Lectura No. 8. Contextualización. Nombre: Métodos de Análisis ANÁLISIS FINANCIERO 1

Transcripción

1 Análisis financiero

2 ANÁLISIS FINANCIERO 1 Lectura No. 8 Nombre: Métodos de Análisis Contextualización Uno de los mayores obstáculos que se presentan en el momento de desarrollar un modelo econométrico es la carencia de datos, así como los sesgos o ausencia de la totalidad de factores que pueden afectar la variable de estudio, por lo que es necesario recordar que los resultados son simples aproximaciones estadísticas de una coyuntura, y no valores certeros de esa realidad. El análisis financiero mediante modelos econométricos ha permitido revolucionar el concepto de las finanzas, ya que sirve como complemento y, en algunas situaciones, sustituye los análisis tradicionales mediante ratios.

3 ANÁLISIS FINANCIERO 2 Introducción al Tema Es indispensable identificar la importancia de la aplicación de los modelos econométricos en el análisis financiero. La econometría es la rama de la economía que mediante modelos y métodos matemáticos analiza, interpreta y estima diversas variables que permitirán predecir ciertas tendencias o comportamientos que influirán en la toma de decisiones dentro de una empresa. Antes de tomar una decisión que implique un costo de oportunidad para una empresa es muy importante considerar ciertos factores, como son: la tendencia del sector, las condiciones coyunturales de la demanda, las variables que la influencian y sus efectos, las características de los precios relativos respecto a los bienes complementarios o sustitutos, la volatilidad de diferentes activos financieros, entre otros, con la finalidad de lograr el eficaz funcionamiento de la propia empresa.

4 ANÁLISIS FINANCIERO 3 Explicación El análisis discriminante Este método comúnmente se utiliza para distinguir un conjunto de datos con base en ciertas características, partiendo de variables independientes y cuantificando la importancia relativa de cada una de ellas. El análisis discriminante predice la procedencia de un individuo del que se desconoce de qué grupo forma parte, basándose en las variables independientes. II.3 Métodos econométricos Existen actualmente diversas metodologías para realizar estimaciones de un conjunto de datos que se pretendan analizar para la toma de decisiones considerando el mercado cambiante en el que compite la entidad económica, dentro estas la más común es el análisis de regresión, el cual establece una ecuación que muestra la relación existente entre las variables independientes (Xi) y la variable dependiente (Y). Otra de las metodologías utilizadas es el análisis discriminante, que permite a partir de un conjunto de datos establecer supuestos de partida para evaluar una condición existente de los valores resultantes con los valores de la variable independiente, es decir, que de una muestra permite discriminar con base en el supuesto ciertos elementos que no cumplan estas condiciones preestablecidas del modelo. Uno de los principales defectos que presentan los modelos lineales es que son sensitivos a la distribución marginal del regresor cuando el condicionante medio es no lineal; en otras palabras, resulta necesario previo a realizar la regresión mediante el modelo establecido para el problema en cuestión definir claramente la distribución de probabilidad de los elementos a evaluar, esto con la finalidad

5 ANÁLISIS FINANCIERO 4 de poder obtener observaciones que sean válidas para la variable objeto de estudio. Es común que se establezca una probabilidad de una Normal (0,1) cuando los datos son mayores a veinte elementos, ya que se justifica bajo el supuesto de Tendencia Central. Algunas de las características de la línea de regresión que se obtiene mediante la ecuación de regresión muestral son: Pasa a través de las medias muestrales de la variable dependiente e independiente. El valor promedio o medio de la variable dependiente estimada es igual al valor medio de la variable dependiente observada. El valor de la media de los residuos es cero. Los residuos no están correlacionados con la variable dependiente estimada. Los residuos no están correlacionados con la variable independiente. Recordemos que el modelo de regresión parte del supuesto del método de mínimos cuadrados ordinarios, y por ende todos los estimadores están expresados en términos de X y Y. Los supuestos del modelo clásico de regresión nos van a mostrar que tanto los indicadores muestrales se parecen a la poblacional. Los principales son: El modelo de regresión es lineal en los parámetros. Los valores que toma el regresor son considerados fijos en muestreo repetido, se supone no estocástica. El valor medio de la perturbación es igual a cero porque se compensan los errores. Las varianzas de las perturbaciones son idénticas, es decir, existe homocedasticidad.

6 ANÁLISIS FINANCIERO 5 No hay autocorrelación entre las perturbaciones, si existiese correlación entre estas seria indicativo de que existe otra variable mas importante. La covarianza entre la perturbación y la variable independiente es cero. El número de observaciones n debe ser mayor que el número de parámetros por estimar. En una muestra debe existir variabilidad en los valores de X. El modelo de regresión está correctamente especificado. Alternativamente no hay un sesgo de especificación, esto comúnmente se elimina con la teoría. Cuál consideras que es la relación que existe entre los métodos econométricos y el análisis financiero? Regresión Lineal Múltiple Hasta ahora hemos evaluado regresiones lineales simples: Y = β0 + β1 X1 + ε Pero realmente los modelos econométricos tienden a tener más de una variable explicativa, de ahí el nombre de regresión lineal múltiple. La fórmula para su cálculo es: Y = β0 + β1 X1 + β2 X2 + + β n X n + ε En donde X1 X2 Xn se debe evitar que exista multicolinealidad, es decir, la relación entre las explicativas. En esta regresión β1 muestra el cambio de Y cuando X1 cambia una unidad, manteniendo las demás constantes, y β0 continua siendo el intercepto, pero estas cambian en una regresión múltiple al introducirle X2 hasta Xn, ya que la pendiente y el intercepto cambian para ajustarse a los datos de la dispersión. Para estas ecuaciones de regresión lineal múltiple el coeficiente de determinación múltiple (R2 Múltiple) muestra en que porcentaje las variaciones

7 ANÁLISIS FINANCIERO 6 de Y son explicadas por las variaciones de todas las X, con una R2 igual a 0.80 es un nivel aceptable de relación. Existe un indicador alternativo que sería la R2 ajustada que elimina el problema de R2, que al aumentar más valores aumente esta, lo que en el caso de R2 ajustada solamente aumentara cuando las variables explicativas tengan relación con Y. Si la R2 ajustada es igual a 1, quiere decir que existe un ajuste perfecto y la β0 tiene un valor distinto a las otras Betas, aun cuando todos los valores sean significativos. Si todas las Betas son igual a cero y β0 es igual a un valor, entonces β0 no debe estar en el modelo.

8 ANÁLISIS FINANCIERO 7 Conclusión Podemos concluir que la econometría utiliza datos, métodos de inferencia estadística y modelos estructurales y descriptivos para la resolución de problemas económicos y empresariales. Los modelos econométricos son representaciones simplificadas de la realidad, por lo que hay que estar conscientes de que pueden conllevar a errores de especificación. La utilidad y eficacia de los modelos dependerá en gran medida de los supuestos de partida que se establezcan, así como de la calidad de los datos utilizados en la regresión y del sustento conceptual que se especifique para las variables del modelo.

9 ANÁLISIS FINANCIERO 8 Para aprender más Métodos econométricos Dentro del análisis de la regresión debemos considerar al coeficiente de correlación (R) que nos muestra el grado de asociación lineal entre las variables, este se encuentra entre -1 < R < 1, mientras más se acerque a estos mas fuerte será la relación, pero si fuera R = -1 o 1, seria perfecta. Si se aproxima a cero es menos débil, pero si fuera igual a cero no habría relación lineal. Por ejemplo si se obtuviera una R = 0.995, estaría casi sobre una recta. Por otro lado, el coeficiente de determinación (R2) nos muestra el porcentaje de variación de la dependiente que es explicado por la independiente, este se encuentra entre 0 < R2 < 1, es decir, explica las relaciones no lineales. Si por ejemplo tuviéramos una R2 igual a cero o se aproxima a cero, la variable X no explicaría a Y, o la explica muy poco, es decir, que existen más variables afectando a Y. Una R2 igual a 0.8 en adelante se considera aceptable. La R2 es una medida de bondad de ajuste, por lo que nos dice que tan buena es la regresión obtenida. Por ejemplo, si con la siguiente función de inversión: Inversión Real (Y) = Formación Bruta de Capital Fijo + Variación de existencias cetes. Si se obtuviera una R2 = 0.496, estaría indicando que la relación no es tan buena, ya que solamente el 49.6% de variación de la inversión son explicadas por las variaciones de existencias en cetes. Regresión Lineal Múltiple Error estándar de la estimación Existe de igual forma otro elemento adicional a considerar dentro de los modelos de regresión que es el error estándar de la estimación, que se puede definir como el promedio de las desviaciones de los datos observados con respecto a los datos estimados, en otras palabras, es la medida promedio en que se alejan los datos de la recta estimada.

10 ANÁLISIS FINANCIERO 9 Por ejemplo: el error estándar de β0 (ee β0) sería el promedio de las desviaciones de las β0 de esa población (es la desviación de las β0 muestrales alrededor de la β0 poblacional), siempre que la población sea normal, y esto aplica exactamente igual para ee β1. Hay ocasiones que dentro de un modelo de regresión tenemos variables que no son métricas, sino que solamente se pueden evaluar por presencia o ausencia. Este tipo de variables son conocidas como dicotómicas o dummys, que miden las variables cualitativas y las hacen cuantitativas, dando dos soluciones 0 o 1. Por ejemplo para la siguiente ecuación donde Q está en función del precio y del género. Q = f (precio, género) En este caso el género será nuestra variable dummy: Ausencia = 0 = Femenino Presencia = 1 = Masculino Una vez realizada la regresión se obtendría la siguiente ecuación: Q = β0 + β1 Precio + β2 Dummy Q = 30 2 Precio + 10 Dummy En este caso tendriamos dos opciones: Q = 30 2 Precio + 10 (0) = Femenino Q = 30 2 Precio + 10 (1) = Masculino

11 ANÁLISIS FINANCIERO 10 Actividad de Aprendizaje Instrucciones: Con la intención de reforzar lo aprendido en la sesión, realiza una actividad en la cual a través de un mapa conceptual extraigas los temas de ésta como son los métodos econométricos. Puedes realizarlo en cualquier programa, al final tendrás que guardarlo como PDF con la finalidad de que no existan modificaciones y así subirlo a la plataforma de la asignatura.

12 ANÁLISIS FINANCIERO 11 Referencias Hair, J., Anderson, R., Tatham, R. y Black, W. (1999). Análisis Multivariante. Madrid: Prentice Hall. Law, M. y Kelton, D. (2000). Simulating Modeling and Analysis. usa: McGraw-Hill. Martínez, R. (2000). El análisis multivariante en la investigación científica. Madrid: La Muralla.