Afectación de los rendimientos y liquidez del mercado colombiano por la

estacionalidad del año

Camilo Andrés Bedoya Bustos

Memoria de Grado de Economía

Universidad de los Andes

ca-bedoy@uniandes.edu.co

Resumen

Dentro del siguiente documento se estudian los efectos de la estacionalidad en los mercados

de valores en los países de Brasil, Chile y Colombia por medio del indicador Halloween, el

cual establece que los rendimientos de los mercados son generalmente mayores en una

estación que otra. El indicador es estimado a través del modelo de tres factores de Fama y

French permitiendo demostrar que existe un efecto en el calendario de los países de Brasil,

Chile y Colombia y llega a predecir el comportamiento del mercado dentro de la ventana de

tiempo evaluada. Sin embargo, el indicador puede estar influenciado por el comportamiento

de los países a donde exporte por lo cual, esto nos lleva a concluir la existencia de

coordinación entre los mercados. Además, el indicador no sólo tiene efecto sobre los

rendimientos de los diferentes sectores, sino también el número de transacciones realizadas

durante el periodo comprendido entre noviembre y abril.

Clasificación del Journal of EconomicLiterature (JEL): A11, C01, C02, G00, G01.

Palabras clave: Mercado Colombiano, Indicador Halloween, Liquidez

Contenido Introducción y Revisión de Literatura Relevante .......................................................................... 3

Marco Teórico y Metodología .......................................................................................................... 7

Resultados y Análisis ......................................................................................................................... 9

Conclusiones .................................................................................................................................... 15

Bibliografía ...................................................................................................................................... 17

Introducción y Revisión de Literatura Relevante

La estacionalidad ha tenido afectaciones considerables dentro del mercado de valores del

mundo (Jacobsen, Mamun & Visaltanochoti, 2005). Uno de estos efectos se ha medido a

través del “Indicador Halloween”.

Autores como Ben Jacobsen y Nuttawat Visaltanachoti (2006) definen este indicador como:

“Los rendimientos del mercado de valores tienden a ser significativamente más bajos durante

los meses de verano (desde mayo hasta octubre) que durante los meses de invierno (desde

noviembre hasta abril)”. Con base en lo anterior, el desarrollo del documento se enfocará en

responder ¿Cuál es el efecto que tiene la estacionalidad en el rendimiento y liquidez del

mercado colombiano?

El indicador Halloween ha sobrevivido a lo largo de los años a distintas pruebas de robustez,

a través de las cuales es posible describir la eficiencia de los mercados; siendo un resultado

el cambio en la aversión al riesgo del mercado en general. Kamstra, Kramer y Levi (2003)

hacen un análisis del cambio que se produce en los rendimientos del mercado dado un periodo

del año, estableciendo que el cambio en la aversión al riesgo se da por un aspecto psicológico

conocido como el “trastorno afectivo estacional” 1. Los autores Cao y Wen, establecen que

las bajas temperaturas están ligadas a las tasas de crecimiento más altas y que las altas

temperaturas a los rendimientos más bajos; dependiendo del estado de ánimo, si agresivo

(muy riesgosos) o apático (poco riesgoso). Para probar la relación entre la temperatura y los

mercados de valores, los autores analizaron el mercado accionario de ocho países

comprobando la robustez de sus resultados en 21 sectores de estos países. Comprueban que

existe una relación negativa entre la temperatura y el desempeño del mercado de valores (M

& Wie, 2005). Otra referencia, es el estudio de Jacobsen y Marquering que incluye el

concepto de liquidez; argumentan que altas rentabilidades, se pueden explicar dada la

liquidez que es posible encontrar en un periodo de festividades (Navidad, San Valentín,

1 El trastorno afectivo estacional es un tipo de depresión que va y viene con las estaciones. Por lo general, comienza a finales de otoño y principios del invierno y desaparece durante la primavera y el verano. Algunas personas tienen episodios de depresión que comienzan en la primavera o el verano, pero eso es mucho menos común. (Tomado de https://medlineplus.gov/spanish/seasonalaffectivedisorder.html el 14/08/19 a las 2:33 pm)

etc…), además de un efecto calendario que trae consigo las estaciones del año (Jacobsen &

Marquering, 2009).

De los estudios realizados con el indicador Halloween, se encuentra a Bouman y Jacobsen

buscaron probar si la teoría aplicada en Europa; de “Vender en mayo y olvídate” era verídica,

ya que establece que las tasas de retorno de la bolsa de valores deberían ser más altos durante

el periodo entre noviembre y abril en comparación a las rentabilidades que se dan entre mayo

y octubre. Dichos autores analizaron 37 mercados de valores desde 1970 hasta 1998 y

llegando a la conclusión que las tasas de retorno de la bolsa de valores de los mercados eran

en promedio el 10% más altos durante el periodo noviembre y abril en comparación entre

mayo y octubre (Bouman & Jaconbsen, 2001). Por último, Jacobsen, Mamun and

Visaltanachoti (2005) estudian el efecto Halloween en detalle, con respecto a los diferentes

sectores en Estados Unidos. Estos autores analizan el efecto en portafolios formados por

tamaño, P/B ratio (Price to Book), P/E ratio (Earnings – Price), P/CF ratio (Cash Flow to

Price) y los rendimientos de los dividendos. Concluyen que el indicador Halloween estaba

presente en todos los portafolios, sin causalidad alguna de otras anomalías del calendario. Un

ejemplo de aplicación del indicador Halloween, es aplicarlo al mercado estadounidense. Se

puede invertir en Bonos del Tesoro que se muestren como más seguros, entre los meses de

mayo y octubre y luego pasarlos a un riesgo mayor en los otros 6 meses (noviembre y abril).

Lo que, de aplicarse así, podría sacarle una rentabilidad del 3,6% anual frente a la estrategia

de comprar y mantener que suele utilizarse y en el largo plazo, esta estrategia funcionará

adecuadamente en un 80% de las veces en horizontes de más de cinco años y en más del 90%

en periodos de más de diez años, el cual se ve reflejado en la gráfica 1.

En la gráfica 2, se observa que el efecto Halloween se encuentra presente en los mercados de

valores y ha venido creciendo constantemente, donde las tasas de retorno de los meses entre

noviembre y abril en comparación a los meses de mayo y octubre en todos los países listados

son más altas. Durante nueve años y dados todos los sectores, el promedio de la tasa de

retorno en invierno se ubica en un 9.35%, mientras que en verano es del -1.02%. Esta gráfica

nos puede ayudar a demostrar que el efecto Halloween sigue siendo un hecho dentro del

calendario en el mercado de valores de los grandes países del mundo.

Gráfica 1 - comportamiento del S&P 500 entre 1991 y 2017 (Trecet, 2019)

Gráfica 2 - Recent average returns in May-October and November-April in several countries (Jacobsen & Visaltanachoti, 2006)

Revisando investigaciones en el contexto Latinoamericano se encuentra (Cabello & Ortiz,

2004) que establecen la existencia de un efecto calendario dentro de los mercados de valores

latinoamericanos. Sin embargo, no establece el efecto del indicador sino la existencia de este

en los mercados de los diferentes países.

Teniendo en cuenta la pregunta de investigación, la contribución de este estudio radica en los

siguientes aspectos. Primero, el lugar y enfoque que tiene, el cual a la fecha no se conoce

ningún trabajo que desarrolle el efecto de este indicador en el mercado de valores de

Colombia. Cabe mencionar, la existencia de análisis que reflejan el efecto calendario sobre

los días de la semana, como por ejemplo Cesar Ojeda y su investigación “Una prueba de la

eficiencia débil en el mercado accionario colombiano”, o “El efecto “Day of the Week” en

el mercado de capitales colombiano 2001-2013” producido por Ana Cepeda y Johanna Daza.

Estos trabajos llegan a la conclusión que dentro del mercado de valores en Colombia existen

ciertos efectos calendario, pero estos no llegan a ser considerados significativos. Otro trabajo

a nivel latinoamericano es “Efecto día feriado en los principales mercados accionarios de

Latinoamérica”, concluye que el efecto calendario se ve presente en los mercados de Chile,

Perú y Brasil, pero no para países como Colombia o Argentina (Rodríguez, 2012). Cabe

recalcar que el trabajo establecerá el impacto del indicador Halloween en los sectores del

mercado de valores de Colombia.

Segundo, se usa el indicador Halloween es fundamental para entender el comportamiento del

sector que se va a trabajar. Schwer establece que casi la mayoría de las anomalías que se

producen en los mercados de valores van desapareciendo con el tiempo y no mantienen una

periodicidad al paso de los años (Schwert, 2003). Sin embargo, las investigaciones de

Jacobsen y Visaltanachoti, (2006) han demostrado que este indicador se ha presentado

durante el periodo comprendido entre 1926 y 2009.

Tercero, el vínculo que existe entre la liquidez y el indicador Halloween, como establecen

los autores Bouman & Jacobsen (2001) y Hong & Yu (2005), esta predeterminado por las

vacaciones (periodo en el que se desarrolla el indicador Halloween) y esto no solo afecta la

aversión al riesgo, sino que también afecta la liquidez del mercado.

Por lo cual, para desarrollar los tres puntos mencionados se lleva a cabo el análisis por sector,

escogiendo las acciones más representativas en cada uno de los sectores del mercado de

valores colombiano. El indicador referencia para cada sector en Colombia será el índice

general de la bolsa de Valores (BVC). El análisis de las rentabilidades de cada uno de los

sectores se va a realizar utilizando el modelo de tres factores de Fama y French. Este modelo

utiliza tres variables para describir el rendimiento de una acción, con base en los rendimientos

del mercado o del sector en el que se encuentra. Los valores de significancia se podrán

encontrar por medio del estimador Newey-West el cual busca superar la correlación y

heteroscedasticidad en términos de los errores del modelo.

En las siguientes secciones del documento, se desarrollará la estrategia econométrica. Donde

se hará un análisis exploratorio sobre las variables fundamentales del modelo, una

descripción del análisis econométrico y por último se analizarán los resultados obtenidos del

indicador Halloween en los diferentes sectores del mercado de valores de Colombia.

Marco Teórico y Metodología

Los múltiples estudios de los mercados de valores, en su gran mayoría ha tratado

ampliamente la cuestión cuáles elementos influyen a la hora de valorar un activo y qué

carteras pueden construirse para diversificar los elementos que causen riesgo en dicho activo.

Una de estás teoría es la planteada por Henry Markowitz (1952) que sustenta en que los

inversores preferirán aquellas carteras o activos que den una mayor rentabilidad con un

menor riesgo. A partir de esta teoría, se derivó el modelo CAPM, el cual su objetivo es

estimar la rentabilidad de activos financieros o carteras con base en su riesgo y encontrar un

indicador que represente el riesgo de dicho activo o cartera con respecto del mercado.

Sin embargo, autores como Klarman & Williams (1991) creen que utilizar la prima de

mercado como única variable exógena es insuficiente. Esto es debido a que el riesgo de un

activo no se puede reflejar únicamente con los precios históricos de dicho activo y del

mercado. Además, se dejan de lado factores que pueden ser realmente importantes a la hora

de valorar un activo, como pudiera ser el tamaño de la empresa. Por lo cual, se descarta

utilizar el modelo CAPM para evaluar el indicar Halloween no pronostica adecuadamente la

realidad del mercado de valores.

El análisis econométrico se llevará acabo, a través del modelo de tres factores de Fama y

French (Fama & French, 1993). Este modelo describe la rentabilidad de las acciones con

respecto al movimiento del sector en particular y del mercado de valores en general,

indicando que la rentabilidad esperada de un activo o cartera está determinada por la

sensibilidad de su rendimiento a tres factores:

1. El exceso de rentabilidad del mercado respecto a un activo libre de riesgo

determinado.

2. La diferencia del retorno de las acciones de pequeñas capitalizaciones menos el

retorno de las acciones de mayor capitalización del mercado.

3. La diferencia del retorno de las empresas con un nivel mayor de book-to-market

equity (su diferencia de valores en libros y valor en el mercado) y las empresas con

menor nivel de book-to-market.

Donde los valores de significancia se podrán encontrar por medio del estimador Newey-

West, el cual fue planteado por Newey & West (1987) que permite proporcionar una

estimación de la matriz de covarianza de los parámetros de un modelo de regresión cuando

este modelo se aplica en situaciones en las que no son válidas las suposiciones comunes del

análisis de regresión, con lo cual se busca no presentar problemas de autocorrelación o

correlación y heterocedasticidad en los términos del error.

Para medir el efecto Halloween dentro del modelo se incluye una dummy llamada Halt, la

cual tomara el valor de 1 en el periodo comprendido entre noviembre y abril, 0 de lo contrario.

A continuación, se muestra el modelo a seguir:

𝑟𝑡𝑠 − 𝑟𝑡

𝑓= 𝜇 + 𝛼𝐻𝑎𝑙𝑡 + 𝛾𝑆𝑀𝐵 + 𝛽(𝑟𝑡

𝑚 − 𝑟𝑡𝑓

) + 𝜃𝐻𝑀𝐿𝑡 + 𝛿𝑈𝑀𝐷𝑡 + 휀𝑡

Con los datos recopilados, podemos llevar a cabo un análisis exploratorio de estas variables,

con respecto a los sectores seleccionados para el mercado colombiano. El primer factor para

explicar es 𝑟𝑡𝑚 − 𝑟𝑡

𝑓, que mide la rentabilidad que está generando el índice escogido con

respecto al título del estado comparado (Fama & French, 2004), con respecto al SMB (Small

Minus Big Factor) podemos indicar que este indicador nos va a mostrar la diferencia entre el

retorno promedio en las tres acciones de más pequeña capitalización del sector con respecto

al retorno promedio en las tres acciones más capitalizables del sector. A continuación,

encontramos la forma de encontrar este indicador:

𝑆𝑀𝐵 = 1

3(𝑆𝑚𝑎𝑙𝑙 𝑉𝑎𝑙𝑢𝑒 + 𝑆𝑚𝑎𝑙𝑙 𝑁𝑒𝑢𝑡𝑟𝑎𝑙 + 𝑆𝑚𝑎𝑙𝑙 𝐺𝑟𝑜𝑤𝑡ℎ)

−1

3(𝐵𝑖𝑔 𝑉𝑎𝑙𝑢𝑒 + 𝐵𝑖𝑔 𝑁𝑒𝑢𝑡𝑟𝑎𝑙 + 𝐵𝑖𝑔 𝐺𝑟𝑜𝑤𝑡ℎ)

Siguiendo la formula planteada encontramos el HML (High Minus Low), este factor nos

indica la diferencia en el retorno promedio de las dos empresas más grandes del sector en

términos de acciones con referencia al retorno promedio de las dos empresas más pequeñas

del sector en estos mismos términos. La manera de encontrar el factor mencionado:

𝐻𝑀𝐿 = 1

2(𝑆𝑚𝑎𝑙𝑙 𝑉𝑎𝑙𝑢𝑒 + 𝐵𝑖𝑔 𝑉𝑎𝑙𝑢𝑒) −

1

2(𝑆𝑚𝑎𝑙𝑙 𝐺𝑟𝑜𝑤𝑡ℎ + 𝐵𝑖𝑔 𝐺𝑟𝑜𝑤𝑡ℎ)

Antes de los sectores se encuentra la variable UMD, esto indica el Daily Momentum Factor,

que representa la diferencia entre el retorno promedio de los mayores crecimientos para

acciones pequeñas y grandes con respecto al retorno promedio de los menores crecimientos

para las mismas categorías. Este indicador se calcula así:

𝑈𝑀𝐷 = 1

2(𝑆𝑚𝑎𝑙𝑙 𝐻𝑖𝑔ℎ + 𝐵𝑖𝑔 𝐻𝑖𝑔ℎ) −

1

2(𝑆𝑚𝑎𝑙𝑙 𝐿𝑜𝑤 + 𝐵𝑖𝑔 𝐿𝑜𝑤)

Por último, los sectores productivos de la economía están representados por la acción con

mayor participación dentro de cada uno de estos. Esta va a ser la variable con respecto a la

cual la regresión se generará, esto para poder determinar si los factores periódicos influyen

en el rendimiento de esta acción.

Resultados y Análisis

Antes de comenzar con el análisis de la estacionalidad en el mercado colombiano a través

del indicador Halloween, se procedió a verificar el desempeño de este indicador dentro de

dos países del contexto latinoamericano, razón por la cual se toman como referentes Brasil y

Chile, los cuales se compararán frente a Colombia. Los datos para realizar estos cálculos son

directamente extraídos de la plataforma Bloomberg, para cada índice y acciones serán

tomados de forma semanal, para el periodo del 01 de enero de 2009 al 10 de octubre de 2014.

Dado que los datos se están tomando a corto plazo, el activo libre de riesgo será también en

el mismo sentido de corto plazo. Para Brasil, Chile y Colombia se tomará el bono del tesoro

nacional con vencimiento a 5 años.

Variable Obs Mean Std. Dev

Dummy 301 48.37% 50.07%

𝑟𝑡𝑚 − 𝑟𝑡

𝑓 301 -6.37% 3.24%

SMB 301 0.27% 1.43%

HML 301 -0.14% 1.47%

UMB 301 -0.6% 1.52%

UTILITIES 301 0.43% 5.92%

TECH AND COMUNICATIONS 301 -0.57% 6.50%

BASIC MATERIAL 301 0.00% 5.15%

FINANCIAL 301 0.24% 3.89%

TRANSPORTATION 301 0.40% 3.40%

CONSTRUCTION 301 -0.08% 6.72%

CONSUMER 301 0.47% 2.84%

CAPITAL GOOD AND SERVICES 301 0.38% 4.51%

Tabla 1. Aspectos Generales del Mercado de Brasil

Variable Obs Mean Std. Dev

Dummy 301 48.37% 50.07%

𝑟𝑡𝑚 − 𝑟𝑡

𝑓 301 -9.87% 2.17%

SMB 301 0.02% 1.40%

HML 301 -0.01% 1.28%

UMB 301 0.05% 1.25%

INDUSTRIAL 301 0.12% 3.57%

BANCA 301 0.18% 3.41%

RETAIL 301 0.36% 3.51%

COMMODITIES 301 0.15% 3.18%

UTILITIES 301 0.08% 3.06%

CONSUMO 301 0.23% 3.35%

CONST & INMOB 301 0.09% 474%

Tabla 2. Aspectos Generales del Mercado de Chile

Variable Obs Mean Std. Dev

Dummy 301 50.41% 49.59%

𝑟𝑡𝑚 − 𝑟𝑡

𝑓 301 -3.87% 1.22%

SMB 301 0.08% 0.40%

HML 301 -0.05% 1.58%

UMB 301 0.10% 1.35%

INDUSTRIAL 301 0.19% 4.57%

BANCA 301 0.38% 2.41%

RETAIL 301 0.46% 1.41%

COMMODITIES 301 0.10% 2.28%

UTILITIES 301 0.06% 1.32%

CONSUMO 301 0.33% 3.21%

CONST & INMOB 301 0.10% 2.74%

Tabla 3. Aspectos Generales del Mercado de Colombia

Con base en los valores de la tabla podemos concluir que el índice en general está generando

rentabilidades negativas con respecto a las del activo libre de riesgo escogido. Esta situación

se da en todos los países, en Chile el promedio de rendimiento de esta variable es de -9.87%,

Brasil es del -6.37% y una mejor situación se encuentra en Colombia con el -3.87%.

Con base al análisis exploratorio de datos, podemos generar el modelo para los diferentes

sectores en Brasil y Chile. En las siguientes tablas se encontrarán los coeficientes para cada

uno de los sectores:

Sector Hal SMB (𝒓𝒕𝒎 − 𝒓𝒕

𝒇) HML UMD

UTILITIES -0.0012

(0.84)*

-0.6299

(0)*

0.1644

(0.1)*

0.3458

(0.029)*

-0.0496

(-0.094)*

TECH AND COMUNICATIONS -0.0033

(-0.010)*

-0.8285

(-1.118)*

0.6378

(0.498)*

-0.0557

(-0.349)*

-0.5489

(-0.548)*

BASIC MATERIAL -0.0026

(0.394)*

-0.1987

(0)*

1.0947

(0)*

-0.5854

(0)*

0.0425

(0.040)*

FINANCIAL 0.0008

(0.687)*

-0.4246

(0)*

1.0140

(0)*

0.1831

(0.017)*

-0.2354

(0)*

TRANSPORTATION -0.0004

(0.888)*

-0.1641

(0)*

0.5250

(0)*

-0.1036

(0.001)*

0

Omitida**

CONSTRUCTION -0.0054

(0.338)*

-0.4287

(0)*

1.1059

(0)*

0.4219

(0.001)*

0.0203

(0.777)*

CONSUMER -0.0019

(0.533)*

-0.1182

(0.158)*

0.3116

(0)*

0.2820

(0.001)*

-0.0221

(0.658)*

CAPITAL GOOD AND SERVICES -0.0004

(0.871)*

-0.1084

(0.006)*

0.5758

(0)*

-1.1168

(0)*

1.1588

(0)*

Tabla 4. Coeficientes por sector productivo del mercado de Brasil

Sector/Brasil R-Cuadrado R-Cuadrado Ajustado

UTILITIES 0.1542 0.1398

TECH AND COMUNICATIONS 0.7606 0.7565

BASIC MATERIAL 0.7245 0.7199

FINANCIAL 0.7805 0.7768

TRANSPORTATION 0.2214 0.2109

CONSTRUCTION 0.4738 0.4649

CONSUMER 0.1408 0.1263

CAPITAL GOOD AND SERVICES 0.7355 0.731

Tabla 5. Coeficientes R-Cuadrado y R-Cuadrado ajustado por sector productivo del mercado de Brasil

Sector Hal SMB (𝒓𝒕𝒎 − 𝒓𝒕

𝒇) HML UMD

INDUSTRIAL 0.0000

(0.97)*

0.1880

(0.003)*

1.0982

(0)*

-0.2519

(0)*

-0.4188

(0)*

BANCA -0.0023

(0.274)*

-0.0896

(0.256)*

0.9177

(0)*

0.3679

(0)*

0.0730

(0)*

RETAIL 0.0020

(0.497)*

-0.2160

(0.028)*

1.0207

(0)*

0.0751

(0.439)*

0.007

(0.858)*

COMMODITIES 0.0006

(0.626)*

-0.3332

(0)*

1.1978

(0)*

0.3679

(0)*

-0.4556

(0)*

UTILITIES 0.0007

(0.714)*

-0.3426

(0)*

0.7353

(0)*

0.3450

(0)*

-0.3061

(0)*

CONSUMO 0.0013

(0.653)*

-0.0589

(0.526)*

0.8495

(0)*

-01992

(0)*

-0.1548

(0.091)*

CONST & INMOB -0.0011

(0.786)*

-0.3211

(0)*

1.2057

(0)*

0

Omitida**

-0.4436

(0)*

Tabla 6. Coeficientes por sector productivo del mercado de Chile

Sector/Chile R-Cuadrado R-Cuadrado Ajustado

INDUSTRIAL 0.6147 0.6081

BANCA 0.7164 0.7116

RETAIL 0.4788 0.47

COMMODITIES 0.852 0.8495

UTILITIES 0.6338 0.6276

CONSUMO 0.4039 0.3938

CONST & INMOB 0.4474 0.4399

Tabla 7. Coeficientes R-Cuadrado y R-Cuadrado ajustado por sector productivo del mercado de Chile

Sector Hal SMB (𝒓𝒕𝒎 − 𝒓𝒕

𝒇) HML UMD

INDUSTRIAL 0.086

(0.91)*

0.1180

(0.002)*

1.942

(0)*

-0.1924

(0)*

-0.188

(0)*

BANCA 0.0023

(0.3)*

-0.0796

(0.26)*

0.974

(0)*

0.695

(0)*

0.030

(0)*

RETAIL 0.022

(0.197)*

-0.260

(0.02)*

1.290

(0)*

0.051

(0.467)*

0.0007

(0.858)*

COMMODITIES 0.0061

(0.526)*

-0.312

(0)*

1.178

(0)*

0.396

(0)*

-0.46

(0)*

UTILITIES 0.0000

(0.74)*

-0.346

(0)*

0.735

(0)*

0.453

(0)*

-0.361

(0)*

CONSUMO 0.003

(0.53)*

-0.058

(0.266)*

0.854

(0)*

-0,299

(0)*

-0.148

(0.091)*

CONST & INMOB -0.0001

(0.76)*

-0.341

(0)*

1.34

(0)*

0.68

(0)*

-0.436

(0)*

Tabla 8. Coeficientes por sector productivo del mercado de Colombia

Sector/Colombia R-Cuadrado R-Cuadrado Ajustado

INDUSTRIAL 0.5174 0.688

BANCA 0.4305 0.4577

RETAIL 0.3045 0.3032

COMMODITIES 0.7646 0.6343

UTILITIES 0.3556 0.3900

CONSUMO 0.6401 0.6726

CONST & INMOB 0.5890 0.6627

Tabla 9. Coeficientes R-Cuadrado y R-Cuadrado ajustado por sector productivo del mercado de Colombia

* Significancia a un nivel del 5%

** fue omitida por colinealidad

Haciendo un análisis a las variables del modelo, podemos ver primero la Hal, este factor,

aunque no es significativo estadísticamente al 95% en la mayoría de los sectores en Brasil,

Chile y Colombia el signo de su coeficiente indica que desde abril los rendimientos de la

acción disminuyeron en promedio en ambos países en un -0.06%. A nivel de Brasil, se

registra en promedio dentro de todas las industrias una disminución del 0.18% en la

rentabilidad de las acciones, evidenciándose una mayor caída en el sector de la construcción

con una disminución del 0.54%. En el caso chileno, los rendimientos de las empresas en

promedio van a aumentar 0.02% después de abril. El sector que se ve más afectado por el

cambio de periodicidad es el sector bancario con una disminución del 0.23%, por último,

observando el mercado colombiano, los rendimientos de las empresas en promedio van a

aumentar 1,7% impulsado por la industria, sin embargo, el sector que se ve más afectado por

el cambio de periodicidad es el sector de la construcción.

Con respecto a 𝒓𝒕𝒎 − 𝒓𝒕

𝒇, en todos los sectores presenta significancia para el modelo da cada

país. Siendo esto fundamental para el análisis, ya que según Jacobsen y Visaltanachoti indica

que el beta describe el comportamiento del mercado en general con respecto al activo libre

de riesgo; y este es significativo en todos los sectores evaluados (Jacobsen & Visaltanachoti,

2006). Por lo cual, el sector de la construcción va a producir el mejor rendimiento dado un

aumento del 1% en esta variable, específicamente en Brasil aumentará en 110% mientras que

en Chile dicho sector generará crecimientos mayores al 120% y en Colombia la industria será

el sector que generará crecimientos mayores al 104%. Otra similitud entre los dos países es

que, los sectores de “utilities” y “consumo” son los que menor aumento presentan.

Analizando la variable de SMB podemos ver que en general dentro de todos los modelos esta

variable es significativa al 95%. Por lo que, el factor más pequeño dentro de cualquier

industria en los países de análisis si influencia el rendimiento de la empresa más grande de

dicho sector. En términos estadísticos podríamos concluir que, en Brasil con un aumento del

1% en el SMB el retorno de la acción más representativa del sector va a disminuir en un

36.26%. Siendo el sector más afectado dado un aumento del 1% en el SMB va a ser el sector

de la tecnología y las comunicaciones, con una disminución en el rendimiento de la acción

principal del 83%. En Chile, el sector industrial se produce el efecto contrario. Dado un

aumento del 1% en el factor SMB del sector industrial los rendimientos de la acción

representativa de este sector van a aumentar en un 19%, sin embargo, en términos generales

para Chile el retorno de la acción más representativa del sector va a disminuir en un 16.76%.

El mercado colombiano presenta la misma situación donde el retorno de la acción más

representativa del sector va a disminuir en un 18,26%, a pesar de esta disminución, la

industria será el único sector que tendrá un incremento del 11,8%.

Siguiendo con el HML, en la mayoría de los modelos esta variable es significativa

estadísticamente, esto quiere decir que la influencia de un movimiento en la empresa con más

volumen dentro del mercado va a representar un cambio en el rendimiento de la acción base.

Haciendo un análisis de esta variable, a nivel de Latinoamérica dado un aumento del 1% en

el HML el retorno de la acción más importante de cada sector va a ver un aumento de su

rendimiento en un 9,01%. Sobre esto, hay que establecer que esto es el promedio de los

coeficientes para Brasil, Chile y Colombia con sus respectivos sectores. Analizando Brasil,

solo cuatro de los ocho sectores que se tiene en cuenta se verían afectados dado un cambio

positivo en el HML, mientras que en Chile y Colombia cinco de los siete sectores analizados

tendrían un efecto positivo dado un aumento del 1% en el HML. Estos resultados son

coherentes con los resultados arrojados por Jacobsen y Visaltanachoti, ya que dichos autores

encontraron que diez de las industrias americanas (en total son diecisiete), presentaban

comportamientos positivos entre el rendimiento de la acción y el HML del sector (Jacobsen

& Visaltanachoti, 2006).

Por último, podemos analizar el UMD, concluimos que no es significativa para el caso de

Brasil, lo que quiere decir que la diferencia entre el retorno promedio de los mayores

crecimientos para acciones pequeñas y grandes con respecto al retorno promedio de los

menores crecimientos para las mismas categorías no genera cambios sustanciales en el

rendimiento de la acción. A diferencia de Brasil, para el caso chileno y colombiano esta

variable si es significativa, demostrando que un cambio del 1% en esta variable causa, en

promedio, una disminución del 24% y 22% respectivamente en el rendimiento de la acción

con mayor participación del sector.

Conclusiones

Con base en las regresiones y la información presentada se comprueba la existencia de la

anomalía que plantea el indicador Halloween. Si bien este el modelo de tres factores se pensó

bajo el contexto de un mercado bastante grande como por ejemplo el estadounidense, puede

ser aplicado a cualquier otro tipo de economía teniendo en cuenta que su fundamentación

matemática lo permite. En este sentido se observa como la aplicación resultó exitosa en los

mercados evaluados de Brasil, Chile y en especial, Colombia a pesar de contar con una

cantidad muy limitada de empresas en bolsa.

Como establece Schwert (2003) y Jacobsen & Visaltanachoti (2006) este indicador

demuestra que existe un efecto calendario en los países de Brasil, Chile y Colombia y llega

a predecir el comportamiento del mercado dentro de la ventana de tiempo evaluada. Sin

embargo, el indicador puede estar influenciado por el comportamiento de los países a donde

Colombia exporte por lo cual, esto nos lleva a concluir la existencia de coordinación entre

los mercados.

El indicador Halloween está presente en los distintos sectores productivos estudiados en cada

país en mayor grado en unos que en otros, en donde los sectores de consumo, construcción,

industria y la banca son los sectores que en promedio tienen mayores cambios por efecto

estacional del país, por ejemplo, en Colombia el sector que tienen mayores cambios es la

industria, frente a Chile que es la banca y en Brasil es la construcción. Mientras sectores

como los commodities y los servicios no reflejan cambios significativos en sus rendimientos

por acción de la estacionalidad del país.

Teniendo en cuenta los niveles de liquidez, el cual como se indicó previamente es el volumen

de transacciones, es afectado por el calendario siendo esto reflejado por el indicador

Halloween, donde comparando el periodo considerado verano frente al invierno en cada país

se observa una diferencia promedio en estos tres países del 11% en la totalidad del volumen

transado. Por lo cual, nos indica que el indicador Halloween no sólo tienen efecto sobre los

rendimientos de los diferentes sectores, sino también el número de transacciones realizadas

durante el periodo comprendido entre noviembre y abril.

Con el fin de determinar el efecto principal que tiene el indicador Halloween sobre cada

sector en total, más no sobre la acción más representativa de cada uno, se recomienda para

estudios futuros llevar a cabo un análisis con los consolidados de cada sector. Esto será

beneficioso porque mostrara en específico el efecto que tiene la periodicidad del indicador

Halloween en los diferentes mercados. También se recomienda cambiar la periodicidad y

ampliar el horizonte de tiempo para poder buscar la significancia del indicador frente a

situaciones adversas en general para el mercado de valores.

Bibliografía

Bouman, S., & Jaconbsen, B. (2001). The Halloween indicator, "sell in May and go away": Another

puzzle. Financial Times.

Cabello, A., & Ortiz, E. (2004). Day of the week and month of the year effects at the . International

Finance Review, 1630.

Fama, E., & French, K. (1993). Common risk factors in the returns on stocks and bonds. Journal of

Financial Economics, 33: 3.

Fama, E., & French, R. (2004). The CAPM: Theory and Evidence. Journal of Economic , 25-46.

Hong, H., & Yu, J. (2005). Gone fishin': Seasonality, size and value anomalies. Journal of Finance

Markets.

Jacobsen, B., & Marquering, W. (2009). Is ti the weather? Journal of Banking and Finance.

Jacobsen, B., & Visaltanachoti, N. (8 de mayo de 2006). SSRN eLibrary Statistics. Obtenido de

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=901088

Jacobsen, B., & Visaltanachoti, N. (2006). The Halloween effect in US sector. The financial review.

Jacobsen, B., Mamun, A., & Visaltanachoti, N. (2005). Seasonal, size and value anomalies, Working

Paper. Massey University.

Kamstra, M., Kramer, L., & Levi, M. (2003). Winter blues: A SAD stock market cycle. America

Economic Review, 324-343.

Klarman, S., & Williams, J. (1991). Beta. Journal of Financial.

M, C., & Wie, W. (2005). Stock market returns: A note on temperature anomaly. Journal of

Bancking and Finance - 29, 1559-1573.

Markowitz, H. (1952). Portfolio Selection. Journal of Finance, 7:1, 77-99.

Newey, W., & West, K. (1987). A Simple, Positive Semi-Definite, Heteroskedasticity and

Autorrelation Consistent Covariance Matrix. Econometrica, 55(3), 703 - 708. doi:

10.2307/1913610.

Rodríguez, W. (2012). Efecto día feriado en los principales mercados accionarios de Latoniamérica.

Contaduría y Administración, Vol. 57, No. 2,, 45-62.

Schwert, G. (2003). Liquidity risk and expected stock returns. Journal of political economy, 642-

685.

Trecet, J. (30 de 10 de 2019). FinancialRed. Obtenido de Red de blog especializados en economía,

bolsa y finanzas: de http://financialred.com/hacemos-caso-al-indicador-de-halloween-y-

compramos/