.
Por su parte el sector de la construcción muestra signos de recuperación en algunos
países como Francia y Alemania, donde el volumen de negocios inmobiliarios en el sector se
incrementó en 2012, mejorando consigo los puestos de trabajo. No sucede lo mismo con las
demás economías grandes de la Eurozona y en los sectores de comercio e industria que para
2012 aún muestran reducciones importantes en el volumen de negocios y en su producción,
25
Máster en Finanzas Cuantitativas, 2012/2013
respectivamente. En Estados Unidos, tanto el volumen de negocios del comercio al por
menor y la producción industrial muestran variaciones positivas desde 2010. En tanto que en
el Reino Unido los negocios en el comercio al por menor están mostrando mayor dinámica,
más no así la producción industrial.
Las exportaciones, en general muestran variaciones positivas en 2011 y 2012 tanto
en las principales economías de la Eurozona, como en Estados Unidos y Reino Unido (sin
embargo en 2012 cayeron levemente en este último). En cuanto a las importaciones muestran
tendencia de recuperación en Estados Unidos y Reino Unido, pero no en la Eurozona.
1.6. Conclusiones
La economía estadounidense creció a mayores tasas que la economía europea hasta
mediados de 2006. A finales de 2007 inicia la crisis de las hipotecas de alto riesgo, que
llevaría en 2008 a la quiebra de las principales entidades hipotecarias del país y de la banca
de inversión Lehman Brothers, extendiendo un escenario recesivo hasta 2009. Los recursos
públicos salieron al rescate del sistema financiero y en conjunto con medidas de control y
aumento del gasto público la economía norteamericana está saliendo de la crisis, aunque con
un aumento significativo el déficit público y de la deuda.
La economía Europea tuvo buen comportamiento hasta finales de 2009. A partir de
allí, la crisis de la deuda soberana en Irlanda, Grecia y Portugal, aunado a un elevado déficit
público llevó a la degradación de sus calificaciones crediticias, reflejando el temor de los
inversores ante los compromisos de los países anteriormente mencionados. La economía
europea muestra aún signos de debilidad y crecimiento económico lento por parte de sus
principales economías, incluyendo las más grandes como Alemania y Francia. Siguen los
escenarios recesivos, con alto endeudamiento y déficit fiscales elevados en países como
Grecia, España, Italia y Portugal; donde las políticas económicas para solventar dicha
situación han sido cuestionadas por el coste social que éstas han significado.
La crisis ha puesto en evidencia tanto en EEUU como en Europa la debilidad de la
regulación en el sistema financiero internacional. La creación Junta Europea de Riesgo
Sistemático ha dejado ver la necesidad de fortalecer la regulación financiera en el marco de
la Unión Económica Monetaria. En especial en lo referente a las depósitos obligatorios y a
26
Máster en Finanzas Cuantitativas, 2012/2013
las medidas de reacción que deben tomar las autoridades encargadas de las Finanzas de la
Eurozona, ante una eminente alteración del mercado.
En Europa se ha evidenciado la falta de unión fiscal más allá de la monetaria en la
Eurozona y las disparidades macroeconómicas entre sus integrantes.
En la crisis económica europea sobresale un hecho de trascendental coincidencia que
potenció la recesión; La crisis del sistema financiero encontró una institucionalidad
gubernamental con poca posibilidad de reacción para llevar a cabo políticas expansivas que
detuvieran la caída de la demanda agregada. Ello, debido básicamente a la existencia de
déficits presupuestales altos y a la inexistente discrecionalidad monetaria individual de los
países miembros de la Eurozona, que implicó la reducción drástica del gasto público y el
aumento desmesurado de la deuda pública, e incluso, en algunos países, el aumento de la
carga impositiva. Medidas que no parecieran procedentes, desde el punto de vista
económico, en medio de un entorno recesivo.
Así, al lado de la disminución del consumo y por tanto de la producción y del
empleo se encuentran unas finanzas públicas en crisis con balances presupuestarios
negativos y con sobreendeudamiento, que además de imposibilitarlas para contribuir a la
reactivación económica, las coloca como factor de potenciamiento de la crisis.
Surge, entonces, nuevamente el debate sobre la necesidad de que las finanzas
públicas estén blindadas para momentos de crisis, con la implementación de fondos anti
cíclicos que permita, a los gobiernos, cierta holgura a la hora de implementar políticas
públicas en favor de la economía, además de reglas presupuestales claras que imposibiliten
el gasto indiscriminado de los gobiernos, con el único propósito de cautivar a sus electores.
27
Máster en Finanzas Cuantitativas, 2012/2013
2. ANÁLISIS DE LOS MERCADOS
FINANCIEROS
En este capítulo se realiza el análisis fundamental necesario para la selección de los activos
potenciales de Eurostoxx50 para la composición de carteras y se efectúa un análisis
estadístico y econométrico sobre las series de precios de los activos seleccionados. Tal
propósito se desarrolla en cuatro secciones. En la primera, se elabora el análisis fundamental
siguiendo el esquema Top Down, llegando hasta la escogencia de los activos; en la segunda,
se realiza un análisis estadístico de las series de precios y rendimientos de los activos
seleccionados, verificando su comportamiento a través del tiempo y su volatilidad; en la
tercera, se realiza la implementación de modelos econométricos para las distintas series, a
través de técnicas sobre series de tiempo, buscando modelar el comportamiento de los
rendimientos de cada activo; y por último, en la cuarta sección, se presentan las conclusiones
de mayor relevancia de este capítulo.
2.1. Análisis fundamental de acciones del Eurostoxx 50
El análisis Fundamental de una compañía busca determinar el valor intrínseco del activo en
el mercado mediante información operativa y financiera (ventas, ganancias, situación
financiera y sectorial), con el fin de poner en práctica estrategias que permitan incrementar
los beneficios respecto al riesgo asociado.
28
Máster en Finanzas Cuantitativas, 2012/2013
A la hora de valorar las acciones de una empresa se sigue el esquema ‘’Top Down’’,
que supone que la acción se ve influenciada en primer lugar por el escenario económico
general, seguido por el sector al que pertenece y finalmente por las características de la
compañía.
2.1.1 Análisis Económico
En el análisis económico se deben estudiar las cifras macroeconómicas (PIB, variación % del
PIB, desempleo, inflación y déficit fiscal), de las economías en las que se encuentran los
mercados objetivo.
En el capítulo anterior analizamos dichos indicadores en el entorno macroeconómico
de los países de la Eurozona. De acuerdo con la base de datos disponible para este estudio,
las nacionalidades de las compañías presentes en el Eurostoxx 50 son: Alemania, Bélgica,
España, Francia, Irlanda, Italia y Países Bajos. En la Tabla 2.1, se relacionan sus indicadores
macroeconómicos.
País(2012)PIB(Nominal)
en miles de MM$
Var %(PIB) Inflación(%)Desempleo(%) Déficit Fiscal
Alemania 3.400.579 0,865 2,14 5,46 0,2
Bélgica 484.692 -0.2 2,62 7,34 -3.9
España 1.352.057 -1.42 2,44 25 -10.6
Francia 2.608.699 0,030 1,98 10,35 -4.8
Italia 2.014.079 -2.37 3,30 10,63 -3
Irlanda 210.416 0,938 1,92 14,67 -7.6
Países Bajos 773.116 -0.884 2,82 5,31 -4.1
Tabla 2.1. Cifras Macroeconómicas, 2012 (Fuente: FMI)
Al analizar las cifras macroeconómicas se puede observar que la economía más
grande y por ende con un mayor mercado potencial es Alemania; adicionalmente, presenta
una baja tasa de desempleo, superávit fiscal y economía en crecimiento aunque con ritmo
bastante lento. Por estas buenas cifras macroeconómicas decidimos tomar acciones de
compañías alemanas, considerando el tamaño de su economía, estas abarcaran en mayor
número las 10 acciones con que finalmente se construirá la cartera de inversión.
Francia es la economía más grande después de Alemania. La economía francesa
registró un crecimiento económico prácticamente nulo en 2012, aunque con saldo positivo en
comparación al escenario recesivo de la Eurozona, una inflación baja, desempleo
29
Máster en Finanzas Cuantitativas, 2012/2013
ligeramente inferior al promedio de la mencionada zona económica, aunque alcanza a ser de
dos dígitos, y un déficit fiscal relativamente alto de 4,8%. Debido a que Francia es la
segunda economía en importancia de la Eurozona, y si bien atraviesa un escenario
macroeconómico no muy favorable, en líneas generales se encuentra por encima del
promedio del resto de los socios de la moneda única. Por ende, será el segundo país con el
mayor número de compañías que se tomarán para la cartera de inversiones.
Las economías italiana y española son las que siguen en orden de magnitud en la
Eurozona, ambas se encuentran en recesión, con tasas de inflación bajas, aunque la italiana
supera el 3% y se encuentra por encima del promedio de sus socios. Mientras que España
afronta un desempleo que abarca un cuarto de su población económicamente activa, muy
superior a la italiana, que ronda el 10%; en cuanto a déficit fiscal, Italia presenta sólo un 3%,
por debajo de la regla de oro presupuestaria del 4,5%, mientras España ha visto incrementar
su déficit y este ya supera el 10%. Finalmente, al tomar en consideración que Italia tiene
mayor número de compañías en el índice del Eurostoxx 50, mejores cifras de déficit fiscal y
desempleo sustancialmente inferior que el de España, y una economía de mayor tamaño, se
decidió preferir compañías italianas frente a las españolas. Aunque Italia tenga una economía
de gran tamaño sus cifras macroeconómicas no se encuentran en el mejor estado y
adicionalmente presenta una crisis política lo que hace que se deba actuar con prudencia para
la selección de activos que conformarán la cartera.
En cuanto a las economías de menor tamaño (Países Bajos, Bélgica e Irlanda): la
economía neerlandesa posee un desempleo bajo de 5,31%, un déficit fiscal de 4,1%, que es
menor a la regla de oro presupuestaria de la Eurozona, y un decrecimiento de su PIB cercano
al 1%. Bélgica que le sigue en tamaño, tiene cifras de desempleo de un dígito, inferior al
promedio de los países que conforman la unión monetaria, déficit fiscal de 3,9% y presenta
una pequeña contracción de su economía de 0,2%. Por último, Irlanda es la economía de
menor tamaño de este grupo. Este ha sido uno de los países rescatados por el BCE en su
crisis de deuda soberana. Aunque sus números han venido mejorando en los últimos años
con un crecimiento de su PIB cercano al 1% en 2012 y una tasa de inflación menor a 2%,
aún presenta un elevado déficit fiscal que supera el 7% y una tasa de desempleo del 14%,
superior a la Eurozona. Por ello se descarta tomar activos de compañías de dicho país.
Finalmente tras el análisis económico se seleccionarán compañías de Alemania,
Francia, Italia, Holanda y Bélgica, para armar la cartera final.
30
Máster en Finanzas Cuantitativas, 2012/2013
2.1.2 Análisis Sectorial
El análisis sectorial busca estudiar la influencia que tiene la industria o sector en concreto en
las compañías emisoras de las acciones, tomando en cuenta, para dichos sectores, los ciclos
económicos, los cambios estructurales y los ciclos de vida de la industria.
Adicionalmente, como estrategia para seleccionar los activos de la cartera se debe
buscar la diversificación sectorial, con el fin de tener acciones poco correlacionadas entre sí.
En el capítulo anterior se analizaron los sectores financiero (banca comercial, banca
de inversión, sector asegurador y sector reasegurador), construcción, comercio, industria y
sector externo. El sector financiero es descartado por su comportamiento incierto después de
las crisis de 2008, pues sus cifras aún no muestran una senda de recuperación contundente.
El sector de la construcción afronta un cambio estructural importante en Europa, relacionado
con el perfil demográfico de la población; se presenta un envejecimiento paulatino de su
población y eso a primera vista es desfavorable por la falta de dinámica en la demanda
residencial. Sin embargo, si se amplía la concepción del sector a las industrias relacionadas o
alternas como lo es el caso de compañías dedicadas a la producción y exportación de
materiales para la construcción o constructoras de infraestructura para ocio y diversión,
podría desligarse del perfil de envejecimiento demográfico en Europa.
Considerando que particularmente en Francia la evolución del sector de la
construcción en los años 2008 a 2011 ha sido medianamente satisfactoria, tal como se
muestra en el capítulo uno, dentro de las compañías francesas en el Eurostoxx 50
relacionadas con el sector de la construcción, se escogió a ST Gobain, empresa dedicada al
negocio de los materiales de la construcción, con importantes volúmenes de exportaciones.
El sector comercio depende altamente de los niveles de empleo y de crecimiento
económico. Pero en el caso de trasnacionales, se ven favorecidas por sus actividades en el
exterior. Tal es el caso de industrias ligeras, con sus propias franquicias comerciales de
ventas como lo es la francesa Louis Vuitton. La actividad comercial en Francia, como se
observó en el capítulo anterior, se encuentra en crecimiento, así como las exportaciones
francesas hacia fuera de la Eurozona en industrias textiles de lujo. Por otra parte, la también
francesa L’Oreal de manufactura de productos cosméticos para el consumo masivo, y que,
por ende, su actividad está ligada a las ventas al por menor, al igual que Carrefour (sector
31
Máster en Finanzas Cuantitativas, 2012/2013
comercio alimentos), y la belga Anheuser Busch Inbev (Producción, distribución de bebidas
alcohólicas), serán tomadas a consideración del análisis.
En el sector energético se analizan empresas de alto volumen de negocios con
presencia en el Eurostoxx 50, como lo son: la alemana Rheinisch Westfälisches
Elektrisitätswerk (RWE), la Italiana Ente Nazionale de Idrocarburi (ENI) y la francesa GTF
Suez. En el análisis por empresas se escogerá finalmente cuál de éstas incluir en la cartera.
El sector Industrial en Europa se encuentra en recesión. Sin embargo, este representa
parte sustancial de la economía europea y en países como Alemania, Francia, Italia y Países
Bajos sigue representando parte importante del PIB. La caída del sector es menor en
Alemania y Países Bajos, por ello se tomará para el análisis la manufacturadora de motores y
vehículos alemana BMW y la neerlandesa The European Aeronautic Defense and Space
Company (EADS).
El sector farmacéutico cobra vital importancia por los cambios fundamentales en la
demografía europea debido al envejecimiento poblacional. Por ello se tomará la farmacéutica
alemana Bayern.
Por último, se considerara el sector tecnológico específicamente las tecnológicas
Siemens de Alemania y Phillips de Países Bajos. Adicionalmente, en el desarrollo de
Software y programas de gestión informática la alemana SAP. Descartamos las acciones
relacionadas con el sector de telecomunicaciones (televisoras), como Deutsche Telekom
(DTK) y France Télécom, ya que por cambios estructurales relacionados con nuevas formas
de entretenimiento de la población, se considera que el negocio de la televisión puede quedar
rezagado.
2.1.3 Análisis de las compañías
En esta parte se analizarán los indicadores económicos y financieros de cada una de las
compañías y saldrá la selección definitiva de las 10 acciones que se usarán para la cartera.
Después de los análisis previos, sólo quedan las siguientes compañías: L´Oreal, ENI, BMW,
Bayer, Carrefour, DADS, GDF SUEZ, LVMH, Philips, RWE, ST Gobain, SAP y Siemens.
32
Máster en Finanzas Cuantitativas, 2012/2013
En cuanto a los indicadores económicos y financieros, se tomaron ratios basados en
ingresos operativos, total de patrimonio y total de activos, así:
Ingresos Operativos (Earnings Before Interest and Taxes EBIT): es una medida de
los beneficios de la empresa que excluye los intereses y los gastos de impuestos. Se
trata de la diferencia entre los ingresos de explotación y gastos de operación.
Ingresos Netos: son los ingresos menos los gastos de la entidad para un período
contable.
Activos Totales: representan el valor de la propiedad que se puede convertir en
dinero. Se trata de dinero y activos de valor pertenecientes a la empresa. Los activos
se pueden clasificar en tangibles e intangibles. Los primeros incluyen inventario,
edificaciones y equipos, mientras que los segundos corresponden a marcas y
patentes, los cuales proporcionan ventajas en el mercado.
Patrimonio: el demandante residual después de pagar todos los pasivos. Si la
responsabilidad excede activos, existe un valor patrimonial negativo. En un contexto
contable, representa la participación restante de los activos de una empresa,
repartidos entre los accionistas individuales de acciones ordinarias o preferentes.
Ingresos Netos/Ingresos Operativos: muestra la porción de las ganancias para un
período fiscal respecto a los beneficios del mismo período.
Ingresos Netos/Activos Totales: Este ratio relaciona la ganancia obtenida en base a
los activos que potencialmente le pueden dar beneficios a la compañía.
Ingresos Netos/Patrimonio: El ratio permite observar la relación entre las ganancias
y la garantía que puedan tener los acreedores en caso de quiebra por parte de la
compañía.
Apalancamiento (1-(Patrimonio/Activos Totales)): es la relación entre crédito y
capital invertido en una operación financiera. Al reducir el capital inicial que es
necesario aportar, se produce un aumento de la rentabilidad. El incremento del
apalancamiento también aumenta los riesgos de la operación, dado que provoca
menor flexibilidad o mayor exposición a la insolvencia.
En la Tabla 2.2, se presenta el cálculo de los ratios mencionados, mediante los cuales se
procedió a evaluar las compañías.
33
Máster en Finanzas Cuantitativas, 2012/2013
Ratios e Indicadores Loreal ENI BMW BayerCarrefour EAD GDF Suez LVMHPhilips RWESTGobain SAP Siemens ABIAños 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011 2011
Ingresos Netos 2240 6860 4881 2470 371 1033 4616 3065 226 3808 1360 2826 4458 5855EBIT 3057 17435 8006 4149 481 1696 9795 5263 1030 7681 3441 4064 6760 11780
Activos Totales 14870 60693 27100 19270 7627 8870 70720 14870 23003 11140 17420 18218 14160 37490Patrimonio 24004 142940 123420 52770 47930 88480 184660 24004 236036 29013 93008 46234 26870 112420
(Ingresos Netos/Ingresos Operativos) 0.73 0.39 0.61 0.60 0.77 0.61 0.47 0.58 0.22 0.50 0.40 0.70 0.66 0.50
(Ingresos Netos/Activos Totales) 0.15 0.11 0.18 0.13 0.05 0.12 0.07 0.21 0.01 0.34 0.08 0.16 0.31 0.16(Ingresos
Netos/Patrimonio) 0.09 0.05 0.04 0.05 0.01 0.01 0.02 0.13 0.00 0.13 0.01 0.06 0.17 0.05Apalancamientos 0.38 0.58 0.78 0.63 0.84 0.90 0.62 0.38 0.90 0.62 0.81 0.61 0.47 0.67
Tabla 2.2. Ratios e Indicadores, 2011
(Fuente: Balance Fiscal de C/U de las Compañías)
Al observar cada una de las compañías en especial las del sector energético que son:
RWE, GDF Suez y ENI, se ha seleccionado a la italiana ENI, pues si bien es cierto que es la
que tiene menos ingresos netos con respecto a los ingresos operativos y con respecto a
activos, es la que tiene menos apalancamiento lo que la lleva a tener menos riesgos
financieros que se corroboran con un buen ratio ingreso con respecto al patrimonio, lo que da
un mayor grado de solvencia si se llegase a dar una quiebra.
En cuanto al sector tecnológico se observa que Phillips tiene peores ratios en los
indicadores frente a Siemens y SAP, sobre todo en su apalancamiento. Por ello, no es tomada
a consideración en la cartera final. Por la misma razón se descartó a la francesa Carrefour.
Finalmente, y soportados en el esquema Top Down en sus tres etapa, las 10
compañías que formarán parte de la cartera son: ABI, Bayer, BMW, EAD, ENI, L´OREAL,
LVMH, SAP, SIEMENS y ST Gobain.
2.2. Estadísticos básicos sobre los rendimientos
Luego de escoger los diez activos, para cada uno de ellos se trabajó con la serie de precios
comprendida entre el 2 de enero de 2006 y el 28 de marzo de 2013. Se utilizaron los precios
ajustados, es decir, sin dividendos y con ellos se obtuvieron los estadísticos básicos que
permitan justificar las propuestas de inversión.
En primer lugar se observa que los precios hacia el final de la serie se encuentran
muy dispersos (Gráfico 2.1): en el extremo superior, LVMH y L’oreal, con alrededor de
130€ por acción, mientras que ST Gobain y ENI se cotizan en alrededor de 100€ por debajo,
34
Máster en Finanzas Cuantitativas, 2012/2013
y ENI, se mantuvo en un precio de alrededor de 17€. Por el contrario, en noviembre y
diciembre de 2008 se puede observar una concentración en la serie de precios. A primera
vista se puede observar que LVMH ha tenido cambios más drásticos que ENI, por ejemplo.
0 200 400 600 800 1000 1200 1400 1600 1800 20000
50
100
150
tiempo / días
prec
io a
just
ado
(sin
div
iden
dos)
BayerBMW
Siemens
SAP
LorealLVMH
STGobain
EAD
ENIABI
Gráfico 2.1. Evolución de precios, cartera seleccionada
Mientras que las acciones que cotizan más alto, como LVMH y L’oreal, podrían
parecer más exitosas, para evaluar correctamente el desempeño de una acción es necesario
analizar sus rendimientos. Para el efecto se han calculado los rendimientos continuos de cada
activo. Los gráficos 2.2 y 2.3 muestran los rendimientos continuos de cada activo en función
del tiempo. Aquí es interesante notar que la volatilidad no es constante, y que en la mayoría
de las empresas escogidas se observa un crecimiento de volatilidad en los meses de
noviembre y diciembre de 2008, período que corresponde con la concentración de precios
que se anotó anteriormente. En las empresas alemanas, entre el 25 de julio de 2008 y el 15 de
agosto del mismo año, se observa un período de días con rendimientos nulos, debido a que
en dichos días no hubo transacciones.
35
Máster en Finanzas Cuantitativas, 2012/2013
0 200 400 600 800 1000 1200 1400 1600 1800
-0.2
0
0.2
Bayer
0 200 400 600 800 1000 1200 1400 1600 1800
-0.2
0
0.2
BMW
0 200 400 600 800 1000 1200 1400 1600 1800
-0.2
0
0.2
Siemens
0 200 400 600 800 1000 1200 1400 1600 1800
-0.2
0
0.2
SAP
0 200 400 600 800 1000 1200 1400 1600 1800
-0.2
0
0.2
Loreal
Gráfico 2.2. Evolución de rendimientos, cartera seleccionada
0 200 400 600 800 1000 1200 1400 1600 1800
-0.2
0
0.2
LVMH
0 200 400 600 800 1000 1200 1400 1600 1800
-0.2
0
0.2
STGobain
0 200 400 600 800 1000 1200 1400 1600 1800
-0.2
0
0.2
EAD
0 200 400 600 800 1000 1200 1400 1600 1800
-0.2
0
0.2
ENI
0 200 400 600 800 1000 1200 1400 1600 1800
-0.2
0
0.2
ABI
Gráfico 2.3. Evolución de rendimientos, cartera seleccionada
36
Máster en Finanzas Cuantitativas, 2012/2013
Para cada una de estas series de precios se obtuvo la media aritmética de sus
variaciones, que se puede interpretar como el rendimiento esperado de una acción. Para
compararla con las tasas de interés de los mercados financieros, se expresa como
rendimiento anualizado como lo indica la siguiente fórmula:
Este dato es interesante porque muestra el desempeño durante todo el período en
cuestión, y no sólo en un instante. El resultado se puede ver en la primera columna de la
Tabla 2.3.
Rend. Esp. Vol. Rend. Min. Rend. Max. Sesgo Curtosis Bayer 0.1384 0.2871 -0.1326 0.2539 1.0073 21.5591 BMW 0.1215 0.3289 -0.1413 0.1382 0.1266 6.9913 Siemens 0.0481 0.3016 -0.1872 0.2156 -0.0664 16.2792 SAP 0.0862 0.2395 -0.1792 0.1237 -0.3912 16.8581 Loreal 0.1175 0.2365 -0.0937 0.1374 0.2587 8.9235 LVMH 0.1042 0.2893 -0.1194 0.1214 0.1244 8.0152 STGobain -0.043 0.386 -0.1624 0.1703 0.0672 8.0059 EAD 0.0429 0.3759 -0.3055 0.1221 -0.9119 15.3495 ENI 0.0133 0.2513 -0.1014 0.1616 0.6122 14.5359 ABI 0.1209 0.2934 -0.3182 0.1167 -2.5181 34.9123
Tabla 2.3. Evolución de rendimientos, cartera seleccionada
Las compañías con rendimiento esperado anualizado más alto son Bayer, con
13.84%, BMW, con 12.15%, y ABI, con 12.09%. Las compañías menos atractivas en este
aspecto fueron ST.Gobain, con un rendimiento negativo de 4.3%, ENI, con 1.33%. y EAD
con 4.29%. En la tercera y cuarta columna se muestran los rendimientos diarios mínimos y
máximos de cada serie. Se puede ver que aunque Siemens tuvo el segundo rendimiento
máximo más alto, no figura entre las de mayor rendimiento esperado. Por otro lado, aunque
ABI tuvo la baja más fuerte, 31.82%, figura entre las 3 más atractivas por su rendimiento
esperado anualizado. Por consiguiente, es muy importante considerar otros factores más
detallados.
37
Máster en Finanzas Cuantitativas, 2012/2013
La volatilidad indica qué tan rápido puede cambiar el precio en un período
determinado. Para el caso, primero se calculó la volatilidad histórica, día a día, con el fin de
observar su evolución en el tiempo. Para ello, se utilizó una ventana deslizante de 20 días, y
la volatilidad se calculó como la desviación típica de los rendimientos diarios en esa ventana,
y se expresó de forma anualizada. La evolución de la volatilidad anualizada para los
diferentes activos se puede observar en el Gráfico 2.4. La compañía con menor volatilidad es
L’oreal (23.7%), con lo cual podría resultar atractiva para un inversor adverso al riesgo.
Llaman también la atención STGobain (38%), y EAD (37.6%). STGobain fue la que más
bajo rendimiento registró, y al mismo tiempo tuvo el mayor riesgo. Sin embargo, es
importante hacer notar que una volatilidad alta en los precios históricos de un activo no
implica necesariamente bajos rendimientos, ya que vemos que BMW tuvo una volatilidad de
33%.
0 500 1000 15000
0.5
1
1.5Bayer
0 500 1000 15000
0.5
1
1.5BMW
0 500 1000 15000
0.5
1
1.5Siemens
0 500 1000 15000
0.5
1
1.5SAP
0 500 1000 15000
0.5
1
1.5Loreal
0 500 1000 15000
0.5
1
1.5LVMH
0 500 1000 15000
0.5
1
1.5STGobain
0 500 1000 15000
0.5
1
1.5EAD
0 500 1000 15000
0.5
1
1.5ENI
0 500 1000 15000
0.5
1
1.5ABI
Volatilidades ventana deslizante de20 días
Gráfico 2.4. Volatilidades ventanas deslizantes de 20 días
De otra parte, para construir una cartera bien diversificada, es necesario escoger
activos con un mínimo de correlación. En la Tabla 2.4, se puede observar que la mayor
correlación es de 0.70 entre Siemens y STGobain. Mediante el programa de MATLAB del
anexo 1, es posible escoger diferentes combinaciones de activos y encontrar
automáticamente la máxima correlación y los activos que la tienen.
38
Máster en Finanzas Cuantitativas, 2012/2013
Bayer BMW Siemens SAP Loreal LVMH STGobain EAD ENI ABI Bayer 1 0.4677 0.5227 0.4358 0.4810 0.4980 0.4987 0.3355 0.5502 0.2651 BMW 0.4677 1 0.6297 0.4646 0.4895 0.6641 0.6554 0.4775 0.5486 0.2995 Siemens 0.5227 0.6297 1 0.5934 0.5649 0.6709 0.7035 0.5102 0.6613 0.2681 SAP 0.4358 0.4646 0.5934 1 0.4625 0.5385 0.5282 0.4085 0.5232 0.1831 Loreal 0.4810 0.4895 0.5649 0.4625 1 0.6228 0.5607 0.4082 0.5361 0.3080 LVMH 0.4980 0.6641 0.6709 0.5385 0.6228 1 0.6903 0.5053 0.6098 0.3450 STGobain 0.4987 0.6554 0.7035 0.5282 0.5607 0.6903 1 0.4964 0.6368 0.2992 EAD 0.3355 0.4775 0.5102 0.4085 0.4082 0.5053 0.4964 1 0.4340 0.2056 ENI 0.5502 0.5486 0.6613 0.5232 0.5361 0.6098 0.6368 0.4340 1 0.3080 ABI 0.2651 0.2995 0.2681 0.1831 0.3080 0.3450 0.2992 0.2056 0.3080 1
Tabla 2.4. Matriz Correlaciones, cartera seleccionada.
En cuanto a la distribución, en la Tabla 2.5, se pueden observar las medidas de
sesgo, curtosis y el estadístico de bondad de ajuste Jarque-Bera. Los activos que tienen sesgo
positivo tienen distribuciones con una cola larga hacia la derecha, y su moda es menor a su
media. Esto significa que las pérdidas pequeñas son frecuentes, y hay una probabilidad
pequeña de obtener ganancias fuertes. Los activos que tienen sesgo negativo tienen
distribuciones con una cola larga hacia la izquierda, y su moda es mayor a su media. Son
atractivos desde el punto de vista que su moda es mayor a su media, por lo que las pequeñas
ganancias son frecuentes. Por ejemplo, vemos que ABI tiene un sesgo fuerte, -2.5, y se
coloca en tercer lugar en cuanto a rendimiento esperado.
Activo Jarque Vera p-valor sesgo kurtosisABI 87315,2 0 -2,63 36,84
Bayer 27406,6 0 1 22,07
BMW 1234,7 0 0,13 7,06
EAD 12314,1 0 -1 15,7
LOREAL 2824,3 0 0,27 9,14
LVMH 1897,3 0 0,12 8,04
SAP 14970,8 0 -0,43 17,15
Siemens 13970,2 0 -0,86 16,7
ENI 10539,7 0 0,62 14,83
St Gobain 2001,37 0 0,06 8,18
Tabla 2.5. Estadísticos de normalidad
La curtosis es una medida de qué tan pronunciado es el pico de una distribución.
Otra forma de interpretarlo es según el grosor de sus colas. Una curtosis mayor indica que
una mayor proporción de la varianza de una distribución se puede explicar como el resultado
39
Máster en Finanzas Cuantitativas, 2012/2013
de desviaciones grandes infrecuentes, y no por desviaciones pequeñas frecuentes. Se observa
que todos los activos son leptocúrticos, todos los activos tiene una curtosis mayor a 3. Ver
también gráficos 2.5 y 2.6. Con lo anterior se concluye que las distribuciones no son
normales.
No obstante, para el análisis del siguiente apartado y teniendo en cuenta que las
series de rendimientos presentaron datos que causaban sesgo estadístico, se procedió de la
siguiente forma para minimizar el efecto de estos datos: a) se determinó un extremo superior
e inferior, correspondiente a 4 veces la desviación típica; b) se identificaron los datos que
estaban fuera de este rango y se marcaron como Outliers; y, c) los Outliers se reemplazaron
con el promedio de los datos anterior y posterior.
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.250
200
400Bayer
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.250
200
400BMW
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.250
200
400Siemens
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.250
200
400SAP
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.250
200
400Loreal
Gráfico 2.5. Distribución de los rendimientos
40
Máster en Finanzas Cuantitativas, 2012/2013
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.250
200
400LVMH
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.250
200
400STGobain
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.250
200
400EAD
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.250
200
400ENI
-0.25 -0.2 -0.15 -0.1 -0.05 0 0.05 0.1 0.15 0.2 0.250
200
400ABI
Gráfico 2.6. Distribución de los rendimientos
2.3. Los modelos
Un proceso estocástico es estacionario si las raíces del polinomio representativo están fuera
del círculo unitario complejo. Cuando se trata de capturar el comportamiento de una serie de
tiempo a través de modelos ARMA y GARCH, es deseable que el proceso sea estacionario,
pues de lo contrario la varianza y la media tienden a infinito. Por tanto, para ajustar un
modelo que represente el movimiento de la serie y mediante el cual se puedan hacer
pronósticos sobre sus posibles valores futuros, es requisito que la serie esté exenta de raíces
unitarias.
De acuerdo con lo visto en la sección anterior, el comportamiento de los precios de
los activos escogidos presenta tendencia, aunque no determinista en algunos casos, pues esta
evoluciona a través del tiempo. En algunos de ellos se puede apreciar la presencia de
heterocedasticidad y como es común en las series de precios de las acciones no se observa
estacionalidad, pues no existe razón para que los precios de estos activos tengan un
comportamiento repetitivo especial.
41
Máster en Finanzas Cuantitativas, 2012/2013
Con simple análisis visual se puede determinar que las series no son estacionarias,
sin embargo se calculó para todas el test de Dickey-Fuller Aumentado (ADF), el cual
presenta como hipótesis nula la presencia de raíz unitaria (Ho: presencia de raíz unitaria). De
acuerdo con el estadístico obtenido, efectivamente, no se puede rechazar la existencia de raíz
unitaria en el polinomio característico de la serie (Tabla 2.6).
Activos Series H0 Criterio Estadistico p-valor DecisionPrecios 0,10 0,97 no se rechaza H0Rendimientos -38,37 0,00 Se rechaza H0Precios -1,14 0,70 no se rechaza H0Rendimientos -44,24 0,00 Se rechaza H0Precios -0,49 0,89 no se rechaza H0Rendimientos -39,75 0,00 Se rechaza H0Precios -1,18 0,68 no se rechaza H0Rendimientos -42,28 0,00 Se rechaza H0Precios -0,62 0,86 no se rechaza H0Rendimientos -33,35 0,00 Se rechaza H0Precios -0,35 0,91 no se rechaza H0Rendimientos -26,37 0,00 Se rechaza H0Precios -0,37 0,91 no se rechaza H0Rendimientos -40,07 0,00 Se rechaza H0Precios -1,89 0,34 no se rechaza H0Rendimientos -41,55 0,00 Se rechaza H0Precios -1,63 0,09 no se rechaza H0Rendimientos -19,37 0,00 Se rechaza H0Precios -1,28 0,64 no se rechaza H0Rendimientos -42,42 0,00 Se rechaza H0St Gobain Existe raiz
unitaria|T|≤2
SIEMENS Existe raiz unitaria
|T|≤2
ENI Existe raiz unitaria
|T|≤2
LVMH Existe raiz unitaria
|T|≤2
SAP Existe raiz unitaria
|T|≤2
EAD Existe raiz unitaria
|T|≤2
LOREAL Existe raiz unitaria
|T|≤2
BMW Existe raiz unitaria
|T|≤2
Existe raiz unitaria
|T|≤2ABI
Bayer Existe raiz unitaria
|T|≤2
Tabla 2.6. Pruebas de raíz unitaria (test de Dickey-Fuller)
De acuerdo con lo visto se decidió trabajar la serie en logaritmos y con una
diferencia regular; lo primero, con el fin de corregir la posible heterocedasticidad y, además,
que al diferenciar la serie en logaritmos las cifras se aproximan al concepto de rentabilidad, y
lo segundo para buscar estabilidad en media. Los gráficos de las series así transformadas
muestran, en el período comprendido entre agosto de 2008 y febrero de 2009, un cluster de
volatilidad importante, coincidiendo precisamente con el punto álgido de la crisis financiera.
Con estos nuevos datos se calculó nuevamente el test ADF, dando como resultado el rechazo
de la hipótesis nula, confirmando que todos los procesos son estacionarios.
Con las series ya transformadas y sabiendo de cierto que siguen un proceso
estacionario, se procedió a implementar para cada una un modelo ARMA, partiendo del
análisis visual de las gráficas de autocorrelación simple y parcial. Se probaron distintas
42
Máster en Finanzas Cuantitativas, 2012/2013
alternativas, siempre verificando si los residuos mostraban ruido blanco, es decir que no
estuviesen correlacionados, pues de lo contrario aún habría estructura importante que el
modelo no estaría capturando. En general entre los diferentes modelos probados siempre se
escogió el de menor valor del test de Akaike. En la 2.7, se relaciona el mejor modelo
encontrado para cada activo.
Es importante anotar que en el caso de los activos correspondientes ABI, BMW y
L’oreal, no se puedo encontrar un modelo adecuado utilizando la serie del período completo,
razón por lo que para estas tres entidades se emplearon los datos correspondientes al período
de post crisis, es decir del primero de enero de 2009 al 28 de marzo de 2013. Al respecto,
obviamente hay que tener presente que al tomar una muestra más pequeña pues las bandas de
los autocorrelogramas se hacen más amplias (lo que Ruey Tsay (2001) denominó “large
simple curse”). Con ello, los modelos implementados para estas series son para ese período y
no se pueden hacer extensivos al período completo.
Obtenido el modelo AR, MA, o ARMA para cada serie se procedió a verificar los
residuos al cuadrado, para verificar la ausencia de heterocedasticidad condicionada,
encontrando que en todas las series con excepción de EAD y L’oreal hay heterocedasticidad,
y así se comprueba mediante el test de Engle (Tabla 2.8). Lo anterior significa que mientras
para EAD y L’oreal el modelo ya implementado captura toda la estructura de la serie, no
sucede lo mismo con los demás activos par los cuales fue necesario adicionar un modelo
ARCH para capturar la estructura que aun subyace y se garanticen unos residuos ruido
blanco. En la Tabla 2.9, se presentan los modelos implementados para tal propósito.
43
Máster en Finanzas Cuantitativas, 2012/2013
Acción Modelo Coefficient Std. Error t-Statistic Prob. PeriodoC 0,001454 0,000322 4,510274 0
AR(1): (1-ΦL9) -0,093584 0,029903 -3,12956 0,0018
MA(1): (1-θL) -0,143916 0,03026 -4,756018 0
MA(1): (1-θL4) -0,083055 0,030244 -2,746172 0,0061
MA(1): (1-θL6) -0,089465 0,030273 -2,955215 0,0032
AR(1): (1-ΦL) -0,064517 0,023419 -2,754917 0,0059
MA(1): (1-θL12
) 0,048968 0,023419 2,090931 0,0367
MA(1): (1-θL11
) 0,057792 0,023377 2,472193 0,0135
MA(1): (1-θL9) -0,053014 0,023406 -2,264925 0,0236
MA(1): (1-θL3) -0,054841 0,023373 -2,346326 0,0191
AR(1): (1-ΦL) 0,065763 0,030618 2,147824 0,032
MA(1): (1-θL10
) -0,059743 0,030538 -1,956361 0,0507
MA(1): (1-θL3) -0,106899 0,030485 -3,506652 0,0005
AR(1): (1-ΦL) -0,064495 0,030577 -2,109277 0,0352
MA(1): (1-θL3) -0,06152 0,030611 -2,00974 0,0447
AR(1): (1-ΦL5) -0,081292 0,023399 -3,4741 0,0005
MA(1): (1-θL16
) 0,057247 0,023444 2,441877 0,0147
MA(1): (1-θL17
) -0,082195 0,023457 -3,504147 0,0005
MA(1): (1-θL9) -0,058806 0,023366 -2,516735 0,0119
AR(1): (1-ΦL7) 0,063249 0,02342 2,700613 0,007
MA(1): (1-θL9) -0,06297 0,023445 -2,685887 0,0073
LVMH AR(1): (1-ΦL3) -0,099433 0,030487 -3,261471 0,0011 Completo
AR(1): (1-ΦL3) -0,05015 0,024939 -2,010896 0,0443
MA(1): (1-θL4) -0,015532 0,023221 -0,66886 0,5036
EAD AR(1): (1-ΦL3) -0,071203 0,023389 -3,044297 0,0024 Completo
AR(1): (1-ΦL) -0,075136 0,026217 -2,865913 0,0042
AR(1): (1-ΦL4)
-0,022244 0,024111 -0,922579 0,3562
AR(1): (1-ΦL9) -0,026646 0,024957 -1,067657 0,2857
MA(1): (1-θL3) -0,007343 0,024382 -0,301143 0,7633
MA(1): (1-θL5) 0,00819 0,024101 0,339843 0,734
StGOBAIN
SIEMENS
ENI
SAP
L´OREAL
ABI
BAYER
BMW
Modelos en Medias
postcrisis
Completo
postcrisis
postcrisis
Completo
Completo
Completo
Completo
Tabla 2.7. Modelos ajustados para modelar la media
44
Máster en Finanzas Cuantitativas, 2012/2013
Activos H0 Criterio Estadistico p-valor Decision
Se Rechaza H0
St GobainAusencia de
Heterocedasticidad|T|≤2 55,31634 0 Se Rechaza H0
ENI Ausencia de Heterocedasticidad
|T|≤2 70,58694 0
0 Se Rechaza H0
Siemens Ausencia de Heterocedasticidad
|T|≤2 12,70805 0,0004 Se Rechaza H0
No se puede rechazar Ho
LVMH Ausencia de Heterocedasticidad
|T|≤2 7,658623 0,0057 Se Rechaza H0
LOREAL Ausencia de Heterocedasticidad
|T|≤2 0,623416 0,43
Se Rechaza H0
BMW Ausencia de Heterocedasticidad
|T|≤2 37,26392 0 Se Rechaza H0
Bayer Ausencia de Heterocedasticidad
|T|≤2 11,65806 0
EAD Ausencia de Heterocedasticidad
|T|≤2 1,152216 0,2832 No se puede rechazar Ho
Ausencia de Heterocedasticidad
|T|≤2 44,99751 Se Rechaza H00ABI
SAP Ausencia de Heterocedasticidad
|T|≤2 30,60779
Tabla 2.8. Pruebas de Engle (ARCH test)
45
Máster en Finanzas Cuantitativas, 2012/2013
Acción Modelo Coefficient Std. Error t-Statistic Prob. PeriodoC 1,18E-05 2,68E-06 4,385244 0
e2t-1 0,07484 0,013168 5,683299 0
σ2t-1 0,874884 0,019197 45,57408 0
C 5,70E-06 7,57E-07 7,533247 0
e2t-1 0,038001 0,002564 14,82078 0
σ2t-1 0,949058 0,003372 281,4637 0
C 9,33E-06 3,28E-06 2,847481 0,0044
e2t-1 0,059041 0,010417 5,667694 0
σ2t-1 0,92243 0,015047 61,30374 0
C 5,83E-06 8,93E-07 6,532553 0
e2t-1 0,033187 0,002804 11,83564 0
σ2t-1 0,944038 0,005735 164,6221 0
C 4,34E-06 7,02E-07 6,182543 0
e2t-1 0,067809 0,006613 10,25407 0
σ2t-1 0,924284 0,006498 142,2429 0
e2t-1 0,040074 0,015821 2,532878 0,0113
e2t-2 0,1106 0,033003 3,351197 0,0008
e2t-3 -0,110956 0,033349 -3,327139 0,0009
σ2t-1 0,943429 0,018768 50,26783 0
C 5,12E-06 1,15E-06 4,43748 0
e2t-1 0,073565 0,0086 8,554427 0
σ2t-1 0,920802 0,008527 107,9865 0
C 4,16E-06 1,01E-06 4,106109 0
e2t-1 0,094521 0,009557 9,88973 0
σ2t-1 0,892869 0,01079 82,7472 0
BAYER
Modelos en Varianza
ABI
ENI
StGOBAIN
LVMH
SIEMENS
SAP Completo
Completo
Completo
Completo
Completo
BMW
postcrisis
Completo
postcrisis
Tabla 2.9. Modelos ajustados para modelar la varianza condicionada
2.4. Conclusiones
Mediante la metodología Top-Down, analizando el entorno macroeconómico, sectorial y de
empresa, finalmente se encontró que en un entorno de crisis económica seguido por un
período de recuperación débil, los activos de mayor potencial para una cartera de inversión,
dentro del índice del Eurostoxx50, son Mayer, BMW, L’oreal, STgobain, ENI, ABI, EAD,
LVMH y SAP.
46
Máster en Finanzas Cuantitativas, 2012/2013
Todas las series de rendimientos de los activos escogidos presentan distribuciones no
normales. Son no estacionarias con lo que requieren transformación logarítmica para poder
ajustar sobre ellas un modelo lineal, mediante la metodología de Box-Jenkins.
En todas las series, con excepción de EAD y L’oreal, hay heterocedasticidad
condicionada, lo que significa que mientras para EAD y L’oreal el modelo implementado
mediante Box-Jenkins captura toda la estructura de la serie, no sucede lo mismo con los
demás activos par los cuales fue necesario adicionar un modelo ARCH o GARCH que
capturara la estructura que aún se presentaba en los residuos y se garantizara unos residuos
ruido blanco.
La selección del lapso de tiempo para la elaboración de un modelo que permita
evaluar el comportamiento de las acciones, debe ser de fácil adaptabilidad y versatilidad de
acuerdo con los criterios y propósitos del investigador.
No hay modelos econométricos que puedan predecir completamente el
comportamiento de los activos de una cartera, pero las herramientas cuantitativas resultan de
gran ayuda para la comprensión de la evolución y tendencia de precios y rendimientos y por
tanto para la toma de decisiones por parte de los gestores.
47
Máster en Finanzas Cuantitativas, 2012/2013
3. CARTERAS DE INVERSIÓN
En el presente capitulo se realiza un análisis de las posibles carteras de inversión eficientes
que se pueden formar con los diez activos seleccionados en el capítulo dos, en el marco de
los fundamentos del modelo de Markowitz (1952). Para tal propósito este capítulo se divide
en cinco partes: en la primera, se realiza una breve exposición del modelo de Markowitz y
sus fundamentos; en la segunda, se presentan los cálculos correspondientes a la frontera
eficiente, las carteras que la conforman y la cartera optima de mercado. Todo ello, tanto para
el periodo completo, 31 de enero de 2006 al 28 de marzo de 2013, como por sub períodos o
etapas (pre-crisis, crisis y post-crisis); en la tercera, se realiza un análisis comparativo entre
las carteras obtenidas para antes de la crisis y las carteras para el período de crisis, y se
definen restricciones para la conformación de carteras óptimas en períodos de crisis; en la
cuarta, se introducen algunas restricciones, estableciendo medidas alternativas para la
conformación de carteras; y por último, en la quinta parte, se presentan las conclusiones del
capítulo.
3.1. El modelo de Markowitz
En general, la teoría de carteras está soportada en el principio de aversión al riesgo, pues se
considera completamente razonable y natural que un inversor, ante dos alternativas que
ofrezcan la misma rentabilidad, elija siempre la de menor riego. Esto lleva implícito el hecho
de que el inversor sólo aceptará asumir mayor riesgo si recibe mayor rentabilidad.
48
Máster en Finanzas Cuantitativas, 2012/2013
El modelo de Markowitz (1952) está soportado sobre las siguientes hipótesis: a)
todos los inversores poseen las mismas expectativas subjetivas frente a la evolución de la
rentabilidad futura de los títulos; b) los inversores son racionales y adversos al riesgo; c) los
inversores consideran cada alternativa de inversión representada por una distribución de
rentabilidades y perciben como riesgo la variabilidad de los rendimientos esperados; y d) el
modelo se establece para un período de tiempo determinado.
De acuerdo con las premisas fundamentales de Markowitz, la estructuración de un
portafolio de inversiones sólo debe consultar dos medidas estadísticas de los rendimientos,
como son el valor esperado y su desviación estándar. Es decir, que la decisión debe ser
estricta función de la rentabilidad y el riesgo.
De manera general se considera que a mayor número de activos en la conformación
de un portafolio se obtiene mayor diversificación. Así, al invertir en n activos, en iguales
cantidades de capital, es posible lograr una disminución en el riesgo total de la cartera en la
medida en que n se haga más grande. A esta diversificación se le conoce como
"diversificación ingenua". El modelo de Markowitz se aparta de ella, y argumenta que la
diversificación depende de las correlaciones entre los activos, la cual es llamada
diversificación eficiente.
Una cartera es eficiente si no existe ninguna otra cartera que, para el mismo nivel de
riesgo, otorgue una mayor rentabilidad o que para la misma rentabilidad proporcione un
menor riesgo. Al conjunto de las carteras que reúnen esta condición se les denomina frontera
eficiente, pues conforman una curva que enmarca todas las posibles combinaciones que se
pueden hacer entre un determinado número de activos, al ir modificando el peso de cada uno
de ellos para determinar nuevas carteras.
Para el cálculo de la frontera eficiente Markowitz propone dos alternativas: a) dado
un riesgo se buscará la cartera que tenga la mayor rentabilidad; y b) dada una rentabilidad se
buscará la cartera que tenga el menor riesgo. Con ello, en la frontera eficiente, las carteras
cumplen dos condiciones de eficiencia: a) presentan el mínimo riesgo entre carteras de igual
rendimiento esperado, y b) son de máximo rendimiento entre carteras de igual riesgo.
49
Máster en Finanzas Cuantitativas, 2012/2013
Maximizar:
Sujeto a: = =
Minimizar:
Sujeto a:
Donde representa la rentabilidad esperada de la cartera; i y j corresponden a dos
activos de la cartera; y son los pesos que se le asignan a cada activo en el total de la
cartera; y es la desviación típica de los retornos de cada activo, interpretada como el
riesgo de desviación de la rentabilidad, y. Corresponde a la correlación entre los dos
activos.
50
Máster en Finanzas Cuantitativas, 2012/2013
3.2. Conformación de carteras
3.2.1. Período completo
Para el análisis de esta sección se tomaron los precios diarios de los activos para el período
comprendido entre el 31 de enero de 2006 y el 28 de marzo de 2013. Se realizaron los
cálculos de rendimientos medios anuales para cada activo y la matriz de varianzas y
covarianzas. Los rendimientos diarios se calcularon mediante capitalización continua:
La información de los activos para el período completo se resume en la Tabla 3.1, en
la que se presenta la matriz de varianzas y covarianzas y los rendimientos medios anuales,
los cuales se requieren para construir la frontera eficiente de Markowitz. En ella se puede ver
que las acciones de STGobain y ENI presentan rendimientos negativos en el promedio de
todo el período. Sin embargo, fueron escogidos como activos potenciales para invertir en
ellos debido al comportamiento que presentan sus precios en el período posterior a la crisis.
Activo Bayer BMW Siemens SAP Loreal LVMH STGobain EAD ENI ABIBayer 8,76% 5,18% 5,25% 3,43% 3,66% 4,79% 6,56% 4,58% 4,68% 3,13%BMW 5,18% 12,37% 7,18% 4,13% 4,19% 7,08% 9,58% 6,83% 5,24% 3,70%Siemens 5,25% 7,18% 10,25% 4,58% 4,37% 6,56% 9,32% 6,47% 5,63% 3,37%SAP 3,43% 4,13% 4,58% 6,17% 2,72% 4,00% 5,33% 4,05% 3,36% 1,95%Loreal 3,66% 4,19% 4,37% 2,72% 5,96% 4,56% 5,63% 4,09% 3,50% 2,89%LVMH 4,79% 7,08% 6,56% 4,00% 4,56% 9,20% 8,69% 6,30% 4,98% 4,02%STGobain 6,56% 9,58% 9,32% 5,33% 5,63% 8,69% 17,42% 8,42% 7,08% 4,81%EAD 4,58% 6,83% 6,47% 4,05% 4,09% 6,30% 8,42% 15,50% 4,62% 3,26%ENI 4,68% 5,24% 5,63% 3,36% 3,50% 4,98% 7,08% 4,62% 7,40% 3,26%ABI 3,13% 3,70% 3,37% 1,95% 2,89% 4,02% 4,81% 3,26% 3,26% 10,25%R anual 10,70% 11,11% 5,94% 8,27% 10,31% 9,60% -5,05% 7,28% -1,98% 20,91%
Tabla 3.1. Varianza, covarianzas y rentabilidad media (período completo)
Para el cálculo de la cartera óptima tangencial a la “Capital Allocation Line” (CAL),
se empleó como tasa libre de riesgo el rendimiento de los bonos del tesoro alemán. Al
respecto, considerando que para marzo 28 de 2013 dicha tasa era del -0,03%, se colocó 0%.
Con esta información se calculó la frontera eficiente, conformada por 30 carteras,
para el período de las post-crisis (Gráfico 3.1), en la que se aprecia que los activos
correspondientes a Siemens, EAD, BMW y STGobain quedan por fuera de esta frontera,
51
Máster en Finanzas Cuantitativas, 2012/2013
básicamente por la elevada volatilidad que presentan en relación con su rentabilidad, pues
esta última es similar a la de otros activos con menor volatilidad.
También se destaca que la relación entre riesgo y rentabilidad de ABI la coloca sobre
la frontera de eficiencia, lo que en términos generales la muestra como un activo dominante
en la conformación de las carteras, dentro de este grupo de activos.
Las carteras correspondientes a dicha frontera se relacionan en la Tabla 3.2. La
composición de las carteras confirma lo visto en el gráfico de la frontera eficiente, dejando
por fuera de todas las carteras a BMW, EAD y STGobain. No obstante, también quedan por
fuera Siemens y LVMH debido a una relación no eficiente entre rentabilidad y riesgo, frente
a los demás activos, lo cual no es perceptible a simple vista. En tanto que si se incluye ENI,
que registra rentabilidad media negativa.
0.15 0.2 0.25 0.3 0.35 0.4 0.45-0.1
-0.05
0
0.05
0.1
0.15
0.2
0.25
0.3
Risk (Standard Deviation)
Exp
ecte
d R
etur
n
Optimal Capital Allocation
Bayer BMW
Siemens
SAP
LorealLVMH
STGobain
EAD
ENI
ABI
Optimal Overall Portfolio
Optimal Risky Portfolio
Gráfico 3.1. Frontera eficiente, formación de carteras (período completo)
52
Máster en Finanzas Cuantitativas, 2012/2013
Pesos de cada activo en las posibles carteras de inversiónBayer BMW Siemens SAP Loreal LVMH STGobain EAD ENI ABI
1 10,2% 19,7% 5,9% 0,0% 0,0% 34,8% 31,1% 0,0% 0,0% 0,0% 10,7% 17,4%2 10,5% 19,7% 6,5% 0,0% 0,0% 35,0% 31,5% 0,0% 0,0% 0,0% 8,6% 18,4%3 10,9% 19,8% 7,1% 0,0% 0,0% 35,2% 31,8% 0,0% 0,0% 0,0% 6,6% 19,3%4 11,3% 19,8% 7,7% 0,0% 0,0% 35,3% 32,1% 0,0% 0,0% 0,0% 4,6% 20,2%5 11,6% 19,8% 8,3% 0,0% 0,0% 35,5% 32,4% 0,0% 0,0% 0,0% 2,5% 21,2%6 12,0% 19,9% 8,9% 0,0% 0,0% 35,7% 32,8% 0,0% 0,0% 0,0% 0,5% 22,1%7 12,4% 19,9% 8,9% 0,0% 0,0% 34,3% 32,0% 0,0% 0,0% 0,0% 0,0% 24,8%8 12,8% 20,1% 8,8% 0,0% 0,0% 32,4% 30,9% 0,0% 0,0% 0,0% 0,0% 28,0%9 13,1% 20,2% 8,6% 0,0% 0,0% 30,5% 29,7% 0,0% 0,0% 0,0% 0,0% 31,2%
10 13,5% 20,5% 8,4% 0,0% 0,0% 28,7% 28,6% 0,0% 0,0% 0,0% 0,0% 34,3%11 13,9% 20,7% 8,2% 0,0% 0,0% 26,8% 27,5% 0,0% 0,0% 0,0% 0,0% 37,5%12 14,2% 21,0% 8,0% 0,0% 0,0% 24,9% 26,3% 0,0% 0,0% 0,0% 0,0% 40,7%13 14,6% 21,4% 7,9% 0,0% 0,0% 23,0% 25,2% 0,0% 0,0% 0,0% 0,0% 43,9%14 15,0% 21,8% 7,7% 0,0% 0,0% 21,2% 24,1% 0,0% 0,0% 0,0% 0,0% 47,1%15 15,3% 22,2% 7,5% 0,0% 0,0% 19,3% 22,9% 0,0% 0,0% 0,0% 0,0% 50,3%16 15,7% 22,7% 7,3% 0,0% 0,0% 17,4% 21,8% 0,0% 0,0% 0,0% 0,0% 53,5%17 16,1% 23,2% 7,1% 0,0% 0,0% 15,6% 20,7% 0,0% 0,0% 0,0% 0,0% 56,6%18 16,5% 23,7% 7,0% 0,0% 0,0% 13,7% 19,5% 0,0% 0,0% 0,0% 0,0% 59,8%19 16,8% 24,3% 6,8% 0,0% 0,0% 11,8% 18,4% 0,0% 0,0% 0,0% 0,0% 63,0%20 17,2% 24,9% 6,6% 0,0% 0,0% 9,9% 17,3% 0,0% 0,0% 0,0% 0,0% 66,2%21 17,6% 25,5% 6,4% 0,0% 0,0% 8,1% 16,1% 0,0% 0,0% 0,0% 0,0% 69,4%22 17,9% 26,1% 6,2% 0,0% 0,0% 6,2% 15,0% 0,0% 0,0% 0,0% 0,0% 72,6%23 18,3% 26,8% 6,1% 0,0% 0,0% 4,3% 13,9% 0,0% 0,0% 0,0% 0,0% 75,7%24 18,7% 27,5% 5,9% 0,0% 0,0% 2,4% 12,8% 0,0% 0,0% 0,0% 0,0% 78,9%25 19,1% 28,2% 5,7% 0,0% 0,0% 0,6% 11,6% 0,0% 0,0% 0,0% 0,0% 82,1%26 19,4% 28,9% 4,9% 0,0% 0,0% 0,0% 9,5% 0,0% 0,0% 0,0% 0,0% 85,6%27 19,8% 29,6% 3,9% 0,0% 0,0% 0,0% 7,0% 0,0% 0,0% 0,0% 0,0% 89,2%28 20,2% 30,4% 2,8% 0,0% 0,0% 0,0% 4,4% 0,0% 0,0% 0,0% 0,0% 92,8%29 20,5% 31,2% 1,8% 0,0% 0,0% 0,0% 1,9% 0,0% 0,0% 0,0% 0,0% 96,4%30 20,9% 32,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 100,0%
Cartera Retorno Volatilidad
Tabla 3.2. Pesos, volatilidad y rentabilidad de las carteras (período completo)
La cartera de mínima volatilidad, 19,7% anual, con una rentabilidad de 9,5% anual,
está con formada por un 35% de SAP, 31% de L’oreal, 17% de ABI, 11% de ENI y 6% de
Bayer. Por su parte, la cartera de mayor rentabilidad, reafirma lo mencionado al analizar la
frontera eficiente, en cuanto a que ABI se mostraba como el activo dominante; las carteras
serán más rentables en la medida en que se incremente la participación de ABI y reduzca la
de los demás activos. Así, si se invirtiera todo el capital en ABI, la rentabilidad esperada
sería de 19% anual, con una volatilidad del 32%.
En cuanto a la cartera óptima de mercado, es decir la que estando ubicada en la
frontera eficiente, hace tangencia con la “Capital Allocation Line (CAL)”, presenta una
rentabilidad de 16,3%, con una volatilidad de 23,6% y está conformada por un 59% de ABI,
19% de L’oreal, 15% de SAP y 7% de Bayer. Dado que la CAL intercepta el eje de las
ordenadas en 0, se deduce que por cada unidad de riesgo asumido, se obtiene una
rentabilidad adicional del 16,3/23,6=0,69 unidades.
53
Máster en Finanzas Cuantitativas, 2012/2013
3.2.2. Período de pre-crisis
Para este período se analizaron los rendimientos de los activos observados entre el primero
de enero de 2006 hasta el 31 de julio de 2007. Tales rendimientos se calcularon mediante
logaritmos, lo que equivale a considerarlos como de capitalización continua.
En la Tabla 3.3, se muestra la información de varianzas y covarianzas, que
caracteriza al grupo de activos en el período analizado, además del rendimiento medio anual
de cada activo. Se puede ver que del grupo de activos escogidos, EAD presenta rendimientos
medio negativo, sin embargo, en el análisis correspondiente al período completo y al período
de post-crisis los rendimientos son positivos y en general el análisis fundamental
proporcionó elementos que lo muestran con un activo con potencial para considerarlo como
parte de las carteras de inversión.
Tal como en el análisis realizado para el período completo, en el cálculo de la
“Capital Allocation Line” (CAL), se empleó como tasa libre de riesgo el rendimiento de los
bonos del tesoro alemán. En particular para este período se tomó la tasa del 31 de julio de
2007, que en ese momento se encontraba en 4,36%.
Activo Bayer BMW Siemens SAP Loreal LVMH STGobain EAD ENI ABIBayer 5,33% 1,98% 2,21% 1,20% 1,73% 1,97% 2,11% 1,69% 1,22% 1,33%BMW 1,98% 4,74% 2,52% 1,75% 1,58% 2,31% 2,40% 2,39% 1,41% 1,06%Siemens 2,21% 2,52% 6,12% 2,73% 2,13% 2,78% 2,90% 3,11% 1,69% 1,23%SAP 1,20% 1,75% 2,73% 5,38% 1,44% 2,00% 2,21% 2,27% 1,10% 0,86%Loreal 1,73% 1,58% 2,13% 1,44% 3,42% 1,96% 2,14% 1,76% 1,10% 1,06%LVMH 1,97% 2,31% 2,78% 2,00% 1,96% 4,28% 2,86% 2,51% 1,54% 1,78%STGobain 2,11% 2,40% 2,90% 2,21% 2,14% 2,86% 4,82% 2,94% 1,57% 1,65%EAD 1,69% 2,39% 3,11% 2,27% 1,76% 2,51% 2,94% 10,36% 1,62% 1,46%ENI 1,22% 1,41% 1,69% 1,10% 1,10% 1,54% 1,57% 1,62% 2,39% 0,97%ABI 1,33% 1,06% 1,23% 0,86% 1,06% 1,78% 1,65% 1,46% 0,97% 4,62%R anual 27,16% 20,60% 19,50% 4,33% 21,75% 7,40% 39,69% -8,02% 10,72% 35,32%
Tabla 3.3. Varianza, covarianzas y rentabilidad media (período de pre-crisis)
En el Gráfico 3.2., se presenta la frontera eficiente, conformada por 30 carteras, para
el período de la pre-crisis, en la que se observa que los activos correspondientes a Siemens y
EAD están muy lejos de la frontera eficiente, lo que lleva a que de acuerdo con los
fundamentales de Markowitz no sean atractivos como posibles componentes de una cartera
de inversión, pues la relación rentabilidad-riesgo no es buena, comparada con los demás
activos del grupo. Al respecto es de destacar que a comienzos 2007 el conglomerado de
54
Máster en Finanzas Cuantitativas, 2012/2013
ingeniería alemán (Siemens) se vio involucrado en casos de soborno en fusiones con Nokia y
en contratos en Libia, Rusia y Nigeria, que pudieron haber generado una mayor variabilidad
en el precio de dicha acción en el mercado.
0.1 0.15 0.2 0.25 0.3 0.35-0.1
0
0.1
0.2
0.3
0.4
Risk (Standard Deviation)
Exp
ecte
d R
etur
n
Optimal Capital Allocation
Bayer
BMWSiemens
SAP
Loreal
LVMH
STGobain
EAD
ENI
ABI Optimal Overall Portfolio
Optimal Risky Portfolio
Gráfico 3.2. Frontera eficiente, formación de carteras (período de pre-crisis)
Por su parte, la holandesa EAD a mediados de 2006 intento adquirir Airbus que era,
en parte, propiedad de BAE (British Aerospace), la compañía británica en abril de ese año
colocó su Opción Put de venta de Airbus a EAD por £2.400 millones. EAD contrato la
valoración independiente del banco de inversión Rothschild y esta la valora en £1.870
millones, por debajo incluso de las previsiones de EAD. Para octubre el consorcio holandés
se había hecho con el porcentaje accionario total de Airbus y adicionalmente durante este
período el valor de Airbus había sido afectado por los retrasos de producción en su modelo
Airbus 380. El resultado de esta complicada adquisición da como resultado un rendimiento
promedio negativo para este período de las acciones de EAD de -0,10% y una volatilidad en
la acción de un 39%. Sin embargo, esta acción presenta perspectivas buenas, por lo que se
incluyó en el grupo de los diez activos, y así se corrobora en el análisis de post-crisis.
En este período, STGobain se muestra como el activo dominante, pues se ubica
sobre la frontera de eficiencia, te tal manera que en la medida en que, en una cartera, la
participación de este activo aumente a expensas de la reducción de los demás, la cartera será
más rentable. Así se confirma en la Tabla 3.4, en la que se muestra la composición, la
rentabilidad y la volatilidad de las 30 carteras con que se construyó la frontera eficiente.
55
Máster en Finanzas Cuantitativas, 2012/2013
Pesos de cada activo en las posibles carteras de inversiónBayer BMW Siemens SAP Loreal LVMH STGobain EAD ENI ABI
1 17,9% 12,8% 6,3% 5,3% 0,0% 11,0% 18,8% 0,0% 0,0% 0,0% 41,3% 17,3%2 18,7% 12,8% 6,9% 5,8% 0,0% 9,7% 19,5% 0,0% 0,0% 0,0% 39,2% 18,9%3 19,4% 12,8% 7,6% 6,3% 0,0% 8,4% 20,1% 0,0% 0,0% 0,0% 37,1% 20,5%4 20,2% 12,9% 8,1% 6,7% 0,0% 7,1% 20,6% 0,0% 0,4% 0,0% 35,1% 22,0%5 20,9% 13,0% 8,3% 6,7% 0,0% 6,1% 20,5% 0,0% 2,0% 0,0% 33,7% 22,7%6 21,7% 13,0% 8,6% 6,7% 0,0% 5,1% 20,4% 0,0% 3,6% 0,0% 32,3% 23,4%7 22,4% 13,1% 8,8% 6,6% 0,0% 4,2% 20,3% 0,0% 5,2% 0,0% 30,8% 24,1%8 23,2% 13,2% 9,0% 6,6% 0,0% 3,2% 20,2% 0,0% 6,8% 0,0% 29,4% 24,8%9 23,9% 13,4% 9,2% 6,6% 0,0% 2,2% 20,1% 0,0% 8,4% 0,0% 28,0% 25,6%
10 24,7% 13,5% 9,4% 6,6% 0,0% 1,2% 20,1% 0,0% 10,0% 0,0% 26,5% 26,3%11 25,4% 13,6% 9,6% 6,5% 0,0% 0,2% 20,0% 0,0% 11,6% 0,0% 25,1% 27,0%12 26,2% 13,8% 9,9% 6,3% 0,0% 0,0% 19,6% 0,0% 13,5% 0,0% 22,9% 27,9%13 26,9% 13,9% 10,2% 6,0% 0,0% 0,0% 19,2% 0,0% 15,3% 0,0% 20,5% 28,8%14 27,7% 14,1% 10,5% 5,7% 0,0% 0,0% 18,8% 0,0% 17,2% 0,0% 18,1% 29,8%15 28,4% 14,3% 10,7% 5,4% 0,0% 0,0% 18,4% 0,0% 19,1% 0,0% 15,7% 30,7%16 29,2% 14,5% 11,0% 5,1% 0,0% 0,0% 18,0% 0,0% 20,9% 0,0% 13,3% 31,6%17 29,9% 14,7% 11,3% 4,9% 0,0% 0,0% 17,5% 0,0% 22,8% 0,0% 10,9% 32,6%18 30,7% 14,9% 11,6% 4,6% 0,0% 0,0% 17,1% 0,0% 24,7% 0,0% 8,5% 33,5%19 31,4% 15,2% 11,9% 4,3% 0,0% 0,0% 16,7% 0,0% 26,5% 0,0% 6,2% 34,4%20 32,2% 15,4% 12,2% 4,0% 0,0% 0,0% 16,3% 0,0% 28,4% 0,0% 3,8% 35,4%21 32,9% 15,7% 12,5% 3,7% 0,0% 0,0% 15,9% 0,0% 30,3% 0,0% 1,4% 36,3%22 33,7% 15,9% 12,7% 2,7% 0,0% 0,0% 14,6% 0,0% 32,8% 0,0% 0,0% 37,3%23 34,4% 16,2% 12,7% 0,8% 0,0% 0,0% 12,1% 0,0% 36,2% 0,0% 0,0% 38,3%24 35,2% 16,5% 12,3% 0,0% 0,0% 0,0% 8,6% 0,0% 39,8% 0,0% 0,0% 39,3%25 35,9% 16,9% 11,7% 0,0% 0,0% 0,0% 4,4% 0,0% 43,6% 0,0% 0,0% 40,4%26 36,7% 17,2% 11,0% 0,0% 0,0% 0,0% 0,3% 0,0% 47,3% 0,0% 0,0% 41,5%27 37,4% 17,7% 4,9% 0,0% 0,0% 0,0% 0,0% 0,0% 53,2% 0,0% 0,0% 42,0%28 38,2% 18,4% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 62,4% 0,0% 0,0% 37,6%29 38,9% 19,8% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 81,2% 0,0% 0,0% 18,8%30 39,7% 22,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 100,0% 0,0% 0,0% 0,0%
Retorno VolatilidadCartera
Tabla 3.4. Pesos, volatilidad y rentabilidad de las carteras (período de pre-crisis)
La cartera de mínima volatilidad, 12,8% anual, con una rentabilidad de 17,9% anual,
está con formada por un 41% de ENI, 19% de L’oreal, 17% de ABI, 11% de SAP, 6% de
Bayer y 5% de BMW. Por su parte, la cartera de mayor rentabilidad, corrobora lo visto en la
frontera eficiente, en cuanto a que las carteras serán más rentables en la medida en que se
incremente la participación de STGobain y se reduzca la de los demás activos. Así, si se
invirtiera todo el capital en STGobain, la rentabilidad esperada sería de 39,7% anual, con una
volatilidad del 22%.
Por su parte, la cartera óptima de mercado, presenta una rentabilidad de 36,6%, con
una volatilidad de 17,2%, y está conformada por un 48% de STGobain, 41% de ABI, y 10%
de Bayer y 1% de L’oreal. Dado que la CAL intercepta el eje de las ordenadas en 4,36%,
se deduce que por cada unidad de riesgo asumido, se obtiene una rentabilidad adicional
de (36,6-4,36) / 1,72 = 1,87
3.2.3. Período de crisis
En este punto se analizaron los rendimientos de los activos para el período comprendido
entre el primero de agosto de 2007 y el 31 de diciembre de 2008. La información de los
activos para el período en mención se presenta en la Tabla 3.5, en la que se muestra la matriz
56
Máster en Finanzas Cuantitativas, 2012/2013
de varianzas y covarianzas y los rendimientos medios anuales calculados con logaritmos
(capitalización continua). Lo que se observa en dicha tabla no es otra cosa que la
característica principal de los resultados del mercado en el período más álgido de la crisis
económica; los retornos de los diez activos escogidos son negativos, sufriendo los menores
efectos Bayer, L’oreal y SAP.
Es importante mencionar que el comportamiento medio de las acciones
seleccionadas, es similar al del índice de referencia (eurostox-50), el cual mostro una
rentabilidad anual esperada de -40% durante el periodo de mayor impacto de la crisis. En
cuanto al riesgo de inversión, STGobain y EAD están por encima del 50% anual, y el resto
están por encima del 30%.
Activo Bayer BMW Siemens SAP Loreal LVMH STGobain EAD ENI ABIBayer 15,21% 9,85% 11,11% 7,09% 7,16% 8,64% 12,63% 9,94% 9,50% 5,32%BMW 9,85% 18,40% 12,69% 7,59% 7,63% 10,90% 15,66% 12,78% 9,57% 7,06%Siemens 11,11% 12,69% 19,50% 9,29% 8,23% 11,65% 17,32% 13,19% 11,31% 5,29%SAP 7,09% 7,59% 9,29% 10,57% 5,63% 7,45% 10,01% 7,93% 6,57% 2,77%Loreal 7,16% 7,63% 8,23% 5,63% 11,30% 8,01% 10,06% 8,79% 6,36% 4,47%LVMH 8,64% 10,90% 11,65% 7,45% 8,01% 14,61% 14,70% 11,99% 8,41% 6,45%STGobain 12,63% 15,66% 17,32% 10,01% 10,06% 14,70% 28,53% 16,90% 12,73% 7,21%EAD 9,94% 12,78% 13,19% 7,93% 8,79% 11,99% 16,90% 28,99% 8,43% 4,72%ENI 9,50% 9,57% 11,31% 6,57% 6,36% 8,41% 12,73% 8,43% 13,49% 5,79%ABI 5,32% 7,06% 5,29% 2,77% 4,47% 6,45% 7,21% 4,72% 5,79% 23,58%R anual -15,55% -37,77% -30,93% -28,01% -23,16% -32,21% -49,01% -33,96% -34,85% -39,33%
Tabla 3.5. Varianza, covarianzas y rentabilidad media (período de crisis)
En el Gráfico 3.3, se presenta la frontera eficiente, conformada por 30 carteras, para el
período de crisis, en la que se observa que las carteras de mayor eficiencia son las que
proporcionan menores pérdidas.
Para el cálculo de la “Capital Allocation Line” (CAL), se empleó como tasa libre de
riesgo el 1,61%, que era la tasa vigente el 30 de diciembre de 2008 de los bonos del tesoro
alemán. Como se observa en el gráfico, no existe punto de tangencia entre la curva de
carteras eficientes y la línea CAL, de manera que no hay cartera óptima. Con lo cual, las
carteras ya conformadas con estos activos, si la exigibilidad de recursos lo permitía, tendrían
que ser pacientes y esperar la recuperación del mercado y no precipitarse a realizar pérdidas.
En tanto que los capitales en busca de oportunidades de inversión tendrían que dirigirse
hacia los instrumentos libres de riego, ejemplo el bono alemán a un año, o crear carteras anti-
crisis en renta variable, lo cual puede ser bastante riesgoso (esto se tratará en el siguiente
punto de este capítulo).
57
Máster en Finanzas Cuantitativas, 2012/2013
0.2 0.25 0.3 0.35 0.4 0.45 0.5 0.55 0.6
-0.6
-0.5
-0.4
-0.3
-0.2
-0.1
0
0.1
Risk (Standard Deviation)
Exp
ecte
d R
etur
n
Optimal Capital Allocation
Bayer
BMW
Siemens
SAP
Loreal
LVMH
STGobain
EADENI
ABI
Optimal Overall Portfolio
Optimal Risky Portfolio
Gráfico 3.3. Frontera eficiente, formación de carteras (período de crisis)
La Tabla 3.6 muestra que las 30 carteras, en el periodo de crisis, tienen una
desviación típica media de 30.2% y una rentabilidad promedio de -28.5%. En este contexto,
y si se quisiera conformar un portafolio con dichos activos, sin restricción alguna, las
empresas que presentan mayor asignación son ABI, SAP y L’oreal. Siendo la primera de
éstas la que mayor ponderación tiene, llegando incluso a la asignación total del capital. Por
otro lado BMW, Siemens, LVMH, STGobain y EAD, no presentan asignación en ningún
escenario.
58
Máster en Finanzas Cuantitativas, 2012/2013
Pesos de cada activo en las posibles carteras de inversiónBayer BMW Siemens SAP Loreal LVMH STGobain EAD ENI ABI
1 -34,7% 26,9% 5,9% 0,0% 0,0% 34,8% 31,1% 0,0% 0,0% 0,0% 10,7% 17,4%2 -34,1% 26,9% 6,5% 0,0% 0,0% 35,0% 31,5% 0,0% 0,0% 0,0% 8,6% 18,4%3 -33,5% 26,9% 7,1% 0,0% 0,0% 35,2% 31,8% 0,0% 0,0% 0,0% 6,6% 19,3%4 -32,9% 27,0% 7,7% 0,0% 0,0% 35,3% 32,1% 0,0% 0,0% 0,0% 4,6% 20,3%5 -32,3% 27,0% 8,3% 0,0% 0,0% 35,5% 32,5% 0,0% 0,0% 0,0% 2,5% 21,2%6 -31,6% 27,1% 8,9% 0,0% 0,0% 35,7% 32,8% 0,0% 0,0% 0,0% 0,5% 22,1%7 -31,0% 27,2% 8,9% 0,0% 0,0% 34,3% 32,0% 0,0% 0,0% 0,0% 0,0% 24,8%8 -30,4% 27,3% 8,8% 0,0% 0,0% 32,4% 30,9% 0,0% 0,0% 0,0% 0,0% 28,0%9 -29,8% 27,4% 8,6% 0,0% 0,0% 30,5% 29,7% 0,0% 0,0% 0,0% 0,0% 31,2%
10 -29,2% 27,6% 8,4% 0,0% 0,0% 28,7% 28,6% 0,0% 0,0% 0,0% 0,0% 34,4%11 -28,6% 27,8% 8,2% 0,0% 0,0% 26,8% 27,5% 0,0% 0,0% 0,0% 0,0% 37,5%12 -28,0% 28,0% 8,0% 0,0% 0,0% 24,9% 26,3% 0,0% 0,0% 0,0% 0,0% 40,7%13 -27,3% 28,2% 7,9% 0,0% 0,0% 23,1% 25,2% 0,0% 0,0% 0,0% 0,0% 43,9%14 -26,7% 28,5% 7,7% 0,0% 0,0% 21,2% 24,1% 0,0% 0,0% 0,0% 0,0% 47,1%15 -26,1% 28,7% 7,5% 0,0% 0,0% 19,3% 22,9% 0,0% 0,0% 0,0% 0,0% 50,3%16 -25,5% 29,1% 7,3% 0,0% 0,0% 17,4% 21,8% 0,0% 0,0% 0,0% 0,0% 53,5%17 -24,9% 29,4% 7,1% 0,0% 0,0% 15,6% 20,7% 0,0% 0,0% 0,0% 0,0% 56,6%18 -24,3% 29,7% 7,0% 0,0% 0,0% 13,7% 19,5% 0,0% 0,0% 0,0% 0,0% 59,8%19 -23,7% 30,1% 6,8% 0,0% 0,0% 11,8% 18,4% 0,0% 0,0% 0,0% 0,0% 63,0%20 -23,0% 30,6% 6,6% 0,0% 0,0% 9,9% 17,3% 0,0% 0,0% 0,0% 0,0% 66,2%21 -22,4% 31,1% 6,4% 0,0% 0,0% 8,1% 16,2% 0,0% 0,0% 0,0% 0,0% 69,4%22 -21,8% 31,6% 6,2% 0,0% 0,0% 6,2% 15,0% 0,0% 0,0% 0,0% 0,0% 72,6%23 -21,2% 32,2% 6,1% 0,0% 0,0% 4,3% 13,9% 0,0% 0,0% 0,0% 0,0% 75,7%24 -20,6% 32,8% 5,9% 0,0% 0,0% 2,5% 12,8% 0,0% 0,0% 0,0% 0,0% 78,9%25 -20,0% 33,6% 5,7% 0,0% 0,0% 0,6% 11,6% 0,0% 0,0% 0,0% 0,0% 82,1%26 -19,4% 34,4% 4,9% 0,0% 0,0% 0,0% 9,5% 0,0% 0,0% 0,0% 0,0% 85,6%27 -18,7% 35,4% 3,9% 0,0% 0,0% 0,0% 7,0% 0,0% 0,0% 0,0% 0,0% 89,2%28 -18,1% 36,5% 2,8% 0,0% 0,0% 0,0% 4,4% 0,0% 0,0% 0,0% 0,0% 92,8%29 -17,5% 37,7% 1,8% 0,0% 0,0% 0,0% 1,9% 0,0% 0,0% 0,0% 0,0% 96,4%30 -16,9% 39,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 100,0%
Retorno VolatilidadCartera
Tabla 3.6. Pesos, volatilidad y rentabilidad de las carteras (período de crisis)
3.2.4. Período de post-crisis
En este caso se analizaron los rendimientos de los activos para el período comprendido entre
el primero de enero de 2009 y el 28 de marzo de 2013. Los rendimientos, al igual que en los
casos anteriores, se calcularon mediante capitalización continua.
La información de los activos para el período en cuestión se resume en la Tabla 3.7,
en la que se muestra la matriz de varianzas y covarianzas y los rendimientos medios anuales.
Como se muestra, a diferencia de lo registrado en el análisis de los períodos anteriores, todos
los activos presentan rentabilidad media positiva y de acuerdo con las expectativas de la
economía de los países de sus casas principales y de los sectores en que se desempeñan, se
escogieron como potenciales activos para la conformación de carteras de inversión.
Igual que en los casos anteriores, para el cálculo de la “Capital Allocation Line”
(CAL), se empleó como tasa libre de riesgo el rendimiento de los bonos del tesoro alemán.
En este caso, tal como en el análisis del período completo, teniendo en cuenta que para
marzo 28 de 2013 dicha tasa era del -0,03%, se colocó 0%.
59
Máster en Finanzas Cuantitativas, 2012/2013
Activo Bayer BMW Siemens SAP Loreal LVMH STGobain EAD ENI ABIBayer 7,92% 4,82% 4,45% 3,06% 3,22% 4,57% 6,21% 3,89% 4,39% 3,06%BMW 4,82% 13,20% 7,09% 3,85% 4,01% 7,58% 10,23% 6,50% 5,22% 3,53%Siemens 4,45% 7,09% 8,74% 3,70% 3,92% 6,28% 9,07% 5,50% 5,22% 3,50%SAP 3,06% 3,85% 3,70% 5,00% 2,23% 3,59% 4,94% 3,40% 3,14% 2,04%Loreal 3,22% 4,01% 3,92% 2,23% 5,14% 4,38% 5,45% 3,40% 3,44% 3,03%LVMH 4,57% 7,58% 6,28% 3,59% 4,38% 9,24% 8,88% 5,81% 5,12% 4,00%STGobain 6,21% 10,23% 9,07% 4,94% 5,45% 8,88% 18,45% 7,66% 7,26% 5,15%EAD 3,89% 6,50% 5,50% 3,40% 3,40% 5,81% 7,66% 12,95% 4,48% 3,41%ENI 4,39% 5,22% 5,22% 3,14% 3,44% 5,12% 7,26% 4,48% 7,26% 3,25%ABI 3,06% 3,53% 3,50% 2,04% 3,03% 4,00% 5,15% 3,41% 3,25% 7,92%R anual 14,88% 30,39% 16,58% 25,57% 19,73% 29,37% 0,79% 33,33% 7,13% 45,42%
Tabla 3.7. Varianza, covarianzas y rentabilidad media (período post-crisis)
En el Gráfico 3.4., se presenta la frontera eficiente, conformada por 30 carteras, para
el período de la post-crisis, en la que se observa que los activos correspondientes a Siemens,
LVH, BMW y STGobain están lejos de la frontera, especialmente por la elevada volatilidad
que presentan en relación con su rentabilidad, pues esta última es similar a la de otros activos
con menor volatilidad. Llama la atención, especialmente STGobain a quien se puede ver que
la crisis lo impacto de manera fuerte, pues mientras que en el período anterior a la crisis se
ubicaba sobre la frontera eficiente, ejerciendo como activo dominante para la conformación
de carteras, en este grupo de activos, el comportamiento de la post-crisis lo muestra como el
activo menos recomendado de los diez.
0.15 0.2 0.25 0.3 0.35 0.4 0.450
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
Risk (Standard Deviation)
Exp
ecte
d R
etur
n
Optimal Capital Allocation
Bayer
BMW
Siemens
SAP
Loreal
LVMH
STGobain
EAD
ENI
ABI
Optimal Overall Portfolio
Optimal Risky Portfolio
Gráfico 3.4. Frontera eficiente, formación de carteras (período post-crisis)
Tal como en el análisis del período completo, en la post-crisis, ABI se muestra como
el activo de mayor eficiencia en su relación rentabilidad-riego entre el grupo de los diez
60
Máster en Finanzas Cuantitativas, 2012/2013
activos escogidos, por lo cual será el activo dominante en cualquier combinación de carteras
que se pretenda realizar bajo el análisis de este período.
Las carteras correspondientes a la frontera calculada para el período de post-crisis se
muestran en la Tabla 3.8. Coincidiendo con lo visto en el trazado de la frontera eficiente, la
composición de las carteras deja por fuera a BMW, Siemens, LVMH y STGobain. En tanto
que ENI, de las 30 carteras calculadas, apenas registra participación en dos, y con muy baja
ponderación.
Pesos de cada activo en las posibles carteras de inversiónBayer BMW Siemens SAP Loreal LVMH STGobain EAD ENI ABI
1 25,8% 18,5% 5,8% 0,0% 0,0% 41,8% 33,7% 0,0% 0,0% 0,0% 2,2% 16,4%2 26,5% 18,5% 5,5% 0,0% 0,0% 42,5% 33,2% 0,0% 0,0% 0,2% 0,7% 18,0%3 27,2% 18,5% 4,6% 0,0% 0,0% 42,8% 32,2% 0,0% 0,0% 0,6% 0,0% 19,8%4 27,9% 18,6% 3,3% 0,0% 0,0% 43,0% 30,7% 0,0% 0,0% 1,1% 0,0% 21,9%5 28,5% 18,6% 2,1% 0,0% 0,0% 43,2% 29,2% 0,0% 0,0% 1,5% 0,0% 24,0%6 29,2% 18,7% 0,8% 0,0% 0,0% 43,4% 27,6% 0,0% 0,0% 2,0% 0,0% 26,1%7 29,9% 18,8% 0,0% 0,0% 0,0% 43,4% 25,8% 0,0% 0,0% 2,5% 0,0% 28,4%8 30,6% 18,9% 0,0% 0,0% 0,0% 43,1% 23,2% 0,0% 0,0% 2,9% 0,0% 30,8%9 31,2% 19,1% 0,0% 0,0% 0,0% 42,7% 20,7% 0,0% 0,0% 3,4% 0,0% 33,3%
10 31,9% 19,2% 0,0% 0,0% 0,0% 42,3% 18,1% 0,0% 0,0% 3,8% 0,0% 35,8%11 32,6% 19,4% 0,0% 0,0% 0,0% 42,0% 15,5% 0,0% 0,0% 4,3% 0,0% 38,2%12 33,3% 19,6% 0,0% 0,0% 0,0% 41,6% 13,0% 0,0% 0,0% 4,7% 0,0% 40,7%13 33,9% 19,9% 0,0% 0,0% 0,0% 41,2% 10,4% 0,0% 0,0% 5,2% 0,0% 43,2%14 34,6% 20,1% 0,0% 0,0% 0,0% 40,9% 7,8% 0,0% 0,0% 5,6% 0,0% 45,7%15 35,3% 20,4% 0,0% 0,0% 0,0% 40,5% 5,3% 0,0% 0,0% 6,1% 0,0% 48,1%16 36,0% 20,7% 0,0% 0,0% 0,0% 40,1% 2,7% 0,0% 0,0% 6,5% 0,0% 50,6%17 36,6% 21,0% 0,0% 0,0% 0,0% 39,8% 0,2% 0,0% 0,0% 7,0% 0,0% 53,1%18 37,3% 21,3% 0,0% 0,0% 0,0% 36,5% 0,0% 0,0% 0,0% 7,2% 0,0% 56,4%19 38,0% 21,7% 0,0% 0,0% 0,0% 33,0% 0,0% 0,0% 0,0% 7,4% 0,0% 59,7%20 38,7% 22,1% 0,0% 0,0% 0,0% 29,5% 0,0% 0,0% 0,0% 7,5% 0,0% 63,0%21 39,3% 22,6% 0,0% 0,0% 0,0% 26,0% 0,0% 0,0% 0,0% 7,7% 0,0% 66,4%22 40,0% 23,0% 0,0% 0,0% 0,0% 22,5% 0,0% 0,0% 0,0% 7,8% 0,0% 69,7%23 40,7% 23,6% 0,0% 0,0% 0,0% 19,0% 0,0% 0,0% 0,0% 8,0% 0,0% 73,1%24 41,4% 24,1% 0,0% 0,0% 0,0% 15,4% 0,0% 0,0% 0,0% 8,2% 0,0% 76,4%25 42,0% 24,7% 0,0% 0,0% 0,0% 11,9% 0,0% 0,0% 0,0% 8,3% 0,0% 79,7%26 42,7% 25,3% 0,0% 0,0% 0,0% 8,4% 0,0% 0,0% 0,0% 8,5% 0,0% 83,1%27 43,4% 26,0% 0,0% 0,0% 0,0% 4,9% 0,0% 0,0% 0,0% 8,7% 0,0% 86,4%28 44,1% 26,6% 0,0% 0,0% 0,0% 1,4% 0,0% 0,0% 0,0% 8,8% 0,0% 89,7%29 44,7% 27,3% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 5,6% 0,0% 94,4%30 45,4% 28,1% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 0,0% 100,0%
Retorno VolatilidadCartera
Tabla 3.8. Pesos, volatilidad y rentabilidad de las carteras (período post-crisis)
La cartera de mínima volatilidad, 18,5% anual, con una rentabilidad de 25,8% anual,
está con formada por un 42% de SAP, 34% de L’oreal, 16% de ABI, 6% de Bayer, y 2% de
ENI. Por su parte, la cartera de mayor rentabilidad, coincidiendo con el análisis del período
completo, corrobora lo visto en la frontera eficiente, en cuanto a que las carteras serán más
rentables en la medida en que se incremente la participación de ABI y se reduzca la de los
demás activos. Así, si se invirtiera todo el capital en ABI, la rentabilidad esperada sería de
45,4% anual, con una volatilidad del 28,1%.
61
Máster en Finanzas Cuantitativas, 2012/2013
Por su parte, la cartera óptima de mercado, presenta una rentabilidad de 37,8%, con
una volatilidad de 21,6%, y está conformada por un 59% de ABI, 34% de SAP y 7% de
EAD. Puesto que la CAL intercepta el eje de las ordenadas en 0%, se deduce que por
cada unidad de riesgo asumido, se obtiene una rentabilidad adicional de 37,8 / 21,6 =1,75
unidades.
3.3. Carteras sin y con crisis (carteras anti-crisis)
Las carteras para antes de la crisis y para el período de la crisis son diametralmente distintas,
pues en la práctica lo que se puede decir es que sin crisis todo puede ser posible, es decir, se
puede constituir carteras para ganar, para quedar igual o para perder, todo depende de la
habilidad del gestor y su visión del mercado, pero en época de crisis, y bajo condiciones
normales de inversión en renta variable, es decir apostándole a lo que parece natural que es
la variación positiva de los precios (sin considerar alternativas de venta en corto), no hay
posibilidad de ganar, pues el precio de todos los activos está cayendo.
Así, se puede ver en el Gráfico 3.5, que el mejor portafolio en tiempo de crisis es el
que menos pérdida otorga. Además como es natural, la volatilidad en períodos de crisis se
incrementa, afectando la estabilidad del portafolio.
Rentabilidad (30 carteras) Volatilidad (30 carteras)
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Pre-crisis Crisis Post-crisis
-40%
-30%
-20%
-10%
0%
10%
20%
30%
40%
50%
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Pre-crisis Crisis Post-crisis
Gráfico 3.5. Rentabilidad y volatilidad de las carteras en cada período
En este contexto, como se mencionó entes, si ya se tienen carteras en renta variable,
hay que actuar con cautela y no apresurarse a deshacerse de dichas inversiones, pues lo único
que se obtendría es la realización de las pérdidas, así que lo más prudente es esperarse hasta
que el mercado reaccione nuevamente hacia un comportamiento normal.
62
Máster en Finanzas Cuantitativas, 2012/2013
De otra parte si se está en medio de la crisis y se tiene capitales esperando
alternativas de inversión, en el entendido de que existen razones importantes, tanto a nivel de
expectativas individuales como del entorno económico, que invitan a no tener capitales
ociosos, pues éstos, aún en entornos de crisis en que el fenómeno inflacionario es menor,
están expuestos a perder poder adquisitivo, al saqueo, a la pérdida física por fenómenos
naturales o accidentes (inundaciones, incendios, etc.), o si se tienen en cuantas de bancos
estos también pueden quebrar como consecuencia de la recesión (en la crisis financiera
europea quedo claro que mantener el dinero en una cuenta bancaria generaba un riesgo
incluso mayor que las inversiones en renta variable).
En este orden de ideas, los portafolios de inversión en momentos de crisis deben
apuntar a la disminución del riesgo, la diversificación, y en general a mantener el capital
inicial, evitando ser afectados por el movimiento de los precios y la depreciación de activos.
Esta forma de actuación financiera, es conocida como inversión defensiva y aunque no se
descarta la posibilidad de ganancia, no es la prioridad.
En el análisis de inversión anti-crisis lo primero que se debe tener presente es
restringir las inversiones en los sectores asociados directamente a la crisis; en este caso
financiero e inmobiliario, tanto en Europa como en Estados Unidos, y en títulos del tesoro de
algunos países europeos. Los sectores asociados con manufactura de alimentos de consumo
masivo pueden ser una buena opción, pues en momentos de recesión el comportamiento
normal indica que las personas disminuirán el consumo en ropa, entretenimiento y cuidado
personal, asegurando la alimentación.
Adicionalmente, los bienes de lujo como obras de arte, piedras preciosas y artículos
de colección pueden ser un buen reservorio de valor. Pero presentan algunos problemas
adicionales, como el depósito o almacenamiento, sobrecostos en seguros y, el más
importante, la liquidez de este tipo de inversiones es extremadamente baja.
Todo lo anterior, obviamente bajo la hipótesis de Markowitz en la que sostiene que
los inversores son racionales y adversos al riesgo, pero siempre será posible estructurar un
portafolio, en renta variable, apostando a que los precios de algunos activos suban y otros
bajen, o que todos bajen, es decir introduciendo la posibilidad de ventas en corto, lo que
conlleva a pedir prestado el activo sobre el que se piensa que su precio va a bajar (o a seguir
bajando), venderlo al precio actual y esperar a que se deprecie para volver a comprarlo y
63
Máster en Finanzas Cuantitativas, 2012/2013
devolverlo. Pero, en general este tipo de alternativas son riesgosas, pues se está yendo en
contra de la gestión institucional; tanto la política económica gubernamental como la gestión
de las compañías están siempre encaminadas a que el comportamiento de los precios de las
acciones en el mercado sea de variación positiva, pues ello es bueno no sólo para los
tenedores del activo sino también para la sociedad en general. En épocas de crisis los
recursos públicos salen en auxilio de los mercados, buscando su pronta recuperación; por lo
que las ventas en corto son un instrumento de cuidado.
Considerando que los diez activos escogidos muestran variaciones negativas en sus
precios durante el período de crisis, se realizó un ejercicio considerando ventas en corto
sobre las acciones de ENI y STGobain, con las siguientes restricciones: a) las ventas en corto
de cada activo no pueden superar el 20% de la cartera, y b) la inversión en cada uno de los
demás activos no puede superar el 40% de la cartera.
La razón de que se haya escogido a ENI y STGobain para las ventas en corto se debe
a que estas compañías se dedican a la industria energética y al suministro de materiales para
construcción, respectivamente. En el caso de ENI, mientras la economía esté deprimida el
consumo de energéticos también lo estará, pues precisamente el consumo de energéticos es
uno de los indicadores que se usan comúnmente para verificar cómo va la economía. En el
caso de STGobain, es claro que la construcción es uno de los sectores más afectados y
mientras la burbuja de los inmobiliarios no se reduzca de manera importante, el sector
seguirá deprimido.
El ejercicio se realizó considerando rentabilidades y varianzas para el periodo
conjunto de pre-crisis y crisis, lo anterior con el fin de capturar el comportamiento de los
precios antes de la crisis, en especial para los activos sobre los que no se pretende vender en
corto.
En el Gráfico 3.6, se muestra la frontera eficiente, para un conjunto de 30 carteras,
considerando la venta en corto sobre las acciones de STGobain y ENI, obteniendo una
rentabilidad máxima de 3,69% con una volatilidad de 27,06%. En la Tabla 3.9 se muestra la
composición del portafolio óptimo. La pendiente de la CAL es (3,69-1,61)/27,1=0,08.
64
Máster en Finanzas Cuantitativas, 2012/2013
0.2 0.25 0.3 0.35 0.4 0.45-0.25
-0.2
-0.15
-0.1
-0.05
0
0.05
Risk (Standard Deviation)
Exp
ecte
d R
etur
n
Optimal Capital Allocation
Bayer
BMW
Siemens
SAP
Loreal
LVMHSTGobain
EAD
ENI
ABI
Optimal Overall Portfolio
Optimal Risky Portfolio
Gráfico 3.6. Frontera eficiente, con venta en corto (período pre-crisis y crisis)
Activo ParticipaciónBayer 40%Siemens 40%Loreal 40%STGobain -30%ENI -30%ABI 40%
Tabla 3.9. Portafolio optimo con ventas en corto
(Período pre-crisis y crisis)
3.4. Medidas alternativas para la formación de carteras
Adicional al análisis fundamental realizado en el capítulo uno, se ha considerado que es
prudente establecer una medida relacionada con el riesgo país para la diversificación
geográfica de la cartera la cual debe ser involucrada como restricción al modelo de
Markowitz, en el momento de realizar la distribución de los pesos de los activos.
Para ello se ha tomado la prima riesgo país de los países a los que pertenecen las
empresas de los activos seleccionados, en puntos básico frente al país de menor riego
(Alemania en este caso), se determina la proporción de puntos de cada país frente a la suma
de todos. Si la proporción de puntos básicos de un país está entre cero y una tercera parte del
total, cede una cuarta parte de su inversión en favor del país de menor riesgo; si la
proporción está entre una tercera parte y dos terceras partes, cede dos cuartas partes de su
65
Máster en Finanzas Cuantitativas, 2012/2013
inversión en favor del país de menor riesgo; y si la proporción está es superior a dos terceras
partes, cede tres cuartas partes de su inversión en favor del país de menor riesgo.
Los anteriores cálculos se presentan en la Tabla 3.10, en la que se observa que a
Alemania recibirá hasta el 100% de la inversión que de acuerdo con la eficiencia
rentabilidad-riego le sea asignada según el modelo de Markowitz, Francia, Alemania y
Holanda recibirán cada una hasta el 33,3% de la inversión que de acuerdo con la eficiencia
rentabilidad-riesgo le sea asignada por el modelo, y por último Italia recibirá hasta el 22% de
la inversión.
PaísRiego país
frente a alemania
% frente al total de puntos básicos
Distribución si todos
tuviesen el mismo riesgo
Distribución Final
% frente al mejor
calificado
Alemania 0 0% 20% 45% 100,0Francia 52 13% 20% 15% 33,3Holanda 31 8% 20% 15% 33,3Italia 259 63% 20% 10% 22,2Bélgica 68 17% 20% 15% 33,3Totales 410 100% 100%
Tabla 3.10. Inversión cedida por los países de mayor riego a los de menor riesgo
Las ecuaciones a optimizar serán las mismas de la sección 3.1, con la única
diferencia que se añadirán las siguientes restricciones:
Con los datos anteriores y para el período completo, se calculó la frontera eficiente,
en la que se observa que la belga ABI fue la sacrificada, pues éste activo presenta alta
66
Máster en Finanzas Cuantitativas, 2012/2013
rentabilidad y su participación se vio truncada por la prima riesgo país de Bélgica, que llevó
a que su participación fuera máximo el 33%.
Por su parte, la cartera óptima de mercado, calculada con la restricción geográfica
expuesta, presenta una rentabilidad de 12,48%, con una volatilidad de 20,5%, y está
conformada por un 33% de ABI, 32% de L’oreal, 22% de SAP, 12% de Bayer, y 1% de
BMW. A modo de comparación se recuerda que, los cálculos en el análisis del período
completo, sin esta restricción, habían arrojado la siguiente cartera óptima: rentabilidad de
14,7%, volatilidad de 23,1%, conformada por un 56% de ABI, 21% de L’oreal, 16% de SAP
y 7% de Bayer.
0.15 0.2 0.25 0.3 0.35 0.4 0.45-0.05
0
0.05
0.1
0.15
0.2
Risk (Standard Deviation)
Exp
ecte
d R
etur
n
Optimal Capital Allocation
BayerBMW
Siemens
SAP
LorealLVMH
STGobain
EAD
ENI
ABI
Optimal Overall Portfolio
Optimal Risky Portfolio
Gráfico 3.6. Frontera eficiente, con restricciones geográficas (período pre-crisis y crisis)
CAL:
3.5. Conclusiones
La construcción de portafolios de inversión es una tarea compleja y más cuando, con el fin
de mejorar los resultados, se acude a la teoría o a modelos, para a través de ellos lograr
conjuntos de carteras eficientes. En este capítulo se ha realizado precisamente esa tarea;
buscar carteras eficientes en el marco del modelo de Markovitz, y después de haber realizado
un análisis detallado en el capítulo anterior para escoger los activos con mayor potencial,
resulta un poco desconcertante que en el mejor de los casos, dentro de los escenarios
analizados, sólo se tomen cuatro activos para la cartera óptima, de un total de diez. Desde
67
Máster en Finanzas Cuantitativas, 2012/2013
luego si se incluyeran restricciones se podría aumentar el número de activos, pero ello
equivale en cierta forma a desligarse de las condiciones del modelo.
El cambio en el comportamiento de una cartera de inversión, que se ha constituido
en un entorno económico de auge, es completamente radical en medio de un entorno de
crisis y la mejor gestión en ese momento para dicha cartera es no hacer nada y esperar a que
el mercado regrese a su curso normal. Un ejemplo de ello es que en el análisis de pre-crisis
STGobain se mostraba como el activo dominante para la composición de carteras y de hecho
en la cartera óptima de dicho período es el componente con mayor peso; sin embargo, en el
análisis completo y de de post-crisis es el activo con mayor volatilidad y menor rentabilidad.
De tal manera, que si una cartera con este activo de componente principal, sale en la crisis a
deshacerse de él sufrirá perdidas de las que no se podrá recuperar.
De los activos escogidos sobresalen ABI (bebidas), L’oreal (cosméticos) y Bayer
(farmacéutica), los cuales aunque igualmente golpeados en el período de crisis, han
mantenido cierta estabilidad y así se corrobora con el hecho de que están asignados en las
carteras óptimas de los períodos de pre-crisis y post-crisis.
En general, el comportamiento del precio de las acciones de las 10 empresas
seleccionadas, presentan tendencias positivas durante el periodo de post-crisis. Vale la pena
resaltar el caso de STGobain que fue drásticamente afectado durante la crisis con una
reducción en el precio de su acción de 49,01%, y que en el periodo de estudio mas reciente
muestra un beneficio esperado de 0.79%.
Por potra parte, se evidencia un comportamiento pro-cíclico marcado en ABI y
BMW, las cuales presentaron uno de los escenarios más negativos en el periodo de crisis con
un decrecimiento anual de 39,3% y 37,7% respectivamente. Sin embargo, en el periodo Post-
crisis, están en los primeros lugares de rendimientos anuales esperados con el 45,4% y
30,39% respectivamente, e incluso por encima del promedio del Índice de referencia.
En momentos de crisis, los portafolios de inversión pasan de ser generadores de
utilidad para los inversores, a ser instrumentos de conservación del capital. Por tal razón, se
debe considerar invertir en instrumentos que proporcionen un grado de estabilidad mayor.
Tal es el caso de los instrumentos de renta fija. En el contexto especifico de la crisis europea
los bonos de gobierno del Banco Alemán. Sin embargo, es necesario considerar la inversión
68
Máster en Finanzas Cuantitativas, 2012/2013
en instrumentos de renta variable, en sectores que puedan presentar menor volatilidad en las
crisis, c
on el fin de diversificar el portafolio. En este sentido, la inversión en sectores de
consumo masivo puede sr la respuesta, ya normalmente son inelásticos a las crisis, como los
alimentos.
69
Máster en Finanzas Cuantitativas, 2012/2013
4. GESTIÓN DE CARTERAS
En el presente capítulo se lleva a cabo un análisis de las medidas de desempeño, mediante las
que comúnmente se evalúa la gestión de inversión, sobre el conjunto de carteras que se
conformaron con los diez activos del Eurostoxx50. El análisis se divide en tres secciones. En
la primera, se hace un rápida exposición sobre las medidas de desempeño más utilizadas:
VaR (con tres métodos de valoración), Tail VaR, coeficiente de volatilidad (β), ratio de
sharpe, tracking error (TE), alpha de Jensen (α) e informatión ratio (IR). En la segunda, se
realizan los cálculos de dichas medidas de performance, sobre las carteras por períodos que
se escogieron en el capítulo anterior. En la tercera, se incluye un análisis dinámico de los
ratios, con el apoyo de ventanas móviles semestrales.
4.1. Medidas de desempeño
Identificar, medir y cuantificar la gestión de una cartera y su adecuación a los objetivos de
inversión, es la función de una serie de indicadores y ratios, que muestran la relación entre la
rentabilidad obtenida y el riesgo asumido, e incluso más allá; la viabilidad en un plazo
determinado de una gestión ante eventos fortuitos.
Es importante destacar que toda cartera busca la generación de la mayor rentabilidad
posible dadas unas condiciones de entorno y de aversión al riesgo del inversionista, donde
confluyen una gran cantidad variables. De tal manera que es imposible lograr que un solo
indicador de señales completas del desempeño en el manejo de una cartera de inversión. Por
70
Máster en Finanzas Cuantitativas, 2012/2013
ello, la literatura provee de una extensa batería de indicadores para este propósito. A
continuación se exponen algunos de los más conocidos, con los que además se evaluaran las
carteras seleccionadas en el presente trabajo.
4.1.1.Value at Risk (VaR)
El Valor en Riesgo (VaR) es el percentil de la distribución de variación de la cartera
expresados en términos positivos. La medida depende de: a) el horizonte temporal: se suele
calcular en un horizonte temporal corto de 1 día; b) del percentil: cuanto menor sea el
percentil mayor será el VaR (α) debido a que corresponderá a un punto más extremo de
pérdida en la distribución de los rendimientos. Hay un nivel de confianza de que la caída del
valor no llegue a superar el VaR (1-α)
Donde ΔV es la variación del valor de la cartera, VaR el valor en riesgo y α es el
nivel de significancia.
Esta medida se puede calcular mediante tres métodos, como son simulación
histórica, estimación paramétrica y método de montecarlo:
Simulación histórica: la simulación histórica, utiliza series históricas de las variaciones
conjuntas de las acciones de la cartera, la cuales se usan como muestras de las variaciones
que podrían tener en el futuro. Con estas muestras, se elabora el histograma de valores
futuros de la cartera y se estima el VaR, al nivel de confianza que se estime conveniente.
Un aventaja importante de este método es que no usa hipótesis sobre la estructura de
la variable y se reproduce sencillamente. De igual manera, permite incorporar la no
linealidad en los rendimientos, de distribuciones no normales, y adicionalmente captura
correlaciones. Su mayor desventaja es que es muy dependiente a la serie histórica que se
posea. No es aplicable a nuevos productos, ni a mercados con poca liquidez.
Estimación Paramétrica: las variaciones de las acciones suelen tener una estructura
probabilística. Esta permite identificar cierto comportamiento subyacente a la variable que
permite detectar el riesgo.
71
Máster en Finanzas Cuantitativas, 2012/2013
Simulación de Montecarlo: se simulan posibles escenarios futuros para modelar el
comportamiento de la cartera y proyectarla a futuro. Cada simulación se comporta como una
variable normal estándar independiente. Para ajustar adecuadamente estos rendimientos se
corrigen por medio de la matriz de correlaciones de los valores de los activos y por medio de
sus volatilidades. El método presenta grandes ventajas para calcular el VaR ya que los
escenarios simulados son independientes y están correlados entre sí. La desventaja del
método es que se requiere de mucha capacidad computacional para hallar una distribución
estable.
4.1.2.Expected Shortfall (Tail VaR)
El Tail VaR con un percentil α, mide la pérdida de valor en media que se tendría,
condicionado a que las perdidas excedan el nivel de VaR(α).
Donde ΔV es la variación del valor de la cartera, VaR el valor en riesgo y α el nivel
de significancia. Con el VaR se estima la pérdida mínima que ocurre en el (1-α)% de los
peores escenarios. Mientras con el Tail VaR se mira la perdida media que se produciría en
esos peores escenarios.
4.1.3.Coeficiente de volatilidad Beta (β)
Es la variación del rendimiento de una cartera respecto a la variación del rendimiento del
mercado.
Donde Rc es el riego de la cartera, Rm es el riesgo del mercado y es la
volatilidad al cuadrado (varianza) del mercado.
β>1(Gestión Agresiva): Varían en mayor proporción al mercado.
β<1(Gestión Pasiva): Varían en menor proporción el mercado.
72
Máster en Finanzas Cuantitativas, 2012/2013
β≈1(Gestión Pasiva): Trasmite los movimientos del mercado.
-β(Gestión Refugio): Varían en sentido contrario al mercado.
4.1.4.Ratio de Sharpe
El ratio de Sharpe puede ser descrito como el retorno (recompensa), por cada unidad de
riesgo asumido. Un Ratio de Sharpe más alto significa que hay una buena combinación de
riego y retorno, en tanto que si es negativo refleja retornos negativos de la cartera.
En este caso, Rp representa el riesgo del portafolio (o cartera), el Rf es el tipo de
interés del activo libre de riego, y σp la volatilidad de la cartera.
4.1.5.Tracking Error (TE)
El Tracking Error, evalúa la dispersión de las rentabilidades de la cartera, en comparación
con las dispersiones del Benchmark, muestra que tan lejos está la cartera del rumbo que
marca el Benchmark. Este ratio acota los movimientos del gestor para evitar resultados
desastrosos.
0 a 2% de resultado indica gestión pasiva
2 a 5% de resultado indica gestión controlada
> a 5% de resultado indica gestión arriesgada
= varianza del portafolio.
= del portafolio al cuadrado.
73
Máster en Finanzas Cuantitativas, 2012/2013
= varianza del mercado.
4.1.6. Alpha de Jensen (α):
Si el valor de este ratio es positivo quiere decir que se están obteniendo retornos
excepcionales. En otras palabras, un valor positivo de Alpha significa que el gestor de la
cartera ha batido el mercado con su selección de activos.
= β de la cartera
= riego de la cartera
= rentabilidad activo libre de riesgo
= rentabilidad del mercado
4.1.7.Information Ratio (IR):
Este es descrito como la medida de destreza de un gestor de cartera. Muestra si vale la pena o
no que la gestión de la cartera se aleje del rumbo del mercado. Un ratio de información de
0,5 es bueno; de 0,75 es muy bueno y 1 es excepcional.
Donde el TE, es el tracking error.
= riego de la cartera
74
Máster en Finanzas Cuantitativas, 2012/2013
= rentabilidad del mercado
4.2. Cálculo de las medidas de desempeño
A continuación se presentan los resultados de las medidas indicadoras de desempeño
desarrolladas en el numeral anterior, tanto para el período total del análisis como para los
períodos de pre crisis, crisis y post crisis, para siete distintas carteras en cada período.
De acuerdo con el capitulo anterior, se calculó una frontera eficiente con treinta
combinaciones distintas de activos, de un grupo de diez del Eurostoxx50. Para el análisis de
desempeño de portafolios realizado en este apartado, se tomaron siete carteras de las treinta
conformadas para cada sector; además de la cartera óptima de mercado se incluyeron otras
seis buscando cubrir toda la frontera eficiente calculada, por lo cual las seis carteras,
adicionales a la óptima, corresponden a las identificadas con los números uno, seis, doce,
dieciocho, veinticuatro y treinta en el capítulo anterior, donde la cartera uno es la de menor
rentabilidad y por tanto de menor volatilidad y la cartera 30 la de mayor rentabilidad y por
tanto mayor volatilidad.
Para todos los períodos se calcularon el Ratio de Sharpe, el Information Ratio, el
Alpha de Jensen el Valor en Riesgo (VaR). Este último mediante los tres métodos ya
referenciados.
4.2.1. Período completo
Ratio de Sharpe: los cálculos de este indicador para las carteras del período comprendido
entre el 2 de enero de 2006 y el 28 de marzo de 2013, muestran de manera consistente que en
la medida en que la cartera se ubique en la parte alta de la frontera eficiente, va a lograr
mayor rentabilidad por cada unidad de riesgo adicional (Tabla 4.1.). En particular, se destaca
que tanto la cartera óptima como las demás carteras con algún grado de diversificación
presentan un rendimiento inferior a la unidad por cada unidad de aumento en el riesgo.
75
Máster en Finanzas Cuantitativas, 2012/2013
BetaTail VaR VaR Tail VaR VaR VaR
99% 4,88% 3,67% 2,67% 2,33% 4,82%95% 3,11% 2,16% 2,07% 1,65% 3,73%99% 4,81% 3,33% 2,63% 2,30% 3,55%95% 2,90% 1,92% 2,04% 1,62% 1,19%99% 4,79% 3,29% 2,69% 2,35% 0,85%95% 2,86% 1,92% 2,08% 1,66% 2,71%99% 4,64% 3,35% 2,59% 2,26% 2,12%95% 2,91% 1,99% 2,00% 1,60% 1,53%99% 4,97% 3,88% 2,72% 2,37% 4,98%95% 3,17% 2,19% 2,10% 1,68% 3,58%99% 5,70% 4,26% 3,04% 2,66% 10,42%95% 3,62% 2,40% 2,36% 1,88% 10,29%99% 7,58% 5,52% 3,53% 3,08% 5,14%95% 4,66% 2,98% 2,73% 2,18% 3,69%
0,60
0,63
0,61
0,61
0,60
0,60
0,58
0,92 19,82%
1,61 2,03 48,13%
1,14 15,93%
0,64 1,03 17,88%
1,07 12,47%
0,56 1,13 13,99%
0,62
0,62
0,48
cartera 30Otras carteras frontera eficiente
cartera 6
Cartera Optima
cartera 12
cartera 18
cartera 24
cartera 1
HistóricoNivel de Confianza
ParamétricoCartera/Ratio
0,59 0,82 21,80%
VaRAlpha de Jensen
Informatión Ratio
Ratio de Sharpe
Montecarlo
Tabla 4.1. Ratios de desempeño (período total)
La única cartera, que por cada unidad de riesgo otorga una rentabilidad mayor a la
unidad es la cartera sin diversificación (la cartera 30 está conformada por un solo activo
correspondiente a la cervecera belga), pero entonces el riego que se asume es bastante
elevado.
Information Ratio: este indicador muestra que en el caso de las carteras ubicadas en la
mitad inferior de la frontera eficiente, es ventajoso alejarse del rumbo del mercado, pero en
medida que se sigue subiendo sobre la frontera tal ventaja se va reduciendo. Sólo cuando se
observa la cartera de máxima rentabilidad se vuelve a tener una ventaja proporcional frente a
cada punto del TE, con la dificultad que representa, en este caso, la cartera 30 que es la de
estar compuesta por un solo activo.
La cartera óptima, presenta un information ratio de 0,82, el cual además de ser bueno
se combina con características de eficiencia en combinación de rentabilidad y riesgo.
Alpha de Jensen: el Alpha muestra que las carteras conformadas para este período registran
un rendimiento sistemáticamente más alto al que correspondería, de acuerdo con el nivel de
riesgo asumido, aportando valor a la cartera. Si bien la diferencia entre el retorno del
portafolio y el retorno de Euroestoxx50 es menor al Alpha, debido a que la beta de los
portafolios es menor a uno.
Como es lógico, en la medida en que se seleccionen portafolios que estén más arriba
en la curva de la frontera eficiente el Alpha de Jensen va a ser más alto, pero hay que
considerar que el precio es la exposición a un mayor riesgo. Para la cartera óptima este ratio
76
Máster en Finanzas Cuantitativas, 2012/2013
es de 21,8% y dentro de las siete carteras analizadas, sólo es superada por la de máxima
rentabilidad y mayor riesgo.
VaR-Tail VaR: el Valor en Riesgo, entendido éste como el mínimo valor de la pérdida
potencial, de los portafolios analizados con una confianza del 95% y del 98%, oscila entre
1,19% y 3,58% y entre 0,85% y 5,52%, respectivamente. En cuanto al Tail Var, que por
corresponder al promedio de los valores del percentil de significancia es más alto que el
VaR, presenta valores que van hasta el 4,66%, para el 95% de confianza, y hasta el 7,58%,
para el 99% de confianza. La cartera óptima presenta un VaR, al 95% de confianza, de entre
1,65% y 3,73%.
Por último, es necesario señalar que en los valores aportados por las medidas de
desempeño de las carteras de este período, se puede apreciar una gestión tipo value activa,
con acciones de carácter defensivo.
4.2.2. Período de pre crisis
Ratio de Sharpe: para este período, comprendido entre el 2 de enero de 2006 y el 31 de julio
de 2007, los ratios de Sharpe dan positivos lo que indica que se ha obtenido recompensa
adecuada por exposición al riego (Tabla 4.2). La cartera óptima ha generado 0,82 unidades
de beneficio por cada unidad de riesgo asumido, en tanto que la cartera 30, que es la de
mayor volatilidad y rentabilidad y que está concentrada en un solo activo (la empresa
francesa de materiales de construcción STGobain), aporta sólo un 61% de recompensa por
unidad de riesgo asumido; lo que indica que su posición de mayor riesgo específico, al sólo
tener un activo no genera mayor beneficio que la cartera óptima, que está conformada por
cuatro activos. La cartera 24, por su parte, presenta un mejor ratio que la cartera optima,
1,87. Esta última también contiene cuatro activos, dentro de los cuales STGobain y la
cervecera belga ABI participan, cada una, con el 39% del total.
Informatio Ratio: en el escenario pre-crisis, con excepción de la cartera 1, todas presentan
un ratio de información mayor a 0.5, donde incluso las cartearas 12, 18, 24, 30 y la óptima
ostentan valores de este indicador superiores a 1, lo cual habla del acierto en la conformación
de estas carteras, mostrando que valió la pena desligarse del mercado. La cartera óptima con
un indicador de 1,39 solo es superada por la 24 con 1,41. Más no así la 30 que es la de mayor
rentabilidad por riesgo asumido.
77
Máster en Finanzas Cuantitativas, 2012/2013
Tail VaR VaR Tail VaR VaR Tail VaR VaR99% 3.16% 2.72% 2.93% 2.56% 2.11%95% 2.42% 1.94% 2.27% 1.81% 1.580%99% 2.30% 1.99% 2.16% 1.88% 0.930%95% 1.71% 1.34% 1.67% 1.33% 0.69%99% 2.55% 2.07% 2.20% 1.92% 1.23%95% 1.78% 1.38% 1.70% 1.36% 0.92%99% 2.71% 2.20% 2.31% 2.02% 1.45%95% 1.92% 1.47% 1.79% 1.43% 1.04%99% 2.85% 2.42% 2.53% 2.21% 1.73%95% 2.08% 1.47% 1.96% 1.56% 1.29%99% 3.02% 2.51% 2.80% 2.45% 10.20%95% 2.28% 1.69% 2.17% 1.73% 10.15%99% 4.38% 2.37% 3.76% 3.28% 5.30%95% 3.31% 4.01% 2.91% 2.32% 3.66%
Cartera/RatioRatio de Sharpe
BetaInformatión
RatioAlpha de Jensen
VaRNivel de Confianza
Histórico Paramétrico Montecarlo
Cartera Optima 1.82 1.39 25.52%
Otras carteras frontera eficiente cartera 1 1.06 0.47 7.90%
cartera 6
0.88
0.74
0.75
0.78
0.82
0.86
1.33 0.75 11.61%
cartera 12 1.59 1.03 15.89%
cartera 30 1.61 1.26 26.49%
cartera 18 1.76 1.26 20.09%
cartera 24 1.87 1.41 24.27%
1.16
Tabla 4.2. Ratios de desempeño (período de pre-crisis)
Alpha de Jensen: en general, las carteras analizadas en este período, previo a la crisis,
muestran creación de valor. La cartera óptima registra un Alpha de 25,52%, solo superada
por la cartera 30 con un 26,49%. Esto responde al buen momento que pasaba el mercado de
valores en Europa, en especial el primer periodo de la pre-crisis.
VaR y Tail Var: en la cartera óptima, con los tres métodos de estimación, el valor en riesgo
oscila entre 2% y 2.75% con un 99% de confianza, en tanto que a un 95% de confianza el
valor está 1,5% y 2%. Lo que responde al comportamiento normal, es decir sin volatilidades
exageradas, que tenían las empresas los primeros años del denominado periodo pre - crisis.
Al respecto, es importante anotar que las 10 acciones que componen la cartera corresponden
a empresas con historia y con profundidad en el mercado pues hacen parte del Eurostoxx 50,
por lo que la estimación de estos indicadores se debe suponer mucho más precisa con el
método histórico.
Por último, en las carteras de pre-crisis, con excepción de la treinta, los betas son
menores que 1, lo que significa que la volatilidad de la cartera es inferior a la del mercado de
referencia (Eurostoxx 50), el beta de la cartera optima es 0,88 lo que la coloca como una
cartera de gestión estilo valué con una composición defensiva; lo cual es razonables pues se
trata de acciones de empresas con años de historia de cotización y de gran tamaño.
78
Máster en Finanzas Cuantitativas, 2012/2013
4.2.3. Período de crisis
Durante el periodo de crisis, los rendimientos de los 10 activos escogidos y del Eurostoxx50
fueron negativos. Por esta razón no se obtuvo cartera óptima, ya que cualquier inversión
causaría pérdida de valor. En este contexto, y a diferencia de los análisis presentados para los
demás períodos, se evaluaron los ratios de desempeño para las seis carteras distribuidas a lo
largo de la frontera eficiente, sin cartera óptima.
Ratio de Sharpe: de acuerdo con la Tabla 4.3., se observa que este ratio es negativo para las
seis carteras seleccionadas, lo que está acorde con la diferencia de rentabilidades entre las
carteras del periodo, de -25.8% en promedio, y el activo libre de riesgo de referencia
(1.61%). La cartera 30 (100% en ABI), es la que tiene mejor Ratio de Sharpe, es decir la
empresa que mayor rentabilidad (menor perdida en este caso) presenta dentro de los 10
activos, por lo que ésta resultaría ser la mejor inversión durante la crisis financiera.
MontecarloTail VaR VaR Tail VaR VaR Tail VaR
99% NaN NaN NaN NaN NaN95% NaN NaN NaN NaN NaN99% 8.22% 6.36% 2.27% 2.60% 8.2%95% 4.28% 2.44% 1.61% 2.02% 7.9%99% 7.91% 5.84% 2.31% 2.64% 6.4%95% 4.17% 2.27% 1.63% 2.04% 5.9%99% 7.45% 4.74% 2.17% 2.48% 7.6%95% 4.03% 2.58% 1.53% 1.92% 7.0%99% 6.76% 4.97% 2.27% 2.60% 7.9%95% 3.95% 2.91% 1.61% 2.01% 7.1%99% 7.42% 5.82% 2.60% 2.97% 8.3%95% 4.97% 3.43% 1.84% 2.30% 8.1%99% 9.43% 8.74% 3.08% 3.53% 10.7%95% 6.53% 4.33% 2.18% 2.73% 9.8%
0.49
0.49
0.41
-0.47
-0.08
-0.91%
2.51%cartera 30
-1.35
-1.23
-1.06
-0.87
-0.68
cartera 18
cartera 24
-15.47%
-12.91%0.08
0.26 -8.93%
-4.92%
cartera 12
Otras carteras frontera eficiente cartera 1
Cartera Optima NaN
cartera 6
NaN
0.60
0.58
0.59
0.60
0.61
0.60
Nivel de Confianza
Histórico ParamétricoVaR
Cartera/RatioRatio de Sharpe
NaN
Informatión Ratio
Alpha de Jensen
NaN
Betha (β)
Tabla 4.3. Ratios de desempeño (período de crisis)
Information Ratio: está en el rango de 0,25 – 0,50 en cuatro carteras, las cuales tienen como
promedio de TE, 25%. Con esto se puede asumir, por una parte que la estrategia es
tácticamente eficiente, y además que alejarse del índice de referencia (TE) es la mejor
opción, ya que de esta manera se disminuye el impacto del riesgo sistemático y se traslada al
comportamiento propio de las empresas.
Alpha de Jensen: se evidencia, que a pesar de una estrategia táctica aceptable (según se
observo en el Information Ratio), la destrucción absoluta de capital fue inminente, casi en
todas las carteras durante el periodo de crisis. Sin embargo, la opción de no diversificación
en la carera 30, presenta un Alpha de 2.51%.
79
Máster en Finanzas Cuantitativas, 2012/2013
VaR- Tail VaR: debido a la alta volatilidad registrada durante la crisis, en promedio, el VaR
y el Tail VaR son los más altos de todos los periodos en estudio. En cuanto a las carteras
evaluadas, la número 30 muestra indicadores de riesgo más altos, ya que toda la inversión
está concentrada en una sola empresa. Además, es importante anotar que la distancia entre el
VaR al 99% de confianza y el VaR al 95% de confianza, para el caso histórico, es más
evidente que en los métodos paramétrico y montecarlo. Lo que se explica, por la mayor
correlación que tiene el VaR histórico con las variaciones del mercado en dicho periodo.
Finalmente, las carteras seleccionadas para el período de crisis muestran una gestión
activa value, que se corrobora el observar que el beta (β) está alrededor de 0,60 en todos los
casos, de lo que además se puede deducir un comportamiento defensivo de las acciones.
4.2.4. Período de post crisis
Ratio de Sharpe: para las carteras del período de análisis comprendido entre el 2 de enero
de 2009 y el 28 de marzo de 2013, los cálculos de este indicador, a diferencia de lo que
ocurre en el análisis del período completo, no muestras una tendencia creciente en función
del mayor riego, es decir que no hay evidencia clara de que el asumir una unidad más de
riego le otorgue aumentos más que proporcionales en la rentabilidad (Tabla 4.1.). No
obstante lo anterior, se destaca que, todas las carteras presentan un rendimiento superior a la
unidad por cada unidad de aumento en el riesgo.
Information Ratio: este indicador muestra en todas las carteras presentadas seleccionadas
que ante las, aún, bajas rentabilidades presentadas por los activos que conforman el
Eurostoxx 50, como consecuencia de la crisis financiera, es ventajoso alejarse del rumbo del
mercado, considerando que ello indiscutiblemente implica mayor exposición al riesgo. De
hecho, la beta de esta cartera es de apenas 0,32.
La cartera óptima, presenta un Information Ratio de 1,85, el cual además de estar
muy bien, se combina con características de eficiencia en combinación de rentabilidad y
riesgo.
80
Máster en Finanzas Cuantitativas, 2012/2013
BetaTail VaR VaR Tail VaR VaR VaR
99% 4,51% 3,51% 3,13% 2,73% 3,76%95% 3,04% 2,12% 2,42% 1,93% 4,80%99% 3,60% 2,91% 2,85% 2,49% 2,80%95% 2,57% 1,92% 2,20% 1,76% 1,70%99% 3,62% 3,13% 2,91% 2,54% 3,65%95% 2,58% 1,90% 2,25% 1,79% 3,10%99% 3,88% 3,03% 3,00% 2,61% 3,81%95% 2,60% 1,92% 2,32% 1,85% 3,98%99% 4,42% 3,39% 3,13% 2,73% 4,67%95% 3,00% 2,09% 2,42% 1,93% 4,55%99% 5,33% 4,15% 3,25% 2,84% 10,78%95% 3,43% 2,43% 2,52% 2,01% 10,54%99% 6,66% 5,03% 3,53% 3,08% 8,87%95% 4,03% 2,74% 2,73% 2,18% 8,56%
0,57
0,54
0,32
0,59
0,57
0,57
0,56
1,71 2,07 41,05%
1,61 1,81 45,12%
28,90%
1,70 2,38 32,95%
1,75 2,28 37,00%
Cartera/RatioRatio de Sharpe
Informatión Ratio
Alpha de Jensen
VaRNivel de Confianza
Histórico Paramétrico Montecarlo
Cartera Optima 1,75 1,85 37,63%
Otras carteras frontera eficiente cartera 1
cartera 6
cartera 12
cartera 18
cartera 24
cartera 30
1,40 2,20 25,51%
1,56 2,34
Tabla 4.4. Ratios de desempeño (período de post crisis)
Alpha de Jensen: de la misma manera en que en lo analizado para los demás períodos,
excepto en el de crisis, y debido básicamente al bajo desempeño del Eurostoxx50, frente a
los activos aquí seleccionados, las carteras conformadas para este período registran un
rendimiento sistemáticamente más alto al que correspondería, de acuerdo con el nivel de
riesgo asumido, aportando valor a la cartera.
Tal como se ha visto antes, en la medida en que se escojan portafolios que estén más
arriba en la curva de la frontera eficiente, el Alpha de Jensen va a ser más alto, pero con una
exposición mayor al riesgo. Para la cartera óptima este ratio es de 21,8%.
VaR-Tail VaR: el Valor en Riesgo de los portafolios analizados para éste período, con una
confianza del 95% y del 98%, oscila entre 1,7% y 10,5% y entre 2,49% y 10,8%,
respectivamente. En cuanto al Tail Var, que por corresponder al promedio de los valores del
percentil de significancia es más alto que el VaR, presenta valores que van hasta el 4,03%,
para el 95% de confianza, y hasta el 6,66%, para el 99% de confianza. La cartera óptima
presenta un VaR, al 95% de confianza, de entre 1,93% y 4,80%.
Por último, es necesario señalar que en los valores aportados por las medidas de
desempeño de las carteras de este período, se puede apreciar una gestión tipo value activa,
con acciones de carácter defensivo.
81
Máster en Finanzas Cuantitativas, 2012/2013
4.3. Análisis dinámico a través de ventanas deslizantes.
Con el fin de realizar un análisis dinámico, se calculó el TE, el beta (β), el ratio de sharpe, el
information ratio y el alpha de Jensen (α), para periodos semestrales desde 2006 hasta 20013,
con una ventana deslizante trimestral.
Dicho análisis se realizo con las carteras óptimas, obtenidas con markovitz para cada
periodo. Por otra parte, se utilizó como activo libre de riesgo en cada período, el último dato
disponible en el histórico del bono alemán a 1 año.
De las carteras óptimas analizadas, el beta presenta su máximo nivel en el semestre
comprendido entre enero y junio de 2007 con 1,06. Esto deja ver la sobre confianza en el
mercado, que caracterizó el periodo pre-crisis. Por otra parte, durante 2008 y 2009 (periodo
de crisis), el beta estaba alrededor de 0,6, asumiendo un alejamiento significativo del
mercado. Entre octubre de 2011 y marzo de 2012 presentó un beta de 0,34, es decir, el
mínimo nivel de sensibilidad de las carteras óptimas con el mercado.
En el Gráfico 2.1, se observa que el indicador se mantuvo entre 0,4 y 1. En los
primeros semestres del período en estudio, la sensibilidad al movimiento del mercado era
muy cercana a 1, seguido de una tendencia de descenso hasta el segundo semestre de 2008.
Posterior a esto, se ha aumentado la indexación al mercado, sin embargo sigue siendo más
baja en comparación a la que se presentaba antes de la crisis.
0
0.2
0.4
0.6
0.8
1
1.2
Gráfico 4.1. Beta (β) carteras óptimas semestrales, 2006-2013
82
Máster en Finanzas Cuantitativas, 2012/2013
El Tracking Error, presento su mínimo semestral entre abril y septiembre de 2006
con un 0,12, y el máximo fue, entre octubre de 2008 y marzo de 2009, con un 0,38. Se
evidenció que este ratio, contrario al comportamiento de beta (β), aumenta al aumentar la
desconfianza sobre el mercado. Como se observa en el Gráfico 4.2, el TE aumentó
moderadamente hasta septiembre de 2008, con un salto significativo en diciembre del mismo
año. Posterior a este período de alejamiento del mercado, se ha estabilizado alrededor de
0,20, lo que muestra que la confianza sobre el mercado no está del todo normalizada.
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
Gráfico 4.2. Tracking Error (TE), carteras óptimas semestrales, 2006-2013
El Ratio de Sharpe tiene un mínimo negativo de 2,28, correspondiente al semestre
comprendido entre octubre de 2007 y marzo de 2008. Por su parte, el máximo se presentó
entre octubre de 2011 y marzo de 2012. En el Gráfico 4.3 se evidencia, que el período que
menor retorno por riesgo asumido generó, fue entre 2008 y 2009. Aunque posterior a la crisis
se han presentado picos de ratio de sharpe mayores a los de pre-crisis, el promedio sigue
estando por debajo, además de mostrar subidas y bajadas constantes, es decir, persistente
inestabilidad posterior a la crisis.
83
Máster en Finanzas Cuantitativas, 2012/2013
Gráfico 4.3. Ratio de Sharpe, carteras óptimas semestrales, 2006-2013
El Information Ratio, presento el mínimo entre octubre de 2007 y marzo de 2008 con
-2,08. El máximo fue entre octubre de 2011 y marzo de 2012. En el Gráfico 4.4, se evidencia
que el information ratio (IR) tiene un comportamiento similar al ratio de sharpe. La razón de
este comportamiento, es que este análisis se realizó con carteras óptimas. En otras palabras,
la estrategia táctica de inversión (que evalúa el IR), ha generado la ganancia máxima (o
mínima pérdida en algunos casos) por unidad de riesgo asumido.
84
Máster en Finanzas Cuantitativas, 2012/2013
Gráfico 4.4. Information Ratio (IR), carteras óptimas semestrales, 2006-2013
El Alpha de Jensen presentó un máximo de 37.73% entre octubre de 2008 y marzo
de 2009, y un mínimo de 10.81% entre abril y septiembre de 2006. Como era de esperarse,
todas las carteras óptimas presentaron alpha positivo. Como se ve en el Gráfico 4.5, los
mayores picos se presentaron justo después de los periodos de mayor caída del mercado.
Adicional, se comporta igual al TE, respondiendo a un comportamiento propio de carteras
optimas, ya que cada desviación del mercado refleja ganancia neta, o en otras palabras, se ha
batido el mercado en igual proporción a la desviación del que se ha tenido.
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
Gráfico 4.5. Alpha de Jensen (α), carteras óptimas semestrales, 2006-2013
4.4. Conclusiones
En términos generales, los indicadores de las carteras formadas en los períodos de pre-cisis y
post-crisis presentan indicadores como Sharpe y Ratio de Información superiores a uno,
mostrando incrementos en rentabilidad superiores a los incrementos en volatilidad y que vale
la pena alejarse del comportamiento del mercado de referencia, inclusive en el período de
crisis las pérdidas son menores que las del Euroestoxx50. Ello, debido a que los activos
85
Máster en Finanzas Cuantitativas, 2012/2013
escogidos otorgan rendimientos superiores al índice y a que este último se vio fuertemente
afectado por activos que aún no se han podido recuperar.
En todos los períodos de análisis los betas de las carteras siempre fueron inferiores a
0,7, lo que indica que son carteras con perfil conservador, o en otros términos son carteras
defensivas de gestión tipo value.
Los Alphas del periodo completo, pre-crisis, y post crisis, muestran un aporte de
capital significativo, destacando además el comportamiento del periodo post-crisis, con un
Alpha promedio de 35%. Por otro lado en el periodo de crisis, se observa destrucción de
capital en las primeras carteras. Sin embargo, existen escenarios de aporte de capital, aunque
éstos están en detrimento de la diversificación del portafolio, es decir asumiendo un riesgo
específico mayor.
La rentabilidad de las carteras óptimas para todos los periodos (excepto el de crisis,
donde no se asigno cartera óptima), es superior al rendimiento promedio del Benchmark. Se
destaca la rentabilidad obtenida en el período de pre-crisis y postcrisis. En el período de
crisis, el promedio de las carteras de la frontera eficiente es superior al promedio de la
rentabilidad del Eurostoxx50.
El análisis de ventas móviles muestra que en el último periodo de 2012 e inicios de
2013, ya se están presentan tendencias de estabilidad, comparándolos con el comportamiento
de 2006 y mitad de 2007. Adicional, se evidencia que los grandes periodos de volatilidad
pueden convertirse en oportunidades de generar ganancias netas mayores a los normales
(asumiendo el riesgo no diversificable); así pues, se observo que inmediatamente después de
los periodos de mayor caída, medidos por los ratios de sharpe negativos, se generaron
periodos de ganancias importantes, de hecho mayores a las que se presentaban en el periodo
pre-crisis.
Por otro lado, el análisis de ventanas móviles dejo ver las características propias de
una cartera optima, donde el TE y el Alpha de Jensen (α) resultan siendo muy similares, al
igual que el information Ratio y el Ratio de Sharp. Este análisis además resulta valido, para
periodos de volatilidad extrema (como el vivido entre 2008-2009) y de normalidad relativa
(como se presento en pre-crisis, y el último tramo del periodo post-crisis).
86
Máster en Finanzas Cuantitativas, 2012/2013
87
Máster en Finanzas Cuantitativas, 2012/2013
5. CONCLUSIONES GENERALES
En la crisis económica europea sobresale un hecho de trascendental coincidencia que
potenció la recesión; La crisis del sistema financiero encontró una institucionalidad
gubernamental con poca posibilidad de reacción para llevar a cabo políticas expansivas que
detuvieran la caída de la demanda agregada. Ello, debido básicamente a la existencia de
déficits presupuestales altos y a la inexistente discrecionalidad monetaria individual de los
países miembros de la Eurozona, que implicó la reducción drástica del gasto público y el
aumento desmesurado de la deuda pública, e incluso, en algunos países, el aumento de la
carga impositiva. Medidas que no parecieran procedentes, desde el punto de vista
económico, en medio de un entorno recesivo.
Así, al lado de la disminución del consumo y por tanto de la producción y del
empleo se encuentran unas finanzas públicas en crisis con balances presupuestarios
negativos y con sobreendeudamiento, que además de imposibilitarlas para contribuir a la
reactivación económica, las coloca como factor de potenciamiento de la crisis.
Surge, entonces, nuevamente el debate sobre la necesidad de que las finanzas
públicas estén blindadas para momentos de crisis, con la implementación de fondos anti
cíclicos que permita, a los gobiernos, cierta holgura a la hora de implementar políticas
públicas en favor de la economía, además de reglas presupuestales claras que imposibiliten
el gasto indiscriminado de los gobiernos, con el único propósito de cautivar a sus electores.
88
Máster en Finanzas Cuantitativas, 2012/2013
La selección del lapso de tiempo para la elaboración de un modelo que permita
evaluar el comportamiento de las acciones, debe ser de fácil adaptabilidad y versatilidad de
acuerdo con los criterios y propósitos del investigador.
No hay modelos econométricos que puedan predecir completamente el
comportamiento de los activos de una cartera, pero las herramientas cuantitativas resultan de
gran ayuda para la comprensión de la evolución y tendencia de precios y rendimientos y por
tanto para la toma de decisiones por parte de los gestores.
La construcción de portafolios de inversión es una tarea compleja y más cuando, con
el fin de mejorar los resultados, se acude a la teoría o a modelos, para a través de ellos lograr
conjuntos de carteras eficientes. En este capítulo se ha realizado precisamente esa tarea;
buscar carteras eficientes en el marco del modelo de Markovitz, y después de haber realizado
un análisis detallado en el capítulo anterior para escoger los activos con mayor potencial,
resulta un poco desconcertante que en el mejor de los casos, dentro de los escenarios
analizados, sólo se tomen cuatro activos para la cartera óptima, de un total de diez. Desde
luego si se incluyeran restricciones se podría aumentar el número de activos, pero ello
equivale en cierta forma a desligarse de las condiciones del modelo.
El cambio en el comportamiento de una cartera de inversión, que se ha constituido
en un entorno económico de auge, es completamente radical en medio de un entorno de
crisis y la mejor gestión en ese momento para dicha cartera es no hacer nada y esperar a que
el mercado regrese a su curso normal. Un ejemplo de ello es que en el análisis de pre-crisis
STGobain se mostraba como el activo dominante para la composición de carteras y de hecho
en la cartera óptima de dicho período es el componente con mayor peso; sin embargo, en el
análisis completo y de de post-crisis es el activo con mayor volatilidad y menor rentabilidad.
De tal manera, que si una cartera con este activo de componente principal, sale en la crisis a
deshacerse de él sufrirá perdidas de las que no se podrá recuperar.
En términos generales, los indicadores de las carteras formadas en los períodos de
pre-cisis y post-crisis presentan indicadores que invitan a alejarse del comportamiento del
mercado de referencia, inclusive en el período de crisis las pérdidas son menores que las del
Euroestoxx50. Ello, debido a que los activos escogidos otorgan rendimientos superiores al
índice y a que este último se vio fuertemente afectado por activos que aún no se han podido
recuperar.
89
Máster en Finanzas Cuantitativas, 2012/2013
6. BIBLIOGRAFÍA
Beydon, Christian (2007), “BNP Paribas Investment Partners temporaly suspends the
calculation of the Net Asset Value of the following funds: Parvest Dynamic ABS, BNP
Paribas ABS EURIBOR and BNP Paribas ABS EONIA”, Disponible en:
http://www.bnpparibas.com/en/
Bolsa de Madrid (2003). Empleo de medidas de performance en la evaluación de fondos de
inversión. Disponible en: www.bolsamadrid.es
Eurostat (2013), Government deficit/surplus, debt and associated data, Disponible en:
http://appsso.eurostat.ec.europa.eu
Garre, Antonio (2013), “Apuntes de clase, series temporales”, Centro Internacional de
Formación Financiera, Madrid, 2013
International Monetary Fund (2013), Report for select countries and subjects, Disponible en:
http://www.imf.org/
Mahia, R. (2010) “Estacionariedad de series temporales: definiciones y contrastes de raíces
Unitarias”, documento online, disponible en: www.uam.es
90
Máster en Finanzas Cuantitativas, 2012/2013
Markowitz, Harry (1952), “Portfolio Selection”, J-stor System [En línea], Disponible en:
http://links.jstor.org
Markowitz, Harry (1959), “Portfolio Selection, Efficient Diversification of investments”,
Cowles Foundation, Yale University.
Manson, Joseph R. (2007) “How resilient are mortgage backed securities to collateralized
debt obligation market disruption” Instituto Hudson, Washington D.C.
Medina, Luis Ángel (2003). “Aplicación a la teoría del portafolio en el Mercado accionario
Colombiano”, Cuadernos de Economía, numero 4772. Universidad Nacional de Colombia.
Bogotá.
Mendizábal, Alaitz (2002), “El modelo de Markowitz en la gestión de carteras”,
Universidad del País Vasco. Bilbao
Merino Juan (2013) “Apuntes de clase, teoría de carteras”, Centro Internacional de
Formación Financiera. Madrid.
Novales, Alonso (2000), Econometría segunda edición (capitulo 13: modelos de series
temporales), Mc Graw Hill, Madrid.
Peña, Daniel, (2002) “Análisis de datos multivariantes”, capitulo 9, “distribuciones
multivariantes”, Madrid, Mc Graw Hill.
Soros, George (2008), El nuevo paradigma de los mercados financieros, Taurus
Pensamiento. Madrid.
Taiwo, Juliana (2007), “FG Blacklist Siemens, Cancel contract”, Disponible en:
http://www.thisdayonline.com/nview.htm
Tsay, Ruey (2012), “comparisons between several multivariate means”, The University of
Chicago, Chicago.
91
Máster en Finanzas Cuantitativas, 2012/2013
Treaty on European Union (1992), 7 February 1992 and enters into force on 1 November
1993, Maastricht.
92