EL MODELO DE VALORACIÓN DEL RESULTADO RESIDUAL CON …3ws-contabilidad.ua.es/trabajos/2000.pdf ·...
Transcript of EL MODELO DE VALORACIÓN DEL RESULTADO RESIDUAL CON …3ws-contabilidad.ua.es/trabajos/2000.pdf ·...
EL MODELO DE VALORACIÓN DEL RESULTADO RESIDUAL CON RIESGO:
UN ANÁLISIS COMPARATIVO BAJO DIFERENTES ACTITUDES FRENTE AL
RIESGO
MANUEL CANO RODRIGUEZ
Universidad de Jaén
Departamento de Administración de Empresas, Contabilidad y Sociología
Paraje las Lagunillas s/n; 23071 – Jaén (Spain)
Tel.: +34-953-00-26-47; Fax.: +34-953-01-22-22
E-mail: [email protected]
MANUEL NÚÑEZ NICKEL
Universidad Carlos III de Madrid
Departamento de Economía de la Empresa
C/ Madrid, 126; 28903 Getafe-Madrid (Spain)
Tel.: +34-91-624-58-46. Fax.: +34-91-624-96-07
E-mail: [email protected]
Marzo 2003
Esta investigación ha sido financiada por SEC(0657-2001) y DGES (PB 97-13.58)
1
EL MODELO DE VALORACIÓN DEL RESULTADO RESIDUAL CON RIESGO:
UN ANÁLISIS COMPARATIVO BAJO DIFERENTES ACTITUDES FRENTE AL
RIESGO
RESUMEN
El papel del riesgo en los modelos de valoración del resultado residual ha sido frecuentemente minimizado. Así, empíricamente, se ha tratado de introducir esta variable mediante la adición de una prima de riesgo a la tasa de actualización, lo cual carece de base teórica sólida y presupone la existencia de una conducta de permanente aversión al riesgo. En este trabajo introducimos el riesgo en el numerador del modelo, pero permitiendo que el modelo defina la actitud frente al riesgo de los inversores. Nuestros resultados ofrecen una doble actitud frente al riesgo, consistente con la Teoría Prospectiva.
Palabras clave: modelo de valoración del resultado residual; teoría prospectiva; actitud frente al riesgo.
2
EL MODELO DE VALORACIÓN DEL RESULTADO RESIDUAL CON RIESGO:
UN ANÁLISIS COMPARATIVO BAJO DIFERENTES ACTITUDES FRENTE AL
RIESGO
1. INTRODUCCIÓN
El modelo de valoración del resultado residual [Ohlson, 1995; Feltham y Ohlson, 1995] es
consdierado como “uno de los avances más importantes de la investigación contable en los
últimos diez años” [Beaver, 2002, p. 457]. Este modelo calcula el valor de las acciones
ordinarias de la empresa añadiendo a su valor contable o de libros el valor actualizado de
sus futuros resultados residuales por acción, entendiendo como resultado residual la
diferencia entre el resultado por acción obtenido y la aplicación de la tasa de interés sin
riesgo al valor contable de la acción. Por motivos de simplicidad, las primeras versiones del
modelo asumían que los inversores eran neutrales frente al riesgo [Feltham y Ohlson, 1995;
Ohlson, 1995], es decir, que no existía ninguna influencia del riesgo en el valor de la
acción. Sin embargo, esta idea es contraria a la tradición en economía financiera, la cual
considera que los inversores son adversos al riesgo y, por tanto, el riesgo influirá sobre el
valor de las acciones [Markowitz, 1952; Roll and Ross, 1980].
La investigación ha seguido dos vías para superar esta simplificación de neutralidad frente
al riesgo: (1) mediante el ajuste de la tasa de descuento con una prima de riesgo [Frankel y
Lee, 1998; Myers, 1999; Francis et al, 2000] y (2) mediante la inclusión del riesgo en el
cálculo del resultado residual esperado, como consecuencia del razonamiento lógico que
subyace en el modelo original de resultado residual [Ohlson, 1995; Feltham y Ohlson,
1999]. El primer camino es una solución ad hoc, y, por tanto, presenta varias
inconsistencias teóricas [Ohlson, 1995, p. 679–681; Feltham y Ohlson, 1999, p. 171–174].
El segndo supera la limitación del camino anterior, pero añade dos problemas adicionales:
este modelo no ha sido aún contrastado, y el trabajo de Kahneman y Tversky [1979]
muestra que las actitudes frente al riesgo pueden ser cambiables en función de si nos
encontramos en un entorno de beneficios o de pérdidas. Los sujetos decisores podrían por
tanto ser propensos, neutrales o adversos al riesgo dependiendo de si esperan obtener
beneficios o pérdidas.
El objetivo de este trabajo es superar ambas limitaciones tomando como base el modelo
3
desarrollado por Feltham y Ohlson [1999]. En este sentido, podemos contrastar el modelo
[Feltham y Ohlson, 1999] mediante la inclusión en el numerador de un factor de riesgo.
Este modelo ha sido contrastado en dos muestras diferentes: una de empresas
estadounidenses y otra de empresas españolas. Al mismo tiempo, la aversión permanente
frente al riesgo prevista en el modelo teórico, es sustituida por la cambiante actitud prevista
por la teoría prospectiva [Kahneman y Tversky, 1979].
Es importante que el modelo resultante sea contrastado con datos reales para demostrar su
poder de predicción, así como la validez y robustez de sus conclusiones teóricas. Si los
inversores demuestran efectivamente una actitud mutable frente al riesgo, los modelos
teóricos que no han incluido esta posibilidad podrían ofrecer conclusiones poco fiables.
En la siguiente sección, desarrollamos el modelo teórico incorporando las diferentes
actitudes frente al riesgo. A continuación, en la tercera sección describimos los métodos
seguidos para el contraste empírico. La cuarta sección recoge los resultados obtenidos para
acabar en la quinta sección con las conclusiones extraídas.
2. FUNDAMENTO TEÓRICO
2.1. MODELO DE VALORACIÓN DEL RESULTADO RESIDUAL Y RIESGO
El modelo de valoración del resultado residual relaciona el valor de una acción ordinaria
con su valor de libros y el valor actualizado de la corriente de futuros resultados residuales
[Ohlson, 1995; Feltham y Ohlson, 1995]:
[ ]( )∑
∞
=
−++
+
⋅−+=
1
1
1jj
jitjititit k
BkXEBp (1)
Donde pit es el precio de una acción ordinaria de la empresa i en el momento t; Bit es el
valor contable de la misma acción en el mismo momento; E simboliza el valor esperado;
Xit+j denota el resultado por acción obtenido durante el período t, t+1; y, finalmente, k es la
tasa de interés sin riesgo de la economía.
El anterior modelo asume ausencia de oportunidades de arbitraje y relación de excedente
limpio, es decir, que todos los cambios en el valor contable de la acción se producen a
través del resultado o de los dividendos [Feltham and Ohlson, 1995, p. 694].
Por simplicidad, esta primera versión del modelo no tiene en cuenta la influencia del riesgo
en el valor de la acción. Por tanto, se está asumiendo una actitud de neutralidad frente al
4
riesgo [Ohlson, 1995, p. 679; Feltham and Ohlson, 1995, p. 696], lo que implica que los
inversores valoran sus acciones en función de su corriente futura de flujos de caja,
independientemente del riesgo asociado a dicha corriente. Aunque una actitud de
neutralidad frente al riesgo simplifica el modelo, tanto desde la perspectiva de la economía
financiera [Sharpe, 1964; Roll y Ross, 1980; Fama y French, 1992] como de la teoría de la
decisión [Kahneman y Tversky, 1979], suele asumirse generalmente una actitud de
aversión frente al riesgo [March, 1988, p. 5].
Como se ha apuntado, el único desarrollo del modelo con apoyo teórico es la aproximación
realizada por Ohlson [1995, p. 680], en la que se incluye el riesgo en el numerador del
modelo usando los equivalentes ciertos de los resultados residuales esperados [Rubinstein,
1976; Feltham y Ohlson, 1993, 1999]. Aunque este método de introducción del riesgo
puede parecer a primera vista más abstracto que el simple ajuste de la tasa de descuento,
Feltham y Ohlson [1999, p. 171–174] y Ohlson [1995, p. 679–681] demuestran que este
modelo presenta varias ventajas: (1) está fundamentado teóricamente y no es una solución
ad hoc como el caso del ajuste de la tasa de descuento [Ohlson, 1995]; (2) separa los dos
conceptos diferentes de tasa de descuento y efecto de riesgo [Chambers et al., 1999, p. 2–3;
Feltham and Ohlson, 1999, p. 174]; y (3) es similar a otros modelos financieros previos
como el de Rubinstein [1976]. De acuerdo con esta aproximación, el modelo (1) podría ser
reescrito de la siguiente forma:
[ ]( )∑
∞
=
−++
+
⋅+⋅−+=
1
1
1jj
ijitjititit k
BkXEBp
σλ (2)
Donde σi representaría la medida de riesgo de la empresa i que es relevante para los
inversores, y λ sería una constante que indicaría la actitud frente al riesgo. Así, si λ es igual
a cero, obtendríamos una actitud de neutralidad frente al riesgo, ya que el precio que los
inversores pagarían por las acciones no estaría influenciado por la variable riesgo. Un valor
negativo de λ indicaría que, a mayor riesgo, menor precio estarían dispuestos a pagar los
inversores. Es decir, obtendríamos la aversión frente al riesgo. Finalmente, si λ resultara
positiva, la actitud exhibida por los accionistas sería de propensión frente al riesgo, ya que a
mayor nivel de riesgo, mayor precio estarían dispuestos a pagar por las acciones.
En este modelo, no obstante, estamos realizando una serie de simplificaciones que
convendría señalar. Así, estamos asumiendo que los equivalentes ciertos de los resultados
5
residuales futuros pueden ser calculados como una función lineal del riesgo, donde el
coeficiente del riesgo indicaría la actitud frente al mismo. Asimismo, asumimos que la
actitud frente al riesgo de los inversores permanece constante a través del tiempo y a través
de los distintos resultados residuales de las empresas.
Aunque puede ser discutible que la influencia del riesgo en el valor de las acciones sea
lineal, tal y como hemos introducido en el modelo, vamos a mantener dicha suposición por
simplicidad. Abordaremos ahora, no obstante, la segunda de las simplificaciones implícita
en el modelo (2): la permanencia de la actitud frente al riesgo.
2.2. MODELO DE VALORACIÓN DEL RESULTADO RESIDUAL Y TEORÍA PROSPECTIVA
La teoría prospectiva [Kahneman y Tversky, 1979] establece que la actitud frente al riesgo
de un sujeto decisor no es inmutable, sino que puede variar en función de la posición
relativa con respecto a un nivel de aspiración u objetivo. Este nivel de aspiración ha sido
descrito como “un punto de referencia que es psicológicamente neutral” [Kameda y Davis,
1990, p. 56] o, en otras palabras, la línea divisoria entre la sensación de éxito y la de
fracaso, y el comienzo de la duda y el conflicto en la toma de decisiones [Lopes, 1987;
Greve, 1998]. Así, cuando el sujeto decisor espera que obtener una ganancia que supere el
nivel de aspiración, presentará una actitud de aversión frente al riesgo. Por otro lado,
cuando el resultado esperado por el decisor no llega a alcanzar el nivel aspirado, la actitud
frente al riesgo que exhibirá dicho sujeto será de propensión, ya que intentará incrementar
la probabilidad de superar dicho nivel de aspiración y conseguir, consecuentemente, la
sensación de éxito. Por tanto, y de acuerdo con esta teoría, los sujetos decisores en general,
y los inversores en particular, no presentan una perpetua aversión al riesgo –como es
frecuente asumir en los modelos financieros-, sino una permanente aversión frente a la
pérdida, lo cual se traduce en último término en una actitud frente al riesgo cambiante. Más
aún, Kahneman y Tversky [1979] encontraron que la función de utilidad presentaba una
mayor pendiente en el dominio de las pérdidas que la que se obtenía en el lado de las
ganancias, indicando, por tanto, que la propensión frente al riesgo resultaba ser incluso más
fuerte que la aversión frente al mismo.
La teoría prospectiva ha sido ampliamente contrastada en el ámbito de la economía
financiera, particularmente en la explicación de las anomalías hayadas para el modelo
CAPM [e.g., Olsen, 1997; Ait-Sahalia and Brandt, 2001; Barberis and Huang, 2001;
6
Barberis et al., 2001; Loughran and Ritter, 2002], así como en dirección estratégica, donde
ha servido como apoyo teórico para la doble relación existente entre las medidas contables
de rentabilidad y riesgo [e.g., Bowman, 1984; Fiegenbaum y Thomas, 1988; Miller y
Bromiley, 1990; Jegers, 1991; Deephouse y Wiseman, 2000; Lehner, 2000]1.
En resumen, de acuerdo con la teoría prospectiva, la actitud frente al riesgo no es constante,
sino contingente y dependiente del resultado esperado. Por tanto, el modelo (2) debería ser
modificado para permitir los cambios en la actitud frente al riesgo en función del resultado
esperado. Esto puede conseguirse mediante la introducción de dos coeficientes distintos
para medir la actitud frente al riesgo: uno para los resultados residuales esperados positivos
y otro para los negativos. Así, desarrollaríamos el modelo (3) de la siguiente forma:
[ ] ( )( )∑
∞
=
−+
++−++
+
⋅⋅−+⋅⋅+⋅−+=
1
1
1
1
jj
ijitijitjitjititit k
d.dBkXEBp
σλσλ (3)
Donde dit+j sería una variable dicotómica que tomaría el valor de 1 si el resultado residual
supera el nivel de aspiración, y cero en caso contrario; λ+ indica la actitud frente al riesgo
mostrada por los inversores cuando el resultado residual esperado es positivo, y λ- indica la
actitud frente al riesgo exhibida por los inversores cuando el resultado residual esperado es
negativo. Así, de acuerdo con la teoría prospectiva, λ+ debería resultar negativo (aversión
frente al riesgo), mientras que λ- debería resultar positivo (propensión frente al riesgo)
3. MÉTODOS
3.1. MUESTRA
Para contrastar nuestra hipótesis, hemos empleado dos muestras diferentes. La primera está
compuesta por las empresas no financieras que cotizaron en el mercado de Madrid durante
los años 1994 a 2000. Dado que la procedencia de esta base de datos podría resultar una
limitación del trabajo por la relativa pequeña dimensión, profundidad y eficiencia del
mercado de Madrid, se seleccionó una segunda muestra, formada por un número similar de
empresas que cotizan en el mercado de Nueva York. Esta segunda muestra está formada
1 Una revisión bibliográfica más exhaustiva de las aplicaciones de la teoría prospectiva
puede obtenerse de Edwards [1996].
7
por las empresas incluidas en el índice Standard and Poor 100 (S&P 100) tras su revisión de
febrero del año 2002, tomando los datos para el mismo período que para la muestra
española. Así, la comparación de los resultados españoles con los norteamericanos puede
ofrecer evidencia adicional sobre la robustez del modelo.
La información contable para la muestra española se obtuvo de los estados financieros
semestrales depositados por las empresas en la Comisión Nacional del Mercado de Valores
(CNMV). Los precios de las acciones se obtuvieron del mercado de Madrid y la tasa de
interés sin riesgo se obtuvo del Banco de España.
En cuanto a la muestra estadounidense, se utilizó la información semestral para las
empresas del índice S&P 100 obtenida de la base de datos Edgar. Los precios de las
acciones se obtuvieron de Commodity Systems Inc. Sin embargo, la extensión de los
resultados observados con la muestra empleada (empresas del S&P 100) al resto de
empresas estadounidenses está condicionada por la posibilidad de sesgo que introduce el
hecho de que las empresas incluidas en el S&P 100 son grandes empresas, consideradas
como “blue chips” en los mercados de capitales. Finalmente, la tasa de interés sin riesgo se
obtuvo de la base de datos FRED, mantenida por el Banco de la Reserva Federal [Fletcher,
2000].
Las observaciones extremas de ambas muestras fueron eliminadas siguiendo un doble
criterio: primero, aquellas observaciones con un valor contable de las acciones negativo
fueron eliminadas de la muestra; segundo, las empresas con resultados extremadamente
altos o bajos fueron también eliminadas. A estos efectos, se consideró que un resultado era
extremadamente alto/bajo cuando su rentabilidad financiera (calculada como resultado por
acción sobre valor contable de la acción) superaban el 100% o quedaban por debajo del –
100% [Frankel and Lee, 1998, p. 291]. Finalmente, las dos muestras –española y
estadounidense- resultaron compuestas por 1120 y 1155 observaciones empresa-período,
respectivamente.
3.2. MEDIDAS
3.2.1. Precios de mercado
Para asegurar que los inversores conocen la información contable a la hora de fijar los
precios de las acciones, se seleccionaron los precios de las mismas tres meses después de la
fecha de cierre de la información contable. La investigación previa que ha relacionado los
8
datos contables con las medidas de mercado [por ejemplo, Fama y French, 1992; Frankel y
Lee, 1998] ha usado un retraso de seis meses para asegurar el conocimiento de la
información contable en la formación de los precios. No obstante, dado que en nuestra
investigación estamos empleando información semestral, se seleccionó un retraso de tres
meses para evitar que el conocimiento anticipado de la información contable del siguiente
período pudiera influir también en la formación del precio.
3.2.2. Estimaciones del resultado residual
La literatura previa ha empleado dos aproximaciones diferentes al valor esperado de los
resultados residuales: los métodos basados en la información histórica, y los análisis de los
pronósticos de los analistas financieros. Aunque esta última aproximación ha venido
ofreciendo resultados más concluyentes en la mayoría de los casos [véase, por ejemplo,
Frankel y Lee, 1998], la carencia de este tipo de información para la base de datos española
impide la utilización de esa técnica en nuestro trabajo.
Por tanto, se ha empleado la metodología de modelos de series temporales para estimar el
valor futuro de las variables contables. Asimismo, para conseguir el mayor grado de
comparabilidad con la base de datos americana, y a pesar de la existencia de pronósticos
disponibles para estas empresas, se ha empleado la misma técnica de series temporales para
ambas muestras.
Para estimar los resultados residuales futuros esperados, hemos empleado un modelo de
series temporales auto-regresivo de primer orden (AR (1)):
jitjjitiijit RIRI +−++ +⋅+= εβα 1 (4)
Donde RI denota el resultado residual (“residual income” en inglés), αi y βi son los
parámetros a estimar, y εit+j es el error, que se asume que se distribuye normalmente con
media cero y varianza finita. Tomando esperanzas en la expresión (4), obtendremos el valor
esperado, estimado en el momento t, para el resultado residual de cada período t+j:
[ ] [ ]1−++ ⋅+= jittiijitt RIERIE βα (5)
3.2.3. Medida de riesgo
La variable seleccionada para representar el riesgo es la desviación típica del resultado
residual, estimada a partir del modelo de series temporales descrito en (4). Esta medida ha
sido elegida por varias razones. Primero, desde un punto de vista teórico, podría
argumentarse que la medida más apropiada de riesgo debería ser la covarianza entre el
9
resultado de la empresa y las fuerzas económicas generales de la economía, de forma
similar a cómo se estima el parámetro beta del CAPM [véase, por ejemplo, Feltham y
Ohlson, 1999]. Este argumento estaría basado en la idea de que los inversores sólo tienen
en cuenta la parte sistemática del riesgo de su acción, como defiende el CAPM. Sin
embargo, esta idea se basa en la suposición financiera de la aversión permanente al riesgo.
Si relajamos dicha suposición, permitiendo que los inversores puedan ser propensos al
riesgo en determinadas circunstancias (como defiende la teoría prospectiva), estos
inversores pueden llegar a preferir carteras de inversiones con mayor riesgo, las cuales no
tendrían, por tanto, que estar perfectamente diversificadas. En este caso, estas carteras
presentarían riesgo específico –independiente de las fuerzas económicas generales- y por
tanto, la varianza total sería más apropiada para indicar su riesgo que sólo la parte
sistemática.
La idea de que los inversores no invierten de forma tan perfectamente diversificada como
predice el CAPM no es nueva. Así, muchos estudios han señalado que factores no generales
(es decir, específicos) pueden predecir la distribución transversal de la rentabilidad de las
acciones mejor que el riesgo sistemático [Chatterjee et al., 1999]. Entre estos factores
específicos, podemos encontrar el ratio PER [Basu, 1983], el apalancamiento [Bhandari,
1988], el ratio valor contable/valor de mercado y el valor de mercado de la empresa [Fama
y French, 1992], el riesgo no sistemático [Levy, 1978; Amit y Wernerfelt, 1990], y la
varianza total de la rentabilidad [Brown et al., 1993]. En este sentido, Barberis y Huang
[2001] también señalan que la toma de decisiones del inversor puede estar más influenciada
por la conducta de las acciones consideradas individualmente que por la conducta de la
cartera de inversiones en su conjunto.
Por tanto, bajo las condiciones de propensión al riesgo, los inversores probablemente no
inviertan en carteras perfectamente diversificadas, y el riesgo total indicado por la varianza
sería una medida más apropiada que el riesgo sistemático.
Por otro lado, Ryan [1997] demuestra que la varianza de los resultados es la variable
contable que mejor predice el riesgo sistemático de mercado de la acción, mejor incluso
que medidas contables basadas en la covarianza con las fuerzas generales del mercado,
tales como los betas contables.
En definitiva, el uso de la varianza contable del resultado residual futuro puede justificarse,
10
no sólo teóricamente, sino también empíricamente. La aversión permanente frente al riesgo
no tiene que ser asumida y, por tanto, los inversores podrían tomar sus decisiones en
función del riesgo total. Además, existe evidencia de que la medida contable de riesgo total
es el mejor estimador contable del parámetro beta del mercado.
3.2.3. Punto de aspiración
Como se ha mencionado, el nivel de aspiración ha sido descrito como un punto de
referencia neutral, o la frontera entre la percepción de éxito y la percepción de fracaso
[Kameda y Davis, 1990, p. 56; Lopes, 1987; Greve, 1998]. Aplicando esta definición al
modelo del resultado residual, el punto de aspiración seleccionado fue el valor cero. Así,
cuando una empresa está obteniendo una rentabilidad superior a la tasa de rentabilidad sin
riesgo de la economía, el resultado residual será positivo, y los inversores considerarán que
la acción está ofreciendo una rentabilidad adicional, lo cual puede ser considerado como un
éxito. Por otro lado, si la empresa no alcanza un nivel de rentabilidad que exceda la tasa de
rentabilidad sin riesgo, los inversores podrían haber optado por una inversión más rentable
en la tasa de interés sin riesgo. En consecuencia, valorarán la inversión en la acción como
un fracaso.
Por tanot, y de acuerdo con la teoría prospectiva, el cambio en la actitud frente al riesgo
ocurriría cuando el resultado residual esperado variara de ganancias a pérdidas o viceversa,
reemplazando el concepto financiero de aversión al riesgo por el psicológico de aversión a
la pérdida.
Finalmente, el nivel de resultados cero ha sido un objetivo común en la investigación previa
basada en los postulados de la teoría prospectiva [por ejemplo, Miller y Leiblein, 1996;
Burgstahler y Dichev, 1997; Barberis et al., 2001].
3.2.4. Tasa de rentabilidad sin riesgo
La tasa de rentabilidad sin riesgo se ha medido usando los tipos de interés de las Letras del
Tesoro españolas a seis meses para el caso de la muestra española. Para la muestra del S&P
100, se han empleado los tipos de los Treasury Bills estadounidenses a seis meses. Aunque
algunos autores señalan que el modelo del resultado residual podría perfeccionarse
introduciendo la posibilidad de que la rentabilidad sin riesgo siguiera un proceso
estocástico [Feltham y Ohlson, 1999], en este trabajo se asumirá, por motivos de
simplicidad, que la tasa sin riesgo que se aplicará para el descuento de los resultados
11
residuales futuros será la que exista en el momento de la valoración.
3.3. ANÁLISIS
3.3.1. Estimación de los parámetros lambda
Para demostrar que un factor cualquiera (el riesgo en nuestro caso) mejora la predicción del
valor de las acciones, es necesario demostrar que este factor tiene una influencia
significativa sobre el precio, controlando los otros factores ya conocidos y recogidos en el
modelo (1). En otras palabras, habría que mostrar que la diferencia entre los precios reales
y los estimados por el modelo (1) no es nula, y que esta diferencia puede ser estimada –al
menos en parte- por el factor riesgo. Por tanto, rescribiremos el modelo (3) de la siguiente
forma:
[ ]( ) ( )
( )( )∑∑∑
∞
=
+−∞
=
++∞
=
+
+
⋅−⋅+
+
⋅⋅=
++−
111 11
11 jj
ijit
jjijit
jjjit
itit kd
kd
kRIE
Bpσ
λσ
λ (6)
Hemos elegido este modelo porque puede ser usado para contrastar todas las hipótesis
anteriores. Así, si ambos coeficientes lambda no fueran significativamente diferentes de
cero, se apoyaría la hipótesis de neutralidad frente al riesgo. Si ambos coeficientes resultan
significativamente inferiores a cero, habremos obtenido una actitud permanente de aversión
frente al riesgo, coherente con la tradición financiera. Finalmente, si los valores obtenidos
para λ+ y λ- son significativamente positivo y negativo respectivamente, habríamos
obtenido apoyo para la perspectiva de la teoría prospectiva.
3.3.2. Horizonte temporal
Un importante problema en la implementación empírica del modelo de valoración del
resultado residual es el horizonte temporal infinito definido en el modelo teórico. La
solución más común a este problema ha sido el uso de un horizonte finito para la previsión
explícita de los resultados residuales y considerar al final de ese horizonte finito un valor
terminal de la empresa; es decir, una estimación del valor de la empresa después del
período de predicción [Frankel y Lee, 1998, p. 289]. Este valor terminal ha sido
frecuentemente calculado utilizando la actualización a perpetuidad de la última predicción
del horizonte temporal finito [Penman y Souggianis, 1998; Frankel y Lee, 1998; Francis et
al., 2000].
De forma parecida a Frankel y Lee [1998], empleamos tres horizontes temporales finitos
diferentes en nuestro modelo, desde 1 a 3 períodos. Por tanto, estimaremos los parámetros
12
lambda en tres modelos, resumidos en la siguiente expresión, donde n varía desde 1 hasta 3:
[ ]( )
[ ]( ) ( ) ( )
( )( )
( )( )
+⋅⋅−
+
+
⋅−⋅+
+
+⋅⋅
+
+
⋅⋅=
+⋅+
++−
+
=
+−
+
=
+++
=
+
∑
∑∑
ninit
n
jj
ijit
ninit
n
jjijit
nnit
n
jjjit
itit
kkd
kd
kkd
kd
kkRIE
kRIE
Bp
11
11
1111
1
11
σσλ
σσλ
(7)
El método de estimación estimado ha sido la regresión por mínimos cuadrados, donde la
diferencia entre el precio real de la acción y el precio estimado mediante el modelo del
resultado residual es la variable dependiente, mientras que los factores de riesgo
descontados actúan como variables exógenas. Los parámetros λ+ y λ- han sido estimado
sobre la muestra completa de datos empresa-período y sobre cada una de las muestras
seccionales definidas por cada período temporal, usando los tres horizontes temporales
antes descritos.
4. RESULTADOS
La tabla 1 muestra las estadísticas descriptivas para cada período de la muestra
estadounidense, así como para la muestra compuesta por todos las observaciones empresa-
período del mismo grupo de empresas. La tabla muestra la media y mediana del precio de
la acción, su valor contable y el resultado por acción.
TABLA 1 APROXIMADAMENTE AQUÍ
Idénticamente, la tabla 2 muestra las estadísticas descriptivas para la base de datos
española. Igual que en el caso anterior, esta tabla muestra el promedio y la mediana del
valor de mercado y el valor contable de las acciones, así como del beneficio por acción.
TABLA 2 APROXIMADAMENTE AQUÍ
La tabla 3 muestra las estimaciones de los coeficientes representativos de la actitud frente al
riesgo (λ+ y λ-) para la muestra estadounidense. Esta tabla muestra las estimaciones de los
13
coeficientes lambda para cada período y para el conjunto global de observaciones de la
muestra estadounidense, para los tres horizontes temporales. Siguiendo el modelo teórico,
la regresión fue calculada sin incluir la constante, aunque en un segundo grupo de modelos
de regresión en los que la constante fue incluida, los resultados no cambiaron
significativamente con respecto a los mostrados en la tabla 32.
Nuestros resultados muestran, en primer lugar, que el nivel de riesgo de la empresa juega
un papel primordial en la explicación del error de predicción que surge en la versión
tradicional del modelo de resultado residual. Así, todos los modelos presentan un test F
altamente significativo (p < 0.001) para todos los períodos y para la muestra conjunta. El
valor del contraste R2 de los modelos es relativamente alto, variando desde un mínimo del
14,83% (1997, 2º semestre, horizonte temporal 2 años) hasta un máximo del 66.64% (1999,
primer semestre, horizonte temporal 2 años). Los valores obtenidos para los coeficientes
han presentado en todos los casos los signos previstos por la teoría prospectiva, es decir,
negativo para λ+ y positivo para λ-. Asimismo, todos los parámetros λ+ son significativos
(al nivel 0.05). Por el contrario, varios valores del coeficiente λ- no son significativamente
diferentes de cero. Sin embargo, los modelos que muestran mayor valor del R2 y mayor
significatividad son los que muestran un valor significativamente positivo para este
parámetro (en la tabla 3 se resaltan estos modelos mostrando sus datos en letra negrita).
TABLA 3 APROXIMADAMENTE AQUÍ
En el caso de la muestra española, los resultados son algo más difusos. Los valores del test
F para la muestra conjunta son altamente significativos, y los valores del R2 son 11.22%,
17.07% y 16.10% para los tres horizontes respectivamente. En cuanto a los valores de los
parámetros lambda cuando se utiliza toda la muestra, los resultados apoyan
significativamente las hipótesis de la teoría prospectiva (p < 0,05), con la única salvedad
del valor de λ- en el caso del horizonte temporal unitario (p < 0.1).
2 Estos resultados no han sido incluidos en el presente trabajo por motivos de espacio, pero
pueden ser solicitados a los autores.
14
TABLE 4 ABOUT HERE
No obstante, cuando analizamos cada período, se observa mayor diversidad en los
resultados que en la muestra norteamericana. Por ejemplo, si seleccionamos los modelos
con mayor grado de significatividad o mayor valor de R2 ajustado (también en negrita en la
tabla 4), se observa cómo hay cinco modelos que tienen valores no significativamente
distintos de cero para los parámetros λ+ o λ-. Los nueve restantes períodos muestran valores
significativos, aunque en algunos casos dicha significatividad se obtiene para el grado de
0,1.
Por tanto, en general, podríamos concluir que la doble actitud enunciada por la teoría
prospectiva no puede ser rechazada en la mayoría de los casos. Sin embargo, también es
necesario señalar que, en los casos que la teoría prospectiva no es apoyada por los
resultados empíricos, la hipótesis de aversión frente al riesgo sostenida por la economía
financiera tampoco encuentra apoyo, debido a la ausencia de significatividad estadística en
alguno de los coeficientes lambda.
Dejando aparte las diferencias en la variabilidad de los resultados entre las empresas
españolas y las estadounidenses, conviene resaltar dos diferencias adicionales entre ambas
muestras: (1) el mayor poder de predicción en el caso de los modelos construidos sobre la
muestra americana; y (2) que los mejores modelos en el caso estadounidense son los
compuestos con un horizonte temporal unitario, en comparación con el caso español, donde
los mejores resultados se obtienen para los horizontes de dos o tres períodos. Por tanto, este
resultado parece indicar que en el caso español son necesarios modelos más sofisticados
para alcanzar los niveles de significatividad obtenidos en el mercado americano.
5. CONCLUSIONES
Aunque el análisis del riesgo ha jugado un papel clave en la mayoría de los modelos de
valoración financieros, creemos que tanto los desarrollos teóricos como los análisis
empíricos del modelo de valoración del resultado residual han infravalorado la influencia
de esta dimensión. Hasta la fecha, la investigación empírica ha introducido el riesgo
mediante el simple ajuste de la tasa de descuento, y, tanto estos contrastes empíricos como
15
los desarrollos teóricos, han introducido la medida de riesgo asumiendo implícitamente una
actitud constante de aversión frente al mismo, siguiendo la tradición marcada por los
modelos de valoración de la economía financiera.
En nuestra opinión, los trabajos que han introducido el riesgo en la tasa de actualización
están cometiendo dos errores: primero, esta forma de tratar el riesgo carece de una base
teórico sólida que justifique esta metodología [Ohlson, 1995; Feltham y Ohlson, 1999], lo
cual no ocurre en el caso del tratamiento mediante equivalentes ciertos [Feltham y Ohlson,
1999]; y segundo, como señalan varios trabajos actuales tanto desde el ámbito de la
economía financiera como desde la teoría de la organización, las actitud frente al riesgo de
los inversores puede variar en función del valor esperado de la rentabilidad. Por tanto,
asumir una aversión constante frente al riesgo puede ser una simplificación excesiva, que
cause una reducción en la capacidad explicativa y en la fiabilidad de las conclusiones del
modelo contrastado.
Los resultados obtenidos con los diversos modelos de regresión nos han conducido a dos
conclusiones principales. La primera es que los errores en la predicción de los valores de
las acciones cuando se usa el modelo tradicional (sin riesgo) del resultado residual, están
relacionados con el nivel de riesgo de la empresa. Por tanto, la inclusión de esta dimesnión
ayudaría a mejorar la capacidad de predicción del modelo. Aunque la comunidad
investigadora no cuestiona esta idea, nuestro trabajo constituye un apoyo empírico a la
importancia del riesgo en la valoración, demostrando la fiabilidad y robustez del modelo de
Feltham y Ohlson [1999].
La segunda conclusión se refiere a la actitud frente al riesgo de los inversores. Nuestros
resultados son consistentes con los postulados de la teoría prospectiva, según los cuales,
cuando se espera un resultado positivo, los inversores exhibirán una conducta de aversión
frente al riesgo (coincidente con la visión tradicional de la economía financiera); pero
cuando el resultado esperado es negativo, la actitud frente al riesgo se convierte en
propensión. Por tanto, nuestros resultados apoyan la idea de que la introducción del riesgo
en el modelo debería realizarse teniendo en cuenta las diferentes actitudes para valores
positivos y negativos de los valores esperados del resultado residual. Este diferenciación
ayudaría a obtener mejores estimaciones del valor de la acción.
A la luz de estos resultados, y a pesar del hecho de que los inversores muestran la doble
16
actitud frente al riesgo tanto en el caso de las empresas estadounidenses como en el caso de
las españolas, deberíamos concluir que existen diferencias entre ambas muestras, las cuales
pueden tener sus raíces en razones sociales o culturales entre los inversores de un mercado
y otro. Sin embargo, varios aspectos de este trabajo permiten iniciar la discusión sobre este
aspecto. Por ejemplo, las características particulares de cada mercado (profundidad,
transparencia, eficiencia y tamaño relativo de las empresas) podría ser una buena razón para
explicar las diferencias encontradas, quizá mejor que el hecho de que los inversores posean
diferentes patrones de conducta ante al riesgo.
Nuestro trabajo cuenta con una serie de limitaciones que deberían ser tenidas en cuenta a la
hora de evaluar los resultados. En primer lugar, la muestra estadounidense fue seleccionada
por motivos de comparación, escogiéndose una muestra que presentara un número similar
de empresas a la formada en el caso español. En consecuencia, el hecho de seleccionar las
empresas del índice S&P 100 podrían introducir determinados sesgos en los resultados, por
las características propias de estas empresas (grandes empresas consideradas como “blue
chips”). Quizá, la contrastación del modelo sobre otra muestra más heterogénea sería
necesaria para una mejor generalización de los resultados.
Una segunda limitación del trabajo es la medida del riesgo. Esta medida ha sido calculada
para cada empresa y considerada constante para todo el período. La intuición nos dice que
la medida de riesgo debería ser variable en el tiempo, debido a que cuanto más lejanas en el
futuro estén las previsiones, mayor debería ser la incertidumbre asociada a las mismas.
Quizás el tratamiento incorrecto de esta incertidumbre creciente puede ser la causa de una
de las discrepancias más comunes observadas entre el modelo teórico y sus
implementaciones empíricas: el hecho de que la significatividad del modelo no aumente
perceptiblemente al incrementar el horizonte temporal. Si se introduce un riesgo que
aumente en función del tiempo, es posible que las estimaciones futuras ganen en capacidad
explicativa.
Una segunda limitación de nuestro trabajo es que la medida de riesgo empleada ha sido
medida de forma ex-post, cuando sería más racional emplear medidas de riesgo ex-ante. No
obstante, la falta de datos de analistas en el caso español, y la dificultad de estimar los
riesgos ex – ante con modelos de series temporales, hicieron más viable la opción del riesgo
medido ex – post.
17
Una tercera limitación del trabajo es la estimación de la corriente futura de resultados
residuales. Como demuestra la literatura existente al respecto, las predicciones de los
analistas financieros suelen ser más acertadas que las obtenidas mediante series temporales
[Frankel y Lee, 1998, p. 289]. El uso de estas predicciones podría, incluso, permitir el
cálculo de medidas de riesgo ex-ante, resolviendo la limitación anterior. Lamentablemente,
no tenemos constancia de la existencia de ningún tipo de base de datos de predicciones de
analistas financieros sobre las empresas españolas, aunque sí que existen los mismos para
las empresas estadounidenses.
6. REFERENCIAS
Ait-Sahalia, Y. y Brandt, M. [2001]. “Variable selection for portfolio choice”. Journal of
Finance. Vol. 56. Nº 4: 1297–1351.
Amit, R. y Wernerfelt, B. [1990]. “Why do firms reduce business risk?” Academy of
Management Journal. Vol. 33: 520–533.
Barberis, N. y Huang, M. [2001]. “Mental accounting, loss aversion, and individual stock
returns”. The Journal of Finance. Vol. 56. Nº 4: 1247–1292.
Barberis, N., Huang, M. y Santos, T. [2001]. “Prospect Theory and asset prices”. The
Quarterly Journal of Economics. Vol. 116. Nº 1: 1-53.
Basu, S. [1983]. “The relationship between earnings yield, market value, and return for the
NYSE common stocks: Further evidence”. Journal of Financial Economics. Vol.
12: 129–156.
Beaver, W. [2002]. “Perspectives on recent capital market research”. The Accounting
Review. Vol. 77. Nº 2: 453–474.
Bernard, V. [1995]. “The Feltham–Ohlson framework: Implications for empiricists”.
Contemporary Accounting Research. Vol. 11: 733–747.
Bhandari, L. [1988]. “Debt/equity ratio and expected common stock returns: Empirical
evidence”. Journal of Finance. Vol. 43: 507–528.
Bowman, E. [1984]. “Content analysis of annual reports for corporate strategy and risk”.
Interfaces. Vol. 14: 61–72.
Brown, K., Harlow, W. y Tinic, S. [1993]. “The risk and required return of common stock
following major price innovations”. Journal of Financial and Quantitative Analysis.
18
Vol. 28: 101–115.
Burgstahler D. y Dichev I. [1997]. “Earnings management to avoid earnings decreases and
losses”. Journal of Accounting and Economics. Vol. 24: 99–126.
Chambers, D., Freeman, R. y Koch, A. [1999]. The role of risk in price-earnings relations.
Working Paper. University of Texas at Austin.
Chatterjee, S., Lubatkin, M. y Schulze, W. [1999]. “Toward a strategic theory of risk
premium: Moving beyond CAPM”. Academy of Management Review. Vol. 24. Nº
3: 556–567.
Dechow, P., Hutton, A. y Sloan, R. [1999]. “An empirical assessment of the residual
income valuation model”. Journal of Accounting and Economics. Vol. 26. 1–34.
Deephouse, D. y Wiseman, R. [2000]. “Comparing alternative explanations for accounting
risk-return relations”. Journal of Economic Behavior and Organization. Vol. 42.
463–482.
Edwards, K. [1996]. “Prospect Theory: a literature review”. International review of
financial analysis. Vol. 5. Nº 1. 19–38.
Fama, E. y French, K. [1992]. “The cross-section of expected stock returns”. Journal of
Finance. Vol. 47: 427–465.
—— [1997]. “Industry costs of equity”. Journal of Financial Economics. Vol. 43: 153–
193.
Feltham, G. y J. Ohlson, [1993]. Impact of systematic risk on the relation between
accounting numbers and market value. Working paper. University of British
Columbia.
—— [1995]. “Valuation and clean surplus accounting for operating and financial
activities”. Contemporary Accounting Research. Vol. 11: 689–732.
—— [1999]. “Residual earnings valuation with risk and stochastic interest rates”. The
Accounting Review. Vol. 74. Nº 2: 165–183.
Fiegenbaum, A. y Thomas, H. [1988]. “Attitudes toward risk and the risk-return paradox:
prospect theory explanations”. Academy of Management Journal. Vol. 31. Nº 1. 85–
106.
Fletcher, J. [2000]. “On the conditional relationship between beta and return in
international stock returns”. International Review of Financial Analysis. Vol. 9. Nº
19
3: 235–245.
Francis, J., Olsson, P. y Oswald, D. [2000]. “Comparing the accuracy and explainability of
dividend, free cash flow, and abnormal earnings equity value estimates”. Journal of
Accounting Research. Vol. 38. Nº 1: 45–70.
Frankel, R. y Lee, C. [1998]. “Accounting valuation, market expectation, and cross-
sectional stock returns”. Journal of Accounting and Economics. Vol. 25: 283–319.
Greve, H. [1998]. “Performance, aspirations and risky organizational change”.
Administrative Science Quarterly. Vol. 43: 58–86.
Jegers, M. [1991]. “Prospect theory and the risk-return relation. Some Belgian evidence”.
Academy of Management Journal. Vol. 34: 215–225.
Kahneman, D. y Tversky, A. [1979]. “Prospect theory: an analysis of decision under risk”.
Econometrica. Vol. 47: 263–291.
Kameda, T. y Davis, J. [1990]. “The function of the reference point in individual and group
risk decision making”. Organizational Behavior and Human Decision Processes.
Vol. 46: 55–76.
Lehner, J. [2000]. “Shifts of reference points for framing of strategic decisions and
changing risk-return associations”. Management Science. Vol. 46: 63–76.
Levy, C. [1978]. “Equilibrium in an imperfect market: A constraint on the number of
securities in the portfolio”. American Economic Review. Vol. 68: 643–658.
Lo, K. and Lys, T. [2000]. “The Ohlson model: Contribution to Valuation Theory,
Limitations, and Empirical Applications”. Journal of Accounting, Auditing and
Finance. Vol. 15. Nº 3: 337–367.
Lopes, L. [1987]. “Between hope and fear: The psychology of risk”. Advances in
Experimental Social Psychology. Vol. 20: 255–295.
Loughran, T. y Ritter, R. [2002]. “Why don’t issuers get upset about leaving money in the
table in IPOs?”. Review of Financial Studies. Vol. 15. Nº 2: 413–443.
March, J. M. [1988]. Variable risk preferences and adaptive aspirations. Journal of
Economic Behavior and Organization. Vol. 9: 5–24.
Miller, K. y Bromiley, P. [1990]. “Strategic risk and corporate performance: an analysis of
alternative risk measures”. Academy of Management Journal. Vol. 33: 756–779.
Miller, K. y Leiblein, M. [1996]. “Corporate risk-return relations: returns variability versus
20
downside risk”. Academy of Management Journal. Vol. 39. Nº 1: 91–122.
Myers, J. [1999]. “Implementing residual income valuation with linear information
dynamics”. The Accounting Review. Vol. 74: 1–28.
Ohlson, J. [1995]. “Earnings, book values and dividends in security valuation”.
Contemporary Accounting Research. Vol. 11: 661–687.
Olsen, R. [1997]. “Prospect Theory as an explanation of risky choice by professional
investors: Some evidence”. Review of Financial Economics. Vol. 6. Nº 2: 225–233.
Penman, S. y Souggianis, T. [1998]. A comparison of dividend, cash flow, and earnings
approaches to equity valuation. Working paper. University of California at
Berkeley. October.
Rubinstein, M. [1976]. “The valuation of uncertain income streams and the price of
options”. Bell Journal of Economics. Vol. 7: 407–425.
Ryan, S. [1997]. “Commentary: A survey of research relating accounting numbers to
systematic equity risk, with implications for risk disclosure policy and future
research”. Accounting Horizons. Vol. 11. Nº 2 June. 82–95.
21
Tabla 1. Estadísticas descriptivas para la muestra S&P 100
Precio Valor contable EPS Año Semestre Nº de casos Media Mediana Media Mediana Media Mediana
1994 Segundo 77 50,17 47,00 20,01 15,30 1,54 1.45 1995 Primero 79 55,46 53,38 20,02 16,39 1,96 1.51 1995 Segundo 79 61,38 59,12 19,81 15,51 1,24 1.42 1996 Primero 91 58,05 51,88 19,82 15,85 1,49 1.48 1996 Segundo 90 62,08 57,44 19,72 16,64 1,58 1.45 1997 Primero 91 63,97 60,12 17,84 13,29 1,43 1.24 1997 Segundo 92 66,97 60,90 16,76 11,73 1,32 1.15 1998 Primero 94 54,11 53,25 15,03 12,27 1,11 1.04 1998 Segundo 93 62,72 58,06 14,01 10,98 1,13 0.92 1999 Primero 94 57,63 56,00 13,71 11,40 1,19 1.02 1999 Segundo 92 59,23 51,25 14,70 11,81 1,35 1.10 2000 Primero 91 51,28 46,75 14,10 11,61 1,14 1.04 2000 Segundo 92 45,04 42,65 13,50 11,66 0,97 0.81 Todos los períodos 1155 57.61 53,12 16,72 13,36 1,33 1,18
Cifras en dólares estadounidenses por acción.
22
Tabla 1. Estadísticas descriptivas para la muestra española
Precio Valor contable EPS Año Semestre Nº de casos Media Mediana Media Mediana Media Mediana
1994 Segundo 70 3249,9 1841,0 2364,5 1660,0 92,2 59.61995 Primero 75 2081,3 1635,0 2365,1 1600,0 162,7 80.81995 Segundo 78 3114,3 1747,5 2335,2 1635,5 113,4 74.61996 Primero 79 2964,2 1725,0 2378,8 1622,0 129,9 68.71996 Segundo 80 2999,7 1865,0 2774,0 1859,5 116,3 80.01997 Primero 84 4039,7 2587,5 2745,9 1853,0 147,0 89.41997 Segundo 86 5279,1 3625,0 2415,2 1754,0 130,9 98.61998 Primero 91 6032,9 3775,0 2232,9 1408,0 142,9 84.11998 Segundo 97 3477,2 2190,0 2027,9 1294,0 113,1 72.41999 Primero 94 2324,1 1784,5 1651,6 869,5 94,0 48.51999 Segundo 96 2202,4 1740,5 1544,3 829,0 87,0 49.92000 Primero 97 2374,2 1842,0 1594,9 877,0 107,0 56.92000 Segundo 93 2002,8 1549,0 1635,1 902,0 104,1 48.1Todos los períodos 1155 1120,0 3286,4 2005,0 2128,1 1193,0 117,8
Cifras en pesetas por acción.
23
Tabla 3. Coeficientes de los modelos para la muestra S&P 100 Período Horizonte RI positivo λ+ RI negativo λ- Test F R2 (ajustado)
1 período -0,6699 ****(0,0907)
1,0574 **** (0,1632) 48,25 **** 55,68%
2 períodos -0,6855 ****(0,0881)
0,2223 (0,3180) 30,50 **** 44,44% 1994, 2º
3 períodos -0,6791 ****(0,0889)
0,2329 (0,3212) 29,37 **** 43,50%
1 período -0,6756 ****(0,0884)
1,0387 **** (0,1426) 55,69 **** 58,59%
2 períodos -0,5615 ****(0,0864)
0,1458 (0,3187) 21,18 **** 34,95% 1995, 1º
3 períodos -0,6283 ****(0,0868)
0,4898 * (0,2232) 28,49 **** 42,09%
1 período -0,5288 ****(0,0815)
0,6154 **** (0,1405) 30,63 **** 43,58%
2 períodos -0,5581 ****(0,0912)
0,6003 * (0,2390) 21,79 **** 35,61% 1995, 2º
3 períodos -0,4624 ****(0,0892)
0,1712 (0,3446) 13,55 **** 25,31%
1 período -0,7567 ****(0,0689)
0,5473 ** (0,2077) 63,69 **** 58,68%
2 períodos -0,4788 ****(0,0751)
0,5104 * (0,2430) 22,45 **** 33,28% 1996, 1º
3 períodos -0,4605 ****(0,0776)
0,4831 † (0,2690) 19,12 **** 29,74%
1 período -0,5157 ****(0,0818)
0,4207 ** (0,1294) 25,13 **** 35,63%
2 períodos -0,4322 ****(0,0823)
0,3528 (0,2900) 14,46 **** 24,09% 1996, 2º
3 períodos -0,4188 ****(0,0811)
0,4144 (0,2859) 14,30 **** 23,87%
1 período -0,3943 ****(0,0751)
0,6102 **** (0,1199) 26,72 **** 36,82%
2 períodos -0,3065 ****(0,0728)
0,5841 * (0,2573) 11,35 **** 19,60 % 1997, 1º
3 períodos -0,3054 *** (0,0766)
0,5880 * (0,2710) 10,21 **** 17,91%
1 período -0,4929 ****(0,0706)
0,8097 **** (0,1263) 44,92 **** 49,40%
2 períodos -0,2883 ****(0,0840)
0,6487 * (0,2942) 8,25 *** 14,83% 1997, 2º
3 períodos -0,3137 ****(0,0796)
0,6898 ** (0,2044) 13,37 **** 22,43%
1 período -0,5879 ****(0,0671)
0,5404 *** (0,1463) 42,22 **** 49,02%
2 períodos -0,5676 ****(0,7990)
0,6078 ** (0,2047) 29,56 **** 38,97% 1998, 1º
3 períodos -0,5137 ****(0,0832)
0,5704 † (0,2899) 20,93 **** 31,00%
24
Tabla 3. Coeficientes de los modelos para la muestra S&P 100 (Cont.) Período Horizonte RI positivo λ+ RI negativo λ- Teº F R2 (ajustado)
1 período -0,3280 **** (0,0754)
0,3881 *** (0,1006) 16,89 **** 26,27%
2 períodos -0,6622 **** (0,0824)
0,7698 * (0,3621) 33,83 **** 42,28% 1998, 2º
3 períodos -0,3538 **** (0,0827)
0,7871 ** (0,2977) 12,58 **** 21,16%
1 período -0,2494 *** (0,0690)
0,8265 ** (0,2639) 11,43 **** 19,03%
2 períodos -0,3930 **** (0,0838)
1,9665 **** (0,1533) 92,40 **** 66,64% 1999, 1º
3 períodos -0,3909 **** (0,0825)
1,2396 *** (0,3070) 19,24 **** 29,17%
1 período -0,2887 * (0,1108)
0,7878 **** (0,1176) 25,85 **** 35,78%
2 períodos -0,2908 ** (0,1062)
1,4039 *** (0,3941) 10,01 *** 17,61% 1999, 2º
3 períodos -0,2908 ** (0,1049)
1,4045 *** (0,3832) 10,42 *** 18,23%
1 período -0,2868 **** (0,0600)
0,9126 ** (0,3002) 14,07 **** 23,37%
2 períodos -0,3161 *** (0,0792)
0,5609 * (0,2579) 10,29 *** 18,21% 2000, 1º
3 períodos -0,3154 *** (0,0805)
0,5876 * (0,2622) 10,14 *** 17,97%
1 período -0,4685 **** (0,0511)
0,4372 * (0,1716) 45,18 **** 49,82%
2 períodos -0,5271 **** (0,0629)
0,4507 * (0,2063) 37,49 **** 45,39 % 2000, 2º
3 períodos -0,5350 **** (0,0625)
0,4717 * (0,2052) 39,22 **** 46,53%
1 período -0,4837 **** (0,0227)
0,7802 **** (0,0414) 402,88 **** 41,08%
2 períodos -1,050 **** (0,0588)
2,6713 **** (0,1057) 468,95 **** 44,85% Pool Data
3 períodos -5,2778 **** (0,5019)
26,023 *** (1,0054) 384,30 **** 39,98%
(Errores estándar en paréntesis) † p < 0,1 * p < 0,05 ** p < 0,01 *** p < 0,001 **** p < 0,0001
25
Tabla 4. Coeficientes de los modelos para la muestra española Período Horizonte RI positivo λ+ RI negativo λ- Test F R2 (ajustado)
1 período -0,3683 ** (0,1156)
0,2847 ** (0,0865) 10,48 *** 22,44%
2 períodos -0,3787 *** (0,0942)
0,3259 *** (0,0806) 16,16 **** 31,23% 1994, 2º
3 períodos -0,5394 **** (0,1104)
0,2958 ** (0,0948) 16,67 **** 31,92%
1 período -0,5724 *** (0,1644)
0,0718 (0,1062) 6,29 ** 13,54%
2 períodos -0,6907 **** (0,1113)
0,2545 * (0,0978) 22,42 **** 37,21% 1995, 1º
3 períodos -0,5926 **** (0,1186)
0,3305 ** (0,1033) 17,40 **** 31,36%
1 período -0,4309 ** (0,1255)
0,1652 (0,1748) 6,33 ** 13,31%
2 períodos -0,4024 ** (0,1337)
0,4312 † (0,2400) 6,06 ** 12,63% 1995, 2º
3 períodos -0,4879 *** (0,1326)
0,1421 (0,2537) 6,89 ** 14,23%
1 período -0,5642 **** (0,1285)
0,2028 (0,1979) 10,17 *** 19,86%
2 períodos -0,7551 **** (0,1106)
0,4022 † (0,2362) 24,61 **** 38,20% 1996, 1º
3 períodos -0,6781 **** (0,1029)
0,6224 ** (0,2139) 25,71 **** 39,26%
1 período -0,2062 * (0,0913)
-0,1943 (0,2080) 2,98 † 5,99%
2 períodos -0,7767 **** (0,1060)
0,3790 *** (0,1092) 32,08 **** 44,43% 1996, 2º
3 períodos -0,9387 **** (0,1233)
0,2825 * (0,1255) 30,97 **** 43,55%
1 período -0,1773 * (0,0832)
0,3403 (0,2847) 2,98 † 5,64%
2 períodos -0,2368 ** (0,0842)
0,3103 (0,3452) 4,35 * 8,50% 1997, 1º
3 períodos -0,2231 ** (0,0803)
0,6359 * (0,3157) 5,87 ** 11,45%
1 período 0,0623 (0,0830)
0,4780 * (0,2261) 2,52 † 4,52%
2 períodos -0,0063 (0,0660)
0,6758 * (0,3007) 2,53 † 4,71% 1997, 2º
3 períodos -0,0686 (0,1071)
0,3525 † (0,1783) 2,14 3,71%
1 período 0,0587 (0,5748)
0,3265 ** (0,1099) 4,57 * 8,30%
2 períodos 0,0028 (0,0884)
0,3481 * (0,1509) 2,67 † 4,59% 1998, 1º
3 períodos 0,0049 (0,0993)
0,4197 * (0,1682) 3,12 * 5,51%
26
Tabla 4. Coeficientes de los modelos para la muestra española (Cont.) Período Horizonte RI positivo λ+ RI negativo λ- Test F R2 (ajustado)
1 período -0,2914 *** (0,0773)
0,0748 (0,3798) 7,12 ** 12,46%
2 períodos -0,4108 *** (0,1009)
1,3842 * (0,6068) 10,75 *** 17,60% 1998, 2º
3 períodos -0,4563 *** (0,1096)
0,4299 (0,7146) 8,81 *** 14,76%
1 período -0,4180 **** (0,0859)
-0,1785 (0,2722) 12,07 **** 19,92%
2 períodos -0,3546 **** (0,0508)
0,4158 † (0,2262) 25,92 **** 35,84% 1999, 1º
3 períodos -0,4806 **** (0,0806)
0,6004 (0,5247) 18,34 **** 27,73%
1 período -0,4353 **** (0,0883)
0,6656 (0,6726) 12,63 **** 20,34%
2 períodos -0,4948 **** (0,0875)
0,5441 (0,5046) 16,54 **** 25,25% 1999, 2º
3 períodos -0,5453 **** (0,1025)
0,6545 (0,6596) 14,63 **** 22,92%
1 período -0,4674 *** (0,1159)
0,0219 (0,6249) 8,13 *** 13,72%
2 períodos -0,2544 **** (0,0478)
0,5689 † (0,2878) 16,08 **** 25,30% 2000, 1º
3 períodos -0,5555 *** (0,1325)
0,6013 (0,8300) 9,04 *** 15,10%
1 período -1,0004 **** (0,1252)
0,1356 (0,3133) 32,01 **** 41,19%
2 períodos -0,3773 **** (0,0639)
0,8006 * (0,3965) 18,56 **** 28,64% 2000, 2º
3 períodos -0,3592 **** (0,0607)
0,7718 * (0,3716) 18,70 **** 29,03%
1 período -0,3474**** (0,0294)
0,0998 † (0,0601) 17,17 **** 11,22%
2 períodos -0,3844 **** (0,0270)
0,4174 **** (0,0751) 115,65 **** 17,07% Pool Data
3 períodos -0,4213 **** (0,0302)
0,4143 **** (0,0858) 107,90 **** 16,10%
(Errores estándar en paréntesis) † p < 0,1 * p < 0,05 ** p < 0,01 *** p < 0,001 **** p < 0,0001