V WORSHOP Nuevas Tendencias en los Métodos de Investigación en Estrategia empresarial SECCION ESTRATEGIA. ACEDE.

Transcripción

1 ESTUDIOS DE EVENTOS V WORSHOP Nuevas Tendencias en los Métodos de Investigación en Estrategia empresarial SECCION ESTRATEGIA. ACEDE. 29 de enero de 2013

2 Esther B. del Brío González Universidad de Salamanca Profesora Titular de Economía Financiera FINANZAS DE MERCADO, GESTION DEL RIESGO, GOBIERNO CORPORATIVO 2

3 APLICACIONES DE METODOLOGIA DE EVENTOS PROPIAS Quarterly Review of Economics & Finance (información privada); Journal of Business Finance & Accounting (anuncios de inversión); European Financial Management (anuncios de dividendos) Revista Española de Financiación y Contabilidad (informes de auditoría, 1998; comparación insider trading España y UK, 2010) Estudios de eventos a corto plazo Esther del Brio. 3

4 Descripción metodológica Del Brío, ed. (2009). Manual Práctico Sobre Estudios de Eventos. Colección de Documentos de Trabajo NTDE. Farinós et al. analizan metodología de eventos a largo plazo. El efecto de un determinado evento puede perdurar durante meses e incluso años, de forma que se utilizan para ver el impacto de un determinado evento sobre el valor de la empresa, sin utilizar proxies como la Q de Tobin. Esther del Brio. 4

5 Estudios de eventos a largo plazo Proliferación de long-horizon event studies o estudios de eventos a largo plazo. Creación de carteras Buy-and-hold long horizon event studies. Más común en la literatura no financiera. España: Pastor y Martín (2001), ampliaciones de capital; Corbett, Montes-Sancho y Kirsch (2005), RSC. Kothari y Warner (1997): (i) reducir la mala especificación mediante el uso de modelos no paramétricos (bootstrap); (ii) cautela a la hora de aceptar los resultados de estos trabajos. Esther del Brio. 5

6 AGENDA 1- QUÉ ES UN EVENTO? 2- QUÉ ES UN ESTUDIO DE EVENTOS? QUÉ SON RETORNOS ANORMALES? 3- METODOLOGÍA DE EVENTOS. 4- PROBLEMAS MÁS COMUNES. 5- CONCLUSIONES [transversalmente APLICACIÓN EMPÍRICA]] Esther del Brio. 6

7 AGENDA 1- QUÉ ES UN EVENTO? 2- QUÉ ES UN ESTUDIO DE EVENTOS? QUÉ SON RETORNOS ANORMALES? 3- METODOLOGÍA DE EVENTOS. 4- PROBLEMAS MÁS COMUNES. 5- CONCLUSIONES [transversalmente APLICACIÓN EMPÍRICA]] Esther del Brio. 7

8 1- QUE ES UN EVENTO? Cuántas veces hemos oído señalar que el mercado sube o baja ante la publicación de cualquier noticia buena o mala relacionada con una determinada empresa, un determinado sector o la economía de uno o varios países? Cualquier noticia representa un evento económico y como tal afectará al precio de las acciones. Esther del Brio. 8

9 MOTIVACION. EVENTO NOTICIA REACCION MERCADO Esther del Brio. 9

10 NOTICIA = REACCION DEL MERCADO? La literatura empírica busca evidencias de esa reacción: Noticias negativas, caída de precios. No reacción? Noticias Positivas Subidas de precios. Esther del Brio. 10

11 <<Noticia mercado>> <<eficiencia>> eficiencia semifuerte eficiencia fuerte Esther del Brio. 11

12 Hipótesis de eficiencia de los mercados Pero veremos que si asumimos la hipótesis de eficiencia de los mercados, toda información debe estar ya descontada por el mercado. Por tanto no se esperaría ninguna reacción. Terreno abonado para la discusión. Esther del Brio. 12

13 La necesidad de medir la reacción del mercado ante distintos acontecimientos económicos y financieros genera la necesidad de contar con herramientas analíticas rigurosas para poder defender la validez de los resultados de nuestros estudios. Esther del Brio. 13

14 Estudios de eventos. Origen: Fama, Fisher, Jensen y Roll 1969 (anuncios de dividendos): reacción de los precios ante la publicación de información de naturaleza contable o económica (dividendos, beneficios, previsiones de analistas, información auditada, ante el anuncio de determinados acontecimientos específicos de la empresa (emisión de títulos, anuncios de inversión y desinversión, rotación directiva, tomas de control,...) o de naturaleza macroeconómica (crisis bursátiles, cambios de regulación, firma de convenios colectivos). Esther del Brio. 14

15 ESQUEMA DE LA PRESENTACIÓN 1- QUÉ ES UN EVENTO? 2- QUÉ ES UN ESTUDIO DE EVENTOS? QUÉ SON RETORNOS ANORMALES? 3- METODOLOGÍA DE EVENTOS. 4- PROBLEMAS MÁS COMUNES. 5- CONCLUSIONES [transversalmente APLICACIÓN EMPÍRICA]] Esther del Brio. 15

16 2- Qué es un Estudio de eventos? Para medir correctamente esa reacción, la metodología de eventos analiza el conocimiento del comportamiento estocástico de los precios en el momento del acaecimiento del evento y en fechas próximas, con el objeto de determinar si éstos se han visto afectados por el evento en análisis. Esther del Brio. 16

17 Filosofía de un estudio de eventos La base de estos estudios reside en estimar cuál es la rentabilidad que habría obtenido el mercado en el día del evento en caso de que éste no se hubiera producido. Compararla con la que realmente se ha producido como consecuencia del evento. Supone comparar la rentabilidad en dos periodos: evento y estimación. Esther del Brio.

18 Pero no se analiza un evento individual, sino muchos eventos de forma agregada. La agregación permite eliminar la excentricidad de algunos eventos y permite conocer la reacción sistemática del mercado. Esther del Brio. 18

19 CÓMO SE MIDE LA REACCIÓN DEL MERCADO EN GENERAL El Ibex 35 pierde un 1% en la semana debido a la incertidumbre económica y cierra por debajo de los 8,600 puntos El IBEX 35 no consigue subidas importantes a pesar de que se controla la caída de la prima de riesgo. Los mercados europeos sufren pérdidas generalizadas ante los efectos devastadores de la crisis financiera y de deuda soberana. Esther del Brio. 19

20 CÓMO SE MIDE LA REACCION DEL MERCADO EN UN ESTUDIO DE EVENTOS? No se mide para un único momento temporal, se mide para toda una serie temporal. No se mide para un único anuncio (i.e. de dividendos), se mide para todos los anuncios sobre pago de dividendos en el periodo temporal elegido. No mide la reacción puntual del mercado, mide la reacción sistemática del mercado. Esther del Brio. 20

21 IDENTIFICACION DEL EVENTO Con fecha 13 de marzo de 2012 el BBVA comunica que el día 10 de abril pagará un dividendo complementario de 0,241 /acción. Cuál es el evento: el pago del dividendo o el anuncio del pago? Cuál de las dos fechas es la fecha del evento? El día del anuncio? El día del pago? Esther del Brio. 21

22 Una vez identificado el evento, se buscan todos los eventos similares en el periodo temporal elegido. Se analizan los movimientos del mercado en los días circundantes a cada uno de ellos (los 5 días antes y los 5 días después) Se comparan esos movimientos del mercado con los que se produjeron en un periodo anterior donde no hubo evento, bastante más largo (unos 120 días) para saber si se han movido de forma igual o distinta. Si es de forma distinta se dice que el mercado ha reaccionado ante el evento. Esther del Brio. 22

23 ESQUEMA DE LA PRESENTACIÓN 1- QUÉ ES UN EVENTO? 2- QUÉ ES UN ESTUDIO DE EVENTOS? QUÉ SON RETORNOS ANORMALES? 3- METODOLOGÍA: 3.1. PREMISAS DE PARTIDA 3.2. FASES DE UN ESTUDIO DE EVENTOS. 4- PROBLEMAS MÁS COMUNES. 5- CONCLUSIONES. Esther del Brio. 23

24 3.1.- METODOLOGIA DE EVENTOS. PREMISAS DE PARTIDA. Dos principios explican por qué el conocimiento de una determinada información modifica la distribución de los precios El supuesto de expectativas racionales el supuesto de eficiencia de los mercados Esther del Brio. 24

25 Supuesto de expectativas racionales Parten del supuesto de que los agentes racionales utilizan información sobre la empresa para la toma de sus decisiones de inversión. En este sentido, cuando se producen determinados acontecimientos (eventos) en la empresa éstos generan nueva información, la cual, cuando llega al mercado, modifica la distribución de los precios de las acciones. Esther del Brio. 25

26 Supuesto de eficiencia de los mercados la reacción o ajuste de los precios se produce de forma automática e instantánea, lo que permite que en los estudios de eventos sea posible analizar la influencia de un evento en un periodo relativamente breve de tiempo (Campbell y otros, 1997). Esther del Brio. 26

27 3.2.- METODOLOGIA DE EVENTOS. FASES DEL ESTUDIO El estudio de eventos se estructura en tres fases fundamentales: (i) Diseño del estudio: identificar el evento y seleccionar periodos de evento y de estimación; (ii) Cálculo de los retornos anormales, medida que recoge la reacción del mercado ante el evento informativo, (iii) Contraste de hipótesis; comprobar que la reacción sea estadísticamente significativa. Esther del Brio. 27

28 Fase I: Diseño del estudio Definición del evento, establecimiento de la fecha del evento y determinación de la ventana y el periodo del evento y el periodo de estimación. Aislamiento del evento. Establecimiento de los criterios de selección para la inclusión de un determinado evento en la muestra. Filtros. Esther del Brio. 28

29 Fase II: Cálculo de los retornos anormales Selección de una medición de los rentabilidad normal y de modelo de generación de retornos anormales. Cálculo de los retornos anormales proceso de estimación; proceso de predicción o contrastación: Cálculo de los CARs: retornos anormales acumulados medios. Esther del Brio. 29

30 Fase III: Contraste de hipótesis Contraste de hipótesis para determinar si la diferencia media entre las rentabilidades esperadas y las rentabilidades observadas es o no significativamente distinta de cero. Establecimiento de las conclusiones a partir del contraste de hipótesis. Esther del Brio. 30

31 Fase I: Diseño del estudio

32 Definición del evento, establecimiento de la fecha del evento y determinación de la ventana y el periodo del evento. Determinar cuál es el evento cuyo impacto en los precios de los títulos se quiere estudiar Determinar su fecha de acaecimiento: Si es posible identificar claramente una única fecha en la que se ha producido el evento, ésta se toma como día del evento; si por el contrario fuera difícil determinar con precisión cuándo se ha producido, se elegirá una ventana del evento que puede ser de varios días (-1, +1). Esther del Brio. 32

33 A continuación, habrá que establecer un periodo a lo largo del cual se analiza el posible impacto del evento (periodo del evento). Se puede subdividir en: periodo pre-evento o periodo previo en que se analiza si el mercado ha anticipado los efectos del evento, y en periodo post-evento, que se elige para comprobar si el efecto ha persistido en días subsiguientes (-5, +5) = (-5, 0) y (+1, +5) Esther del Brio. 33

34 Diagrama temporal clásico FIGURA 1: Diagrama temporal t- 141 t- 21 t- 1 t +1 t- 20 t 0 t +20 t 0 = día 0 t- 1 t +1 = ventana del evento t- 20 t +20 = periodo del evento t- 141 t- 21 = periodo de estimación Esther del Brio. 34

35 Selección del periodo de estimación Finalmente, se elige un periodo de estimación, que se interpreta como aquel periodo neutral no afectado por el evento que puede representar cuál habría sido la evolución de los precios en caso de que no se hubiera producido el evento. Duración variable: suele ser un momento anterior, por ejemplo (-21,-141), pero en ocasiones se eligen dos periodos: uno anterior (-21, -80) y otro posterior (+21, +80). Esther del Brio. 35

36 9. APLICACIÓN EMPÍRICA ESTUDIO DE EVENTOS. REACCIÓN DEL MERCADO ANTE ANUNCIOS DE INVERSIONES REALES

37 1.- Presentación del caso Nos planteamos medir cómo reacciona el mercado español ante el anuncio de aumentos o disminuciones de la inversión en activos reales por parte de las empresas cotizadas en el mercado continuo español. Esther del Brio. 37

38 2. Recopilación de datos Fechas de los anuncios de inversión procedentes de la base de hechos relevantes de la CNMV (archivo excel: fechas_anuncios y muestra_inversión). Datos de Cotización diarios (Precios) de las empresas que comunican el hecho. Precios para el periodo del evento y el periodo de estimación. Bolsa de Madrid (archivo excel: cotizaciones) Datos de cotización del IBEX35 o el IGBM en las mismas fechas de los periodos de estimación y evento de las empresas anteriores. Igualmente calculamos la rentabilidad observada del mercado viendo la variación en el índice entre dos días consecutivos (archivo excel: cotizaciones). Esther del Brio. 38

39 Cuidado con los datos de cotización! Conviene utilizar los datos de precios ajustados, disponibles en distintas fuentes (Infobolsa). Esther del Brio. 39

40 Orden de los datos siguiendo el periodo de estimación y el periodo del evento. A la fecha señalada como día del evento se le asigna el 0, y se le asigna el precio de cotización de esa fecha, ejemplo, 8 de enero de 2013; Para el resto de los días se irán dando valores +1, +2 a los siguientes datos de cotización disponibles que serán días consecutivos salvo en fines de semana y festivos. Cuando no hay valor de cotización ese día, no se pone un 0, ni datos medios, ni el precio del día anterior or posterior; se salta la fecha. (archivo excel: cotizaciones) Esther del Brio. 40

41 Fase II: Cálculo de los retornos anormales Fase fundamental. Medición de la rentabilidad anormal media o rentabilidad generada en el día y periodo del evento. El auge de los estudios de eventos se debe a su habilidad para producir estas medidas. Son necesarias cuatro variables: retornos observados (Rit), retornos estimados Rˆit, retornos anormales (Ait) y retornos anormales medios (ARt). Esther del Brio. 41

42 RENTABILIDAD OBSERVADA, RENTABILIDAD ESTIMADA, RENTABILIDAD ANORMAL, RENTABILIDAD ANORMAL MEDIA Esther del Brio. 42

43 Medida de rentabilidad observada Elegir entre las distintas mediciones posibles de retornos normales: continuos o discretos, retornos puros o descontando dividendos y/o derechos de suscripción, etc... Comúnmente se utiliza el logaritmo de la variación en los precios de dos días consecutivos ajustada por dividendos y por emisiones de capital (ecuación 1). Suelen usarse precios de cierre, no precios medios. Esther del Brio. 43

44 R it ( P log it d P it i, t 1 ds it ) (1) donde R it es el retorno observado de la empresa i en el periodo t; P it = precio de cierre de los títulos de la empresa i en el periodo t; d it = dividendos pagados por una acción de la empresa i en el periodo t; ds it = derechos de suscripción pagados por la empresa i en el periodo t. Esther del Brio. 44

45 Medida de rentabilidad estimada La rentabilidad estimada ( Rˆit ) se define como la rentabilidad predicha por el modelo de generación de retornos cuando se emplean estimadores de los parámetros del mismo calculados para periodos no afectados por el evento en el periodo de estimación. De entre estos modelos destaca el modelo de mercado (ecuación 2) y que define la rentabilidad observada como función lineal de la rentabilidad media del mercado (R mt ). Rˆ it ˆ i ˆ i R mt (2) Esther del Brio. 45

46 En esta fase se diferencian dos procesos: El proceso de estimación que permite calcular valores para alfa y beta no afectados para el evento, de forma que serán estimadores eficientes para la predicción El proceso de predicción: permite calcular los retornos anormales como diferencia entre los valores reales u observados y los valores estimados. Cuando esa diferencia sea estadísticamente significativa, entonces habrá evidencia de que el mercado ha reaccionado. Esther del Brio. 46

47 Proceso de estimación Con un programa estadístico, Eviews, SPSS, TSP, se corre la regresión MCO base del modelo de mercado con los valores Rit y Rmt que hemos calculado Rˆ it ˆ i ˆ i R mt Habrá una instrucción del tipo: OLS R it C R mt donde C es la constante. Imprescindible ponerla para la regresión. Esther del Brio. 47

48 Medida de rentabilidad anormal (proceso de predicción) La rentabilidad anormal se define como el error de predicción, esto es, cualquier desviación de la rentabilidad observada respecto a la rentabilidad estimada, teniendo presente que para dicha predicción se han empleado los estimadores ˆ calculados en el periodo de estimación. A it A it R it Rˆ it (3) donde representa la rentabilidad anormal del título i en el momento t; Rˆit es la rentabilidad estimada y R la rentabilidad observada; t it representa cada uno de los días del periodo del evento. Esther del Brio. 48 R it ˆ ˆ R i i mt, ˆ i i

49 Rentabilidad anormal media El dato de verdadero interés son los ARs, que resultan de agregar y promediar los retornos anormales de las distintas empresas consideradas para cada día del periodo del evento, conforme a la ecuación 4. Si bien en la fase de estimación y cálculo de retornos anormales se han usado series temporales para cada título o empresa, el cálculo de los ARs implica la agregación de los títulos para cada día del evento (usando, por tanto, técnicas de sección cruzada). Esther del Brio. 49

50 AR t A t N i 1 A it N (4) Esther del Brio. 50

51 Cálculo de la rentabilidad anormal Una vez estimado, se lo restamos a Rˆit la Rit observada y con ello obtenemos los AR para cada evento y día. A continuación agregamos los datos para todas las empresas en cada uno de los días del periodo del evento N (-10,+10) en nuestro caso. A AR t At N Esther del Brio. 51 i 1 N= número de días de cotización en el periodo del evento t= cada día del periodo del evento it

52 Cálculo de CARs Los CARs o cumulative abnormal returns o retornos anormales acumulados medios consisten en agregar los ARs durante distintos días del periodo del evento. Así los CARs(-5,+5) representan los CARs durante esos 11 días, los CARs(0,+1) los CARs durante el día del evento y el día siguiente y así sucesivamente... Esther del Brio. 52

53 CARS CAR ( 1, 1) 3 t 1 AR N t (5) N=3 Esther del Brio. 53

54 (archivos excel: calculo rentabilidad observada.xls) (archivos excel: calculo rentabilidad mercado.xls). Esther del Brio. 54

55 (archivos excel: rentabilidad estimada) (archivo excel: ARs diaxdia) Esther del Brio. 55

56 Fase III: Contraste de hipótesis Contraste de hipótesis para determinar si la diferencia media entre las rentabilidades esperadas y las rentabilidades observadas es o no significativamente distinta de cero Establecimiento de las conclusiones a partir del contraste de hipótesis. Si el mercado reacciona significativamente o no y si esa reacción es consecuente con las condiciones de eficiencia del mercado. Esther del Brio. 56

57 Una vez calculados los ARs y los CARs en el periodo del evento, hay que decidir si son significativamente distintos de cero (o lo que es lo mismo, si son significativamente distintos de los ARs y CARs que se habrían obtenido en el mercado si no se hubiese hecho pública la noticia). Para ello hay que plantear la hipótesis nula y usar estadísticos de contraste para resolver la cuestión. Esther del Brio. 57

58 Formulación de la hipótesis nula: Hipótesis nula de ausencia de rentabilidades anormales frente a la hipótesis alternativa de rentabilidades anormales no nulas. H 0 : AR it =0. El mercado no reacciona ante la noticia (evento). Los movimientos del mercado son significativamente iguales a los anteriores al anuncio. H 1 =AR it 0. El mercado reacciona significativamente ante la noticia, si AR it >0 la reacción del mercado es positiva; si AR it <0, la reacción es negativa. Esther del Brio. 58

59 Si AR it >0 la reacción del mercado es positiva; Eso representa buenas noticias?? Esther del Brio. 59

60 Estadísticos de contraste Existe una amplia gama de estadísticos, paramétricos o no paramétricos (anexo en fotocopias), El más utilizado en la literatura financiera es el estadístico t o portfolio-test (ecuación 6). t N i 1 AR t N 2 i, pest (6) donde N es el número de títulos que cotizan en ese día t; 2 y i, pest representa la varianza estimada en el periodo de estimación para cada empresa de la muestra. Esther del Brio. 60

61 COMPARACION RESULTADOS CON DOS MODELOS, TRES ESTADISTICOS DAY MM SW_MM GARCH_MM -10 2,21E-03 (0.865) -9-3,97E-04 (-0.154) -8-8,93E-04 (-0.414) -7 2,00E-03 (0.789) -6 1,91E-03 (0.667) -5 1,11E-02 (3.092) -4-1,45E-03 (-0.464) -3 3,77E-03 (1.110) -2 1,55E-03 (0.582) -1 1,54E-03 (0.777) 0-1,77E-03 (-0.760) 2,48E-03 (0.985) -1,08E-03 (-0.406) -1,22E-03 (-0.568) 5,78E-04 (0.218) 1,40E-03 (0.464) 9,90E-03 (2.604) -1,84E-03 (-0.571) 4,86E-03 (1.388) 1,60E-03 (0.575) 1,79E-03 (0.903) -8,65E-04 (-0.356) 1,21E-03 (0.418) -8,19E-04 (-0.238) -4,09E-04 (-0.172) 1,12E-03 (0.570) 1,01E-03 (0.382) 1,18E-02 (3.593) 9,70E-04 (0.363) 4,85E-03 (1.691) 1,26E-03 (0.272) 2,81E-03 (1.094) -1,03E-03 (-0.393) Esther del Brio. 61

62 (Continuación) DAY MM SW_MM GARCH_MM 1-3,00E-04 (-0.106) 2 3,02E-03 (0.838) 3-1,02E-03 (-0.302) 4 1,55E-03 (0.456) 5 2,41E-03 (0.838) 6-2,79E-03 (-1.284) 7 3,61E-04 (0.147) 8 7,04E-05 (0.024) 9 3,54E-04 (0.094) 10-4,05E-03 (-1.252) -8,80E-04 (-0.301) 2,47E-03 (0.646) -2,61E-04 (-0.075) 9,59E-04 (0.272) 2,98E-03 (0.999) -2,57E-03 (-1.155) -9,16E-04 (-0.357) -3,84E-04 (-0.125) 6,13E-04 (0.153) -3,43E-03 (-1.028) -1,01E-03 (-0.397) 2,14E-03 (0.788) -2,29E-04 (-0.086) 1,22E-03 (0.451) 2,44E-03 (0.826) -2,27E-03 (-0.954) 4,33E-04 (0.216) -1,30E-03 (-0.473) 5,67E-04 (0.213) -3,15E-03 (-1.395) Esther del Brio. 62

63 Resultados_ CARs time interval cars for the overall sample (-1, +1) 2.01E-03 (0.58) (-10, +10) 2.88E-02 (1.74) (-10, -1) 2.17E-02 (2.06)* (+1, +10) -1.15E-03 (-0.20) (-5, 0) 1.86E-02 (1.81) (-5, -3) 1.51E-02 (1.63) cars for ice sample N= E-03 (-0.70) 6.70E-03 (0.76) 7.78E-03 (1.22) -8.06E-04 (-0.14) 1.04E-02 (2.12)* 5.63E-03 (1.30) cars for dce sample N= E-03 (0.21) 6.17E-02 (1.87) 6.39E-02 (2.25)* -1.03E-03 (-0.11) 4.58E-02 (1.56) 4.22E-02 (1.61) Esther del Brio. 63

64 Eventus; SAS; Excel, Access Esther del Brio. 64

65 EVENTUS. OPTIONS Non-CRSP data event study Fama-French calendar-time portfolio regression The momentum factor suggested by Carhart (1997) can be added to the Fama-French threefactor model using the MOMENTUM option. Make a SAS data set an Eventus request file Long-horizon event study using buy-and-hold returns with a skewness-corrected test statistic Long-horizon event study using calendar-time portfolio regression method Companion-portfolio or Calendar-time portfolio Eventus event study and cross-sectional regression Esther del Brio. 65

66 ESQUEMA DE LA PRESENTACIÓN 1- QUÉ ES UN EVENTO? 2- QUÉ ES UN ESTUDIO DE EVENTOS? QUÉ SON RETORNOS ANORMALES? 3- METODOLOGÍA DE EVENTOS. 4- PROBLEMAS MÁS COMUNES. 5- CONCLUSIONES [transversalmente APLICACIÓN EMPÍRICA]] Esther del Brio. 66

67 Los resultados respecto a la reacción del mercado ante estos acontecimientos han variado sobremanera de unos estudios a otros Esta diferencia se ha atribuido en su mayor parte a las deficiencias de los modelos de generación de retornos y a la no incorporación explícita de un ajuste al riesgo. Necesidad de conocer y mejorar la metodología de eventos Esther del Brio. 67

68 5.- Problemas más comunes. Algunas observaciones de interés Aislamiento del evento Duración del periodo del evento Duración del periodo de estimación Negociación asíncrona Medidas de rentabilidad estimada alternativas a los ARs Tamaño muestral Modelo de generación de retornos Problemas de naturaleza estadística. Esther del Brio. 68

69 Problemas de naturaleza estadística. La violación de los siguientes supuestos del modelo econométrico deben ser tenidos en consideración: Estabilidad de los parámetros Independencia de los errores Independencia serial de los errores Homocedasticidad de los residuos Esther del Brio. 69

70 a.- Aislamiento del evento Para tener la certeza de que los retornos anormales detectados sean consecuencia directa del evento que estamos analizando es necesario: controlar que no se hayan producido otros hechos significativos o acontecimientos en torno al evento que puedan afectar de forma importante a la cotización del título en esas mismas fechas. Esther del Brio. 70

71 Medidas de aislamiento: selección de filtros Las medidas propuestas para controlar la presencia de estos otros hechos significativos varían según los casos. Foster (1980) señala algunas de ellas: (i) eliminar de la muestra a todas las empresas para las que se hayan producido estos eventos; (ii) eliminar de la muestra a las empresas sólo el día en que los hayan experimentado; (iii) no eliminar ninguna empresa y agruparlas en función del tipo de evento concurrente; (iv) no eliminar ninguna empresa de la muestra y sustraer del retorno anormal el porcentaje debido al efecto del hecho significativo. Esther del Brio. 71

72 Filtros más comunes Quitar operaciones en torno a las cuales se produzcan eventos concurrentes: Anuncio de pago de dividendos en días (- 3, +3) Anuncio de beneficios anuales o trimestrales (15 días mínimo) OPAs (en torno a 360 días) Eventos de empresas con pocos días de cotización (pocos datos para calcular los retornos). Esther del Brio. 72

73 Melbrouke (1992) utiliza un modelo de generación de retornos que consiste en una modificación del modelo de mercado al que se ha incorporado una variable cualitativa que vale uno en el día en que se ha producido otro efecto y cero en caso contrario. Esther del Brio. 73

74 b. Duración del periodo del evento Varía de unos autores a otros. Para elegir su duración hay que buscar un equilibrio entre elegir un periodo muy corto o uno demasiado largo. Periodo excesivamente corto: puede dejar fuera del estudio el momento en que la información sea recogida por los precios; podemos concluir erróneamente que el evento no ha producido ningún efecto. Periodo excesivamente largo: contradice el principio de eficiencia al asumir que los precios absorben la información de forma lenta o gradual (hay que ofrecer una explicación adecuada de por qué los precios tardan tanto en absorber la información). Inconveniente adicional: en periodos del evento largos es difícil aislar el evento. Esther del Brio. 74

75 Respecto a la longitud elegida varía de unos autores a otros, encontrando estudios que toman periodos del evento desde 1, 10 o 20 días hasta quince semanas en los casos más extremos, llegando incluso a varios meses si se emplean datos mensuales. Esther del Brio. 75

76 c.- Duración del periodo de estimación En función del modelo de generación de retornos que se utilice será necesario usar periodos de estimación más o menos largos, pero siempre se han de asegurar al menos 50 observaciones reales. El uso de GARCH obliga a aumentar considerablemente el periodo. Periodos comunes son 120 días, 80 días. Puede haber periodos partidos (60 días antes del evento, 60 días después) y estos pueden ser simétricos o asimétricos (60 días antes y solo 40 después, etc...) Esther del Brio. 76

77 d.- Negociación asíncrona o thin trading Los ARs deben calcularse con datos de alta frecuencia (diarios, intradía) pues su medición será tanto más precisa cuanto mayores sean los grados de libertad (y por tanto el tamaño muestral), dadas las propiedades asintóticas de los estimadores. Sin embargo, salvo que usemos correcciones específicas, habrá que eliminar de la muestra aquellas empresas cuya frecuencia de negociación no alcance un mínimo recomendable, pues de otra forma no podrá converger el modelo. Si descontamos, de entrada, los días de no cotización debidos a la presencia de fines de semana y días festivos[1] y, tenemos en cuenta que la gran parte de las empresas no cotizan diariamente[2], el periodo de estimación resultante puede ser muy pequeño. Esther del Brio. 77

78 [1] De hecho cuando consideramos, por ejemplo, como En un periodo de estimación (-120, -20) donde habría 100 observaciones, se perderán en torno a 30 observaciones debido a fines de semana y posibles días festivos. [2] La tónica de las empresas españolas es cotizar en torno a un 50,35% de los días y solamente las empresas más líquidas (92 empresas aprox.) lo hacen a diario (Del Brío, 1999). Esther del Brio. 78

79 e.- Modelos de generación de retornos anormales Distintos autores han mostrado que los resultados varían en función del modelo que utilicemos para calcular los ARs (Beaver (1982), Brick y otros (1989) o Seyhun (1986). La potencial sensibilidad de los retornos al uso de distintos modelos hace recomendable que se contrasten distintos modelos, a fin de conferir mayor significación estadística y económica a nuestros resultados. Supone elegir entre modelos estadísticos y económicos. Modelos estadísticos: modelo de mercado, modelo de retornos ajustados al mercado, modelo de retornos ajustados a la media, retornos medios constantes, modelo de la beta de Scholes y Williams (1977), beta de Dimson. Esther del Brio. 79

80 Modelos económicos. (i) CAPM (ii) APT (iii) Zero-beta CAPM (iv) Modelo de Salinger: específico para estudio de eventos. Hace depender la volatilidad del retorno directamente de la tasa de llegad de informacion al mercado (% de cambio en el valor de la empresa producido al llegar la información) Esther del Brio. 80

81 Modelo alternativo: GARCH En vez de la regresión del modelo de mercado Rˆ it ˆ ˆ R Empleamos la misma ecuación pero con el error de estimación sujeto a la siguiente restricción: R it R i Donde uit se distribuye como una N(0, ) y se distribuye u 2 it it i i mt i u 0i mt it 1i t 1 2i 2 it it 1 Esther del Brio. 81

82 f.- Tamaño muestral: número de eventos Los estudios de eventos elaborados en el mercado español suelen contar con muestras muy pequeñas: número relativamente bajo de eventos y elevado número de filtros. El problema de un pequeño tamaño muestral es la imposibilidad de mantener el supuesto de normalidad asintótica en los estimadores. Uso de herramientas estadísticas que no asuman normalidad: estadísticos de contraste válidos para muestras finitas (tests no paramétricos) o bien buscando mediciones de los retornos que garanticen una mayor probabilidad de normalidad en la distribución de los retornos (transformación logarítmica o estandarización de los retornos). Esther del Brio. 82

83 Un tamaño muestral pequeño puede ayudar a magnificar el peso del retorno de un título sobre toda la muestra siendo crucial conocer si los resultados del estudio vienen dados por los outliers. En ese sentido, puede tratarse de eliminar dichos outliers o bien emplear métodos bootstrap que no requieren supuestos de normalidad (Barclay y Litzenberger, 1988). Esther del Brio. 83

84 g.- Elección de la cartera del mercado Cuando se emplea el modelo de mercado o una variante del mismo habrá que seleccionar previamente una medición del retorno del mercado (Rmt). Normalmente se usa el IBEX35 o el IGBM. la correlación del IBEX35 con el IGBM es del 97,8% por lo que los resultados no deberían variar por usar uno u otro. El IGBM está ajustado por dividendos y ampliaciones de capital, en tanto que el IBEX no descuenta pagos de dividendos. Según nuestra medida de Rit elegiremos uno u otro, o según el mercado en el que nos situemos. Esther del Brio. 84

85 Hay distintas mediciones de retornos anormales: retornos medios (ARs), estandarizados, o método de rendimientos compuestos (carteras buy and hold BHR) y método de carteras de fecha de calendario. Esther del Brio. 85

86 ESQUEMA DE LA PRESENTACIÓN 1- QUÉ ES UN EVENTO? 2- QUÉ ES UN ESTUDIO DE EVENTOS? QUÉ SON RETORNOS ANORMALES? 3- METODOLOGÍA DE EVENTOS. 4- PROBLEMAS MÁS COMUNES. 5- CONCLUSIONES [transversalmente APLICACIÓN EMPÍRICA]] Esther del Brio. 86

87 5- CONCLUSIONES Hemos tratado de arrojar algo de luz en el diseño de un estudio de eventos. Revisión sistemática de su estructura, sus supuestos de partida, las herramientas econométricas empleadas, los problemas a los que puede enfrentarse un investigador novel, y sus posibles soluciones. Esther del Brio. 87

88 Amplia gama de opciones de cara a su diseño, favorecida por el hecho de que no existe una metodología que prime sobre las demás. Discusión sobre si se debe conferir más o menos importancia al aspecto metodológico, ya que los resultados parecen poco sensibles a los cambios en el modelo y en las técnicas econométricas. No hay que olvidar que de los resultados obtenidos en estos estudios se están derivando conclusiones económicas fundamentales que no debemos despreciar y que, si son erróneas, pueden afectar a la evolución de la investigación futura. Debemos incorporar un gran rigor en estos trabajos, sin que este rigor se traduzca en una sofisticación innecesaria. Esther del Brio. 88

89 Un pensamiento: Chan y otros (1996) han señalado que en ocasiones los refinamientos metodológicos llevan a un esfuerzo enorme por parte del investigador que no se ve recompensado por la mejora en la estimación del modelo. Esther del Brio. 89

90 ESTUDIOS DE EVENTOS IX WORSHOP Nuevas Tendencias en los Métodos de Investigación en Estrategia empresarial SECCION ESTRATEGIA. ACEDE. 29 de enero de 2013