Análisis Financiero Nº Nº
115 PRIMER PRIMER CUATRIMESTRE CUATRIMESTRE
6
Susana Álvar Álvarez ez Otero y Eduardo Rodríguez Enríquez LA VA VALO LORA RACIÓ CIÓN N BUR BURSÁ SÁTIL TIL EN EL MAR MARCO CO DE LAS NI NIIF IF.. ESTUDI EST UDIO O EMP EMPÍR ÍRICO ICO Y ANÁ ANÁLIS LISIS IS DEL CA CASO SO DE DERMOESTÉTICA
20
Carlos Carl os Co Cont ntrrer eras as y Pa Pabl bloo Sa Sann Ro Romá mánn TAMAÑ AMAÑO O DE MERC MERCADO ADO Y COMP COMPETIT ETITIVID IVIDAD AD BANC BANCARIA ARIA EN LA FI FINAN NANCIA CIACIÓ CIÓN N DE LBO LBOss
32
Sofía Ruiz Campo ¿SE PUED PUEDEN EN CLAS CLASIFIC IFICAR AR FÁCI ÁCILMEN LMENTE TE LOS FON FONDOS DOS DE IN INVER VERSI SIÓN ÓN EN VA VALO LOR, R, MIX MIXTO TO Y CRE CRECIM CIMIEN IENTO TO??
48
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil EL MOD MODEL ELO O DE CA CAMBI MBIO O DE RÉ RÉGIM GIMEN EN LO LOGNO GNORMA RMAL L COMO AL ALTERN TERNA ATIV TIVA A PA PARA RA LA MODE MODELIZA LIZACIÓN CIÓN DEL DE L RI RIES ESGO GO DE RE RENT NTA A VAR ARIA IABL BLE E EN EL MA MARC RCO O DE SOL SOLVEN VENCIA CIA II
60
Manuel López Antón FINANCIAL ANAL ANALYSTS’ YSTS’ INFORMA INFORMATION TION REQUIREME REQUIREMENTS NTS AND FOR FORECAS ECASTING TING ACC ACCURAC URACY Y
72
Mario Bajo Trav Traver er y Emilio Rodríguez Alfonso GESTI GES TIÓN ÓN AC ACTI TIVA VA DE UNA CA CARTE RTERA RA DE BON BONOS OS:: UN MODE MODELO LO CUAN CUANTIT TITA ATIV TIVO O DE DURA DURACIÓN CIÓN
2011 2011 QUINTA QUINTAEPOCA. EPOCA. P.V.P. P.V.P. 13 13
INSTIT INST ITUT UTO O ES ESP PA ÑOL L NAL L IST IS TA S FI FINA NANC NCIE IERO ROS S ITUT UTO AÑO ÑOL ÑO L DE ANA NALI LIST STAS AS ROS S
FUNDA FUN DACI CIÓN ÓN DE ES ESTU TUDI DIO OS FI FINA NANC NCIE IERO ROS S
MIEMBRO DE LA FEDERACIÓN EUROPEA DE ASOCIACIONES DE ANALISTAS FINANCIEROS (EFFAS)
Análisis Financiero CONSEJO EDITORIAL PRES RESIDE IDENT NTE E DEL CONSEJO EDITORI DITORIAL AL
JUAN CARLOS URETA DOMINGO IEAF - FEF
CÉSAR ALIERTA IZUEL
FERNANDO GÓMEZ-BEZARES PASCUAL
Telefónica
Universidad de Deusto
CLAUDIO ARANZADI MARTINEZ
PROSPER LAMOTHE FERNANDEZ
FEF y CDTI
Universidad Autónoma de Madrid
VALENTÍN AZOFRA PALENZUEL ALENZUELAA
OTTO LUCIUS
Universidad de Valladolid
Karl-Franzens Universität Graz
MÁXIMO BORRELL VIDAL
JUAN MASCAREÑAS PÉREZ-IÑIGO
Universitat Rovira i Virgili
Universidad Complutense de Madrid
HANS BUYSSE
JAVIER MON ONZON ZON DE CACERES
Vrije Universiteit Amsterdam
Indra
THOMAS COPEL OPELAND AND
ALDO OLCESE SANTONJA
University of San Diego
Real Academia de CC. Económicas y Financieras
GUILLERMO DE LA DEHESA ROMERO
EMILIO ONTIVEROS BAEZA
Aviva
Universidad Autónoma de Madrid
PABLO FERNANDEZ LÓPEZ
MARIANO RABADAN FORNIÉS
IESE
Inverco
SANTIAGO FERNÁNDEZ VALBUENA
RICHARD SHOCKLEY
Telefónica
Indiana University
MÁXIMO FERRANDO BOLADO
MICHAEL THEOBALD
Universidad de Valencia
University of Birmingham
LUIS FERRUZ AGUDO
IGNACIO VELEZ PAREJA
Universidad de Zaragoza
Universidad Tecnológica de Bolívar
SECR ECRETAR ETARIO IO DEL CONSEJO EDITORIAL
RAFAEL SARANDESES ASTRAY-CANEDA IEAF - FEF
DIRECTOR
JUAN MASCAREÑAS PÉREZ-IÑIGO Universidad Complutense de Madrid MITÉ TÉ DE REDACCIÓN COMI
FERNANDO GÓMEZ-BEZARES PASCUAL Año inicial de publicación: 1973 Frecuencia: Cuatrimestral Bases de datos e índices: EconLit, Latindex, DICE, In-Recs, Dialnet, Compludoc, ISOC Clasificación Unesco: 531,102 Gestión Financiera Clasificación JEL: G- Economía Financiera Clasificación Decimal: 336, 336.7
Universidad de Deusto
JOSÉ LUIS MARTÍN MARÍN Universidad Pablo de Olavide
TERESA CORZO SANTAMARÍA
Universidad Pontificia Comillas, ICAI-ICADE
Editan: Instituto Español de Analistas Financieros y Fundación de Estudios Financieros . Dirección: Avda. del Brasil, 17 - 3ª A-B. 28020 MADRID. Teléfono: 91 563 19 72 (4 líneas). Fax: 91 563 25 75. Maquetación e Impresión: R ARO Producciones, S. L. Depósito legal: M. 39856-1973 - ISSN: 0210-2358
SUMARIO
Introducción
Juan Mascareñas La valoración bursátil en el marco de las NIIF.
4
Estudio Estudi o empíri empírico co y anális análisis is del caso de Dermo Dermoestéti estética ca
Susana Álvarez Otero y Eduardo Rodríguez Enríquez Tamaño de mercado y competitividad bancaria en la financiación de LBOs
Carlos Contreras y Pablo San Román ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento?
Sofía Ruiz Campo El modelo de cambi cambio o de régimen lognormal como alternativa para la model modelizació ización n
6 20 32
del riesgo de renta variable en el marco de Solvencia II
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil Financial Analysts’ Information Requirements and Forecasting Accuracy
Manuel López Antón Gestión activa de una cartera de bonos: un modelo cuantitativo de duración
Mario Bajo Traver y Emilio Rodríguez Alfonso
48 60 72
INTRODUCCIÓN
En este número 115, correspondiente al primer cuatrimestre del año 2011, se presentan seis trabajos que pensamos que pueden ser de gran utilidad para el análisis financiero en general. Trabajos relacionados con las NIIF, los LBO, los fondos de inversión, Solvencia II, el trabajo del analista financiero y la gestión de carteras de renta fija. Como ya es habitual agradezco a los evaluadores que colaboran con la revista su trabajo y disponibilidad porque, al asegurar la calidad de los trabajos presentados en ella, están posibilitando el logro de los objetivos comentados. En el primero de los trabajos presentado por los pro fesores Susana Álvarez Otero y Eduardo Rodríguez Enríquez se estudia el efecto que la aplicación de las Normas Internacionales de Información Financiera (NIIF) tiene sobre la valoración de las empresas que salieron a bolsa en el mercado de valores español, durante el período 1998-2008. Se contrastan las diferencias existentes en las magnitudes contables desde el momento anterior y posterior a la aplicación de las NIIF y, en concreto, los autores analizan el caso de la salida a bolsa de Dermoestética, que tuvo lugar en 2005, primer año de aplicación de las NIIF. Carlos Contreras y Pablo San Román estudian, en el segundo de los trabajos, el tamaño del mercado y la competitividad bancaria en el caso de las compras apalancadas de empresas. El mercado de adquisiciones apalancadas de compañías se redujo fuertemente entre 2006 y 2008 por la restricción de financiación disponible para compradores de compañías, la resistencia de los vendedores de las empresas a bajar los precios, o por ambos factores. El traba jo analiza el lado de la oferta de financiación y estima el impacto de la crisis de liquidez sobre la rentabilidad para las entidades bancarias líderes en financiación de LBOs. Los resultados confirman que la posición competitiva de los bancos en esta actividad se vio muy afectada por las diferencias en la evolución de su coste de financiación. Además se estima que la rentabilidad financiera esperada neta de provisiones aumentó durante el período unos 65 puntos básicos para el conjunto de la industria ban-
caria relevante. En consecuencia desde la perspectiva de los precios la hipótesis de la restricción de crédito no explica un desplome tan drástico de esta actividad. ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento?. Esta es la pregunta que pretende contestar la profesora Sofía Ruíz Campo en el tercer trabajo de este número. Cuando un inversor o un gestor de carteras, acude al mercado de fondos de inversión, se encuentra con una amplia y variada gama de productos entre los que elegir. Una ayuda con la que cuenta es la ofrecida por algunas empresas especializadas en el análisis de estos productos, como es Morningstar, que ofrece diferentes clasificaciones y rankings comprensibles. Sin embargo, el inversor puede preguntarse si esta información es certera para conocer la relación riesgo/rendimiento del fondo o, incluso, si es un buen predictor de rendimientos futuros de los fondos. Para ello se pretende realizar una clasificación de los fondos en Valor, Mixto y Crecimiento, empleando una metodología diferente a la de Morningstar, para contrastar si los resultados que ofrecen son adecuados, llegándose a la conclusión de que, dada la dificultad de aplicación de este método desarrollado, compensa asumir los riesgos de imprecisión que podría ofrecer la clasificación suministrada por Morningstar. El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II es analizado por los profesores Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil. El nuevo marco regulatorio propone un modelo estándar, pero al mismo tiempo, fomenta la aplicación de modelos internos de autoevaluación y gestión del riesgo. Este trabajo se centra en la elaboración de un modelo de cambio de régimen lognormal como alternativa para la medición del riesgo de renta variable frente al modelo de rendimientos normal implícito en Solvencia II. De este modo, se pretende evaluar la adecuación del modelo estándar a la hora de determinar las necesidades de capital del asegurador. Para ello, se han
utilizado datos mensuales de la serie de Ibex 35 del periodo 2 de Enero de 1992 a 30 de Diciembre de 2008. La comparación de los modelos utilizando diversos criterios estadísticos muestra la adecuación del modelo que se propone. Además, se ha com parado el capital necesario bajo las distintas alternativas, llegando a la conclusión de que el modelo propuesto en QIS4 subestima considerablemente el riesgo y resulta inadecuado para medir la carga de capital. Manuel López Antón, en el quinto de los trabajos publicados, analiza el impacto y la influencia de las opiniones y recomendaciones de los analistas financieros en la formación de precios de las acciones de compañías cotizadas, así como en los inversores, es muy fuerte y creciente. A pesar de este papel tan marcado que desempeñan en los mercados financieros, se conoce muy poco sobre el proceso de decisión que subyace a estos análisis y recomendaciones de inversión. Los objetivos principales de su investigación son determinar cuáles son los requerimientos de información de los analistas financieros de cara a emitir sus recomendaciones de inversión, para posteriormente determinar la calidad de estas opi-
niones. La metodología utilizada con estos fines es la encuesta, que unida a la participación de analistas en el diseño del cuestionario, asegura la fiabilidad de los resultados. A esto se añaden los objetivos planteados, que en conjunto suponen una contribución muy original. Mario Bajo Traver y Emilio Rodriguez Alfonso, desarrollan en el último de los trabajos publicados una metodología cuantitativa de inversión aplicada a una cartera de renta fija que ajuste dinámicamente la duración de la misma mediante la utilización de señales generadas por variables explicativas del comportamiento del mercado de bonos. Este enfoque de inversión se conoce como inversión basada en reglas. En el trabajo se muestra cómo una gestión activa de duración basada en reglas sistemáticas, arroja un resultado, en términos de rentabilidadriesgo, muy superior a una cartera pasiva que no ajusta su duración.
Juan Mascareñas
6
ANÁLISIS FINANCIERO
Susana Álvarez Otero* y Eduardo Rodríguez Enríquez**
La valoración bursátil en el marco de las NIIF. Estudio empírico y análisis del caso de Dermoestética*** RESUMEN En este trabajo se estudia el efecto que la aplicación de las Normas Internacionales de Información Financiera (NIIF) tiene sobre la valoración de las empresas que salen a bolsa en el mercado de valores español, durante el período 19982008. Se contrastan las diferencias existentes en las magnitudes contables desde el momento anterior y posterior a la aplicación de las NIIF y se analiza el caso de la salida a bolsa de Dermoestética, que tuvo lugar en 2005, primer año de aplicación de las NIIF. Palabras Clave: Valoración, OPIs (Ofertas Públicas Iniciales), NIIF, Ratio libros-mercado, Mercado de capitales. Códigos JEL: G100, G300, G320.
ABSTRACT The aim of this paper is to analyze the consequences of the application of International Financial Reporting Standards (IFRS) on the valuation of firms going public in the Spanish capital market during the period 1998-2008. We contrast the significant differences in the magnitudes before and after adopting IFRS. We also analyse the case of Dermoestética, the IPO that took place in 2005, the first year in the application of the IFRS. Keywords: Valuation, IPOs (Initial Public Offerings), IFRS, Market-to-Book Ratio, Capital markets. JEL Classification: G100, G300, G320. Recibido: 14 de Diciembre de 2010
Aceptado: 10 de Febrero de 2011
*
Profesora Titular de Economía Financiera y Contabilidad. Departamento de Administración de Empresas. Universidad de Oviedo. ** Profesor Titular de Economía Financiera y Contabilidad. Departamento de Contabilidad. Universidad de Oviedo. *** Agradecemos los comentarios de Víctor González. Este trabajo se ha beneficiado de la financiación proporcionada por el Ministerio de Ciencia e Innovación, Proyecto MICINN-09-ECO2009-11758. Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
LA VALORACIÓN BURSÁTIL EN EL MARCO DE LAS NIIF. ESTUDIO EMPÍRICO Y ANÁLISIS
1. INTRODUCCIÓN La globalización y la integración de los mercados financieros internacionales llevaron a la Unión Europea (UE) a promover una armonización contable con el objeto de incrementar la comparabilidad y la transparencia de los estados financieros. Este proceso supuso la aplicación obligatoria, desde el 1 de enero de 2005, de las Normas Internacionales de Información Financiera, en adelante NIC/NIIF, convalidadas por la UE para todas aquellas sociedades obligadas a formular estados financieros consolidados que tengan títulos admitidos a negociación pública en un mercado organizado de la UE. En este trabajo pretendemos analizar el efecto que dicho cambio normativo pudiera ocasionar en el ámbito de la valoración bursátil de las empresas, en concreto, de las que comienzan a cotizar. En este contexto, la finalidad del presente trabajo es llevar a cabo un análisis que tenga utilidad para las empresas, especialmente para las que están preparadas para iniciar su cotización en bolsa, momento decisivo en su ciclo de vida. Pretendemos exponer en este artículo una síntesis de las líneas básicas de la reforma que han introducido las NIC/NIIIF y apuntar sus posibles consecuencias sobre la valoración en bolsa. En la valoración de las acciones, en muchas ocasiones, en los mercados de capitales se olvidan los fundamentos. Se olvida que el valor del título depende de los potenciales flujos de caja a que da derecho. Hay períodos en que se generan valoraciones a corto plazo sobre expectativas hipotéticas sin fundamento económico en el medio y largo plazo. Se valoran determinados títulos que, o bien no tienen historia ni referencias con las que comparar, o bien adolecen de perfiles de riesgo conocidos. Es un hecho aceptado que en el mercado financiero lo fundamental es fomentar la transparencia y evitar que existan asimetrías que distorsionen las valoraciones finales. Con base en lo anterior, pretendemos valorar si la normativa aplicable a las compañías que cotizan en bolsa, ayuda a una mejor valoración de las mismas, desde el mismo momento del inicio de su cotización en el mercado. El resto del trabajo se estructura de la siguiente forma: en la sección 2 se exponen las principales implicaciones que suponen las NIIF de forma genérica, avanzando sus posibles consecuencias en la valoración de las acciones de la empresa. En
7
la sección 3 se detalla el ámbito de la investigación, los datos utilizados para examinar el efecto de las modificaciones que implica la adopción de las NIIF y el contraste de diferencias entre las principales magnitudes contables de las empresas que salen a bolsa antes y después de la aplicación de dicha normativa. En la sección 4 se presenta el análisis detallado del caso de la salida a bolsa de la empresa valenciana Corporación Dermoestética, que se produjo en el año 2005, año en el que todavía no se había aprobado en España la reforma contable para su armonización internacional. Finalmente, en la última sección, se exponen las principales conclusiones de esta investigación. 2. EFECTOS ECONÓMICOS DE LA IMPLANTACIÓN DE LAS NORMAS INTERNACIONALES DE INFORMACIÓN FINANCIERA El cambio normativo que supuso la adopción de las NIC/NIIF para las empresas cotizadas de la UE que presenten estados financieros consolidados no sólo consistió en modificar algunas reglas de registro contable y valoración, sino que supuso un cambio de filosofía a la hora de elaborar y presentar la información contable. Con ello se pretendió mejorar la calidad de los estados financieros y lograr un mayor grado de comparabilidad, aumentando de esta forma la credibilidad de los estados financieros en los mercados de capitales de la UE. Desde la perspectiva del regulador, el fin último de la adopción de las NIC/NIIF reside en mejorar el funcionamiento de los mercados a través de una información más transparente, más comparable y de mejor calidad. El interés que despiertan las normas contables y los cambios que se producen en las mismas se deriva principalmente del efecto económico que dicho proceso conlleva. Como indica Collett (1995), de no existir dicho impacto económico no se produciría ningún debate sobre los cambios normativos. En esta sección y, sin ánimo de exhaustividad, se exponen de forma genérica los principales efectos económicos que podrían derivarse de la implantación de las NIC/NIIF en el ámbito de las compañías que cotizan en mercados regulados de la UE, avanzando sus posibles consecuencias en la valoración de las acciones de la empresa. Así, también se analiza en qué medida los estados financieros formulados con arreglo a las NIC/NIIF contribuyen a una mayor convergencia entre el valor contable de los fondos propios de las empresas y su valor de mercado, en virtud del valor de cotización en bolsa.
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
8
ANÁLISIS FINANCIERO
Dado el papel preponderante del paradigma de utilidad de la información contable, resulta ineludible conocer la repercusión en el mercado de capitales de la aplicación de la normativa contable internacional. De hecho, una de las líneas más prolíficas de la investigación contable en el mercado de capitales ha centrado sus esfuerzos en el análisis de la relevancia del valor de los datos contables respecto al precio de mercado, al objeto de justificar el proceso de armonización contable. Existe abundante literatura acerca de las consecuencias económicas de las normas contables1. Zeff (1988) sostiene que dichos efectos económicos pueden diferenciarse en dos grupos: por un lado, los que provienen de determinadas valoraciones y criterios contables que se producen sobre los estados financieros y, por otro, los efectos derivados de las consecuencias de las decisiones tomadas sobre percepciones. Por su parte, Rappaport (1977) sostiene que las normas contables influyen en el comportamiento de los agentes económicos y éstos, a su vez, pueden influir en la formación de los precios. Una información contable de mejor calidad permitirá, a priori, estimar mejor los flujos futuros de caja, con la importancia que esto tiene para la adecuada valoración de los títulos, según se ha indicado en la introducción del trabajo. Determinados aspectos derivados de la aplicación de las NIC/NIIF permiten mejorar el proceso de valoración de los inversores y, en definitiva, contribuir a una mayor transparencia de los mercados. Para el caso español, en un marco de cuentas anuales formuladas con arreglo a las NIC/NIIF la información que reciben los inversores se ve mejorada, entre otros, por los siguientes motivos: •
• •
La concreción de la definición de activo y pasivo y los criterios de valoración adoptados para su registro en balance, aplicándose en mayor medida el valor razonable y el valor en uso. La pérdida del carácter prioritario del principio de prudencia y su nueva orientación basada en la objetividad en su aplicación. La mayor información a incluir en la Memoria, particularmente se impone un mayor requerimiento de información en relación al nivel de riesgo de la compañía (información sobre el nivel de riesgo de los instrumentos financieros, descripción de eventuales contingencias de la empresa, información sobre las políticas de gestión del riesgo financiero: tipo de cambio, crédito, liquidez, tipo de interés).
En comparación con la normativa española, las normas internacionales son menos detalladas, están más basadas en principios fundamentales, son menos conservadoras, y más preocupadas por la relevancia, de ahí la importancia otorgada al valor razonable como criterio de valoración (Giner, 2004). Buena parte de las diferencias que presentan las NIC/NIIF se refieren a normas de valoración. Sin duda, la consideración del valor razonable es uno de los aspectos más destacados de la adopción de la normativa internacional, en la medida en que siempre que exista o se pueda determinar de forma precisa, representará un criterio de referencia en la elaboración de la información financiera. De esta forma, se otorga más peso a la relevancia de la información por encima de la prudencia que supone la utilización de valores de adquisición. En todo caso, es evidente que su aplicación afectará al patrimonio neto y al resultado empresarial. Partiendo de la premisa de que el proceso de armonización contable resulta necesario para favorecer un adecuado desarrollo de los mercados financieros, numerosos estudios han tratado de indagar si la información contable derivada de la aplicación de las NIC/NIIF tiene mayor relevancia en las cotizaciones que la resultante de aplicar la normativa contable “local”. Basados en la hipótesis de la eficiencia, dichos trabajos persiguen conocer si la relevancia informativa de las cifras contables para el mercado está influida por la normativa aplicable2. Son muy numerosos los estudios realizados dentro de esta línea de investigación. Entre ellos, cabe citar a Amir et al. (1993), Bandyopadhyay et al. (1994), Chan y Seow (1995), Rees (1995), Barth y Chinch (1996), Adams et al. (1999), Arce y Mora (2002), Hora et al. (2003), Armstrong et al. (2010), y Horton y Serafeim (2010), entre otros. Algunas investigaciones analizan las reconciliaciones a las normas estadounidenses US GAAP de empresas que aplican las NIC/NIIF3 (Harris y Muller, 1999; Street et al., 2000; Ashbaugh y Olsson, 2002; Leuz, 2003; Ucieda y Osma, 2004; Van der Meulen et al., 2007; Chen y Sami, 2008, Henry et al., 2009). En líneas generales, existe bastante controversia ante los resultados obtenidos, lo que ha suscitado ciertas críticas unidas a las limitaciones econométricas observadas. Así, Dumpontier y Raffornier (2002) sostienen que buena parte de los estudios no infieren conexión alguna entre las cifras con-
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
LA VALORACIÓN BURSÁTIL EN EL MARCO DE LAS NIIF. ESTUDIO EMPÍRICO Y ANÁLISIS
tables y los precios de mercado. Ni siquiera presumen que los participantes en el mercado utilicen dichas cifras en el proceso de valoración. Con todo ello se achaca que la literatura existente en materia de relevancia de la valoración contable ha contribuido en reducida medida a la fijación de normas contables. Para el caso español, la mayor convergencia entre el valor de mercado de las acciones de las compañías y el valor contable del patrimonio neto con arreglo a las NIC/NIIF puede venir explicada por diferentes motivos: registro a valor de mercado de determinados activos ligados a las combinaciones de negocio, como el fondo de comercio, permitiendo que no sean amortizados en el supuesto de vidas útiles indefinidas, aplicación del valor razonable en la valoración de los instrumentos financieros, entre otros. En todo caso, habida cuenta la posibilidad que ofrecen las NIC/NIIF de elegir entre diferentes alternativas a efectos valorativos de algunas partidas, el impacto real de la adopción de dicha normativa va a depender en gran medida de cada empresa y, en definitiva, la convergencia antes aludida. 3. BASE DE DATOS Y CONTRASTE EMPÍRICO La base de datos utilizada en esta investigación está constituida por las compañías que comenzaron a cotizar en el mercado de capitales español entre 1998 y 2008. En la muestra
9
hemos mantenido inicialmente todas las empresas sin excepción y sin hacer ningún tipo de filtro. Esta base de datos ha sido elaborada con la información contenida en los folletos de admisión a bolsa elaborados por las empresas para requerir su inicio de cotización en el mercado y han sido obtenidos de la página web de la Comisión Nacional del Mercado de Valores (CNMV). La información económico-financiera es la que se recoge en el folleto informativo de la oferta para el cierre del año anterior a la salida a bolsa de la empresa. Toda la información recogida se refiere a estados contables consolidados. A lo largo del período analizado, la mayoría de las empresas utilizan como mecanismo de inicio de cotización la Oferta Pública Inicial (OPI) mediante el book-building, o elaboración del libro de órdenes, que permite un mayor ajuste del precio final de salida a bolsa a la demanda real de acciones existente en el mercado. La distribución temporal de la muestra pone de manifiesto la correlación existente entre el número de sociedades que inician su cotización en la bolsa española y la propia coyuntura bursátil, de manera que las empresas eligen las coyunturas bursátiles favorables para su debut en bolsa.4 Las características de las empresas que integran la muestra así como los principales parámetros de la salida a bolsa se recogen en la Tabla 1.
TABLA 1. Estadísticos descriptivos de la muestra total Media Precio Oferta 11,08 Edad 24,80 Acciones colocadas 36,58% Ratio Market-to-Book 26,63 Efectivo 557.424,96 Valor de Mercado 2.910.673,25 Activo Total 2.706.691,63 Deuda con coste 1.335.596,86 Beneficio Neto 96.663,95 Amor tizaciones 43.052,81 Rentabilidad Económica 9,18% Fondo de Maniobra 997.230,31 Valor teórico-contable 3,41
Mediana 10,40 20,00 30,98% 5,40 246.187,81 867.579,55 499.071,00 139.345,71 22.061,75 10.002,78 7,70% 26.643,88 1,85
Desv. Típica 5,94 22,62 19,14% 87,71 783.813,16 6.531.546,68 8.422.732,03 6.710.757,05 249.114,34 93.984,19 11,16% 6.179.558,48 8,14
Varianza 35,29 511,87 3,66% 7.693,72 6,14E+14 4,26E+16 7,09E+16 4,50E+16 6,21E+13 8,83E+12 1,24% 328,77E+15 66,19
Máximo Mínimo 23,09 1,08 102,00 1,00 100,97% 9,02% 562,52 0,07 3.586.938,69 23.439,61 39.753.502,10 52.789,13 50.797.530,66 735,71 45.144.887,05 30,71 1.601.951,88 -29.226,94 587.688,00 151,12 42,40% -35,92% 41.378.660,78 -1.718.787,4 55,01 0,00
Los estadísticos se refieren a la muestra de empresas que salieron a bolsa mediante una OPI en el período 1998-2008. Las acciones colocadas y la rentabilidad económica se expresan en porcentaje. El efectivo, el valor de mercado, el activo total, la deuda con coste, el beneficio neto, las amortizaciones y el fondo de maniobra se expresan en miles de euros.
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
10
ANÁLISIS FINANCIERO
Los estadísticos recogidos en la Tabla 1 vienen referidos a todas las compañías que salieron a bolsa mediante una OPI a lo largo del período 1998-2008. Con el objeto de facilitar la comparación estadística posterior, en la Tabla 2 se adjuntan
los estadísticos de la submuestra de empresas que iniciaron su cotización bursátil antes de la aplicación de las NIIF y en la Tabla 3 las que lo hicieron con posterioridad a la entrada en vigor de dicha normativa.
TABLA 2. Estadísticos descriptivos de la muestra submuestra previa a las NIIF Precio Oferta Edad Acciones colocadas Ratio Market-to-Book Efectivo Valor de Mercado Activo Total Deuda con coste Beneficio Neto Amortizaciones Rentab. Económica Fondo de Maniobra Valor teórico-contable
Media
Mediana
Desv. Típica
Varianza
Máximo
Mínimo
11,72 27,08 37,83% 32,27* 627.283,93 3.691.308,07 1.331.702,16* 426.413,56** 70.790,01 62.120,36* 9,78% 53.500,52* 2,54*
10,96 26,00 31,95% 5,68 456.425,23 1.218.344,45* 539.932,42 100.361,42 24.610,67 11.627,78* 8,16% 14.008,82* 1,87
5,54 24,94 20,81% 113,34* 776.373,60 8.098.236,42 1.860.649,16*** 830.947,06** 115.171,79 122.847,91** 8,43% 154.681,36** 2,45*
30,73 621,79 4,33% 12.846,85 602,75E+12 65.581,43E+12 3.462,01E+12 690,47E+12 13.264,54E+9 15.091,61E+9 0,71% 23.926,32E+9 6,01
23,09 102,00 100,97% 562,52 3.586.938,69 39.753.502,10 6.714.868,32 3.928.592,54 510.615,61 587.688,00 25,44% 628.242,62 10,58
1,08 1,00 9,02% 0,92 23.439,61 52.789,13 61.216,10 53,24 -29.226,94 451,91 -7,27% -162.868,24 0,06
En esta tabla se recogen los estadísticos de la submuestra de empresas que salieron a bolsa antes de la aplicación de las NIIF. En relación a los datos presentados en la Tabla 3, se contrasta si la media, mediana y varianza de las diferentes variables son significativamente distintas entre ambas submuestras. El contraste de la media se ha realizado empleando la t de Student, para el contraste de la mediana se ha empleado la prueba de Kruskas-Wallis, mientras que para el contraste de la varianza se ha empleado el test de Levene. Las acciones colocadas y la rentabilidad económica se expresan en porcentaje. El efectivo, el valor de mercado, el activo total, la deuda con coste, el beneficio neto, las amortizaciones y el fondo de maniobra se expresan en miles de euros.
***, **, * Significativamente distinto de la submuestra que salió a bolsa con posterioridad a la aplicación de las NIC/NIIF, a un nivel del 1%, 5% y 10%, respectivamente.
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
LA VALORACIÓN BURSÁTIL EN EL MARCO DE LAS NIIF. ESTUDIO EMPÍRICO Y ANÁLISIS 11
TABLA 3. Estadísticos descriptivos de la muestra submuestra superior a las NIIF Precio Oferta Edad Acciones colocadas Ratio Market-to-Book Efectivo Valor de Mercado Activo Total Deuda con coste Beneficio Neto Amortizaciones Rentab. Económica Fondo de Maniobra Valor teórico-contable
Media
Mediana
10,35 22,19 35,15% 19,87 477.586,14 2.018.519,17 4.278.108,17 2.374.663,49 126.234,17 21.261,32 8,45% 2.075.778,64 4,41
7,01 19,00 30,07% 5,27 203.550,86 653.654,28 499.071,00 158.170,12 22.061,75 5.439,90 7,70% 61.455,76 1,85
Desv. Típica
Varianza
Máximo
Mínimo
6,42 41,25 19,94 397,66 17,42% 3,03% 42,10 1.772,45 803.666,67 645,88E+12 4.107.161,01 16.868,77E+12 12.133.856,04 147.230,46E+12 9.805.903,71 96.155,75E+12 345.762,65 119.551,81E+9 33.799,58 1.142,41E+9 13,95% 1,95% 9.038.450,01 81.693,57E+12 11,69 136,76
23,01 63,00 100,00% 186,12 2.933.961,36 15.680.086,32 50.797.530,66 45.144.887,05 1.601.951,88 131.497,89 42,40% 41.378.660,78 55.01
3,27 2,00 17,79% 0,07 65.486,03 160.791,89 735,71 30,71 -7.854,75 151,12 -35,92% -1.718.787,40 0,00
En esta tabla se recogen los estadísticos de la submuestra de empresas que salieron a bolsa con posterioridad a la entrada en vigor de las NIIF. Se contrasta en relación a los datos presentados en la Tabla 2, si la media, mediana y varianza de las diferentes variables son significativamente distintas entre ambas submuestras. El contraste de la media se ha realizado empleando la t de Student, para el contraste de la mediana se ha empleado la prueba de Kruskas-Wallis, mientras que para el contraste de la varianza se ha empleado el test de Levene. Las acciones colocadas y la rentabilidad económica se expresan en porcentaje. El efectivo, el valor de mercado, el activo total, la deuda con coste, el beneficio neto, las amortizaciones y el fondo de maniobra se expresan en miles de euros.
Las acciones colocadas y la rentabilidad económica se expresan en porcentaje. El efectivo, el valor de mercado, el activo total, la deuda con coste, el beneficio neto, las amortizaciones y el fondo de maniobra se expresan en miles de euros. Con el objeto de controlar el efecto de la inflación en estas magnitudes, se han deflactado las cantidades empleando para ello el deflactor del PIB tomando como año base 1995, obtenido a través del Boletín Estadístico del Banco de España. Por lo que se refiere al porcentaje de acciones colocadas, éste se encuentra en media en el 36,58% en la oferta inicial, es decir, que las empresas siguen una estrategia de venta en etapas, colocando un porcentaje significativo y creíble al iniciar su cotización bursátil, y el resto en sucesivas Ofertas Públicas de Venta (OPVs). La ratio market-to-book 5 definida como cociente entre el valor bursátil al final del primer día de cotización y el valor contable de los títulos de la empresa es de 26,63 para el total de la muestra objeto de estudio. La razón de este valor para la ratio la podemos encontrar en la recurrente anomalía que la literatura financiera ha constatado para las salidas a bolsa de las empresas, cual es, la eleva-
da rentabilidad inicial.6 Dicha anomalía se basa en la infravaloración de los títulos en el precio de la oferta de salida a bolsa y el importante salto en el precio que experimentan la mayoría de las acciones el día que se inicia su cotización bursátil y que, posteriormente, el mercado suele corregir. Al estimar la ratio market-to-book con ese precio de cierre del primer día, nos encontramos con estos valores tan anómalos para dicho cociente.7 Cabría destacar asimismo que estas firmas presentan una rentabilidad económica del 9,18% y unos activos totales medios de 2.706,7 millones de euros. Para analizar a nivel estadístico las diferencias que representan en las principales magnitudes contables la aplicación de las NIIF, entre las empresas integrantes de las Tablas 2 y 3 (submuestras anterior y posterior a la aplicación de las NIIF, respectivamente) se contrasta si la media, mediana y varianza de las diferentes variables son significativamente distintas entre ambas submuestras. El contraste de la media se ha realizado empleando la t de Student, para el contraste de la mediana se ha recurrido a la prueba de Kruskal-Wallis,
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
12
ANÁLISIS FINANCIERO
mientras que para el contraste de la varianza se ha empleado el test de Levene.
la fecha de salida a bolsa) y las NIIF, las posibles consecuencias sobre su valor en bolsa.
La diferencia más destacable es la obtenida para la ratio market-to-book , que en el caso de las empresas que comenzaron a cotizar antes de la aplicación de las NIIF es, en valores medios, 32,27 y significativamente superior a 19,87, ratio mostrada por las que comenzaron a cotizar a partir de 2005. La significativa caída en esta ratio pone de manifiesto la mayor aproximación de las valoraciones contable y de mercado, tras la aplicación de la nueva normativa. Ahora bien, la relación entre el valor de mercado y el valor en libros es una medida de la gestión de la empresa y de sus oportunidades de crecimiento. La diferencia entre ambos valores se puede deber a ganancias obtenidas por encima de la media del sector o activos intangibles que no figuran en el balance o al reconocimiento de las futuras inversiones de la sociedad. En este sentido, la caída significativa en esta ratio tras la aplicación de las NIIF es el reflejo de cómo valora el mercado la nueva información contable aportada a los usuarios de la misma.
Como se ha puesto de manifiesto, con la introducción de las NIIF se modifica, potencialmente, la valoración de muchas partidas que integran los estados financieros, lo que nos lleva a analizar cuál es la incidencia real del cambio de normativa. En todo caso, un análisis exhaustivo precisaría comparar todas las partidas del Balance y de la Cuenta de Pérdidas y Ganancias, lo que excedería los objetivos de este trabajo. El estudio comparativo se realizará considerando algunas variables, a nuestro juicio lo suficientemente relevantes para lograr una aproximación a dicha diferenciación. Dichas variables hacen referencia a magnitudes contables extraídas de las Cuentas Anuales así como a algunas ratios económicofinancieras empleadas habitualmente para propósitos de análisis8, las cuales se recogen en las Tablas 4 y 5, respectivamente.
La fuente de los datos procede de las Cuentas Anuales consolidadas del Grupo Corporación Dermoestética del ejercicio 2004, información recogida en el folleto informativo de la Las diferencias más significativas que cabe mencionar entre OPV de acciones aprobado por la CNMV con fecha 28 de el resto de variables se encuentran en el activo total, la deuda junio de 2005, que incluye los estados financieros consolidacon coste así como en el fondo de maniobra reconocido. En dos preparados con arreglo a las NIIF como parte del procetodas ellas, las magnitudes son considerablemente superiores so de conversión de las bases de presentación de los estados tras la aplicación de la nueva normativa. Lo contrario sucede financieros consolidados del ejercicio 2005 a la normativa con las amortizaciones que, en media, pasan a reconocer una adoptada por la UE. tercera parte de las dotadas con la anterior normativa contable. 4. LA SALIDA A BOLSA DE DERMOESTÉTICA. ANÁLISIS DEL CASO DE 2005 En esta sección complementamos el análisis empírico realizado para toda la muestra de empresas que iniciaron su cotización a lo largo del período 1998-2008, con el estudio detallado del caso de la salida a bolsa de la empresa valenciana Corporación Dermoestética SA, una de las compañías líderes del sector médico-estético en Europa y con una creciente expansión internacional. La elección de esta compañía, se debe a que su salida a bolsa se produce precisamente en 2005, el primer año de aplicación de la nueva normativa. El objetivo es ahora aislar, por comparativa de estados financieros consolidados elaborados conforme a los PCGA (Principios de Contabilidad Generalmente Aceptados recogidos en el Plan General de Contabilidad de 1990, vigente en
TABLA 4. Magnitudes financieras consolidadas
VARIABLE Activo circulante Inmovilizado Activo total Fondos propios Fondos ajenos a c/p Fondos ajenos a l/p Resultado del ejercicio
Código AC INM TA FP FACP FALP RDO
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
LA VALORACIÓN BURSÁTIL EN EL MARCO DE LAS NIIF. ESTUDIO EMPÍRICO Y ANÁLISIS 13
TABLA 5. Ratios económico-financieras VARIABLE Liquidez a corto plazo
Código Definición LIQ Activo circulante / Pasivo circulante Endeudamiento END Pasivo exigible / Total Activo Autonomía AUT Fondos propios / Pasivo exigible Calidad de la deuda CALD Pasivo circulante / Pasivo exigible Rotación del fondo ROTFM Importe neto cifra de maniobra negocios / Fondo maniobra Rentabilidad económica RE Resultado de explotación / Total Activo Rentabilidad financiera RF Resultado del ejercicio / Fondos propios
Con la finalidad de facilitar las comparaciones para cada uno de los indicadores calculados en base a las dos normativas contables, se ha definido un índice de neutralidad por cociente entre el valor obtenido siguiendo las NIIF y el correspondiente con arreglo a la normativa del PGC español. Las cifras presentadas por las variables antes descritas se recogen en las Tablas 6 y 8, siendo objeto de comentario, considerando la información contenida en la Memoria9 y en el Folleto Informativo de la OPV de acciones necesaria para interpretar adecuadamente las posibles diferencias.
TABLA 6. Magnitudes financieras consolidadas Código
PCGA
NIIF
AC INM TA FP FACP FALP RDO
34.623.260 28.207.688 62.920.034 27.373.669 27.361.142 8.185.223 1.753.894
34.623.260 33.219.020 67.842.280 28.975.959 27.195.949 11.670.372 2.472.193
Índice de neutralidad 1,0000 1,1777 1,0782 1,0585 0,9940 1,4258 1,4095
Dentro de la rúbrica de inmovilizado, procede destacar que la adopción de las NIIF implica que el fondo de comercio no se amortiza, con la consiguiente repercusión en el resultado, sino que es objeto de un test de deterioro anual. Por otro lado, la
diferente contabilización y valoración de los derechos sobre bienes en régimen de arrendamiento financiero (NIC 17) también ocasiona diferencias. Así, la deuda asociada al contrato de arrendamiento se refleja por el coste amortizado, debiendo eliminarse del balance los gastos por intereses diferidos registrados conforme al PGC. En cuanto al activo circulante, se observan los mismos criterios de valoración, obteniéndose la misma valoración conforme a las dos normativas. Por lo que respecta a los fondos propios, se aprecia que su importe es superior en un 5% cuando los estados financieros se han confeccionado siguiendo la normativa internacional, si bien no puede aseverarse que dicha circunstancia se produzca siempre en este sentido en la medida en que inciden múltiples factores. Por un lado, dado que el activo ficticio10 no tiene la consideración de activo, su eliminación del balance con cargo a reservas redunda en una reducción de los fondos propios del ejercicio objeto de estudio, si bien no se producirá un menor beneficio en los siguientes años a causa de su saneamiento como sucedía con el PGC de 1990. Por otro lado, destacar que buena parte de las provisiones para riesgos y gastos incumplen la definición de pasivos recogida en las NIIF, toda vez que el importe asociado es el resultado de estimaciones o previsiones de cuantía indeterminada pues no suponen una obligación actual producto de sucesos pasados. Así, siguiendo la NIC 37, se debe reconocer una provisión solamente cuando la empresa tiene una obligación presente, como consecuencia de un suceso pasado y es probable que tenga que desprenderse de recursos para cancelar tal obligación, y además puede hacerse una estimación fiable del importe de la obligación. En consecuencia, la empresa ha dado de baja del balance consolidado aquellas provisiones para riesgos y gastos que mantiene registradas en sus cuentas anuales, preparadas de acuerdo con el PGC relativas a determinados pasivos contingentes, las cuales no se deben reconocer en los estados financieros, en la medida en que no cumplen los anteriores requisitos. Dada la relevancia de la cuantificación de los fondos propios para propósitos de valoración de las empresas y, con el objeto de desglosar el efecto de los diferentes ajustes, éstos se presentan de forma detallada en la Tabla 7. Se observa cómo la reducción de los fondos propios como consecuencia de la eliminación del activo ficticio se ve compensada con otros ajustes positivos sobre el patrimonio neto, como los asociados a la eliminación de provisiones para riesgos y gastos, lográndose finalmente un mayor importe con las NIIF.
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
14
ANÁLISIS FINANCIERO
TABLA 7. Implicaciones sobre los fondos propios Fondos propios al 31 de diciembre de 2004 según PCGA Cancelación de gastos de establecimiento Adaptación de vidas útiles de los costes de acondicionamiento de locales Cancelación de provisiones para riesgos y gastos Registro de impuestos anticipados y diferidos Periodificación de los alquileres de clínicas Cancelación de diferencia negativa de consolidación generada en 2004 Cancelación de amortización de fondo de comercio Registro del efecto fiscal de los ajustes NIIF Otros Fondos propios al 31 de diciembre de 2004 según NIIF
TABLA 8. Ratios económico-financieras Código
27.373.670 (2.658.893) 3.346.681 2.436.694 (1.006.997) (716.788)
LIQ END AUT CALD ROTFM RE RF
PCGA 1,2654 0,5649 0,7701 0,7697 10,0062 0,0672 0,0641
NIIF 1,2731 0,5729 0,7455 0,6997 9,7837 0,0971 0,0853
Índice de neutralidad 1,0061 1,0142 0,9680 0,9091 0,9778 1,4449 1,3307
206.211
La mayor volatilidad del resultado constatada en este caso junto con la diferente configuración de los fondos propios 100.624 ocasiona una incidencia significativa en la variabilidad de la (97.243) rentabilidad financiera, siendo precisamente los indicadores (8.000) de rentabilidad los que experimentan una mayor sensibilidad, 28.975.959 con una repercusión positiva en ambos indicadores. Para dichas ratios, siguiendo las NIIF el incremento de los resultados es superior a los mayores valores del activo y fondos Una de las principales diferencias en el pasivo a largo plazo propios ya descritos, trasladándose en valores superiores para se debe a los impuestos diferidos que se originan básicamen- ambas rentabilidades. te por el registro del diferimiento impositivo derivado de las provisiones dotadas en España por las pérdidas de las socie- A pesar de las variaciones experimentadas por las magnitudades italianas. Con la aplicación de las NIIF, puesto que será des contables, las ratios de liquidez, autonomía, endeudaprobable que se disponga de ganancias fiscales con cargo a miento y rotación del fondo de maniobra no observan difelas cuales podrán utilizarse las diferencias temporarias dedu- rencias notables a tenor de las cifras mostradas en la Tabla 8, cibles, la sociedad ha adoptado el criterio de registrar un cré- indicando que la variación del numerador de dichos indicadito fiscal por las pérdidas de las sociedades italianas. dores también tiene lugar en las magnitudes recogidas en el denominador, mientras que el indicador referente a la comAdemás, debe tenerse en cuanta que conforme a las NIIF posición de la deuda (CALD) sí experimenta un valor infe(NIC 12) los impuestos diferidos deben presentarse como rior en un 10% de acuerdo con las NIIF. Teniendo en cuenta partidas no corrientes en el balance y por lo tanto se han que la deuda es la misma independientemente de cuáles sean reclasificado importes provenientes de las diferencias tempo- las normas contables utilizadas para elaborar la información rales existentes entre criterios contables y fiscales al pasivo a financiera, un valor superior de la ratio de calidad de la deuda largo plazo del balance consolidado. Todo ello propicia un conforme a la normativa española indicaría que los vencimayor valor del pasivo a largo plazo siguiendo las NIIF. mientos de las deudas están más próximos en el tiempo En cuanto a las ratios seleccionadas, sus valores se recogen siguiendo los PCGA. en la Tabla 8. Sin duda, las particularidades apreciadas en este análisis estático deben ser consideradas con cautela, no debiendo ser extrapoladas a las restantes compañías del mercado continuo español pues hemos pretendido lograr una aproximación de los efectos de la introducción de las NIIF para Dermoéstetica en el ejercicio de su salida a bolsa. Además, debe tenerse en cuenta que las empresas pueden optar por aplicar el valor
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
LA VALORACIÓN BURSÁTIL EN EL MARCO DE LAS NIIF. ESTUDIO EMPÍRICO Y ANÁLISIS 15
razonable en la elaboración de la información financiera en los supuestos en los que es posible. Como se ha comentado, Dermoestética sólo sigue este criterio en los casos en los que es obligatoria su aplicación. 5. CONCLUSIONES En este trabajo se ha analizado el efecto de la aplicación de las NIIF sobre la valoración de las empresas que inician su cotización en el mercado de capitales español, a partir de la base de datos constituida por las nuevas empresas cotizadas entre 1998 y 2008. El análisis empírico muestra, además de variaciones en las principales magnitudes contables, una caída significativa en la ratio market-to-book para las compañías que comenzaron a cotizar a partir de 2005, poniendo de manifiesto la mayor aproximación de las valoraciones contable y de mercado tras la aplicación de la nueva normativa. Este resultado nos permite concluir que los estados financieros formulados con arreglo a las NIC/NIIF contribuyen a una mayor convergencia entre el valor contable de los fondos propios de las empresas y su valor de mercado, de manera que dicho valor contable ha ganado capacidad informativa sobre las percepciones de valor que el mercado tiene en relación a la compañía. En todo caso, además de la repercusión del nuevo cuerpo normativo, un análisis más exhaustivo debe considerar otros factores que potencialmente pueden incidir sobre la ratio market-to-book, tal es el caso de la evolución de los tipos de interés. Por otro lado, resultaría interesante estudiar los efectos del cambio normativo sobre la capacidad informativa del patrimonio neto de las empresas cuantificado conforme al PGC vigente desde 2008. Ello permitiría contrastar la posible existencia de diferencias signiticativas en la ratio market-tobook antes y después de la reforma contable, considerando la repercusión de la valoración de los instrumentos financieros al valor razonable, el reconocimiento y valoración de las operaciones de cobertura y la valoración de las inversiones en empresas del grupo y asociadas, entre otros aspectos. El análisis del caso de la empresa valenciana Dermoestética en el año 2005, primer ejercicio económico de aplicación de la normativa internacional, ha puesto de manifiesto diferencias en relación con la determinación del resultado y en las partidas que conforman los fondos propios, con la consiguiente repercusión sobre los indicadores de rentabilidad, superiores
siguiendo las NIIF. La adopción de esta normativa otorga a la introducción del valor razonable como criterio de valoración una relevancia destacada, si bien en el caso de Dermoestética no se aplicó este criterio más que a aquellas partidas en las que resultaba obligatoria, con lo que las diferencias observadas podrían haber sido mayores y, en definitiva, también las repercusiones sobre el patrimonio neto, bien directamente o vía resultados. En todo caso, la modificación de los fondos propios, la reclasificación del endeudamiento y del inmovilizado no ocasiona, para Dermoestética, efectos destacados sobre la posición financiera de la sociedad. Cabe realizar a partir de aquí, una profundización de este estudio en base a los cambios observados para las empresas de la muestra en su conjunto, como consecuencia de la aplicación de las NIIF. REFERENCIAS BIBLIOGRÁFICAS Adams, C.; Weetman, P., Jones, E. A. y Gray, S. J. (1999): “Reducing the burden of US GAAP reconciliations by foreign companies listed in the United States: the key question of materiality”, The European Accounting Review, 8 (1): 1-22. Álvarez, S. y Fernández, A. I. (2003): “La explicación de la infravaloración de las salidas a bolsa”, Revista de Economía Aplicada, 33 (11): 49-64. Amir, E.; Harris, T. S. y Venuti, E. K. (1993): “A comparison of the Value-Relevance of USA versus Non-US GAAP Accounting Measures Using Form 20 F Reconciliations”, Journal of Accounting Research, Suplement: 230-264. Arce, M. y Mora, A. (2002): “Empirical evidence of the effect of the European Accounting Differences in the Stock Market”, European Accounting Review, 11 (3): 573-599. Armstrong , C. S.; Barth, M. E. y Jagolinzer, A .D. (2010): “Market Reaction to the Adoption of IFRS in Europe”, The Accounting Review, 85 (1), 31-61. Ashbaugh, H. y Olsson, P. (2002): “An exploratory study of the valuation properties of cross-listed firms IAS and US GAAP earnings and book values”, The Accounting Review, 77 (1): 107-126. Bandyopadhyay, S. P.; Hanna, J. D. y Richardson, G (1994): “Capital Markets effects of USA-Canada GAAP differences”, Journal of Accounting Research, 32: 262-277.
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
16
ANÁLISIS FINANCIERO
Barth, M. E. y Chinch, G. (1996): “International Accounting Differences and their relation to share prices: evidence from UK, Australian and Canada firms”, Contemporary Accounting Research, 13 (1): 135-170.
Hora, J. A.; Tondkar, R. H. y McEwen, R. A. (2003): “Effect of foreign GAAP earnings and Form 20-F reconciliations on revisions of analysts’ forecasts”, International Journal of Accounting, 38 (1): 71-93.
Beatty, R. y Ritter, J. (1986): “Investment Banking, Reputation, and the Underpricing of Initial Public Offerings”, Journal of Financial Economics, 15: 213-232.
Horton, J. y Serafeim, G. (2010): “Market reaction to and valuation of IFRS reconciliation adjustments: first evidence from the UK”, Review of Accounting Studies, 15 (4): 725–751.
Chan, K. C. y Seow, G. S. (1995): “The association between stock returns and foreign GAAP earnings adjusted to US GAAP”, Journal of Accounting and Economics, 21 (1): 139-158.
Lantto, A. y Sahlström, P. (2009): “Impact of International Financial Reporting Standard adoption on key financial ratios”, Accounting and Finance, 49 (2): 341–361.
Chen, L. H. y Sami, H. (2008): “Trading Volume Reaction to the Earnings Reconciliation from IAS to U. S. GAAP”, Contemporary Accounting Research, 25 (1): 15-53.
Leuz, C. (2003): “IAS versus U.S. GAAP: Information–asymmetry based evidence from Germany’s New Market”, Journal of Accounting Research, 41 (3): 445–472.
Collett, P. (1995): “Standard settings and economic consequences: an ethical issue”, Abacus, 31 (1): 18-30.
Rappaport, A. (1977): “Economic impact of accounting standards. Implications for the FASB”, The Journal of Accountancy, 143 (5): 89-98.
Daske, H.; Hail, L., Leuz, C. y Verdi, R: (2008): “Mandatory IFRS Reporting Around the World: Early Evidence on the Economic Consequences”, Journal of Accounting Research 46 (5): 10851142. Dumpontier, P. y Raffornier, B. (2002): “Accounting and capital markets: a survey of the European evidence”, The European Accounting Review, 11 (1): 119-151. Giner, B. (2004): “La nueva estrategia contable: de las Directivas al Reglamento”, en Monografías sobre las Normas Internacionales de Información Financiera, AECA, Expansión, Madrid. Harris, M. S. y Muller, K. A. (1999): “The market valuation of IAS versus US-GAAP accounting measures using form 20-F reconciliation”, Journal of Accounting Research, 26 (1): 285-312. Henry, E.; Lin, S. y Yang, Y. (2009): “The European-U.S. GAAP Gap: IFRS to U.S. GAAP Form 20-F Reconciliations”, Accounting Horizons, 23 (2): 121-150.
Holthausen, R. W. y Watts, R. L. (2001): “The relevance of the value-relevance literature to financial accounting standard setting”, Journal of Accounting and Economics, 31 (1-3): 3-75.
Rees, L. (1995): “The information contained in reconciliations of earnings based on US Accounting Principles by Non-US companies”, Accounting and Business Research, 25 (100): 301310. Ritter, J. (1984): “The “Hot Issue” Market of 1980”, Journal of Business, 57: 215-240. Street, D. L.; Nichols, N. B. y Gray, S. J. (2000): “Assessing the Acceptability of International Accounting Standards: An Empirical Study of the Materiality of US GAAP Reconciliations by Non-US Companies Complying with IASC Standards”, The International Journal of Accounting, 35 (1): 27-63. Ucieda, J. L. y Osma, B. (2004): “The comparability of international accounting standards and US GAAP: An empirical study of the Form 20-F reconciliations”, International Journal of Accounting, Auditing and Performance Evaluation, 1 (1): 5-36. U. S. Securities and Exchange Commission (SEC) (2008): “Acceptance From Foreign Private Issuers of Financial Statements Prepared in Accordance With International Financial Reporting Standards Without Reconciliation to U.S. GAAP”, Final Rule, Release No. 33-8879, issued March 4, 2008.
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
LA VALORACIÓN BURSÁTIL EN EL MARCO DE LAS NIIF. ESTUDIO EMPÍRICO Y ANÁLISIS 17
Van der Meulen, S., Gaeremynck, A. y Willekens, M. (2007): “Attribute differences between U.S. GAAP and IFRS earnings: An exploratory study”, The International Journal of Accounting, 42 (2): 123-142.
Zeff, S. (1988): “Settings accounting standards. Some lessons from the US experience”, Accountant´s Magazine, 92: 2022.
APÉNDICES Salidas a bolsa en el mercado de valores español (1998-2008) SUPERDIPLO BEFESA MEDIO AMBIENTE PAPELES Y CARTONES DE EUROPA FEDERICO PATERNINA ENACO FUNESPAÑA TRANSPORTES AZKAR FERROVIAL MECALUX PARQUES REUNIDOS TPI (Telefónica Publicidad e Información) SOGECABLE AMADEUS GLOBAL TRAVEL DISTRIBUTION INMOBILIARIA COLONIAL TERRA NETWORKS PRISA RECOLETOS COMPAÑÍA EDITORIAL TELEFÓNICA MÓVILES IBERIA INDITEX ENAGAS FADESA INMOBILIARIA GESTEVISION TELECINCO CINTRA CONC. INFRA. DE TRANSPORTE DERMOESTÉTICA RENTA CORPORACIÓN PARQUESOL GRIFOLS GAM (General de Alquiler de Maquinaria) TÉCNICAS REUNIDAS BME (Bolsas y Mercados Españoles) RIOFISA VOCENTO VUELING AIRLINES CLINICA BAVIERA REALIA SOLARIA ALMIRALL CRITERIA CAIXA CORP. CODERE FLUIDRA RENTA 4 LABORATORIOS ROVI IBERDROLA RENOVABLES CAM
14/05/1998 01/07/1998 10/07/1998 16/09/1998 11/12/1998 11/12/1998 03/02/1999 05/05/1999 06/05/1999 26/05/1999 23/06/1999 21/07/1999 19/10/1999 27/10/1999 17/11/1999 28/06/2000 25/10/2000 22/11/2000 03/04/2001 23/05/2001 26/06/2002 30/04/2004 24/06/2004 27/10/2004 13/07/2005 05/04/2006 05/05/2006 17/05/2006 13/06/2006 21/06/2006 14/07/2006 19/07/2006 08/11/2006 01/12/2006 03/04/2007 06/06/2007 19/06/2007 20/06/2007 10/10/2007 19/10/2007 31/10/2007 14/11/2007 05/12/2007 13/12/2007 23/07/2008
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
18
ANÁLISIS FINANCIERO
Notas: 1.- Para una revisión pormenorizada de las implicaciones económicas de las NIC/NIIF, véase Daske et al. (2008). 2.- Una clasificación de este tipo de estudios puede consultarse en Holthausen y Watts (2001). 3.- El 4 de marzo de 2008 la SEC emitió una norma (SEC 2008) que permite que las sociedades que elaboren sus estados financieros de acuerdo a las NIC/NIIF no los reconcilien a las normas estadounidenses US GAAP para registrar sus informes en la SEC. 4.- El listado de empresas que han iniciado su cotización a lo largo del período de estudio aparece recogido en el Apéndice de este trabajo de investigación.
9.- Desde el punto de vista de las normas de valoración, en general, Corporación Dermoestética únicamente modifica aquellas normas que son de aplicación obligatoria. Ello implica que se producen muy pocos cambios, dada la gran posibilidad que ofrecen las NIIF de elegir entre distintas alternativas, optando por mantener las normas que están permitidas en el PGC y, en definitiva, el impacto real de la adopción de la normativa internacional es menor al que a priori cabría suponer. Dicha circunstancia propicia que el importe del patrimonio neto contable de la compañía siga resultando inferior al valor de capitalización de las acciones en el mercado. 10.- Principalmente gastos de establecimiento asociados a la apertura de nuevas clínicas que incluyen la realización de las obras de reforma y la incorporación de las instalaciones necesarias para adaptar los inmuebles en los que se ubican las clínicas a los requisitos técnicos y legales que exige la legislación vigente.
5.- Tras la reforma contable, dicha ratio se define en función del patrimonio neto, magnitud que no existía como tal en la normativa contable precedente, resultando necesario considerar, además de los fondos propios, los ajustes por cambios de valor y las subvenciones, donaciones y legados recibidos. 6.- Trabajos como los de Ritter (1984) y Beatty y Ritter (1986) fueron pioneros en la constatación de esta anomalía para las salidas a bolsa en EE.UU, planteando diferentes hipótesis para su explicación. Este fenómeno ha sido evidenciado en múltiples trabajos a nivel internacional, incluido el caso del mercado de capitales español. Véase Álvarez y Fernández (2003), entre otros. 7.- Para la ratio market-to-book existen en la base de datos dos valores extremos: el de Terra Networks y el de Solaria, empresas correspondientes, respectivamente, a las submuestras de empresas anterior y posterior a la aplicación de las NIIF. Eliminando estos dos valores, la media global para esta ratio quedaría en 10,08 en lugar de 26,63. No obstante, la eliminación de estos valores no altera los resultados en cuanto a las diferencias significativas en esta ratio entre ambas submuestras, por lo que hemos optado por no eliminar ambas empresas de la muestra. 8.- Con el análisis de las ratios seleccionadas no se pretende evaluar la situación económico-financiera de la compañía, sino perfilar las principales diferencias para unos mismos estados financieros elaborados bajo cuerpos normativos diferentes. Para un mayor detalle de la incidencia de las NIC/NIIF sobre las ratios financieros, véase Lantto y Sahlström (2009).
Susana Álvarez Otero y Eduardo Rodríguez Enríquez : La valoración bursátil en el marco de las niif. Estudio empírico y análisis del caso de dermoestética Análisis Financiero n° 115. 2011. Págs.: 06-18
20
ANÁLISIS FINANCIERO
Carlos Contreras* y Pablo San Román**
Tamaño de mercado y competitividad bancaria en la financiación de LBOs
RESUMEN El mercado de adquisiciones apalancadas de compañías se redujo dramáticamente entre 2006 y 2008 por la restricción de financiación disponible para compradores de compañías, la resistencia de los vendedores de las empresas a bajar los precios, o por ambos factores. El trabajo analiza el lado de la oferta de financiación y estima el impacto de la crisis de liquidez sobre la rentabilidad para las entidades bancarias líderes en financiación de LBOs. Los resultados confirman que la posición competitiva de los bancos en esta actividad se vio muy afectada por las diferencias en su coste de financiación. Además se estima que la rentabilidad financiera esperada neta de provisiones aumentó durante el período unos 65 puntos básicos para el conjunto relevante de la industria. En consecuencia desde la perspectiva de la rentabilidad bancaria la hipótesis de la restricción de crédito no explica un desplome tan drástico de esta actividad. Tamaño de mercado, rankings, LBOs, CDS, rentabilidad bancaria.
ABSTRACT The leveraged buy-out market dropped sharply from 2006 to 2008, as a consequence of the restriction of financing available for potential buyers of companies, the reluctance of sellers to reduce the sale price, or both factors. This research focuses on the availability of financing and estimates the impact of the credit crunch on the return for leading financial institutions in LBO financing. The results confirm that the different funding cost affected significantly the competitive position of the financial institutions. According to our estimates, during that period, the expected financial return net of provisions for the industry improved by 65 b.p. As a consequence, the credit restriction hypothesis would not explain such a drastic collapse in that activity, at least from the banking return perspective. Market size, league tables, , LBOs, CDS, banking return. JEL Classification Code: G24
Recibido: 23 de Diciembre de 2010
Aceptado: 17 de Febrero de 2011
* Universidad Complutense de Madrid. ** Caja Madrid. Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
TAMAÑO DE MERCADO Y COMPETITIVIDAD BANCARIA EN LA FINANCIACIÓN DE LBOs
1. INTRODUCCIÓN La crisis financiera internacional que se inició en 2007 contrajo drásticamente el número y el volumen de las operaciones de financiación de adquisición apalancada de compañías (leveraged buy outs o LBOs). En el período 2006-2009 el tamaño del mercado de operaciones realizadas por gestoras de capital privado cayó en Europa casi un 98%.
21
En el epígrafe 3 se describe la metodología empleada en cuanto al segmento de mercado seleccionado, el perímetro de los bancos analizados, el período temporal considerado y las variables utilizadas para aproximar el coste de financiación y la variación de la actividad de los bancos. En el epígrafe 4 se analizan los cambios en la posición de los bancos en el ranking europeo de financiación de LBOs.
Esta caída del mercado no debería en principio atribuirse a la falta de demanda por parte de los fondos de capital privado, protagonistas de esta actividad. De acuerdo con la sabiduría convencional, las mejores añadas de inversión corresponden a las adquisiciones realizadas durante las etapas de recesión 1. En un contexto de crisis las adquisiciones suelen realizarse a precios menores, por lo que el impacto negativo sobre la rentabilidad de las inversiones derivado del menor apalancamiento y del encarecimiento de la financiación puede quedar más que compensado. En Contreras y San Román (2008), por ejemplo, se ofrece una simulación al respecto 2.
En el epígrafe 5 se analiza el encarecimiento de la financiación recibida por los bancos.
En consecuencia la profunda contracción en la actividad de financiación apalancada de adquisiciones debería deberse bien a la reducción de la oferta de empresas potencialmente adquiribles, resultado del retraso en el proceso de ajuste a la baja en los precios de las empresas por los vendedores a pesar del empeoramiento del ciclo de negocio, y/o a la restricción de crédito y la consiguiente dificultad de los potenciales compradores para obtener financiación.
En el epígrafe 8 se resumen algunas conclusiones.
Este estudio estima el impacto neto de la crisis sobre la rentabilidad para el conjunto de las entidades financieras líderes en financiación de LBOs. Los resultados confirman que la posición competitiva de los bancos en esta actividad se vio muy afectada por las diferencias en la evolución de su coste de financiación. Además, se confirma que la hipótesis de restricción de crédito no parece coherente con la evolución de la rentabilidad financiera esperada neta de provisiones, que aumentó en torno a 65 puntos básicos para el conjunto relevante de la industria. En el epígrafe 2 se describe la evolución del mercado de LBOs a raíz de la crisis económica que comenzó en 2007, y se compara con la evolución del volumen global de financiación sindicada.
En el epígrafe 6 se estima el impacto de la mejora de la rentabilidad en la actividad de financiación de LBOs y se valora en qué medida ésta llegó a compensar el encarecimiento de los costes de financiación de los bancos. En el epígrafe 7 se contrasta la relación entre el encarecimiento de la financiación bancaria y la variación experimentada en los rankings de financiación de adquisiciones entre los ejercicios 2006 y 2008.
2.- EVOLUCIÓN DEL MERCADO DE ADQUISICIONES APALANCADAS El volumen de actividad de préstamos destinados a adquisiciones apalancadas en Europa, en el caso de operaciones realizadas exclusivamente por fondos de capital privado, experimentó una caída dramática a partir de la crisis financiera iniciada en verano de 2007. De acuerdo con las cifras de Thomson Reuters el tamaño de este mercado se contrajo un 97,6% entre 2006 y 2009, pasando de 311.785 a tan sólo 7.345 millones de dólares. Durante este período se contrajo toda la actividad de financiación, pero afectó en mayor medida al segmento de financiación de LBOs, cuya participación en el total de operaciones sindicadas cayó de un 22% en el período 2006-2007 hasta un 2% en 2009. Véase gráfico 1.
3.- METODOLOGÍA Se analiza el mercado europeo, que aunque presenta un volumen de actividad inferior al mercado americano, permite por su estructura contrastar mejor el impacto del encarecimiento
Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
22
ANÁLISIS FINANCIERO
de los pasivos bancarios sobre el nivel de actividad y las variaciones en los rankings en la actividad de financiación de LBOs. El volumen global de la actividad de préstamos sindicados destinados a financiación apalancada 3 en Europa4 y América representó en 2006, de acuerdo a Thomson Reuters , 1.1 billones de dólares. De estos, el 32% se concentró en Europa y el 68% en América, fundamentalmente en Estados Unidos. Véase gráfico 2. Estos dos mercados presentan significativas diferencias en cuanto a estructuras de financiación, tipo de entidades financieras protagonistas, nivel de concentración del mercado y cuota de mercado de las entidades financieras locales. Así, mientras en el mercado norteamericano las 5 entidades más activas se repartían casi el 60% de la cuota de mercado, en el mercado europeo el mismo porcentaje se situaba cercano al 40%. El mercado americano estaba liderado en 2006 por la banca de inversión -más afectada por la crisis de liquidez-: los 7 principales bancos de inversión5 que operaban en Estados Unidos en este mercado tenían un 42% de cuota en 2006. Además, la participación cruzada de bancos europeos y norteamericanos en ambos mercados no es homogénea. Las entidades financieras extranjeras operando en el mercado americano mostraban una cuota de 11 puntos porcentuales menor que la de las entidades estadounidenses operando en el mercado europeo. Como resultado, si se hubiera considerado el mercado global, se habrían incluido sesgos originados por el peso de la banca de inversión estadounidense, la elevada concentración del mercado americano (que representaba dos terceras partes) y la reducida presencia de entidades extranjeras en dicho mercado. En relación al período de análisis, se comparan los ejercicios completos 2006 y 2008. Se han desestimado las cifras de actividad de 2007 por las distorsiones que generó la crisis de liquidez desde el verano. De acuerdo con Dealogic 6, en Europa en julio de 2007, las entidades líderes en estructuración de LBOs tenían en sus carteras operaciones pendientes de sindicar por importe de unos 208.000 millones de dólares, el 67% de todo el volumen de operaciones de 2006. Como resultado, durante el segundo semestre de 2007, muchas entidades financieras mostraron volúmenes de estructuración negativos, al cancelar operaciones anunciadas durante el primer semestre. Otras tuvieron que vender esta deuda con descuento en los mercados secundarios, llegando incluso a
financiar su adquisición a fondos especializados en distressed debt . Respeto a las entidades financieras analizadas, se han considerado las situadas en 2006 en los primeros 25 puestos del league table por volumen de actividad según Thomson Reuters7. Adicionalmente se ha incluido a HSBC (puesto 26 del ranking) y a Lloyds (no aparece en el ranking de 2006), por su relevancia en los league tables de los años posteriores. Lehman Brothers, Bank of America, Morgan Stanley, Merrill Lynch y Mizuho desaparecen del ranking de 2008 8. En total se analizan 25 entidades, 17 europeas (BNP-Paribas, Caylon, Deutsche Bank, Commerzbank, HBOS, HSBC, ING, Intesa San Paolo, Royal Bank of Scotland, Societe General, UBS, Unicredit, Barclays, Credit Suisse, Dresdner, LLoyds y Natixis), es decir el 68%; 7 entidades norteamericanas (Bank of America, Citigroup, Goldman Sachs, JP Morgan, Lehman Brothers, Merrill Lynch y Morgan Stanley), es decir un 28%. Y una entidad japonesa (Mizuho). Se utiliza como variable de aproximación de la variación en el nivel de actividad de cada entidad su posición en el ranking y no el volumen estructurado, ya que éste experimentó una reducción tan violenta, que las variaciones de la cuota de mercado resultan menos representativas de la dinámica de las entidades. Finalmente, para medir el nivel de coste de financiación bancaria se ha utilizado como variable de aproximación la evolución de las cotizaciones de mercado de los credit default swaps (CDS), aunque estos instrumentos derivados no refle jan el coste medio de financiación del conjunto del balance bancario, ni son equivalentes al coste de una nueva emisión en el mercado primario. Su nivel de liquidez tampoco es homogéneo para todas las entidades evaluadas. A pesar de todo, el nivel de aproximación que ofrece la variación de los precios en el mercado secundario de CDS a 5 años - que es el período benchmark más próximo a la vida media de la financiación de los préstamos de LBO - es posiblemente el mejor. Las entidades no tienen programas permanentemente activos de emisiones a este plazo y la liquidez (y por tanto la calidad informativa de los precios) de las emisiones de este plazo en el mercado secundario resulta todavía más heterogénea. Para cada emisor y plazo los precios de los CDS suelen superar la rentabilidad de los bonos. En caso contrario se podría arbitrar, comprando el bono y pagando por una protección de crédito (CDS), obteniendo un margen positivo financiando la
Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
TAMAÑO DE MERCADO Y COMPETITIVIDAD BANCARIA EN LA FINANCIACIÓN DE LBOs
posición. Sin embargo, en presencia de fuertes restricciones de liquidez se producen situaciones de “base negativa” (los CDS cotizan por debajo de la rentabilidad del bono), ya que los instrumentos derivados a diferencia de los bonos no implican financiación. Durante los peores momentos de la crisis de liquidez en el período 2007-08 se observaron episodios de bases negativas con diferencias superiores a 100 puntos básicos (p.b.).
4.- CAMBIOS EN LOS RANKINGS DE FINANCIACIÓN DE LBOS. Entre el año 2006 y 2008 la volatilidad en las posiciones en las clasificaciones de la actividad de financiación de LBOs resultó muy superior a lo habitual9. Si en los períodos 200406 y 2005-07, la variación promedio para las entidades estudiadas se situaba en torno a 4 posiciones en 2006-08 la variación media fue de unas 10 posiciones, en gran medida consecuencia del desplome en las league tables de los principales bancos de inversión. Véase gráfico 3. Como se observa en el gráfico 4, entre 2006 y 2008, las entidades europeas mejoraron su posición a costa de las entidades norteamericanas. Así, el 71% de las entidades europeas (BNP/Paribas, Caylon, Commerzbank, HBOS, HSBC, ING, Intesa, LLoyds, RBS, Societe General, UBS y Unicredit) avanzaron posiciones en el ranking. Y lo hicieron a costa de todos los bancos norteamericanos (Bank of America 10, Citigroup, Goldman Sachs, JP Morgan, Lehman Brothers, Merrill Lynch y Morgan Stanley). Algunas entidades europeas como Barclays, Credit Suisse, Dresdner, Deutsche Bank, Natixis y la japonesa Mizuho también perdieron posiciones.
5.- ENCARECIMIENTO DE LOS PASIVOS BANCARIOS Entre junio de 2007 y diciembre de 2009 la evolución del coste de financiación de los bancos, en términos de su deuda senior a medio y largo plazo en los mercados de capitales se caracterizó por una elevada volatilidad, el fuerte incremento del coste de financiación en todos los plazos, y la significativa disparidad en el incremento del coste de financiación entre entidades. La evolución del índice Itraxx financiero del gráfico 5 muestra el encarecimiento general en el coste bancario. Ponderando el incremento promedio de los CDS con los
23
volúmenes de actividad anuales de las 25 entidades líderes el encarecimiento entre 2006 y 2008 fue de 89 p.b 11. La evolución de las cotizaciones de los CDS de las entidades financieras estudiadas siguió sendas muy dispares. En mayo de 2007 la diferencia máxima de precio de los CDS entre las entidades estudiadas no superaba los 26 p.b. y en términos absolutos ninguno cotizaba por encima de 31 p.b. Desde el verano de 2007 la dispersión del precio de los CDS entre entidades financieras se incrementó drásticamente, y se mantuvo particularmente alta entre agosto de 2008 y junio de 2009. Este diferencial llegó a superar puntualmente los 900 p.b. cuando los CDS de Morgan Stanley alcanzaron precios superiores a 1.000 p.b., mientras que los de BNP Paribas se situaban por debajo de 100 p.b. Véase gráfico 6 Mientras los CDS de determinadas entidades experimentaron incrementos inferiores a 75-100 p.b. durante el período de junio de 2006 a marzo de 2009, otras entidades vieron como, en el mismo período, sus CDS se encarecían hasta los 400 p.b., llegando algunas entidades a alcanzar puntualmente incrementos superiores a los 1000 p.b. Véase gráfico 7 El factor más relevante en la variación de los costes del pasivo bancario suele venir condicionada por cambios en la calificación crediticia de las agencias de rating, vinculada a su vez a los cambios en la calidad de la cartera de activos de las entidades 12. En este sentido, se ha señalado que uno de los problemas más sustanciales de las carteras crediticias de los bancos de inversión fue la concentración de préstamos de LBOs concedidos durante el período 20022007. Así, posiciones muy competitivas en los rankings durante este período deberían estar altamente correlacionadas con problemas de morosidad. Conviene en este punto corregir el impacto esperado en los bancos por la actividad de aseguramiento, utilizando para ello una ratio entre volumen de toma final/volumen asegurado, de forma que cuanto mayor sea esta ratio, mayor debería haber sido el impacto negativo de la morosidad, bajo el supuesto de una distribución más o menos homogénea tanto de los préstamos morosos entre las entidades (indicando que no hay una diferencia sustancial en las capacidades de análisis de riesgo de los bancos), como de la composición de la cartera de LBOs por tipo de deuda ( senior , junior , second lien, etc.)
Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
24
ANÁLISIS FINANCIERO
Por otra parte, sin embargo, los problemas de morosidad de los bancos procedieron también de la generación, particularmente en la última parte del ciclo expansivo, de otros activos financieros como préstamos hipotecarios directos, inversiones en CLOs y CDOs con activos hipotecarios tóxicos etc. Así, los bancos con especialización particular en LBOs no necesariamente tendrían que tener un perfil de riesgo superior13.
6.- MAYORES COSTES DE PASIVO Y ACTIVIDAD DE FINANCIACIÓN DE LBOS 6.1.- Coste de financiación y posición competitiva. Como se ha mencionado para las 25 entidades más activas analizadas el incremento promedio ponderado fue de 89 puntos básicos entre 2006 y 2008, con un máximo de 286 puntos básicos. Ver gráfico 8 Todas las entidades financieras experimentaron fuertes caídas en su actividad de financiación de adquisiciones, pero no en la misma proporción. El encarecimiento de la financiación bancaria explica las diferencias. En el gráfico 9 se muestra la relación entre el encarecimiento de los pasivos bancarios y la posición de las entidades líderes en los rankings de financiación de LBOs durante el período 2006-08. Los bancos de inversión puros tuvieron un comportamiento peor que los bancos comerciales con divisiones de banca de inversión. Así, los principales bancos de inversión estadounidenses, que presentaron un incremento en el coste de su financiación superior al promedio ponderado, empeoraron más su posición relativa en los rankings.
6.2.- Coste de financiación y rentabilidad bancaria de los LBOs El impacto neto sobre la rentabilidad bancaria esperada en la financiación de LBOs es el resultado de dos fenómenos de signo contrario; la mejora de la rentabilidad de sus activos y el encarecimiento de sus pasivos. Dadas las diferencias en el encarecimiento de la financiación recibida por las entidades financieras durante el período, aunque la mayoría observaron mejoras en la rentabilidad de su actividad de financiación de LBOs, algunas observaron reducciones. Y todas las entidades redujeron su volumen de actividad en este ámbito entre un 40% y un 90%.
En relación a los efectos positivos sobre la rentabilidad, el impacto fundamental se deriva del incremento del margen y las comisiones estructuración de los préstamos, pero también de la reducción en la vida media de la deuda y las menores provisiones esperadas para las nuevas operaciones. Esta mejora de la rentabilidad se ve atenuada por la reducción de la actividad de aseguramiento. Siguiendo la metodología contenida en Contreras y San Román (2010) se ha estimado el impacto que tiene la actividad de aseguramiento de las entidades14 (medida en términos de la ratio toma final / importe asegurado) en la rentabilidad sobre activos de financiación de LBOs. Los resultados indican que antes de la crisis, para el conjunto de entidades estudiadas, la actividad de aseguramiento y posterior sindicación incrementaba la rentabilidad de financiar LBOs en unos 113 p.b. Véase gráfico 10. Como resultado, y dado que una de las consecuencias de la crisis fue la desaparición de la actividad de aseguramiento, las entidades objeto de análisis con mayor actividad de aseguramiento fueron las más afectadas. La estructuración de operaciones en formato club deal favoreció, en términos relativos, a entidades menos activas en aseguramiento. Así, para el conjunto de las entidades bajo análisis la mejora de la rentabilidad se estima en 154 p.b., frente a los 267 p.b. de mejora en el caso de una entidad sin actividad de aseguramiento 15. Véase gráfico 11. Cuando se analiza el impacto sobre la rentabilidad esperada neta, después de provisiones y considerando el incremento en los costes de pasivo, se concluye que para la muestra de entidades, el incremento medio del coste de financiación (89 p.b.) es inferior al incremento de la rentabilidad bruta (154 p.b.). Es decir la rentabilidad neta esperada de la actividad de financiación de LBOs habría mejorado durante la crisis en 65 p.b. La divergencia entre entidades es sin embargo elevada. Sólo Lehman Brothers, Morgan Stanley y Merrill Lynch presentaron un incremento promedio del coste de su CDS en 2008 superior a los 154 p.b. (véase gráfico 8), pero otras 14 entidades líderes que representaban un 64% del mercado vieron como en algún momento entre julio de 2007 y los máximos de marzo de 2009 sus CDS se incrementaban en más de 154 p.b. y por tanto, sus decisiones sobre financiar algunas transacciones se vieron posiblemente afectadas. En definitiva, cuando se incorpora en el análisis el incremento del coste de financiación y el impacto negativo de la pér-
Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
TAMAÑO DE MERCADO Y COMPETITIVIDAD BANCARIA EN LA FINANCIACIÓN DE LBOs
dida de aseguramiento, los resultados indican que la rentabilidad esperada neta de provisiones para la muestra estudiada se incrementa desde 302 p.b.16 en el primer semestre de 2007, a los 367 p.b. de 2008. Este incremento alcanzaría hasta 148 p.b. para banca local con actividad de aseguramiento moderada. Véase gráfico 12. En principio, este incremento de la rentabilidad debería haber justificado que, en su conjunto, las entidades financieras hubieran continuado con su actividad de financiación de adquisiciones apalancadas. Sin embargo, el volumen de este tipo de operaciones cayó más de un 81% entre 2006 y 2008 para el con junto del sector y un 84% para la muestra estudiada. El mercado prácticamente desapareció en 2009, cuando la caída con respecto de 2006 representó casi un 98%. Véase gráfico 13. La drástica reducción del mercado afectó, por tanto a todas las entidades financieras analizadas si bien, las entidades con menor encarecimiento mejoraron su posición relativa con respecto a sus competidores. En este contexto, el volumen de actividad de financiaciones sindicadas total en Europa experimentó una significativa reducción, aunque no tan fuerte: se redujo un 40% entre 2006 y 2008 y casi un 75% entre 2006 y 2009.
fondos, los gestores de capital privado no iniciasen procesos de búsqueda y negociación para la adquisición de compañías por tener que ocuparse en mayor medida a tareas de gestión de las compañías participadas ya en cartera, cuyo desempeño se estaba deteriorando rápidamente, y por tener que participar en la negociación con las entidades financieras de aquellas operaciones que comenzaban a incumplir los contratos de financiación. La experiencia indica que probablemente la menor demanda de crédito justifica, al menos parcialmente, la caída en la actividad. Pero también resulta posible que aun existiendo demanda de crédito, y siendo incluso más rentable para los bancos atender dicha demanda, de hecho no lo hicieran por un conjunto de circunstancias: 1)
Por situaciones de restricciones de liquidez. El coste de financiación para los bancos a plazo de cinco años aproximado por el precio de sus CDS no implica que a ese precio las entidades pudieran encontrar en el mercado financiación suficiente para atender la demanda, incluso si la rentabilidad esperada por participar en esta actividad hubiera aumentado. El fenómeno de las bases negativas refleja, de hecho, las fuertes tensiones de liquidez a las que el mercado de capitales se enfrentó durante el período de análisis. Como resultado, los ajustes en el mercado de financiación de adquisiciones se produjeron no sólo vía precios, sino también vía cantidades.
2)
Por el efecto tamaño. Una parte significativa del tamaño de mercado se justifica por la desaparición casi total de las grandes operaciones. En 2008 sólo se realizaron cinco operaciones de adquisición apalancada por importe superior a 1.000 millones de euros (operaciones que se cerraron básicamente en el primer cuatrimestre del año y que podrían haber tenido financiación asegurada antes del credit crunch, pues, de acuerdo a Bloomberg, hasta noviembre de 2009 no se realizó ninguna operación por encima de ese importe). El menor interés de numerosas entidades en participar en financiación de LBOs motivó que operaciones de cierto tamaño no pudieran llevarse a cabo, al verse reducido el número de entidades financieras participantes y la toma final de las entidades que sí participaban.
6.3.- Otros factores explicativos diferentes del precio Dado que el margen financiero neto esperado de participar en la financiación de LBOs aumentó como resultado de la crisis para algunas entidades, cabría haber esperado que éstas hubieran aumentado su volumen de financiación en valor absoluto, satisfaciendo la demanda global de crédito, sin que el tamaño de mercado cambiara significativamente. Esto contrasta con la caída dramática en el volumen de préstamos concedidos. Existen dos posibles explicaciones desde el lado de la demanda de crédito: 1)
Es posible que durante el período los gestores de capital riesgo vieran rechazadas sus propuestas de adquisición de compañías, por discrepancia en los precios con los potenciales vendedores. Así, un proceso lento de ajuste a la baja en las expectativas de precios por parte de los vendedores pudo conducir a una escasa demanda de préstamos destinados a adquisiciones 17.
2)
También es posible que, aún teniendo disponibles los compromisos de aportación de sus accionistas a sus
25
Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
26
3)
4)
ANÁLISIS FINANCIERO
El efecto club deal. Durante el ejercicio 2008 el mecanismo de aseguramiento para su posterior sindicación fue sustituido por el mecanismo de club deal en el que todas las entidades aseguran el importe que finalmente se convertirá en su toma final del préstamo. La necesidad de contar con un número mínimo de bancos desde el inicio de cada transacción reduce el número de transacciones que resulta posible estructurar. Este efecto se vio acentuado, además, por la desaparición de determinados agentes del sector ( hedge funds, CLOs y otros fondos) que facilitaban la estructuración de las transacciones al absorber determinados tramos de la deuda.
los rankings que en promedio oscilaron 10 puestos, frente a los 4 habituales en períodos anteriores. Fueron los bancos de inversión norteamericanos los que más posiciones perdieron.
Efecto cartera previa. El incremento de la percepción del riesgo por parte las entidades financieras ante la laxitud de las condiciones incluidas en la documentación de las transacciones cerradas en el período comprendido entre 2005 y primer semestre de 2007 implicó que la rentabilidad dejara de ser el principal motor de aprobación de las operaciones (incluso en el caso de computar rentabilidad neta de provisiones esperadas). Por otra parte, el elevado volumen pendiente de sindicar después del verano de 2007 aumentó el desinterés de los agentes por participar en este tipo de operaciones.
Contreras, C. y San Román, P., 2008: Implicaciones del credit
5.- CONCLUSIONES
Además, el estudio confirma que la restricción de crédito, al menos desde la perspectiva de los precios, no justificaría un desplome tan drástico de la actividad, ya que la rentabilidad financiera esperada neta de provisiones aumentó en torno a 65 puntos básicos para el conjunto relevante de la industria bancaria a pesar del encarecimiento de la financiación.
REFERENCIAS BIBLIOGRAFIAS crunch en la industria de capital privado de LBOs: un análisis de simulación, Análisis Financiero 108 (Instituto Español de Analistas Financieros), 28-36. Contreras, C. y San Román, P., 2010: Ciclo de negocio y rentabilidad bancaria en la financiación de adquisiciones, Análisis Financiero 112 (Instituto Español de Analistas Financieros),
48-57. Bloomberg: Información relativa a precios de Credit Default Swaps Prequin, 2009: Private equity returns for LPs: the model is still
El mercado de adquisiciones apalancadas se redujo dramáticamente entre 2006 y 2008. En el caso del mercado europeo las adquisiciones realizadas por fondos de capital privado cayeron casi un 98%. Esta caída pudo ser consecuencia de la restricción de financiación disponible para los compradores de compañías, la resistencia de los vendedores a bajar los precios de venta de éstas, o por ambos factores.
intact, Private Equity Spotlight , Vol 5–1,7. Disponible en http://www.preqin.com/docs/newsletters/PE/Spotlight_Jan09.p df [consultado 10 de octubre de 2009]. Standard & Poor’s LCD European Loan Review, 2009: Europe Leveraged Feb 09, pags 34-35, 63, 73, 77, 82-83
Standard & Poor’s LCD News, 2009: Loan market suffers record low volume in 2009. Disponible en:
Este estudio se centra en el lado de la oferta de financiación y estima el impacto de la crisis de liquidez sobre la rentabilidad para las entidades bancarias líderes en financiación de LBOs. Los resultados confirman que la posición competitiva de los bancos en esta actividad se vio muy afectada por las diferencias en el encarecimiento de su propia financiación, que entre 2006 y 2008, en el caso de las 25 entidades analizadas alcanzó 89 p.b. Este encarecimiento se distribuyó de forma desigual entre entidades: en algunos casos este encarecimiento se situó entre 75 y 100 p.b., mientras otras entidades vieron como, en el mismo período, sus CDS se encarecían hasta los 400 p.b. El resultado fue una fuerte volatilidad en
https://www.lcdcomps.com/lcd/n/article.html?rid=170&aid=1 2314799 Investors ponder default, recovery outlook for 2009. Disponible en: https://www.lcdcomps.com/lcd/n/article.html?rid=170&aid=1 199801 Thomson Reuters Deals Intelligence, Syndicated Loans Review 2006, 2007, 2008 y 2009. Disponibles en: http://online.thomsonreuters.com/DealsIntelligence/Content/Fi les/4Q06_SL_Global.pdf http://online.thomsonreuters.com/DealsIntelligence/Content/Fi
Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
TAMAÑO DE MERCADO Y COMPETITIVIDAD BANCARIA EN LA FINANCIACIÓN DE LBOs
les/4Q07_Syndicated_Loans_Review.pdf http://online.thomsonreuters.com/DealsIntelligence/Content/F iles/4Q08_syndicated_loans.pdf http://online.thomsonreuters.com/DealsIntelligence/Content/F iles/4Q09%20Syndicated%20Loans%20Review.pdf
GRAFICOS EMEA: % Financiación apalancada con inversor financiero / Total Sindicados
Volumen de financiación apalancada en 2006 (mill$) 1.200.000
25%
23%
23%
20%
1.000.000
20% 800.000
US 739.699
15% 600.000
10%
400.000
6% 5%
EMEA 351.639
200.000
SPONS 311.785
LEVERAGED
2% 0
0%
EMEA + US LEVE RAG ED
2006
2007 H1
2007 H2
2008
2009
EMEA L EVERAGED
EMEA SPO NS OR ED
LOANS
LOANS
LOANS
Gráfico 1
Gráfico 2
Volatilidad en la variación de posición en los rankings
Variación relativa en los rankings de financiación de adquisiciones apalancadas -36
12 Variación promedio
10 8 6 9,94 4 2
4,06
4,11
0 2004-2006
2005-2007
Gráfico 3
2006-2008
-26
-16
-6
4
BARCLAYS CAPITAL: 1º 5º BNP PARIBAS: 13º 4º BOA: 22º 41º CALYON: 12º 2º CITIGROUP: 9º 41º COMMERZBANK: 21º 20º CREDIT SUISSE: 6º 19º DEUTSCHE BANK: 4º 7º DRESDNER: 11 13º GOLDMAN SACHS: 7º 18º HBOS: 15º 10º HSBC: 26º 3º ING: 18º 8º INTESA SAN PAOLO: 24º 16º JP MORGAN: 3º 11º LEHMAN BROTHERS: 10º 45º LLOYDS: 27º 9º MERRILL LYNCH: 8º 39º MIZUHO: 20º 41º MORGAN STANLEY: 5º 32º NATIXIS: 17º 22º RBS: 2º 1º SOCGEN: 14º 24º UBS: 25º 24º UNICREDIT GROUP: 16º 6º
Gráfico 4
Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
14
24
27
28
ANÁLISIS FINANCIERO
Markit Itraxx - Entidades financieras europeas Deuda senior a 5 años
Diferencia de precio máxima entre CDS de las entidades financieras estudiadas
Gráfico 5
Gráfico 6
Evolución del precio de los CDS de las entidades financieras estudiadas
Variación en el coste del CDS
Gráfico 7
Gráfico 8 Encarecimiento de la financiación bancaria frente a variación en ranking
Gráfico 9
Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
TAMAÑO DE MERCADO Y COMPETITIVIDAD BANCARIA EN LA FINANCIACIÓN DE LBOs
ROA pre credit crunch* según actividad de sindicación previa ROA sin aseguramiento
Mejora del ROA post credit crunch* según actividad de sindicación previa
ROA incl. aseguramiento
300 p.b.
425
198 p.b.
muestra estudiada: 369 p.b.
200 p.b. 325 p.b.
150 p.b.
325
275
225
267 p.b.
237 p.b.
250 p.b.
396 p.b. 375
29
rentabilidad por aseguramiento 113 p.b.
286 p.b.
127 p.b. muestra estudiada: 154 p.b.
100 p.b. 256
50 p.b. 0 p.b.
256
20% 20%
30%
40%
50%
60%
70%
80%
90%
30%
Entidades financieras regionales
Entidades financieras locales
*ROA antes de provisiones y sin incluir encarecimiento del coste de financiación
Gráfico 10
50%
60%
70%
80%
90%
100
% Toma final / Importe asegurado
% Toma final / Importe asegurado
Entidades financieras globales
40%
100
Entidades financieras globales
Entidades financieras regionales
Entidades financieras locales
*ROA neto provisiones e incluyendo rentabilidad por aseguramiento, pero sin incluir encarecimiento del coste de financiación
Gráfico 11
Evolución del ROA neto de costes de financiación bancaria
Relación volumen EMEA Sponsored Loans frente evolución CDS
Gráfico 12
Gráfico 13
Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
30
ANÁLISIS FINANCIERO
Notas: 11.- Esta ponderación resulta más adecuada para determinar la evolución de 1.-
2.-
El análisis peródico de la rentabilidad histórica de la industria del capi-
la rentabilidad para el conjunto del sector. Si la ponderación se realiza-
tal riesgo de Preqin’s - Private Equity Intelligence concluye que las
ra sobre los volúmenes de actividad de 2006 y para las entidades líde-
inversiones realizadas en momentos en los que la tasa de crecimiento
res en dicho año, el encarecimiento alcanzaría 116 p.b. Es decir, las
del PIB está por debajo de su nivel potencial, muestran tasas de renta-
entidades más activas en 2006 experimentaron un mayor encareci-
bilidad superior a la media de las ejecutadas durante momentos más
miento de sus CDS con respecto a las entidades con mayor actividad en
expansivos.
2008.
Una mejora de 2 puntos anuales en el crecimiento del beneficio opera-
12.- Para un mismo nivel de rating se observa que el coste de financiación
tivo y de 1 vez en el múltiplo de venta sobre beneficio operativo per-
se ve también bastante influido positivamente (menor coste) por el
mite que la rentabilidad de las inversiones sea superior en 4 ó 5 puntos
tamaño, por la diversificación geográfica de su acceso al mercado, el
porcentuales incluso en escenarios de menor apalancamiento, de un
nivel de conocimiento de los inversores respecto del emisor, así como
orden de 25 puntos porcentuales, y de deuda bancaria más cara.
su antigüedad y frecuencia de su presencia en los mercados de capitales.
3.-
La fuente principal de datos son los informes anuales de la actividad de financiación sindicada de Thomson Reuters, que diferencian entre
13.- En todo caso los activos bancarios materializados en financiación de
Leveraged Loans (financiación apalancada) y Sponsored Loans (finan-
proyectos o project finance de infraestructuras (concesiones de auto-
ciación apalancada para adquisiciones realizadas por inversores finan-
pistas, de ferrocarril, de gestión de agua y tratamiento de residuos, de
cieros). La información referente a Sponsored Loans sólo se identifica
hospitales, etc.) o de energía y de activos (trenes, aviones, buques, etc.)
para EMEA. Por este motivo, para estudiar las diferencias entre los
se han comportado de forma más robusta ante la crisis, al menos duran-
mercados de EMEA y Americas, se ha trabajado con datos de
te el período de análisis 2006-08.
Leveraged Loans, que pueden considerarse un proxy de la actividad de Sponsored Loans.
14.- En este estudio se estima que la rentabilidad bruta de los activos (antes provisiones y sin deducir el coste de financiación bancaria), sin consi-
4.-
La información corresponde en realidad a EMEA (Europa, Oriente
derar la actividad de aseguramiento alcanzaba 256 p.b. antes del credit
Medio y Africa) pero la actividad se concentra prácticamente en
crunch.
Europa. 15.- Véase Contreras y San Román (2010) 5.-
Lehman Brothers, JP Morgan, Morgan Stanley, Credit Suisse, Goldman Sachs, Bearn Sterns y Merril Lynch
16.- La diferencia entre estos 302 p.b. y los 369 p.b. señalados en el gráfico 10 se justifica con la incorporación al análisis de las provisiones
6.- http://business.timesonline.co.uk/tol/business/industry_sectors/banking_and_finance/article2182984.ece
específicas esperadas (según el del trabajo de Contreras y San Román (2010), 55 p.b) y la deducción del coste del CDS promedio en 2006, (12 p.b. antes de la crisis financiera).
7.-
Se ha excluidoABN AMRO (comprado en octubre de 2007 por un consorcio de bancos que posteriormente lo fragmentó) y CIBC (que ocupaba el puesto 23 y no aparece en el ranking de 2008).
17.- La evidencia empírica sugiere que las compañías que se pusieron a la venta durante este período, precisamente por parte de fondos de capital privado en período de desinversión, fueron aquellas con mayor resis-
8.-
Los datos correspondientes a estas entidades no aparecen en los ran-
tencia al ciclo de negocio. Como consecuencia, los precios de venta (en
king Top 25 y han sido facilitados directamente por Thomson Reuters.
términos de multiplicador de beneficio operativo) no cayeron tan significativamente como cabía esperar. Por otra parte, los inversores de los
9.-
Para ello se ha estudiado las variaciones de posición en el ranking (en
fondos de capital privado prefirieron conceder a los gestores extensio-
valor absoluto) de las entidades estudiadas para los períodos 2004-06,
nes temporales en el proceso de desinversión, para que no tuvieran que
2005-07 y 2006-08.
malvender las compañías en plena crisis. Como resultado, la oferta de empresas en este período se concentró en el segmento de industriales
10.- Bank of América y Merrill Lynch se fusionaron en septiembre de 2008.
en procesos de cambio generacional o de conflictos accionariales.
Carlos Contreras y Pablo San Román : Tamaño de mercado y competitividad bancaria en la financiación de LBOs Análisis Financiero n° 115. 2011. Págs.: 20-30
32
ANÁLISIS FINANCIERO
Sofía Ruiz Campo*1
¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento?
RESUMEN Cuando un inversor o un gestor de carteras, acude al mercado de fondos de inversión, se encuentra con una amplia y variada gama de de productos entre los que elegir. Una ayuda con la que cuenta es la ofrecida por algunas empresas especializadas en el análisis de estos productos, como es Morningstar, que ofrece diferentes clasificaciones y rankings comprensibles. Sin embargo, el inversor puede preguntarse si esta información es certera para conocer la relación riesgo/rendimiento del fondo o, incluso, si es un buen predictor de rendimientos futuros de los fondos. Por ello, en el presente artículo se pretende realizar una clasificación de los fondos en Valor, Mixto y Crecimiento, empleando una metodología diferente a la de Morningstar, para contrastar si los resultados que ofrecen son adecuados, llegándose a la conclusión de que, dada la dificultad de aplicación de este método desarrollado, compensa asumir los riesgos de imprecisión que podría ofrecer la clasificación suministrada por Morningstar. Palabras clave: Fondos de inversión, categoría Valor, Mixto, Crecimiento, Morningstar.
SUMMARY When an investor or an Asset Manager approaches the Investment Fund Industry, he comes accross a wide variety of investment products to choose from. Some help has come from companies, like Morningstar, offering specialized research of these instruments, putting forward different classifications and comprehensive Investment Funds Rankings. However, investors may wonder if this information is accurate whilst measuring funds’ risk/reward relationship or furthermore, if it is a good predictor of a fund future´s performance. This article is thus aimed at putting forward an alternative investment style Classification (Value, Growth and Blend) to that of Morningstar’s methodology in order to be able to compare outcomes and help to choose the most appropriate one. The conclusion being that, at the end of the day, due to the difficulty of application of this methodology, it pays out for an investor to take the risk of any given inaccuracies or inefficiencies derived from Morningstar´s own classification. Keywords: Mutual Funds, Investment Style Value, Blend and Growth, Morningstar.
Recibido: 11 de Mayo de 2010
Aceptado: 17 de Febrero de 2011
* Facultad de Ciencias Económicas y Empresariales. Universidad Autónoma de Madrid. 1.- Quiero agradecer al Profesor Manuel Monjas el apoyo que siempre me ha ofrecido y los conocimientos que me ha aportado, y a Amparo Ruiz experta en esta materia. Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
¿SE PUEDEN CLASIFICAR FÁCILMENTE LOS FONDOS DE INVERSIÓN EN VALOR, MIXTO Y CRECIMIENTO?
1. INTRODUCCIÓN
A la hora acudir al mercado de fondos, el inversor se encuentra con una gama de productos amplia y dispar. El análisis de las distintas categorías, y de los diferentes riesgos asumidos, resulta ser demasiado complicado, de ahí que hayan aparecido empresas especializadas en ofrecer datos y clasificaciones medianamente manejables. Entre ellos está Morningstar, que clasifica los fondos en categorías Valor, Mixto y Crecimiento, y que va a ser utilizada como base, en el presente artículo, para ser contrastada. Para ello, se propone el empleo de una metodología alternativa de clasificación de los fondos, el análisis cluster, para luego comparar los resultados con los ofrecidos por Morningstar y proceder a analizar las coincidencias obtenidas. Se ha elegido la clasificación de Morningstar a pesar de que se sabe que los gestores o inversores, generalmente, toman las posiciones buscando la diversificación que les permita minimizar los riesgos, y no tanto por la categoría. Después de hacer el estudio ya se puede responder a la pregunta que sirve de titulo al artículo: ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Pues no, no se pueden clasificar fácilmente, si lo que se pretende es que la metodología esté a nivel de un inversor particular, sin profundos conocimientos estadísticos. Este hecho no parece ser imprescindible al tener estas otras alternativas accesibles. Revisando la literatura, el análisis del estilo de inversión, que fue introducido por el Premio Nobel William Sharpe (1992)2, ha sido la base de numerosos estudios, resaltando el de Detzel (2006) en el que se interesa por cómo los inversores, que utilizan como base para elegir un determinado fondo un modelo basado en la asignación de activos, deben tener la facilidad de identificar la tipología de valores con que cuenta cada tipo de fondo. Como Really y Brown (2000) explican, generalmente se definen las “clases de activos” como el grupo de inversiones que tienen atributos semejantes en relación con el riesgo y el rendimiento. Los gestores de fondos pueden crear sus propias carteras distribuyendo los pesos de los activos entre las diferentes categorías, para lo cual pueden utilizar una de las dos alternativas siguientes: “carga factorial” (factor loading) o “características de la cartera” (portfolio characteristics). La categoría “carga factorial” consiste en estimar una regresión lineal de los resultados de los fondos en relación con los factores que influyan en los rendimientos. Entre esos factores influyentes Carhart (1997) consideró que tanto el tamaño
33
como el estilo de inversión resultaban ser bastante explicativos de los rendimientos de los fondos, mientras que Davis (2001) utilizó en sus análisis como variables la capitalización del mercado y el denominado Price to book (ratio empleada para clasificar los fondos bajo la dimensión de estilo o tamaño que relaciona el valor contable de la empresa y el valor de mercado). La segunda alternativa es la de “características de la cartera” según la cual, para estimar las características de tamaño y estilo de un fondo, se deben medir directamente la capitalización del mercado y el Price to book de los activos de la cartera. Bajo esta vertiente es como lo hicieron en su estudio Daniel y Titman (1997). Entre los estudios que han analizado cuál de las dos alternativas resultaba más explicativa Chan et al. (2002) consideran que, a pesar de que estas dos categorías, en relación con los rankings por tamaño y por estilo llegan a conclusiones similares, sin embargo, utilizando la segunda alternativa se alcanza una mejor predicción de los resultados de los fondos, coincidiendo con los resultados de autores como Kahn (1996) y Rekenthaler et al. (2006), que consideraban que con bases de datos amplias ambos metodologías determinaban correctamente el estilo, aunque en bases reducidas, la técnica de las características de la cartera era más adecuada para la predicción de los resultados futuros. De cualquier modo, ambas alternativas resultan ser demasiado sofisticadas para que un inversor individual las ponga en práctica al realizar sus análisis, por ello, se han ido desarrollando otras más útiles, desde el punto de vista práctico/comercial, como son las clasificaciones de activos en función del tamaño y del estilo (size-and-style) de Morningstar3 y Lipper4. Profundizando en los criterios de Valor y Crecimiento, se puede observar que muchas estrategias de gestión activas pretenden identificar, a través del análisis fundamental, activos que por su valoración o por expectativas de crecimiento ofrezcan ventajas en rentabilidad frente a los índices de referencia. De esta forma, el enfoque Valor tiene como objetivo la inversión en acciones baratas (con ratios bursátiles atractivos como PER, Precio/Valor Contable, rentabilidad por dividendo, etc.), mientras que el de Crecimiento busca compañías con expectativas de altos incrementos de resultados, independientemente de su valoración. La dificultad radica en señalar el límite entre Valor y Crecimiento. Observando esta-
Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
34
ANÁLISIS FINANCIERO
dísticas a largo plazo del mercado americano se puede apreciar que la rentabilidad obtenida mediante estas dos políticas de inversión ha sido similar, aunque con una ligera ventaja para la inversión en Valor a muy largo plazo. En relación con el riesgo se ha observado que la volatilidad de la gestión en Valor ha sido históricamente inferior. Rekenthaler et al. (2006) llevaron a cabo unos estudios de las distintas categorías o estilos de inversión, de las relaciones existentes entre las diferentes clasificaciones y sus rendimientos, e incluso de la capacidad de éstas para anticiparse a los resultados futuros, planteando que un siguiente paso siempre podría ser el análisis del problema que supondría cometer un error en la clasificación del fondo. Este tipo de error provocaría que asignaran al fondo a un grupo que no le correspondería por homogeneidad, lo que seguro que traería aparejadas importantes repercusiones. Este error influye en el proceso de selección de los inversores e incluso en el propio futuro profesional de los gestores, no tanto por tener una gestión inadecuada como por ser comparados con otros fondos que no se corresponden con sus “iguales”. La importancia de la correcta asignación del estilo resulta, además, muy relevante a la hora de establecer el nivel de riesgo y el valor de una cartera dependiendo del estilo. De esta manera, el objetivo de este estudio va a ser analizar dos métodos de segmentación de los fondos de inversión de renta variable españoles en tres categorías, Crecimiento, Valor y Mixto. Para ello, el artículo se divide en cuatro apartados, después de la introducción, en el segundo apartado, se repasa la metodología empleada por Morningstar; en el tercer apartado, la clasificación desarrollada mediante un análisis Cluster; para terminar con la comparación de los resultados obtenidos y los de la clasificación proporcionada por Morningstar. De las conclusiones del estudio se puede derivar que, si bien no existen grandes coincidencias entre ambas metodologías, ambas se pueden considerar adecuadas para realizar la clasificación, aunque la dificultad presentada por el análisis Cluster hace que sea preferible el sistema ofrecido por Morningstar que, aunque sea mejorable, la sencillez compensa sus limitaciones. CARACTERÍSTICAS DE LA METODOLOGÍA DE LA “CAJA DE ESTILOS” DE MORNINGSTAR
Un inversor se puede preguntar si son realmente recomendables las clasificaciones publicadas como fuente de infor-
mación a la hora de seleccionar el fondo en el que invertir. En el caso de Morningstar, en 1985 comenzó a publicar un rating de fondos, aunque, debido a las críticas recibidas en los primeros años por distintos autores (como Khorana y Nelling (1998) y Blake y More (2000), Morningstar decidió modificar la metodología del rating en 2002i. Ambos sistemas de rating fueron alabados en los resultados del estudio realizado por Kinnel en 2005 (del grupo Morningstar) que concluía que el cambio en la metodología aportaba una mayor precisión en los datos y en la capacidad de predicción de los resultados; aunque también aparecieron detractores como Krauss y Sandelosky (2006) que consideraban que el nuevo sistema de rating no había sido capaz de mejorar la capacidad predictiva del sistema anterior, coincidiendo con Blake y More (2000), autores que concluyeron que si bien el método de Morningstar no resultaba ser un buen predictor de los resultados, los métodos alternativos que se conocían eran peores. Por otra parte, es de resaltar la observación de que los inversores deberían hacer un seguimiento de las características de su cartera, en términos de tamaño y estilo, debido a la evidencia del elevado nivel de cambios entre los distintos estilos. Estas variaciones pueden ocasionar importantes cambios en la relación riesgo-rendimiento de las carteras por lo que, como indicaba Detzel (2006), también se considera útil la información de Morningstar para lo gestores que son activos y pueden utilizarla como una orientación continua y actualizada para situar sus carteras. Dado que se van a comparar los resultados obtenidos empleando una metodología de análisis Cluster con la clasificación ofrecida por Morningstar, resulta de interés recordar las principales características de ésta. Morningstar presenta el siguiente cuadro de doble entrada: CUADRO 1 Cuadro de estilos de Morningstar ESTILO DE INVERSIÓN Valor Mixto Grande Medio Pequeño Fuente: Morningstar
Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
Crecimiento
¿SE PUEDEN CLASIFICAR FÁCILMENTE LOS FONDOS DE INVERSIÓN EN VALOR, MIXTO Y CRECIMIENTO?
Para determinar si una cartera es Valor/Mixto/Crecimiento, se analizan los activos que la componen. Para ello, se emplean en un 50% los datos esperados de valores, tomados a partir de datos de consenso de mercado que aporta Thomson Reuters, y en el otro 50% unas medidas de datos históricos (véase la tabla 1).
35
CUADRO 2 “Style Map” de Morningstar
TABLA 1 Ponderación de valores empleada por Morningstar Eje horizontal
Valor: componentes y pesos Valores esperados 50% Precio sobre beneficios esperados Medidas basadas 50% en datos históricos Price to book 12.5%
Price to sales
12.5%
Price to cash flow
12.5%
Dividend yield
12.5%
Crecimiento: componentes y pesos Valores esperados 50% Crecimiento esperado de los beneficios Medidas basadas 50% en datos históricos Crecimiento de 12.5% beneficios históricos Crecimiento de 12.5% ventas Crecimiento 12.5% Cash Flow Crecimiento valor 12.5% en libros
Con los datos obtenidos, se van situando los activos en una zona de estilo y en una agrupación (por ejemplo, gran capitalización–España). La diferencia entre las valoraciones como Valor o como Crecimiento se denomina “Net Store”, si es fuertemente negativa, se considera que el activo es Valor, y si da fuertemente positiva sería crecimiento. Si ambos valores son semejantes sería Mixto. Conociendo la composición de la cartera, se hace una representación en el “Style Map”5. Para la explicación práctica se han tomado dos fondos de ejemplo: Bestinver Bolsa FI Acc. y Fonbilbao Acciones FI Acc. En el cuadro 2 se puede ver la composición de la cartera de cada uno de los fondos (está señalado el valor de Telefónica como uno de los componentes de Fondbilbao Acciones). Entorno a la representación de los valores de los activos se traza una elipse, cuyo punto central indica la categoría en que se encuentra.
Fuente: Morningstar
Para analizar el tamaño, que sería el dato del eje de abcisas, se considera el valor de los activos que componen la cartera, calculándose una media ponderada del tipo del activo y su peso en la cartera. A partir de aquí se obtiene un dato que se compara con una tabla (que proporciona Morningstar y que varía frecuentemente) en las distintas categorías regionales de fondos (Estados Unidos, Canadá, Latinoamérica, Europa, etc.). BASES DE DATOS Y METODOLOGÍA DE ANÁLISIS CLUSTER
Las variables consideradas para el análisis Cluster se refiere a 69 Fondos de Inversión de Renta Variable de España, que es el número de fondos de los que se dispone de la información estadística necesaria tanto para el análisis Cluster como para el análisis factorial en el año 2008. Además, se han considerado las siguientes variables de selección o clasificación: 1.- Rentabilidad de los Fondos Inversión de renta variable españoles 2.- TER (Total Expense Ratio), son las comisiones totales cobradas 3.- Precio de Cierre de los Fondos de Inversión 4.- Sharpe Ratio6
Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
36
ANÁLISIS FINANCIERO
5.- Treynor Ratio6
las medidas más habituales son los Índices de Treynor (1965) y de Jensen (1968)7.
6.- Tracking Error6 La justificación del empleo de la técnica microeconométrica de clasificación conocida como Cluster se basa en que esta herramienta permite agrupar las distintas observaciones de una muestra de forma que los elementos pertenecientes a un grupo tengan un alto grado de asociación entre ellos mismos. Así, se tratará de obtener 3 categorías de fondos de inversión de renta variable españoles: Crecimiento, Mixto y Valor.
7.- Modiggliani M2 8.- Batting Average6 9.- Ratio Sortino6 10.- Ratio de Información6 11.- Total Return: el rendimiento total de la inversión (incluyendo dicidendos,…) 12.- Desviación estándar 13.- Semi Desviación estándar 14.- Alpha de Jensen6 15.- Alpha (g) de Jensen modificada6 16.- Beta de la cartera Estas medidas clásicas de comportamiento son las utilizadas habitualmente en el estudio del desempeño de los títulos y carteras en bolsa. En todos los casos, se trata de recoger la idea de que las rentabilidades obtenidas por los títulos o carteras no son directamente comparables, ya que los riesgos asumidos pueden haber sido diferentes. Las diferencias entre las distintas medidas estarían, precisamente, en el riesgo que consideran relevante, así como en la manera de medir la forma de batir al mercado.
Mediante la utilización del análisis Cluster se van a poder segmentar los fondos de inversión de renta variable españoles, en función a distintas variables. Para evitar el manejo de un número demasiado elevado de variables de clasificación, que puedan dificultar el análisis de conglomeración, se propone la utilización de un Análisis Factorial utilizando Componentes Principalesii, recogiendo la información estadística útil, manteniendo el objetivo de conocer las interrelaciones existentes entre un número determinado de variables, con la finalidad de obtener un nuevo componente que esté totalmente incorrelacionado con el anterior, pero que contenga toda la información de las variables originales8 (en el apéndice II se muestran las salidas de SPSS con los resultados finales del análisis factorial). En este análisis se extraen 4 factores que consiguen explicar, en conjunto, un 84,2% de la varianza de la información estadística inicial. El factor 1 ya explica el 52.098% de la varianza total, es decir, de la información que se recoge en las variables.
De acuerdo con la evidencia aportada por la literatura sobre el análisis de la gestión de los fondos de inversión, para evaluar su calidad se pueden utilizar dos grupos de índices. Por un lado, los que consideran la relación entre los rendimientos históricos de las carteras, durante un periodo de tiempo determinado, en relación con el comportamiento del mercado o de un índice de referencia y en función del riesgo soportado. Entre estas medidas estarían ratios como la Ratio de Sharpe (Sharpe, 1966), la Ratio de Información (desarrollado por Sharpe (1994) y el Índice de Modigliani y Modigliani (1997). Por otro lado, si en vez de considerar el riesgo total se toma sólo el riesgo sistemático de la cartera,
Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
¿SE PUEDEN CLASIFICAR FÁCILMENTE LOS FONDOS DE INVERSIÓN EN VALOR, MIXTO Y CRECIMIENTO?
37
TABLA 2 Varianza total explicada, Análisis de componentes principales Varianza total explicada Sumas de las saturaciones al cuadro de la extración % de la % acumulado Total varianza % acumulado 52.098 8.336 52.098 52.098 69.142 2.727 17.044 69.142 77.205 1.290 8.062 77.205 84.224 1.123 7.019 84.224 90.062 93.938 96.973 99.607 99.911 99.957 99.986 99.995 99.998 99.999 100.000 100.000
Autovalores iniciales
Componente Total 1 8.336 2 2.727 3 1.290 4 1.123 5 .934 6 .620 7 .485 8 .422 9 .049 10 .007 11 .005 12 .001 13 .000 14 .000 15 .000 16 1.837E-5
% de la varianza 52.098 17.044 8.062 7.019 5.837 3.877 3.034 2.635 .30 .045 .030 .009 .003 .001 .001 .000
Sumas de las saturaciones al cuadro de la rotación % de la Total varianza % acumulado 7.881 49.258 49.258 2.852 17.826 67.084 1.371 8.572 75.656 1.371 8.569 84.224
Método de extracción: Análisis de Compnentes Principales Fuente: Elaboración propia
Esto lleva a aceptar 4 componentes, de las 16 variables ori- Una vez realizado el análisis factorial se procede a la elaboraginales, que se van a denominar de la siguiente manera9: ción del análisis Cluster con los cuatro factores o componentes extraídos del análisis estadístico anterior. Factor 1: “Riesgo total”. Formado por Modigliani M2; Ratio Sharpe, Ratio Sortino, Ratio de Para contrastar la significatividad de la Clusterización es conInformación, Alpha y Total Return. veniente aplicar una prueba F (ANOVA – Análisis de la Varianza). La siguiente tabla de ANOVA refleja que el primer Factor 2: “Precios”. Formado por Batting Average, Precio componente es significativo al 95% de confianza (pde cierre. value=0,000), es decir, la variable es consistente al clasificar Factor 3: “Riesgo sistemático”. Formado por Beta, los tres conglomerados. Tracking Error y Treynor Ratio. Factor 4: Rentabilidades. Formado por TER, Rentabilidad.
ANOVA
REGR factor score 1 for analysys 1 (1º COMPONENTE)
Conglomerado Media cuadrática gl 25.784 2
Error
Media cuadrática ,249
gl 66
F 103,568
Sig. ,000
Las pruebas F sólo se deben utilizar con una finalidad descriptiva puesto que los conglomerados han sido elegidos para maximizar las diferencias enre los casos en diferentes conglomerados. Los niveles críticos no son corregidos, por lo que no pueden interpretarse como pruebas de la hipótesis de que los centros de los conglomerados son iguales.
Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
38
ANÁLISIS FINANCIERO
Se puede concluir que el Análisis Cluster (previo Modelo Factorial utilizando componentes principales) realiza una adecuada clasificación, definiendo claramente 3 conglomerados de los 69 fondos de inversión de renta variable considerados. El primer conglomerado está definido por 29 fondos; el segundo grupo está compuesto por 1 sólo elemento (Bestinver Bolsa) y el tercero, 39 fondos de inversión de renta variable española. Número de casos en cada conglomerado Conglomerado Válidos Perdidos
1 2 3
29,000 1,000 39,000 69,000 15,000
Fuente: Morningstar
TABLA 3 Matriz de componentes rotados
RAP Modiggliani M2 Sharpe Ratio ,975 Excess(MAR) LossRatio Sortino Total InfRatio Alpha Total Return Alpha(g) Total Annual SemiStdDev Total AnStdDev Batting Average Beta Tracking Error Treynor Ratio(g) Precio de Cierre de los Fondos de Inversión de Renta Variable TER Rentabilidad de los Fondos de Inversión de Renta Variable
1 ,975 ,125 ,970 ,969 ,967 ,959 ,951 -,625 -,609 ,460 -,251 ,064 -,108 -,151 -,180 -,483
Componente 2 3 ,125 ,020 ,022 -,006 ,171 -,097 ,167 -,099 -,159 ,023 ,170 -,107 -,266 -,059 -,253 ,611 -,289 ,604 ,354 -,033 -,923 ,212 ,922 ,004 ,776 ,168 -,157 -,723 ,055 ,024 -,185 ,015
4 -,009 -,067 -,067 ,080 -,077 ,046 ,206 ,230 ,263 ,127 -,105 -,014 ,125 -,872 ,616
FACTOR 1
FACTOR FACTOR 3 2 FACTOR 4
Fuente: Elaboración propia
Es interesante observar que el factor 1, “riesgo total”, es el componente que mejor realiza la agrupación de conglomerados (52,1% de varianza explicada)10. Una vez que se conoce el conglomerado al que pertenece cada fondo, se debe identificar, a su vez, el conglomerado con la tipología Valor, Mixto o Crecimiento.
Según el análisis Cluster de datos, existe una homogenización de información considerando como principales variables para clasificar los fondos el Valor o Crecimiento las ratios Modigliani M2 y Alpha (como se indica en las tablas 5, 6 y 7, en el Apéndice III).
Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
¿SE PUEDEN CLASIFICAR FÁCILMENTE LOS FONDOS DE INVERSI INVERSIÓN ÓN EN VALOR, MIXTO Y CRECIMI CRECIMIENTO? ENTO?
COMPARACIÓN DE AMBAS METODOLOGÍAS. CONCLUSIONES
Para terminar este análisis, se va a realizar una comparativa de los resultados de clasificación obtenidos en el análisis Cluster y por Morningstar. • Según Según los resulta resultados dos obtenidos obtenidos en el Cluster Cluster,, hay 29 fondos considerados como Valor (representados como conglomerado ra do 1) 1),, 1 fo fond ndoo Mi Mixt xtoo (c (con ongl glom omer erad adoo 2) 2),, qu quee es Be Best stin inve verr, y 39 fo fond ndos os Cr Crec ecim imie ient ntoo (c (con ongl glom omer erad adoo 3). En 15 ca caso soss no hay clasificación debido a la falta de información sobre alguna de las variables que componen el factor 1. • El caso caso de Best Bestinv inver er,, con con R2 de 45.7%, es el único caso Mixt Mi xtoo de dell Cl Clus uste terr y el ún únic icoo da dato to Val alor or se segú gúnn Morningstar. • Ambos métod métodos os coinciden coinciden para Crecimi Crecimiento ento en en 11 casos casos.. Según Morningstar hay 21 fondos de este tipo y según el Cluster habría 39 de Crecimiento. • De los 48 fondos Mixtos de Morningstar, 21 serían Valor, según el Cluster y 19 Crecimiento (teniendo en cuenta que hay 15 datos sin clasificar). Visto desde otro ángulo, de los fondos considerados Crecimiento por el Cluster, sólo habría coincidencia con Morningstar en 11 ocasiones, y en el caso de los Valor, se van a corresponder en 7 ocasiones con fondos grandes Crecimiento y en 21 con grandes Mixtos. Se puede observar (véase la tabla 8 del apéndice III) que, únicamente únicam ente en el caso de fondos Crecimiento coinciden coinciden los datos obtenidos en el análisis con los de Morningstar. La principal limitación para que no haya muchas coincidencias entre ambas clasificaciones radica en que con el Cluster se obtiene únicamente un fondo Mixto y ésta es la categoría con más peso en el caso de Morningstar Morningstar (48 datos). Además, lo que para el Cluster es Valor, para Morningstar tiende a ser “grande Crecimiento” (24% de los casos) y “Mixto grande” (76%), mejorando la comparación en los de Crecimiento, ya que coinciden en el 100% de los casos. Después de este análisis, en el que se ha desarrollado una metodología metod ología alternativa alternativa de clasif clasificació icación, n, se podría también
39
concluir que no es posible determinar qué método resulta de mayor calidad, aunque si se puede observar que, para un inversor o un gestor de carteras la dificultad que supone el análisis Cluster hace que, como ya han expuesto otros autores (autores ya mencionados anteriormente como Detzel (2006), Kinnel (2005), Krauss y Sandelonsky (2006)) sea máss que ace má acepta ptable ble el em emple pleoo de la cla clasif sifica icació ciónn de Morningstar por la facilidad de acceso a la información, la continuidad en el análisis, la transparencia en la metodología aplicada, aun conociendo sus inconvenientes, presentados en las críticas que estos autores han realizado en cuanto a la metodología y a la capacidad de predicción de resultados futuros. Esta metodología, además, permite un rápido seguimiento de las modificaciones que continuamente se producen en la clasificación de los fondos (moviéndose entre las casillas del Style Box, de valor a crecim crecimiento, iento, por ejemplo, según varían las condiciones del mercado y la economía), información que resulta relevante en la gestión de las carteras dada la importancia import ancia de la correc correcta ta asignación asignación del estilo a la hora de establecer el riesgo, el valor de la cartera y el acierto en la gestión por parte del gestor responsable. REFERENCIAS BIBLIOGRÁFICAS BLAKE, C. R. y MORE, M. R., 2000: Morningstar rating and Mutual Mut ual Fun Fundd Per Perfor forman mance, ce, Jou Journ rnal al of Fin Financ ancial ial and Quantitative Analysis 35, 451-483. DAVIS, J., 2001: Mutual Fund Performance and Manager Style. Financial Analysts Journal 57, 19-27. DETZEL, F. L., 2006: Determining a Mutual Fund´s Equity Class. Financial Services Review, 15, 199-213. GÓMEZ- BEZARES, F., MADARIAGA, J. A. y SANTIBÁÑEZ, J., 2003: Medidas de perform performance: ance: algunos índices clásicos y relaciónn de la TRIP con la teoría de cartera, relació cartera, Anális Análisis is Financiero Financiero Internacional 113, Tercer Trimestre, 5-19. JENSEN, M.C., 1968: “he performance of mutual funds in the period 1945-196”, Journal of Finance, Vol. 23, 2, 389-416. KAHN, R., 1996: Forecasting Mutual Fund Risk: Current holdings o past performance. Barra Research Report, septiembre.
Sofía Ruiz Campo : ¿Se pueden clasificar clasificar fácilmente los fondos de inversi inversión ón en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
40
ANÁLISIS FINANCIERO
KHORANA, A. y NELLING, E., 1998: The Determinants and Predictive Ability of Mutual Fund Ratings, Journal of Investing 7, 61-66.
SHARPE, W.F., W.F., 1964: Capital asset prices: A theory of market equilibrium under conditions of risk, Journal of Finance, Vol. 19, 3, 425-442.
KINN KI NNEL, EL, R., 200 2005: 5: Rat Rating ing the Sta Starr Ra Ratin ting. g. Mor Mornin nings gstar tar FundInvestor. Diciembre.
SHARPE, W.F., SHARPE, W.F., 1966: Mutu Mutual al Fund Perf Performa ormance, nce, Jour Journal nal of Business 39, 119-138.
MODIGLIANI, MODIGLIA NI, F. y MODI MODIGLIA GLIANI, NI, L., 1997: RiskRisk-adjust adjusted ed Performance. Journal of Portfolio Management 23, 45-54.
SHARPE, W.F., 1992: Asset Allocation: Management Style and Performance Perfor mance Evaluat Evaluation, ion, Journa Journall of Portfo Portfolio lio Managemen Management,t, invierno, 7-19.
REILLY, F.K. y BROWN, K.C., 2000: Investment Analysis and Portfolio Management. The Dryden Press, Orlando. REKENTHALER, J., GAMBERA, M. y CHARLSON, J., 2006: Estimating Estima ting portfolio style in U.S. equity funds: a comparat comparative ive study stu dy of port portfol folio-b io-based ased fund fundamen amental tal sty style le anal analysi ysiss and returns-based style. Journal of Investing 15, 25-35.
SHARPE,, W.F SHARPE .F.,., 1994 1994:: The Shar Sharpe pe Rat Ratio, io, Jou Journa rnall of Port Portfol folio io Management. 21, 49-58. TREYNOR, J., 1965: How to rate management of investment funds, Harvard Business Review, Vol. 43, 1, 63-75.
APÉNDICE I
Ratio de Ratio Shar Sh arpe pe
Calcula Calc ula el pre premio mio de ren renta tabil bilida idadd ob obte tenid nidaa po porr el tí títu tulo lo o ca carter rteraa porr un po unid idad ad de rie riesg sgoo to tota tall qu quee es me medi dido do po porr la de desv sviac iación ión típ típic icaa de la rentabilidad. Índi Ín dice ce de Calc Ca lcula ula el pre premio mio de ren renta tabil bilida idadd ob obte tenid nidoo po porr el tí títu tulo lo o ca carter rteraa Trey reyno norr respe res pect ctoo al ac acti tivo vo lib libre re de ri ries esgo go,, po porr un unid idad ad de rie riesg sgoo si sist stem emát átic icoo soportado medido por la beta. Índi Ín dice ce de Calc Ca lcula ula la dif difere erenc ncia ia en entre tre el exc exces esoo de ren renta tabi bilid lidad ad ob obte teni nido do po porr Jens Je nsen en el tí títu tulo lo o ca carte rtera ra co conn re resp spec ecto to al ac acti tivo vo si sinn ri ries esgo go y el ex exce ceso so que debería haber obtenido según el CAPM. Alfaa de Jensen Alf Jensen Es el primer primer comp compone onente nte del del índice índice de Jens Jensen en y presen presenta ta la habilidad del gestor para predecir la evolución futura de los precios de los valore valores, s, lo que le permitir permitiráá aumen aumentar tar la rentab rentabilidad ilidad obtenida. obtenida. Índic Ín dicee de Jens Jensen en Calcula la diferencia diferencia entre el premio por unidad de riesgo Modi Mo difi fica cado do sistem sis temátic áticoo (me (medid didoo por bet beta) a) obt obtenid enidoo por el tít título ulo o carter carteraa y el asociado a la cartera de mercado. Ratio M2 Ratio Basa Ba sada da en la co compa mpara ració ciónn de lo loss ren rendim dimie ient ntos os de la ca carter rteraa ajustados por el riesgo respecto de la cartera considerada de referencia. Track Tr acking ing Error Error Indicad Ind icador or que que permite permite anal analiza izarr fondos fondos que que replica replicann índice índicess ya que que representa el “riesgo activo” o volatilidad del rendimiento que el gestor espera obtener por encima del la cartera de referencia. Rati Ra tioo de Mide Mi de el re rend ndim imie ient ntoo de un fo fond ndoo en re rela laci ción ón a un unaa ca carte rtera ra de Informa Inf ormación ción referenc refe rencia, ia, pero con consid sidera erando ndo el rie riesgo sgo rela relativ tivoo que asu asume me el gestor al alejarse del comportamiento de benchmark. Batting Batti ng Average Average Mide la frecuenci frecuenciaa con que el el gestor ha batido batido al índice índice de referencia en un periodo determinado de tiempo. Ratio Rat io Sortino Sortino Equivale Equi vale al exce exceso so de de renta rentabili bilidad dad res respec pecto to a la renta rentabili bilidad dad de los activos libres de riesgo.
Sofía Ruiz Campo : ¿Se pueden clasificar clasificar fácilmente los fondos de inversi inversión ón en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
¿SE PUEDEN CLASIFICAR FÁCILMENTE LOS FONDOS DE INVERSI INVERSIÓN ÓN EN VALOR, MIXTO Y CRECIMI CRECIMIENTO? ENTO?
APÉNDICE APÉNDI CE II
La siguiente tabla contiene los estadísticos que permiten valorarr la bondad de ajuste o adecu valora adecuación ación de los datos analizados a un análisis factorial.
41
La primera tabla contiene las comun comunalidad alidades es asignadas inicialmente a las variables originales y las reproducidas por la solución factorial, después de haber realizado la extracción. Así, la variable Ratio Sortino resulta ser la mejor explicada por el análisis factorial, al reproducir el 98,3% de su variabilidad original.
KMO y prueba de Bartlet Bar tlettt Medida de adecuación muestral de Kaiser-Meyer Olikin Prueb Pru ebaa de es esfe feri rici cida dadd de Bar tlett
TABLA 4 Comunalidades
6,80 Chi-cu Chicuad adra rado do 3386 3386,6 ,622 22 aproximado gl 120 Sig. ,000
La med medida ida de ade adecuac cuación ión mue muestra strall KMO (Kai (Kaiser ser-Mey -MeyererOlkin Ol kin)) es un índ índice ice qu quee var varía ía en entre tre 0 y 1 y que mu mues estr traa la ma maggnitud de los coeficientes de correlación observados con la magnitud de los coeficientes de correlación parcial. Es decir, nos determina si la muestra es adecuada para el análisis factorial (los valores por encima de 0,6 se consideran adecuados). En nue nuestro stro caso, grac gracias ias a hab haber er elim eliminad inadoo vari variabl ables es sin varianza y a tener un número suficiente de variables explicativas, la KMO resulta 0.680, siendo éste un buen resultado. El otro contraste estadístico es la prueba de esfericidad de Bartlett cuya H0 muestra que la matriz de correlaciones observada es en realidad una matriz identidad. Es decir, si el nivel crítico de significación es mayor que 0,05, no se podrá rechazar la hipótesis nula de esfericidad y, consecuentemente, no se podrá asegurar que el análisis factorial sea adecuado para explicar los datos. En este caso, se cumple con los supues sup uestos tos de los dos con contras trastes tes est estadí adísti sticos cos:: KMO KMO>0, >0,66 (0,680) y Bartlett significativo al 95% de confianza (pvalue=0,000).
Renta Ren tabi bililida dadd de lo loss Fo Fond ndos os de In Inve verrsi sión ón de Renta Variable Prec Pr ecio io de Ci Cier erre re de lo loss Fo Fond ndos os de In Inve vers rsió iónn de Renta Variable Sharpe Ratio Treynor Ratio (g) Tracking Error RAP Modiggliani M2 Batting Average Excess (MAR) Loss Ratio Sor tino Total InfRatio Total Return Total AnStdDev Total Annual SemiStdDev Alpha Alpha (g) Beta TER
Inicial Inici al 1,0 ,000 00
Extr Ex tracc acció ión n ,64 6477
1,00 1, 0000
,586 ,5 86
1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000 1,000
,966 ,642 ,865 ,8 ,967 , 407 ,4 ,983 ,982 ,9 ,967 , 871 ,8 ,871 ,968 ,981 ,977 ,796
Para contrastar la significatividad de la Clusterización es conveniente aplicar una prueba F (ANOVA – Análisis de la Varianza). Como se puede observar en la siguiente tabla de ANOVA se refleja que el primer componente es significativo al 95% de confianza (p-value=0,000), es decir, la variable es consistente al clasificar los tres conglomerados.
ANOVA
REGR factor score 1 for analysys analys ys 1 (1º COMPONENTE)
Conglomerado Media cuadrática gl 25.784 2
Error
Media cuadrática ,249
gl 66
F 103,568
Sig. ,000
Las pruebas F sólo se deben utilizar con una finalidad descriptiva puesto que los conglomerados han sido elegidos para maximizar las diferencias rencia s enre los caso casos s en dif diferente erentes s cong conglome lomerados rados.. Los niveles críticos críticos no son correg corregidos, idos, por lo que no puede pueden n interp interpretarse retarse como pruebas de la hipótesis hipótesis de que los centros de los conglomerad conglomerados os son igual iguales. es.
Sofía Ruiz Campo : ¿Se pueden clasificar clasificar fácilmente los fondos de inversi inversión ón en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
42
ANÁLISIS FINANCIERO
APÉNDICE III
• Las ratios tienen un valor medio positivo y de mayor valor absoluto en el caso de los fondos Mixtos,
Según el análisis Cluster de datos, existe una homogenización de información considerando como principales variables de clasificación las ratios RAP Modigliani y Alpha(g). En las tres siguientes tablas (5, 6 y 7) se presentan los datos de las ratios consideradas, tomándose el valor medio (que resulta significativa según la desviación típica obtenida) para realizar la comparación. En la tabla 8 aparece la comparación de resultados. Se puede observar que:
• En los fondos Valor, resultan positivos los datos medios de RAP Modigliani, Alpha y Alpha (g). El resto de las medias son negativas aunque con menor valor absoluto que en los fondos Crecimiento.
TABLA 5 Descripción de las ratios incluidas en el componente Factor 1 para los Fondos de Valor Actibolsa -0,04 2,23 0,19 0,14 17,13 1,15 1,41 Allianz Bolsa -0,08 1,35 -0,02 -0,02 -2,66 165 1,86 Altae Bolsa -0,12 0,36 -0,13 -0,09 -1747 ,06 1,07 Bancaja Renta Variable -0,06 1,85 -0,01 -0,01 1,61 2,29 2,47 Banif RV Española -0,09 1,12 -0,08 -0,06 -10,66 1,73 1,75 Bankoa Bolsa 0,04 4,06 0,19 0,14 23,25 3,35 3,73 Bankpyme Iberbolsa -0,05 1,94 0,02 0,01 1,95 2,11 2,32 BBK Bolsa -0,12 0,48 -0,1 -0,07 -12,91 1,06 1,17 BBVA Bolsa Plus -0,09 1,07 -0,11 -0,08 -16,15 1,84 1,63 BK Bolsa España 2 -0,04 2,27 -0,02 0,01 1,97 2,57 2,69 BK Futuro IBEX -0,08 1,22 -0,09 -0,06 -12,38 1,94 1,88 Bolsalider -0,13 0,24 -0,14 -0,1 -18,68 0,78 0,65 CaixaSabadell 7 Renta Variable -0,11 0,65 -0,07 -0,05 -8,47 1,16 1,39 Caja Laboral Bolsa -0,1 0,82 -0,08 -0,05 -9,779 1,23 1,27 EDM Inversión 0,1 5,47 0,29 0,21 35,54 4,1 4,42 Fonbilnao Acciones 0,1 5,62 0,31 0,22 37,09 4,37 4,88 Fonpastor Renta Variable -0,08 1,34 0 0 -0,52 1,64 1,98 Fonpenedes Borsa -0,11 0,69 -0,12 -0,09 -16,27 1,22 1,04 Gesconsult Renta Variable -0,16 -0,45 -0,04 -0,03 -3,8 -0,01 0,38 Inercaja Bolsa -0,11 0,57 -0,13 -0,09 -17,59 1,3 1,23 Lloyds Bolsa -0,1 0,93 -0,06 -0,04 -7,16 1,42 1,63 Madrid Bolsa Oportunidad -0,11 0,5 -0,13 -0,09 -17,51 1,21 1,16 March Valores -0,08 1,3 0,01 0,01 1,58 1,4 1,73 Medivalor RV -0,11 0,61 -0,11 -0,08 -14,69 1,28 1,32 Metavalor 0,26 9,33 0,49 0,34 76,07 7,86 8,16 Renta 4 Bolsa -0,11 0,65 -0,11 -0,08 -14,82 1,25 1,22 Santander Acciones Españolas Plus -0,06 1,68 -0,05 -0,03 -6,71 2,27 2,25 Santander Índice España -0,1 085 -0,12 -0,08 -15,94 1,59 1,49 Santander Renta Variable Español -0,1 0,96 -0,07 -0,05 -9,3 1,51 1,64 Valor Medio -0,0634 1.7141 -0,0086 -0,0059 -1,3969 1.9424 2.0628 Desvest 0,085309815 1,993331153 0,152625847 0,107975644 20,76677172 1,440375083 1,52241844 Fuente: Elaboración propia
Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
¿SE PUEDEN CLASIFICAR FÁCILMENTE LOS FONDOS DE INVERSIÓN EN VALOR, MIXTO Y CRECIMIENTO?
43
TABLA 6 Descripción de las ratios incluidas en el componente Factor 1 para los Fondos Mixtos Descripción FONDOS MIXTOS
Sharpe Ratio
RAP Modiggliani M2
Excess (MAR) LossRatio
Total InfRatio
Total Return
Alpha
Alpha(g)
Bestinver Bolsa Valor Medio
0,81 0,81
22,25 22,25
1,49 1,49
1,07 1,07
209,29 209,29
11,81 11,81
12,81 12,81
Fuente: Elaboración propia
• En los fondos Crecimiento todos los valores medios de las ratios son negativos y de mayor valor absoluto que en los otros casos. TABLA 7 Descripción de las ratios incluidas en el componente Factor 1 para los Fondos Crecimiento Ahorro Corporación Acciones Almagro Valores Asturfondo Renta Variable España Banesto Renta Variable Española Barclays Bolsa Española BBVA Bolsa Índice BBVA Bolsa Beta Acciones BK Bolsa España BK Bolsa Euribex BNP Paribas Bolsa Española Caixa Catalunya Index Cajaburgos Bolsa Cajasol Bolsa l CAM Bolsa Índice CAN Acciones Cartera Variable Citifondo Renta Variable Credit Suise Bolsa Dexia Equities L Spain C Cap Dexia Equities L Spain C Dis DWS Acciones DWS Bolsa Instituciones EMIF Spain Index Plus A Dis (Load) EMIF Spain Index Plus B Dis (Load) Eurovalor Bolsa Foncaixa 33 Bolsa Gestión España Foncaixa Privada Bolsa FondEspaña Bolsa Fonduero Bolsa KutxaValor Madrid Bolsa PBP Bolsa España Rural Índice Santander Acciones Españolas Santander Spanish Equity A Santander Top 25 España Segurfondo Renta Variable Unifond Renta Variable l Valor medio Desvest
-0,14 -0,17 -0,21 -0,14 -0,18 -0,11 -0,19 -0,13 -0,16 -0,21 -0,15 -0,21 -0,15 -0,15 -0,16 -0,12 -0,18 -0,15 -0,21 -0,1 -0,12 -0,2 -0,15 -0,13 -0,13 -0,15 -0,16 -0,15 -0,12 -0,4 -0,23 -0,18 -0,18 -0,21 -0,13 -0,17 -0,15 -0,15 -0,28 -0,1695 0,05222971
-0,11 -0,82 -1,76 -0,13 -1,12 0,65 -1,18 0,06 -0,47 -1,85 -0,44 -1,67 -0,35 -0,36 -0,66 0,38 -0,95 -0,28 -1,73 0,91 0,32 -1,43 -0,39 0,24 0,15 -0,29 -0,55 -0,27 0,3 -6,14 -2,16 -1,01 -1,02 -1,76 0,04 -0,83 -0,36 -0,36 3,27 -0,7864 1,2100805
-0,16 -0,17 -0,24 -0,16 -0,24 -0,13 -0,25 -0,16 -0,15 -0,23 -0,17 -0,25 -0,18 -0,18 -0,21 -0,14 -0,2 -0,16 -0,25 -0,1 -0,13 -0,22 -0,16 -0,13 -0,14 -0,16 -0,16 -0,17 -0,15 -0,44 -0,29 -0,22 -0,22 -0,23 -0,14 -0,19 -0,17 -0,14 -0,29 -0,1918 0,06092752
-0,12 -0,12 -0,17 -0,11 -0,17 -0,09 -0,18 -0,11 -0,1 -0,16 -0,12 -0,18 -0,13 -0,13 -0,15 -0,1 -0,14 -0,11 -0,18 -0,07 -0,09 -0,16 -0,12 -0,1 -0,1 -0,12 -0,12 -0,12 -0,1 -0,32 -0,2 -0,15 -0,15 -0,17 -0,1 -0,14 -0,12 -0,1 -0,21 -0,1367 0,04422166
-21,42 -20,51 -28,75 -20,29 -31,52 -17,34 -33,75 -21,14 -17,8 -25,37 -21,47 -30,88 -23,01 -23,2 -27,26 -18,59 -24,72 -20,3 -31,63 -13,23 -17,51 -27,21 -20,64 -17,63 -17,64 -21,05 -20,11 -21,45 -19,83 -43,5 -35,33 -27,76 -27,32 -27,49 -17,14 -24,05 -22,57 -16,52 -31,04 -23,8146 6,12645664
0,58 0,54 -0,12 0,05 -1,03 -0,93 0,56 0,59 -0,57 -0,8 1,37 1,27 -0,52 -0,76 0,76 0,68 0,15 0,31 -1,06 -0,84 0,18 0,18 -1,01 -1,03 0,34 0,31 0,33 0,3 -1,46 -2,6 1,13 1,1 -0,23 -0,15 0,4 0,45 -2,3 -3,17 -0,32 -1,64 -0,88 -2,19 -0,76 -0,7 0,22 0,24 0,77 0,69 0,64 0,56 0,39 0,41 0,09 0,19 0,32 0,25 1,04 0,97 -4,64 -4,24 -1,53 -1,58 -0,27 -0,27 -0,3 -0,29 -0,96 -0,78 0,71 0,76 -3,86 -6,38 0,3 0,27 0,29 0,49 -2,28 -2,01 -0,3469 -0,5064 1,25060427 1,53613315
Fuente: Elaboración propia
Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
44
ANÁLISIS FINANCIERO
TABLA 8 Comparación de los resultados obtenidos en el análisis Cluster con la clasificación ofrecida por Morningstar (datos 2008) Fondo de Inversión de Renta Variable
Clasificación según resultados de:
1 Actibolsa 2 Ahorro Corporacion Acciones 3 Allianz Bolsa 4 Almagro Valores 5 Altae Bolsa 6 Astur fondo Renta Variable España 7 Bancaja Renta Variable 8 Banesto Renta Variable Española 9 Banif Acciones Españolas 10 Banif RV Española 11 Bankoa Bolsa 12 Bankpyme Iberbolsa 13 Barclays Bolsa España 14 BBK Bolsa 15 BBVA Bolsa Indice 16 BBVA Bolsa Plus 17 BBVA Bolsa 18 Bestinver Bolsa 19 Beta Acciones 20 BK Bolsa España 2 21 BK Bolsa España 22 BK Bolsa Euribex 23 BK Futuro Ibex 24 BNP Paribas Bolsa Española 25 Bolsalider 26 Caixa Catalunya Index 27 CaixaSabadell 7 Renta Variable 28 Caixatarragona Bolsa 35 Indice 29 Caja Laboral Bolsa 30 Cajaburgos Bolsa 31 Cajasol Bolsa I 32 CAM Bolsa Indice 33 CAN Acciones 34 Car tera Variable 35 Citifondo Renta Variable 36 Credit Suisse Bolsa 37 Dexia Equities L Spain C Cap
CLUSTER Conglo- Distancia merado 1: Valor; 2: Mixto, 3: Crecimiento
MORNINGSTAR (a)
1 0,359 3 0,277
N/A Lar ge Blend
1 0,043 3 0,097 1 0,462 3 0,142
Large Blend Large Blend Large Blend Large Blend
1 0,003 3 0,312
Large Blend Large Blend
N/A 1 1 1 3 1 3 1 3 2 3 1 3 3 1 3 1 3 1
N/A 0,032 0,495 0,094 0,002 0,430 0,397 0,424 0,246 N/A 0,320 0,049 0,152 0,345 0,038 0,324 0,403 0,187 0,283
N/A N/A 1 3 3 3 3 3 3 3 3
Large Blend Lar ge Growth Large Blend Large Value Large Blend Large Blend Lar ge Growth L arge Growth Large Growth Mid Value Large Growth Large Blend Large Blend Large Blend N/A Large Growth Large Blend Large Blend Large Blend Large Growth
0,418 Lar ge Blend 0,151 Large Blend 0,140 Large Blend 0,240 N/A 0,415 Large Blend 0,443 Large Growth 0,269 Large Blend 0,523 Large Blend 0,189 N/A
Fondo de Inversión de Renta Variable
38 Dexia Equities L Spain C Dis 39 DWS Acciones 40 DWS Bolsa Instituciones 41 EDM Inversion 42 EMIF Spain Index Plus A Dis (Load) 43 EMIF Spain Index Plus B Cap (Load) 44 Espirito Santo España Bolsa 45 Euroagentes Plus 46 Eurovalor Bolsa 47 Fibanc Indice 48 Fidelity Funds - Iberia A EUR 49 Fonbilbao Acciones 50 Foncaixa 33 Bolsa Gestion España 51 Foncaixa 65 Bolsa Indice España 52 Foncaixa Privada Bolsa 53 FondEspaña Bolsa 54 Fondguissona Bolsa 55 Fondmapfre Estrategia 35 56 Fondo Valencia Renta Variable 57 Fonduero Bolsa 58 Fonpastor Renta Variable 59 Fonpenedes Borsa 60 Gesconsult Crecimiento 61 Gesconsult Renta Variable 62 Ibercaja Bolsa 63 KutxaValor 64 Lloyds Bolsa 65 Madrid Bolsa Opor tunidad 66 Madrid Bolsa 67 March Valores 68 Medivalor RV 69 Metavalor 70 PBP Bolsa España 71 Privat Bolsa 72 Renta 4 Bolsa 73 Rural Indice 74 Safei Opor tunidad España
Clasificación según resultados de: CLUSTER Conglo- Distancia merado 1: Valor; 2: Mixto, 3: Crecimiento
MORNINGSTAR (a)
3 0,001 3 0,104 3 0,323 1 1,087 3 0,420
N/A Large Blend Large Blend Large Blend Large Blend
3
Large Blend
N/A N/A 3 N/A N/A 1 3
0,356
N/A Mid Blend N/A Large Blend 0,176 Large Blend N/A Large Growth N/A Large Blend 1,262 Large Growth 0,240 Large Blend
N/A N/A
Large Growth
3 3 N/A N/A N/A
0,242 Large Blend 0,401 Large Blend N/A N/A N/A Large Growth N/A Large Blend
3 1 1 N/A 1 1 3 1 1 3 1 1 1 3 N/A 1 3 N/A
1,324 Large Blend 0,017 Large Blend 0,410 Large Blend N/A Mid Blend 0,463 Mid Blend 0,405 Large Blend 0,583 Large Growth 0,169 Large Blend 0,351 N/A 0,017 Large Blend 0,158 Large Blend 0,342 Large Blend 2,226 Large Blend 0,038 N/A N/A Large Blend 0,389 N/A 0,159 Large Blend N/A N/A
Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
¿SE PUEDEN CLASIFICAR FÁCILMENTE LOS FONDOS DE INVERSIÓN EN VALOR, MIXTO Y CRECIMIENTO?
Fondo de Inversión de Renta Variable
Clasificación según resultados de: CLUSTER Conglo- Distancia merado 1: Valor; 2: Mixto, 3: Crecimiento
MORNINGSTAR (a)
75 Santander Acciones 1 0,087 Large Blend Españolas Plus 3 0,416 Large Growth 76 Santander Acciones Españolas 77 Santander Indice España 1 0,305 Large Blend 78 Santander Renta Variable 1 0,143 Large Blend Española 100 79 Santander Spanish Equity A 3 1,051 Large Blend 80 Santander Top 25 España 3 0,208 Large Blend 81 Segurfondo Renta Variable 3 0,281 Large Blend 3 0,548 Large Blend 82 Unifond Renta Variable I N/A N/A Large Blend 83 Urquijo España Bolsa 84 Vital Ibex Indice N/A N /A Large Growth Fuente: Elaboración propia (a) Las clasificaciones de Morningstar corresponden con Growth (Crecimiento), Value (Valor) y Blend (Mixto), apareciendo dos tipos de tamaño Large (Grande) y Mid (Medio).
Notas: 2.- La popularidad del concepto estuvo ayudada por un estudio de Brinson et al. (1991). 3.- Morningstar es una entidad que publica información sobre fondos de inversión, www.morningstar.es
45
8.- La interacción que se utiliza en este trabajo de investigación es el procedimiento ortogonal conocido como Varimax, que se puede definir como la rotación ortogonal que maximiza la suma de varianzas de las cargas requeridas en la matriz de factores. 9.- Siendo el método de extracción empleado el de Análisis de Componentes Principales; el método de rotación utilizado el de Normalización Varimax de Kaiser y habiendo convergido la rotación en 5 interacciones. 10.- Así lo confirma el contraste de significación ANOVA al resultar significativa al 95% de confianza. i.-
Históricamente, Morningstar ha empleado dos sistemas de rating diferentes, aunque basados en la misma metodología. El primero, desarrollado en 1985, introdujo un sistema basado en la clasificación de las cuatro clases de activos: renta variable americana, acciones internacionales, bonos municipales americanos (con exención fiscal) y otros bonos sometidos a impuestos. El segundo, desde julio de 2002, se implantó con el objeto de mejorar la información sobre los fondos suponiendo un cambio en el sistema de rating que sustituyó los cuatro tipos de activos por una clasificación de 64 categorías como base para clasificar y analizar los fondos.
ii.- En un análisis factorial, un conjunto de k variables z se suponen función lineal de un conjunto de m de variables llamadas componentes o factores, independientes y tipificadas de tal forma que m< k y de un término del error o perturbación aleatoria normal e independiente. Así, si suponemos la existencia de m componentes o factores, tendremos que: Z i = a i 1 f 1 + a i 2 f 2+ : + a im f m+ e i . Siendo: Z i = Variable estandarizada; f = Variable aleatoria. Ésta se distribuye como una normal con media cero y varianza uno, común a todas las variables; Parámetro que refleja la influencia de f sobre Z i ; ei =Término del error específico.
4.- Lipper es una empresa de análisis de inversiones del grupo Thomson Reuters. www.lipperweb.com 5.- Esta presentación ha sido realizada a partir de información suministrada por Fernando Luque, Analista Senior de Morningstar, a quien quiero agradecer su colaboración en la elaboración de este trabajo. 6.- La explicación de cada variable de selección se muestra en un cuadro resumen en el apéndice I. 7.- En Gómez Bezares et al. (2003) se realiza un estudio comparativo de los índices clásicos de performance, su interrelación y la relación que mantienen con la Tasa de Rentabilidad Interna Penalizada (TRIP).
Sofía Ruiz Campo : ¿Se pueden clasificar fácilmente los fondos de inversión en Valor, Mixto y Crecimiento? Análisis Financiero n° 115. 2011. Págs.: 32-45
FUNDACIÓN DE ESTUDIOS FINANCIEROS Puedes encontrar y descargar todas Las publicaciones en la página web www.fef.es Nº 1 Nº 2 Nº 3 Nº 4 Nº 5 Nº 6 Nº 7 Nº 8 Nº 9 Nº 10 Nº 11 Nº 12 Nº 13 Nº 14 Nº 15 Nº 16 Nº 17 Nº 18 Nº 19 Nº 20 Nº 21 Nº 22 Nº 23 Nº 24 Nº 25 Nº 26 Nº 27 Nº 28 Nº 29 Nº 30 Nº 31 Nº 32 Nº 33 Nº 34 Nº 35 Nº 36 Nº 37 Nº 38 Nº 39 Nº 40
Estudio para la mejora del Gobierno Corporativo, la Transparencia Informativa y los Conflictos de Interés. Guía de Principios de Buen Gobierno Corporativo, Transparencia Informativa y Conflictos de Interés en las Sociedades Cotizadas. Estudio sobre los efectos de la aplicación de las Normas Contables del IASB a los sectores cotizados de la Bolsa Española. Buen Gobierno, Transparencia y Ética en el sector público. Estudio sobre la Reforma de los Mercados Financieros Europeos (2 vols.): Resumen del estudio en Español Resumen del estudio en Inglés Guía de Buenas Prácticas para el desarrollo de la Junta General de accionistas de Sociedades Cotizadas. Observatorio de Gobierno Corporativo de las Grandes Sociedades Cotizadas en el Mercado de Valores español (Ibex-35), 2003. Índice de Excelencia Informativa de las Sociedades del Ibez-35 de la Bolsa Española IEI-FEF. Pensiones y Ahorro a largo plazo: un viejo problema en busca de nuevas soluciones. El ciclo del Capital Riesgo en Europa: su gestión y aportación de valor. España y las nuevas Perspectivas Financieras de la Unión Europea 2007-2013: Nuevos condicionantes, nuevos objetivos, nuevas estrategias. Diversidad de Género en los Consejos de Administración de las Sociedades Cotizadas y Cajas de Ahorros españolas. España y la nueva arquitectura económica y financiera internacional. El desafío del G-8. Observatorio de Gobierno Corporativos de las Grandes Sociedades Cotizadas en el Mercado de Valores español (Ibex-35), 2004. Índice de Excelencia Informativa de las Sociedades de la Bolsa Española IEI-FEF. La Responsabilidad Corporativa: una propuesta para un entrono empresarial más eficiente y socialmente comprometido. Observatorio sobre la Reforma de los Mercados Financieros Europeos (2006). Las Cajas de Ahorros: Modelo de Negocio, Estructura de la Propiedad y su Gobierno Corporativo. Observatorio de Gobierno Corporativo y Transparencia Informativa de las Sociedades Cotizadas en el Mercado Continuo Español 2006. Observatorio sobre el Gobierno de la Economía Internacional (2007). Observatorio sobre la Reforma de los Mercados Financieros Europeos (2007). Observatorio de Gobierno Corporativo y Transparencia Informativa de las Sociedades Cotizadas en el Mercado Continuo Español (2007). El Papel de las Instituciones Públicas en las Operaciones de Control Corporativo Nacionales y Transnacionales. Instrumentos Financieros para la Jubilación. Observatorio sobre el Gobierno de la Economía Internacional (2008). La Filantropía: Tendencias y Perspectivas. Observatorio sobre la reforma de los Mercados Financieros Europeos (2008) El Sistema Bancario Español ante en nuevo entorno Financiero. Observatorio de Gobierno Corporativo y Transparencia Informativa de las Sociedades Cotizadas en el Mercado Continuo Español 2008 Situación actual y Perspectivas de las instituciones de Inversión Colectiva. Observatorio de la Economía Internacional. (2009) Observatorio de Gobierno Corporativo 2009 La Ley Concursal y su aplicación Observatorio Sobre la Reforma de los Mercados Financieros Europeos 2009 Estudio sobre el sector asegurador en España Nuevos enfoques para viejos riesgos financieros Observatorio sobre la Reforma de los Mercados Financieros Europeos 2010 El Sector Asegurador en España (2010): Los aspectos cualitativos de Solvencia II Ahorro Familiar en España Observatorio de Gobierno Corporativo 2010
FUNDACIÓN DE ESTUDIOS FINANCIEROS ENTIDADES PATRONO
de la Fundación de Estudios Financieros
BANCO SANTANDER, S.A. TELEFONICA, S.A. ENDESA, S.A. FUNDACIÓN IBERDROLA BANCO BILBAO VIZCAYA ARGENTARIA CITI SOCIÉTÉ GÉNÉRALE, SUCURSAL EN ESPAÑA CAJA DE AHORROS Y MONTE DE PIEDAD DE NAVARRA BANCO SABADELL BANKIA DELOITTE ERNST & YOUNG FIDELITY INTERNATIONAL, SUCURSAL EN ESPAÑA FUNDACIÓN REPSOL KPMG INDRA SISTEMAS, S.A. LA CAIXA MAPFRE ZURICH ESPAÑA FUNDACIÓN BANCAJA CECA BOLSAS Y MERCADOS ESPAÑOLES FUNDACIÓN ABERTIS URÍA & MENÉNDEZ ACS FUNDACIÓN PRICEWATERHOUSE COOPERS FUNDACIÓN MUTUA MADRILEÑA J&A GARRIGUES, S.L. BAKER & MCKENZIE
ENTIDAD FUNDADORA INSTITUTO ESPAÑOL DE ANALISTAS FINANCIEROS
48
ANÁLISIS FINANCIERO
Luis Otero González1 , Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil*
El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II RESUMEN El nuevo marco regulatorio de Solvencia II propone un modelo estánd ar, pero al mismo tiemp o, fomenta la aplicación de modelos internos de autoevaluación y gestión del riesgo. Este trabajo se centra en la elaboración de un modelo de cambio de régimen lognormal como alternativa para la medición del riesgo de renta variable frente al modelo de rendimientos normal implícito en Solvencia II. De este modo, se pretende evaluar la adecuación del modelo estándar a la hora de determinar las necesidades de capital del asegurador. Para ello, se han utilizado datos mensuales de la serie de Ibex 35 del periodo 2 d e Enero de 1992 a 30 de Diciembre de 2008. La comparación de los modelos utilizand o diversos criterios estadísticos muestra la adecuación del modelo que se propone. Además, se ha comparado el capital necesario bajo las distintas alternativas, llegando a la conclusión de que el modelo propuesto en QIS4 subestima considerablemente el riesgo y resulta inadecuado para medir la carga de capital. Palabras Clave: modelos internos, riesgo de renta variable, Modelo de cambio de régimen lognormal, Solvencia II. Códigos JEL: G220, G280.
ABSTRACT The new regulatory framework Solvency II proposes a standard model, but at the same time, encourages the application of internal models of self-evaluation and risk management. This work focuses on developing a regime switching lognormal model as an alternative measurement of risk in equity returns against the n ormal model implicit in Solvency II. Thus, the aim of this work is to assess the adequacy of the standard model for determining the capital requirements of the insurer. This has used monthly data for the series of 35 Ibex period January 2, 1992 to December 30, 2008. The comparison of models using various statistical criteria shows the adequacy of the model being proposed. Furthermore, compared the capital required under the various alternatives and concluded that the model proposed in QIS4 underestimate the risk and it is inappropriate to measure capital requirements. Keywords: Internal Models, Equity Risk, Régimen Switching Lognormal Model, Solvency II. JEL: G220, G280. Recibido: 15 de Diciembre de 2010
Aceptado: 21 de Febrero de 2011
*
Universidad de Santiago de Compostela. Dirección para correspondencia: Luis A. Otero González Facultad de Ciencias Económicas y Empresariales Universidad de Santiago de Compostela, C/ Baixada ó Burgo das Nacións, s/n 15.782 Santiago de Compostela (España). Telf: 986 573100 Ext. 11656, 11606,11607. Correo:
[email protected] 1
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil : El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II Análisis Financiero n° 115. 2011. Págs.: 48-57
EL MODELO DE CAMBIO DE RÉGIMEN LOGNORMAL COMO ALTERNATIVA… 49
1. INTRODUCCIÓN El nuevo marco regulatorio de la solvencia en el sector asegurador europeo, denominado Solvencia II, pretende que las compañías de seguros dispongan de un nivel de recursos propios, denominado Solvency Capital Requirment (SCR), ajustado al riesgo asumido. El cálculo de las necesidades de capital podrá realizarse a través de una fórmula estándar o, alternativamente, mediante modelos internos aprobados por el regulador. En ambos casos, la cuantía obtenida debe corresponderse con el capital económico que han de poseer las compañías aseguradoras para limitar la probabilidad de ruina al 0,5% a un horizonte de un año. O dicho en términos financieros, una cantidad equivalente al valor en riesgo (VaR) con un nivel de confianza del 99,5 %. En este trabajo pretendemos explicar la implementación de un modelo interno para la medición del riesgo de renta variable. Este riesgo es particularmente relevante en el caso de las compañías de seguros generales españolas, ya que según en 2007 destinaban un 18,6 por ciento de su cartera a la inversión en renta variable2. Además, el modelo que se propone es susceptible de aplicación a otros riesgos de mercado, como son el riesgo de cambio y de activos inmobiliarios. El riesgo de renta variable o equity está ligado al nivel y volatilidad de los precios de mercado de la renta variable, estando expuestos a dicho riesgo aquellos activos y pasivos cuyo valor sea sensible a los cambios en el precio de las acciones. El CEIOPS3, a petición de la Comisión Europea y en la colaboración del sector asegurador, es el encargado de desarrollar el modelo estándar, para lo cual se realizan estudios, se proponen fórmulas de cálculo del capital para los diferentes riesgos y finalmente, se hacen estudios de impacto cuantitativo, Quantitative Impact Studies (QIS), sobre las compañías aseguradoras europeas que sirven para ver en que media la calibración del modelo estándar es adecuada. Las especificaciones técnicas del cuarto estudio de impacto (QIS 4) fueron publicadas en marzo de 2008 y son en las que se basa este trabajo (CEIOPS, 2008). La carga de capital del modelo estándar para el riesgo de renta variable quedó establecida en un 32%4 de la posición en acciones para los índices globales (países EEE y OCDE) y del 45% para el resto. Dicho cálculo se basó en el ajuste de los rendimientos cuatrimestrales del índice global MSCI para mercados desarrollados en el período 1970-2005 bajo la hipótesis de normalidad. El modelo de rendimientos normal, implícito en el cál-
culo de la fórmula estándar, ha sido elegido por razones de simplicidad y transparencia. No obstante, la hipótesis de normalidad puede subestimar la cola de la distribución de pérdidas (resultados extremos) y no capturar la variabilidad que puede presentar la volatilidad, por lo que es menos apropiado para representar períodos temporales más largos (Hardy, 2001), que es a los que está expuesto el asegurador. Este trabajo analiza, a lo largo de los siguientes epígrafes, el modelo de cambio de régimen lognormal como alternativa para la implantación de un modelo interno para medir el riesgo de renta variable. La selección de dicho modelo se ha hecho a partir de la superioridad mostrada frente a otras alternativas y por ser la opción elegida en Canadá y EEUU. De este modo pretendemos contrastar si el modelo estándar es adecuado para medir el riesgo de renta variable o si, al igual que se ha demostrado para el mercado norteamericano, es preferible optar por un modelo interno de cambio de régimen. El trabajo se estructura en los siguientes apartados. En el apartado 2 se justifica la selección del modelo de cambio de régimen lognormal (RSLN) que se propone para la selección del riesgo de equity. En los apartados 3 y 4 se explica el modelo y se analiza el ajuste a la serie histórica del IBEX35, para el período Enero de 1992-diciembre de 2008. En los apartados 5 y 6 se comparan el modelo propuesto con el modelo de rendimientos normal, implícito en solvencia II, y se determinan las necesidades de capital mediante simulación de Monte Carlo. Finalmente, se presentan las conclusiones.
2. REVISIÓN DE LA LITERATURA En este apartado pretendemos justificar la selección del modelo RSLN como una buena alternativa para la modelización del riesgo de renta variable y la determinación de los requerimientos de capital. Recientemente, en el mercado asegurador norteamericano se han llevado a cabo diversos trabajos con la intención de comparar diferentes alternativas para la modelización del riesgo de renta variable, por ser un riesgo especialmente relevante en determinadas carteras de inversión del asegurador. Como se trata de evaluar el riesgo a largo plazo, podría resultar inadecuado utilizar aquellos modelos que mejor se ajustan a series a corto plazo de alta frecuencia (Hardy,2001). El modelo de cambio de régimen lognormal (RSLN) que pretendemos analizar ha sido propuesto por Hardy (2001). En su trabajo compara el ajuste obtenido con el RSLN para los índices
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil : El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II Análisis Financiero n° 115. 2011. Págs.: 48-57
50
ANÁLISIS FINANCIERO
Standard and Poor´s 500 (S&P500) y Toronto Stock Exchange 300 (TS300) frente a otras alternativas, llegando a la conclusión de que su propuesta presenta mejores resultados en términos de ajuste global, y a valores extremos. Además, Hardy indica que con dos regímenes es suficiente para obtener un buen ajuste. Wong y Chan (2005) proponen dos modelos alternativos al RSLN para los datos ajustados a los índices TSE 300 y S&P 500. De su trabajo se desprende que los nuevos modelos se ajustan peor que la alternativa de cambio de régimen lognormal. En un trabajo posterior, Hardy et al. (2006), vuelve a comparar un amplio número de modelos ajustados al índice S&P 5005. La comparación de los modelos permite concluir que los modelos de cambio de régimen tienen el mejor ajuste en la cola izquierda de la distribución y por tanto, una mejor adecuación a la evaluación del riesgo. Finalmente, Boudreault y Panneton (2009) realizan una comparación de distintos modelos GARCH multivariantes y modelos de cambio de régimen multivariantes6 para los rendimientos mensuales del mercado canadiense, americano, británico y japonés durante el periodo Enero de 1956 a Septiembre de 2005. En general se observa que los modelo GARCH tiene un mejor ajuste global que los de cambio de régimen, pero estos últimos representan mucho mejor las colas gruesas de la distribución. Los resultados alcanzados están en línea con los que se han obtenido en la literatura para los modelos univariantes. Por este motivo, parece interesante centrarse en el modelo RSLN como alternativa para la modelización del riesgo de equity en carteras vinculadas al IBEX-35.
3. EL MODELO DE CAMBIO DE RÉGIMEN LOGNORMAL El modelo de cambio de régimen lognormal de Markov, RSLN ( Regime-Switching Lognormal), que pretendemos analizar ha sido propuesto por Hardy (1999) y comparado posteriormente con otras alternativas en Hardy (2003, 2006) y Panneton (2006). La idea que subyace en el modelo es que los rendimientos de las acciones siguen un comportamiento � normal, pero en función del estado de la economía ( t =1,2), el rendimiento esperado y la volatilidad cambiarán, es decir:
y t = mr + s r Ζ t (r t = 1,2) t t Donde: mr es el rendimiento esperado, s r la volatilidad, t t Ζ t ˜ N (0;1) para t = 1,2,… yr representa cada uno de los estat dos o regímenes. En el gráfico adjunto se representa la combinación de las dos distribuciones ajustadas a la serie del índice Ibex 35 con frecuencia mensual desde el 2 de Enero de
1992 al 31 de Diciembre de 2008, lo que proporciona 205 observaciones. Como podemos comprobar el mercado puede estar en un régimen con un rendimiento esperado positivo y de baja volatilidad, o bien, en un estado de mayor inestabilidad, con una media negativa y una volatilidad mayor.
Distribuciones normales ajustadas por el modelo RSLN al IBEX-35 5,0%
0,0% -0,1360
90,0%
99,8%
5,0% 0,1257 0,2%
12 10 Normal (-0,00518;0,07954)
8
Normal (0,01922;0,036951) 6 4 2 0 - 0, 2
- 0, 15
- 0, 1
- 0, 05 3 E- 16 0 ,0 5
0 ,1
0 ,1 5
0 ,2
Gráfico 1 Un elemento fundamental del modelo es el mecanismo a través del cual se determina que el mercado esté en un régimen u otro. El cambio de un estado a otro (régimen) � �es también aleatorio, siguiendo un proceso de Markov = { t ,t = 1,2…} es decir, que tiene asociada una determinada probabilidad de ocurrencia. Los regímenes se denominan, de acuerdo a la varianza, régimen 1 o de baja volatilidad y régimen 2 o de � alta volatilidad. El valor de m en el régimen 1 suele ser t positivo mientras que en el régimen de alta volatilidad suele ser negativo. La cadena � de Markov se define en términos de la matriz de transición , que viene dada por:
(
� 1,1 � 2,1
� �
)
1,2 2,2
�
Donde cada elemento de la matriz � de transición , se denomina probabilidad de transición o a,b, y es una probabilidad � condicionada, es decir, 1,1es la probabilidad de continuar en el régimen 1, estando � en el período � anterior en el régimen 1. Generalmente, tanto 1,1 como 2,2 toma valores elevados, lo que significa que cuando el mercado entra en una situación de alta o baja volatilidad, tiene una mayor probabilidad de mantenerse dentro de ese escenario.
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil : El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II Análisis Financiero n° 115. 2011. Págs.: 48-57
EL MODELO DE CAMBIO DE RÉGIMEN LOGNORMAL COMO ALTERNATIVA… 51
En el gráfico siguiente podemos ver un esquema de la evolución de un régimen a otro y las probabilidades condicionadas al régimen del período anterior, estimadas a partir de la serie del IBEX-35 mencionada anteriormente. Como se puede comprobar, si el régimen en el que se encuentra la economía es el de baja volatilidad (régimen 1), la probabilidad de que se mantenga dentro de ese nivel en el período siguiente es del 96,31% y sólo hay una probabilidad de un 3,6846% de cambiar al régimen de alta volatilidad.
Proceso de Markov implícito en el modelo RSLN Probabilidad condicionada p1,1= 0,9631 p1,1= 0,9631
p1,2 = 3,6846%
R gimen 1
Probabilidades estacionarias
= 0,4403
R gimen 1
1
R gimen 2 R gimen 1
p 2,1= 0,04683% p1,2 = 3,6846%
R gimen 1
= 0,5596 2
R gimen 2
p 2,2 = 0,9531
R gimen 2
Gráfico 2 Asimismo, a largo plazo, la probabilidad estacionaria7 de estar en el régimen de alta volatilidad, π 2 = 0,5596, supera a la de estar en el régime de baja volatilidad. Eso significa que si simulamos una secuencia de rendimientos para un número suficientemente amplio de períodos encontraríamos que en un 44,03 por ciento de los casos el régimen sería el 1 y en un 55,96 por ciento el 2.
rendimientos se distribuyen normalmente (modelo implícito en Solvencia II). La explicación se hace con fines exclusivamenete ilustrativos ya que la media y la varianza máximo verosímiles coinciden con la histórica. El valor de la función de log-verosimilitud8 que pretendemos maximizar responde a la siguiente expresión: y – m 2 L (Θ)= -0,5 ln (2π) - ln ( y ) - 0,5
(
s
)
La estimación MV consiste en obtener el vector de parámetros tal que maximicen la función de log-verosimilitud. A continuación exponemos el proceso de estimación por máxima verosimilitud en el caso de asumir un comportamiento normal de los rendimientos del IBEX-35 utilizando el programa EXCEL. Como podemos observar, partimos de la serie temporal del índice y la convertimos en rendimientos logarítmicos. En la cuarta columna se calcula la función de log-verosimilitud para ese valor, donde la variable ( y ) hace referencia al valor del rendimiento, y tiene como parámetros m y s , que son las variables a determinar. Dado que desconocemos los valores que optimizan el valor de la función, partiremos de unos valores iniciales cualquiera. Finalmente, el valor de la función de log-verosimilitud será la suma del valor de función en cada punto (12,75).
Proceso de estimación por máxima verosimilitud para modelo lognormal
4. CALIBRACIÓN DEL MODELO RSLN En el apartado anterior hemos analizado los fundamentos del modelo RSLN utilizando unos parámetros estimados a partir del ajuste a la evolución histórica mensual del IBEX-35. No obstante, es preciso explicar como se lleva a cabo el proceso de calibración del modelo, ya que si bien es inmediato para el modelo lognormal, no ocurre lo mismo con el modelo RSLN. La técnica más habitual para el ajuste de las series temporales consiste en emplear la estimación por máxima verosimilitud (EMV), es decir, de buscar aquellos parámetros del modelo que son más compatibles con la serie observada. Para ello analizamos en primer lugar la estimación por máximo verosimilitud suponiendo que los
Gráfico 3 La búsqueda del valor de los parámetros se hará mediante la herramienta Solver de Excel. Se trata de maximizar el valor de la función cambiando las dos celdas en las que tenemos nuestros parámetros Θ = {m s}, sujeto a la restricción s > 0. En este ejemplo, como tomamos como valores de partida la media y la desviación típica de los rendimientos, que son los estimadores máximo-verosímiles, Solver devuelve esos mismos valores como los que maximizan la función.
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil : El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II Análisis Financiero n° 115. 2011. Págs.: 48-57
52
ANÁLISIS FINANCIERO
Si pretendemos optimizar la función máximo verosímil del modelo RSLN, la cosa se complica un poco más ya que habrá que calcular seis parámetros y una función condicionada al estado de la economía. Por lo demás, el proceso sería similar al explicado anteriormente para el caso del proceso lognormal9. En el ejemplo anterior, la función de verosimilitud para F (Θ)i =
� �
(
1,t-1 1,1
+
�
�
2 ,t -1 2 ,1 )F
cada rendimiento, será una función condicionada a estar en un determinado régimen, por lo que habrá que multiplicar el valor de la función de verosimilitud de la distribución normal, por la probabilidad de que en ese momento se esté en ese régimen.
(Θ)i,r-1 + (
� �
1,t-1 1,2
+
�
�
2, t- 1 2 ,2 )F
(Θ)t,r-2
Siendo: F (Θ)r i
=
1
s r √ 2 π
1 2
θ -–(( y - mri)/s ri)^2)
i
la función de verosimilitud de un determinado rendimiento en el régimen i.
En este caso los cálculos se realizan sobre la función de verosimilitud y una vez que se dispone del valor en cada punto se calcula el logaritmo de la suma, que será el valor que se pretende maximizar.
Proceso de estimación de los parámettros del modelo RSLN
Gráfico 4 En el cuadro siguiente se expone la estimación de los parámetros para la serie del índice Ibex 35 con frecuencia mensual desde el 2 de Enero de 1992 al 31 de Diciembre de 2008, tanto para el modelo de rendimientos normal como
para el modelo RSLN. En la misma podemos observar que el régimen 1 presenta una mayor volatilidad y un rendimiento esperado negativo, y como las probabilidades de pasar de un régimen a otro son relativamente pequeñas.
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil : El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II Análisis Financiero n° 115. 2011. Págs.: 48-57
EL MODELO DE CAMBIO DE RÉGIMEN LOGNORMAL COMO ALTERNATIVA… 53
Parámetros estimados por MLE de los modelos MODELO RENDIMIENTO NORMAL
y t = m
m=0,6369%
+ s Ζ t
� 1,2 �=3,6846%
s= 6,4184%
MODELO RSLN
y t = m � + s �Ζ t
�
t
( t = 1,2)
t
=4,6836%
2,1
m1=-0,5180%
s 1=7,9450%
m2=1,9224%
s 2=3,6951%
Cuadro 1
5. ANÁLISIS Y SELECCIÓN DEL MODELO CON MEJOR AJUSTE En este apartado pretendemos analizar si el modelo propuesto presenta un buen ajuste y supera al modelo lognormal implícito en el cálculo del capital estándar de Solvencia II10. La selección de modelos se basa en el principio de sencillez, es decir, preferiremos un modelo más sencillo a otro más complejo (con más parámetros) si este último no proporciona un ajuste materialmente mejor al conjunto de los datos históricos. En este sentido, el modelo que presente un mayor valor en la función de log-verosimilitud, ajustada por el número de parámetros, será el que tenga un mejor ajuste global. Los criterios de Akaike (1974) y Schwarz (1978) sirven para llevar a cabo la comparación de modelos11. En el cuadro 3 podemos observar que el modelo RSLN presenta un mejor ajuste global bajo cualquiera de los criterios.
El análisis a través de la función de log-verosimilitud no permite analizar en qué medida el modelo se ajusta a los valores extremos de los rendimientos, aspecto muy relevante cuando se quiere utilizar el modelo para determinar el capital ajustado al riesgo. Por este motivo, el análisis debe complementarse con el test de normalidad de los residuos. Si el modelo pasa el test de normalidad, nos indicaría que se ajusta bien a los valores extremos observados a nivel empírico. Para verificar la normalidad de los residuos se ha empleado el test de Jarque-Bera que, como se muestra en el cuadro 6, es superado por el modelo RSLN pero no por el modelo implícito en Solvencia II.
Test JB de normalidad de los residuos Ho: Modelo residuos del modelo son normales Modelo empleado
Modelo normal Modelo RSLN
Estadístico
Grados de
Q 20,29 0,97
libertad
2 2
p-valor
Conclusión 99%
0,00% 61,51%
Rechazo Ho No rechazo Ho
Cuadro 3 En el gráfico siguiente se recoge gráficamente, el mejor ajuste que presenta el modelo de cambio de régimen a la cola de la distribución izquierda y, por tanto, la mayor adecuación para la medición del riesgo cambiario.
AIC y SBC para los modelos analizados Modelo ( j)
Modelo rendimientos normal Modelo RSLN
Número de Función de parámetros log( k j) verosimilitud (l j)
AIC
SBC
2
270,72
268,72
264,38
6
287,94
281,94
279,60
Cuadro 2
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil : El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II Análisis Financiero n° 115. 2011. Págs.: 48-57
54
ANÁLISIS FINANCIERO
Gráficos QQ para los modelos comparados Normal
Modelo RSLN 3
2 2 1 0
0
-1 -2 -2
-1
-3 -3
-2
-1
0
1
2
3
-3
-2
-1
0
1
2
3
Gráfico 5
6. LA ESTIMACIÓN DE LA NECESIDADES DE CAPITAL A TRAVÉS DEL MODELO RSLN Y COMPARACIÓN CON EL MODELO ESTÁNDAR La cuantificación del riesgo en el modelo estándar se ha optado por el VaR analítico (Value at risk) por ser una medida ampliamente difundida en los mercados financieros, por tener solución analítica y permitir la integración de los diferentes riesgos. El VaR analítico es la máxima pérdida que se puede esperar para un plazo e intervalo de confianza determinados en condiciones normales de mercado, asumiendo que los factores de riesgo se distribuyen normalmente. Formalmente, el VaR (ecuación 1) es el nivel de pérdidas tal que exista una probabilidad p de que las pérdidas sean iguales o mayores que: VaR p (U) = Prob (U ≥ U*) = p
De este modo, los parámetros y las hipótesis utilizadas para el cálculo del capital necesario se corresponden con el shock más adverso que se puede producir a un año con un nivel de confianza del 99,5%12. Dicho nivel de confianza se corresponde con 2,58 desviaciones estándar. Esto significa que si la volatilidad histórica anual de una acción es del 10%, es muy improbable (0,5%) que se produzca una caída superior al 25,8% en su valor. Frente al VaR utilizado en Solvencia II, los modelos DFA determinan esta medida a través de métodos de simulación
basados en Monte Carlo, lo cual aporta mayor flexibilidad al no tener que modelizar cada riesgo asumiendo la hipótesis de normalidad. Por lo tanto, el VaR se calcula simplemente como el percentil deseado de la distribución de resultados simulada. En el apartado anterior se ha mostrado la superioridad del modelo de rendimientos RSLN frente al modelo de rendimientos normal. Ahora queremos mostrar las necesidades de capital que resultarán de aplicar este modelo interno en relación a las que establece el modelo estándar del Solvencia II y a las del modelo de rendimiento normal. El cálculo se realiza para el IBEX-35 por ser un índice de referencia para las compañías de seguros españolas que no ha sido considerado en QIS4. Como indicamos en el apartado primero, en Solvencia II los cálculos, deben corresponderse con el shock más adverso que se puede producir a un año con un nivel de confianza del 99,5% (VaR99,5%). La estimación para los modelos de rendimientos normal y RSLN se ha realizado mediante la simulación de 10.000 escenarios a un año por el método Latino Hipercúbico13. Como se observa en el gráfico 6, los dos modelos analizados para el Ibex 35 superan la carga de capital resultante de aplicar la metodología de QIS4 para el índice MSCI14. Centrándonos en el Ibex 35 podemos afirmar que tanto el modelo de rentabilidad normal como el modelo estándar, infravaloran seriamente la carga de capital en relación a la calculada por el modelo RSLN, que como hemos visto a lo largo del artículo proporcionan un mejor ajuste a los datos históricos analizados.
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil : El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II Análisis Financiero n° 115. 2011. Págs.: 48-57
EL MODELO DE CAMBIO DE RÉGIMEN LOGNORMAL COMO ALTERNATIVA…
Cálculo de las cargas de capital con diferentes modelos
55
7. BIBLIOGRAFÍA Akaike, H. (1973): “Information Theory and an Extension of the Maximum Likelihood Principle”, en N. Petrov y F. Csake (edi-
Modelo RSLN
49,53%
tores) The Second International Symposiumon Information Theory, pp. 267–281. Hungary: Akademiai Kiado.
Modelo de rendimiento normal
39,12%
Box, G. E. P y Jenkins, G. M (1976): Time Series Analysis: Forecasting and Control , Holden Day, New York.
Fórmula QIS4
32,00%
CEIOPS (2007): Calibration of the underwriting risk, market risk and MCR. CEIOPS- FS-14/07.
0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00%
Gráfico 6
CEIOPS (2008): QIS4 Technical Specifications . MARKT/2505/08. Chan W.S.; Cheung, S.H.; Zhang, L.X. y Wu, K.H.(2008): “Temporal Aggregation of Equity Return Time-Series Models”, Mathematics and Computers in Simulation, Vol. 78,
7. CONCLUSIÓN La entrada en vigor del proyecto de Solvencia II transformará el sistema de determinación de las necesidades de capital del asegurador. En el nuevo marco regulatorio se propone un modelo estándar basado en el valor en riesgo (VaR), pero al mismo tiempo, se fomenta la aplicación de modelos internos de autoevaluación y gestión del riesgo. Este trabajo se centra en la modelización del riesgo de renta variable para una compañía aseguradora española que invierta en el mercado nacional a través de un de cambio de régimen lognormal. Para ello, se han utilizado datos mensuales de la serie de Ibex 35 del periodo Enero de 1992 a Abril de 2009 a los cuáles se han ajustado el modelo de rendimientos normal y el de cambio de régimen lognormal (RSLN). La comparación de los modelos utilizando diversos criterios estadísticos conduce a la superioridad del modelo RSLN frente al modelo implícito en Solvencia II. Además, tras evaluar la carga de capital ajustada al riesgo se llega a la conclusión de que, el shock propuesto en QIS4 infravalora el riesgo asumido por las compañías españolas que inviertan en carteras de Ibex 35.
No. 2-3, pp. 172-180. Comisión de las Comunidades Europeas (2007): Propuesta de Directiva del Parlamento Europeo y del Consejo sobre el seguro de vida el acceso a la actividad de seguro y de reaseguro y su ejercicio Solvencia II .
Hamilton, J. D. (1989): “A New Approach to the Economic Analysis of Non-stationary Time Series.” Econometrica, Vol. 57, No 2, pp. 357–84. Hamilton, J. D (1994): Time Series Analysis. Princeton: Princeton University Press. Hardy, M.R. (1999): “Stock return models for segregated fund guarantees”, Segregated Funds Symposium Proceedings, Canadian Institute of Actuaries. Hardy, M. R. (2001): “A Regime Switching Model of Long-Term Stock Returns, North American Actuarial Journal, Vol. 5, No. 2, pp. 41–53. Hardy, M. R. (2003): Investment Guarantees; Modeling and Risk Management for Equity Linked Life Insurance. Wiley, New
York. Jarque, C. M. y Bera, A.K (1980): “Efficient Tests for Normality, Homoscedasticity and Serial Independence of Regression Residuals”, Economics Letters, 6, pp. 255–259.
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil : El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II Análisis Financiero n° 115. 2011. Págs.: 48-57
56
ANÁLISIS FINANCIERO
Jarque, C. M. y Bera, A.K (1987): “A Test for Normality of
6.-
Aplican el modelo de cambio de régimen lognormal de dos y tres regí-
Observations and Regression Residuals”, International
menes en un contexto multivariante de forma que los distintos merca-
Statistical Review, Vol. 55, No. 2, pp. 163–72.
dos están en un mismo momento de tiempo en el mismo estado. De esta forma los mercados estarán simultáneamente en el régimen de alta,
Klein, G. E. (2002): Discussions of Paper “A Regime-Switching
media o baja volatilidad. Además en el contexto multivariante se per-
Model of Long-Term Stock Returns”, Vol. 6, No. 1, pp. 171-
mite que varíen el número distinto de matrices de correlación entre los
173.
activos, de forma que pueden existir tantas matrices como regímenes haya.
Klugman, S. A., Panjer, H. H y Willmot, G. E. (2008): Loss Models: From Data to Decisions. Tercera Edición, John Wiley & Sons,
7.-
Las probabilidades estacionarias se calculan a partir de las condicionadas utilizando las siguientes fórmulas:
New York.
p1=
Schwarz, G. (1978): Estimating the dimension of a Model. The
p2,1
p1,2 + p 2,1
U p2 = 1- p1 =
p1,2 p2,2 + p 2,1
Annals of Statistics, Vol. 6, pp. 461-464. 8.-
Taylor, S.J. (1986): Modeling Financial Time Series, Wiley, New York.
Normalmente se emplea la función de log-verosimilitud y no la de verosimilitud para facilitar los cálculos.
9.-
En este caso, la optimización a través de Solver requeriría probar con diferentes valores de partida, incluso optimizar parcialmente cada uno
Notes:
de los parámetros hasta que se observe que la función objetivo, es decir, la función de log-verosimilitud, no incremente su valor.
1.-
Dirección para correspondencia: Luis A. Otero González Facultad de Ciencias Económicas y Empresariales Universidad de Santiago de
10.- Utilizando los datos del ejemplo, hemos comparado el modelo RSLN
Compostela, C/ Baixada ó Burgo das Nacións, s/n 15.782 Santiago de
con otros más sofisticados como son los modelos ARCH, GARCH, RS-
Compostela (España). Telf: 986 573100 Ext. 11656, 11606,11607.
GARCH, llegando a la conclusión de que el modelo RSLN es el que
Correo:
[email protected]
mejor se ajusta al comportamiento de los rendimientos para plazos largos.
2.-
ICEA(www.icea.es).
3.-
El denominado Committee of European Insurance and Occupational
mayor valor de la función de log-verosimilitud ajustada por el número
Pensions Supervisors es un organismo creado en el año 2003 por la
11 de parámetros, es decir l j — k j . En el Criterio Bayesiano de Schwarz
Comisión Europea para gestionar el Proyecto Solvencia II. El CEIOPS
(SBC) se toma también el valor de la función de verosimilitud, pero el
está compuesto de representantes de las autoridades de supervisores de
ajuste tiene en cuenta tanto el número de parámetros como el tamaño
seguros y fondos de pensiones de Estados Miembros de la Unión
muestral ( l j —
11.- El criterio de Akaike (AIC) selecciona el modelo que presenta un
1 2
k j — In n ), dónde n es el tamaño muestral.
Europea. 12.- La distribución normal con media m y varianza s 2 tiene una función 4.-
La media aritmética anual calculada era del 11,5% y la desviación
de densidad dada por:
estándar era de 16,9% por lo que bajo la hipótesis de normalidad y para un VaR al 99,5% el factor resultante a aplicar es de -32%, (=2,57 x 0,169-0,115), cuantía que finalmente se aplicó en la propuesta.
f ( )
=
1
√2 π
( 2-s m) 2
exp
2
Sea ( ) y F( ) la función de densidad y la función de distribución de 5.-
Un modelo lognormal, un modelo GARCH(1,1), un modelo
la Ley Normal estándar o tipificada ( m = 0 y s 2 = 1). Entonces el VaR
MARCH(2;0,0;2,0), el RSLN, el RSDD, un modelo de cambio de régi-
y el TVaR de una distribución de pérdidas para una probabilidad p se
men GARCH(1,1) con dos regímenes (RS-GARCH) y un modelo de
calcula como:
volatilidad estocástica lognormal (SLV) basadi en la propuesta de la
VaR p(U) = m + sF 1( p) -1 [F ( p)] TVaR p(U) = m + s 1 - p
Academia Americana de Actuarios (American Academy of Actuaries o AAA).
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil : El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II Análisis Financiero n° 115. 2011. Págs.: 48-57
EL MODELO DE CAMBIO DE RÉGIMEN LOGNORMAL COMO ALTERNATIVA…
13.- El método de simulación Latino Hibercúbico (LHS) es un método de recogida de muestras por estratificación. Permite recrear una distribución con una mayor precisión para un mismo número de iteraciones que el método de Monte Carlo común, en el que las muestras son seleccionadas de forma completamente aleatoria. 14.- La metodología empleada por el CEIOPS para el cálculo del VaR consiste en asumir implícitamente que los precios están normalmente distribuidos lo que supone una mayor cola izquierda (riesgo) que la distribución lognormal. Dicha metodología aplicada a los datos evaluados en este trabajo proporciona una carga de capital de -47,45%, más en línea con los resultados obtenidos por los modelos más avanzados.
Luis Otero González, Pablo Durán Santomil, Sara Fernández López y Luis Ignacio Rodríguez Gil : El modelo de cambio de régimen lognormal como alternativa para la modelización del riesgo de renta variable en el marco de Solvencia II Análisis Financiero n° 115. 2011. Págs.: 48-57
57
60
ANÁLISIS FINANCIERO
Manuel López Antón*
Financial Analysts’ Information Requirements and Forecasting Accuracy
RESUMEN El impacto y la influencia de las opiniones y recomendaciones de los analistas financieros en la formación de precios de las acciones de compañías cotizadas, así como en los inversores, es muy fuerte y creciente. Sorprendentemente, y a pesar de este rol tan marcado que desempeñan en los mercados financieros, se conoce muy poco sobre el proceso de decisión que subyace a estos análisis y recomendaciones de inversión. Los objetivos principales de mi investigación son determinar cuáles son los requerimientos de información de los analistas financieros de cara a emitir sus recomendaciones de inversión, para posteriormente determinar la calidad de estas opiniones. La metodología utilizada con estos fines es la encuesta, que unida a la participación de analistas en el diseño del cuestionario, asegura la fiabilidad de los resultados. A esto se añaden los objetivos planteados, que en conjunto suponen una contribución muy original. Palabras clave: Analistas financieros, información, predicción
ABSTRACT The impact and influence of financial analysts’ opinions and advices on the stock prices of traded companies, as well as on investors, is heavy and growing. But surprisingly, and despite this key role they play in financial markets, few is known about the decision process that underlies this analysis and recommendation investment process. Main objectives of my investigation paper are first to determine which are the information requirements that financial analysts have in order to issue their investment advices, and second, to determine the quality and accuracy of these opinions and recommendations. The methodology used for this purpose is a survey, which leveraged on the participation of analysts in the design of the questionnaire, ensures reliable results. Additionally, the addressed objectives represent a very original contribution. Key Words: Financial Analysts, information, forecasting Recibido: 25 de Enero de 2011
*
Aceptado: 11 de Abril de 2011
Enterprise Management Systems Director en Telefónica Global Technology. Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
FINANCIAL ANALYSTS’ INFORMATION REQUIREMENTS AND FORECASTING ACCURACY
INTRODUCTION
The poor knowledge that exists about the information used and the subsequent decision process on which Spanish equity financial analysts’ analysis and recommendations rely on is a striking fact. These analysts have doubtless enormous impact on equity markets through their conclusions and investment advices, which information technologies make even bigger in the last years. Facing this lack of information on such a relevant matter, the first objective that this research addresses is to determine which are financial analysts’ information requirements in order to issue investment recommendations. To be more precise, the purpose is to get to know the complete set of variables considered by Spanish equity financial analysts when evaluating companies, that is, identifying the detail of every single variable relevant to this process, as well as its relative weight within the whole set of information. Leveraging on this first objective, it is also pretended to obtain a deeper knowledge on the role that certain aspects play on financial analysis, which are especially relevant nowadays from a regulatory as well as from a corporate transparency perspective. These aspects are the Financial Statement Variables that are relevant for the analysis process, the impact of International Financial Accounting Standards (IFRS) in the praxis, the relevance of Intangible and Strategic Factors, the importance of Corporate Governance, or the considerations on Stakeholders.
The aim is to obtain answers from the studied collective in order to know in detail all the Financial Statement Variables that are considered in the analysis process, to evaluate their relevance and weight in the complete set of variables relevant to analysts, and additionally evaluate which are the impacts of the “new accounting” in the activity of these Spanish equity financial analysts. With this research we want to investigate whether they judge this change in the standards as positive, and on the other hand, to which extent do companies and analysts know and master the new principles. We assume as starting hypothesis that the biggest impacts are the substitution of the “prudence in valuation principle” by the “fair value accounting” concept, which will lead to fluctuations in the value of the balance sheets of many companies (specially in those figures related
61
to financial assets), which in our opinion will result in the way companies were/are being analyzed. Further significant changes that we suppose to also be impacting on analysts’ tasks are, among others, the lack of a mandatory template for financial statements, or the higher level detail introduced in the notes to the annual report, which both could lead to confusion when looking at a company’s public information in a first moment. Another aim in this first objective, as already described, is to gather conclusions on to which extent do analysts consider intangible factors. Under this concept, we understand investors’ psychological aspects (through technical analysis variables which rely on analyzing investors’ behavioral paths that underlie these psychological aspects), as well as other intangible and strategical variables, as non material assets. For instance, research and development expenses, training, brands, human resources, ethical and environmental factors, among others, are the ones that underpin corporate innovation and change management processes, as well as their social image and reputation, which will determine the value of their products and services, operations, and therefore affect significantly their market value. These assets can not be capitalized and do not have a fair image in the financial statements, and it is just in some backup paragraphs in the annual reports where they can be found, so that one could think that their relevance for financial analysis is limited. Our statement is that, in case that their relevance for the analysis process is confirmed by this research, the first consequence should be to ask for a higher level of detail on these aspects in corporate information given to the markets, even through a clearer picture in the financial statements, or through additional and more precise chapters in the Annual Report. On the opposite, if the conclusion is that analysts do not incorporate these variables in their analysis process, it would speak against the robustness and value of this process, and would lead to doubts on its reliability. As a last point, and given the importance that we give to these factors, we also consider of high interest and relevance to know how are IFRS impacting the relevance of them for analysts, since in this area there are also changes due to the new accounting standards that go beyond the pure accounting perspective as we already commented: there are several differences with Spanish GAAP regarding valuation, amortization and impairment treatment of non-material assets, as well as
Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
62
ANÁLISIS FINANCIERO
regarding revaluation to fair value, or additional informative requirements in the annual report. More precisely, pointing at the differences in the valuation and recognition of intangible assets, goodwill, and research and development expenses, my interest is to determine if analysts show comments on changes in the importance given to these factors by them due to the new accounting regulations, as well as to check whether these comments are also reflected in the valuation given to these variables in the questionnaire. Strategical Variables are considered by me another key area
in order to evaluate a company’s perspectives, and therefore, the outlook for its equity. These variables are essential in order to assess management plans, which have to be focused on improving the competitive position within the market, as well as to adapt the company to the forecasted trends of this market. I want to know if analysts evaluate correctly a company’s growth perspectives based on an analysis of the industry’s present situation and its outlook, which doubtless affect stock prices of every company acting in it. Therefore, it can be seen as very basic to assume that an environmental analysis should be a very first step when looking at a company. But beyond that, analysts should also be capable of predicting in an approximated way the business (or business units) growth potential and future evolution, based on an analysis of weaknesses, threatens, strengths and opportunities (SWOT). Another aspect that significantly contributes to forecast future evolution is, in my opinion, the availability of accurate strategic plans, elaborated by the top management, aiming to improve the competitive position by defining achievable objectives, given a concrete competitive environment. The concept “corporate governance”, rather than being just a trendy expression, is intended to be the mechanism to ensure adequate management practices in companies, especially in publicly held ones, in order to guarantee shareholders’ rights. In general terms, corporate governance principles promote transparency, productivity, competitiveness and integrity. Starting from the assumption that a high level of corporate governance compliance implies high value addition for a company, its shareholders and risk reduction for investors and stakeholders, we find that actually, and increasingly, the assessment of corporate governance quality in companies is part of every analysis or investment process. On top of it, we can also find the first research papers published in several European, north American or Asian financial centres, which reveal that for many investors, this assessment is
becoming a must for their decisions, since a poor or weak corporate governance compliance is considered as one of the factors that have contributed strongly to the most recent and impressive corporate defaults in the last years. Accordingly, it seems logical to think that if investors cannot have a reasonable corporate governance assessment for a company, they will be more reluctant to invest or fund, and will ask in most of the cases for a higher yield for their money, in order to pay back this risk. As a consequence, this lack of control is causing a negative impact on a company’s image and increasing its cost of capital. We will see in this research if all these assumptions are shared among the analysts, or if on the opposite, the lack of concretion and mandatory adoption of some aspects related to the corporate governance regulations make them not be essential for financial analysis. To conclude with the detailed explanation of the first objective of this research, I consider that there are some final aspects which a company should pay attention on without any excuse, and that therefore should be measured and evaluated by analysts, along with the rest of economical and financial aspects, when looking at a company and recommending it as allocation strategy for investors’ funds. The advantages of a company responsible towards its stakeholders and well renowned should in my opinion be reflected in its share price, and therefore should be a basic information piece for analysts. Indeed, the number of rankings and indexes related to corporate social responsibility is growing strongly in the last years, along with the interest on them. All these principles rely on various aspects, among which I consider that the most relevant ones, according to their social impacts, are the ones linked to ethical behavior, environmental concern and social consciousness. The existence of indicators and indexes to measure and benchmark social responsibility is automatically translated into pressure form capital markets towards companies to meet standards, but unfortunately, compliance and quality levels of social and environmental reporting is not as high as desirable. As a last remark on the first objective of this research, I hope that it can be seen as a summary of local most extended practices for analysts, on what information requirements is referred, that can also be considered as a benchmark, since it aims to be a compendium of best practices among Spanish equity financial analysts. On the other hand, managers of companies subject to analysis by the former, could also find this paper as a guide towards the specific information that
Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
FINANCIAL ANALYSTS’ INFORMATION REQUIREMENTS AND FORECASTING ACCURACY
analysts look for, and specifically, which aspects are the most relevant ones in order to evaluate a company’s equity. Regulating entities could also find a good approach in this research towards information needs that financial analysts show, which are either not formally requested in corporate reporting or missing. Finally, this research could also be useful to better understand some aspects determining analysts’ forecasts and therefore better determine the level of regulation of their activity. The second main objective of the present research is, based on the identified analysts’ information requirements, assess the quality of their investment advices and contrast their forecasting accuracy on the analyzed stocks. This objective embeds the discussion in the last years on the reliability of these advices and on analysts’ independence, that has led to a strong confidence loss among investors and market players in general towards analysts. These analysts, as already pointed out, reach millions of investors through the media and internet, and at the same time, are part of the banking industry profit centres. Investment bankers wish that they help them to close deals, by issuing positive advices on their customers’ stock, and brokers wish that those analysts with influence on institutional investors (such as investment funds managers) generate transactions with their investment advices. As additional factor there is also to be considered the analyst concern about his/her own professional career: the power obtained through their influence by some analysts makes that they use this influence to issue advices that help their companies generate revenue, what indirectly implies benefits for themselves. There are several regulators and economists that think that this career concern and the related pressures have limited influence on investment advices, but on the other hand, there seems to be enough evidence on the fact that an analyst employed by an entity that has commercial relationship with an analyzed company, tends to issue more positive recommendations on that analyzed company than analysts employed by other independent institutions, due to the fact that financial services companies tend to encourage and “optimistic” analysis that generate business for other business units. Another aspect to take into account is that this skewness has influence on the level of regulation that the analysts’ activities must have. The first aspect that is intended to be regulated lately is the segregation of tasks and duties within financial institutions, in order to avoid conflicts of interest and to enhance
63
transparency in operations, with rules like the Investment Services Directive in the EU. As a last point to keep in mind, we must not forget that there are some other reasons being pointed out as causes of the low quality of analysts’ recommendations, totally different from the ones described above, and that seem very difficult to avoid through regulation. One of them is the so-called “optimistic skewness of recommendations”. This skewness is mainly attributed to two causes: First, it is believed that analysts tend to issue positive recommendations, since they normally can choose which companies they are going to analyze and issue comments on. Therefore, they normally issue advices when they see good perspectives for a stock, but in few cases publish negative news when looking at a company with weak outlook, what could be understood by the fact that an analyst who identifies stocks with price increase potential, and therefore yield expectations, is increasing his/her own reputation, since he/she is showing that he can pick “winner stocks” at the right moment. This increase in reputation has clear benefits for the analyst, same from a self-esteem point of view, as from a professional career perspective. A second explanation for the “optimistic skewness” would be that an optimistic analysis is easier to sell than a negative one: when issuing recommendations, positive advices which imply potential wins are attended by a greater number of investors (have a broader audience) and this will probable mean a higher number of transactions in the market and therefore higher income for the financial institutions analysts work for, while a negative advice (sell recommendation) just has value for a certain group of investors that hold positions in that specific stock and could be interested in reversing their position. Once we get the answers from the analysts in this research regarding the second objective, we will see if financial analysts’ recommendations value, based in the obtained analysis model, is high and allows to forecast the performance of the analyzed stocks, as well as to judge if we can detect skewnesses that could be based in some of the causes external to the analysis process and described before (pressures, conflicts of interest, individual skewness, etc.). This demonstration will also allow us to contrast until which extent can we talk about efficient markets: Does all available information reach all the users and players in the same way, as the Efficient Markets Theory concludes? And even if this
Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
64
ANÁLISIS FINANCIERO
is the case, do all of these users and players (and particularly analysts) consider, analyze and interpret these informations in the same way and give the adequate importance to all relevant data? In this sense, the present research aims to identify financial analysts’ information requirements, that maybe are not fulfilled by the information available in the markets (due to the existence of non-public information that is not accessible, or due to the lack of detail of other available pieces), as well as to determine forecasting accuracy of the variables employed by analysts, once their information requirements have been identified. This forecasting accuracy will of course depend to some extent on the analyst’s ability to select, compile and analyze data, what could lead to advantages of some analysts towards others, leading to adjustments in stock prizes not as automated as the Theory assumes.
by analysts. More precisely, this research allowed to identify each single variable that analysts employ when performing corporate analysis, so that a set of 36 variables were the ones that were evaluated with the highest scores, according to the established selection criteria, and thus are the ones employed by analysts.
RESEARCH METHODOLOGY
Nevertheless, despite the importance of macroeconomic factors in the whole set of information requirements, some variables like Salaries Evolution or Tax Policy are not considered as relevant ones by analysts. This is a surprising fact for me, since the Salaries Evolution is normally linked to demand forecast and therefore potential price increases (inflation), while Tax Policy has a clear impact in savings and investment distribution, and thus in capital markets. It is also surprising the lack of importance addressed by analysts towards Unemployment Rate, as a leading indicator for growth perspectives and prices evolution, Public Deficit, as indicator for the actual and future economic outlook, as well as for inflationist pressures or potential changes in interest rates according to its level, or the PMI Index, as GDP leading indicator.
The data obtaining method for this research consisted in a survey based on a questionnaire, addressed to the complete group of senior equity financial analysts in Spain that issue analysis reports and advices/recommendation. This methodology, along with the collaboration of analysts in the questionnaire design, guarantees the reliability of the results of the present research. The surveyed group was invited to evaluate a set of 87 variables, containing Macroeconomic, Strategic and Industrial Analysis, Financial Statement (Fundamental), Technical Indicators and Non-Financial and Intangible variables.
From the first group of variables included in the questionnaire to be evaluated, consisting of 11 macroeconomic variables, the Gross Domestic Product (GDP), Consumer Price Index (CPI), Commodities Price Level and Interest Rates Level are the better rated ones. Moreover, Commodities Price Level is shown as especially relevant for the Energy&Chemicals, Pharma&Health and Hardware Industries. This first group of variables was weighted by analysts as 16% on the overall.
RESULTS
I obtained and analyzed answers from 138 analysts of both genders, highly experienced, specialized in 7 industries and employed in Spain. These characteristics represent a sample that is diverse and representative of the financial analysts’ community in our country as a whole, from which I obtained as a result the complete set of variables that analysts consider most important for their analysis process and resulting recommendation. The conclusions derived from analyzing the obtained results show that analysts base their task mainly in financial statement and strategic and industry variables. Macroeconomic variables and intangible factors are also relevant, but on a second level of importance, while technical analysis is rarely considered and is classified as non-relevant
Looking at the second group of variables to be evaluated, relative to Industry Analysis and Strategical Variables, 12 out of 13 evaluated factors were considered relevant by analysts. This strengthens the importance of those variables determining competitive position based on Porter Five-Forces-Model, as well as of those relative to an industry and its expectations and the strategic factors. Specially high ranked were the variables Industry Expectations, Competitors’ Strength, Price Policy, Entry Barriers, Sales Volume, Market Share, Diversification, Top Management’s Strategic Vision, Regulation, Customers’ Profile and Product Portfolio. This second group of variables was weighted a 29% towards the whole ser, what also points out its key relevance, consistent with my hypothesis.
Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
FINANCIAL ANALYSTS’ INFORMATION REQUIREMENTS AND FORECASTING ACCURACY
Regarding Financial Statement Variables, which form the third considered group of variables, the best rated are the ones relative to corporate results, where we can see that EBITDA is the best valued dimensions and therefore the most widespread and used ones. This variable eliminates non-operating distortions from the corporate result, strengthens the statement placed in the second chapter of this research, saying that it allows a more homogeneous comparison among companies. Anyway it is also demonstrated that analysts also need to rely on other information, probably due to the fact that since EBITDA does not include financial expenses nor amortization, some key aspects like debt levels are not being reflected properly, which could hide risks related to interest rate rises or certain tax changes. So, the Business Annual Result, its Rate of Change compared to the previous exercise, the Operating Income or EBIT, as a picture of a company’s main activity income, and the Operating Margin, as a signal for profitability, efficiency and competitive position are all of them highly rated variables. CAPEX, Cash Flow generation and Level of debt are also variables considered relevant. On the other hand, other public information that could be considered as relevant from a theoretical point of view, as the Net Income figure and its evolution, are being considered relevant for the analysts but are not rated as ‘very important’. This particular case could be understood by the possibility of manipulating this figure by companies in order to show a desired image, through changes in accounting policies such as amortizations or stocks. This possibility could lead to lack of confidence in these variables for the analysis process. The fact that analysts overweight cash flow to result figures as information source seems also to underpin this statement, since cash flows are very difficult to manipulate. The relevance of the variables employed for calculating a company’s value is also confirmed in this research: the Multiples Valuation Method (valuation using multiples) is the most extended one among analysts. The lean approach that it implies leads obviously to less funded hypothesis and less exhaustive calculations than for example Discounted Cash Flows (DCF), but its high scores show that the former is the most employed one, ahead of other existing ones. The most extended alternative is the Discounted Cash Flow Method is ranked second by analysts, but its scores show high Standard deviation, what could reflect a not so intensive use because of being more complex. The last method considered by analysts is the
65
Discounted Dividend Model, which remains to be used, based on the Equity Risk Premium Variable. This “classic” method is not as widespread as I could have imagined, and has apparently lost positions in comparison with the already commented Multiples and DCF, but is doubtlessly still being used by analysts. The fourth method to be evaluated, Real Options Method, is not considered as relevant by analysts. In my opinion, its higher complexity in comparison to the other methods is determinant. As a conclusion, it seems that analysts prefer a more lean approach to value calculation, which can be complemented in most occasions by more sophisticated ones like DCF or Dividend Discount methods. Ratios like Investment Rate of Return (IRR), Return on Equity (ROE), Income per Share and Price/Benefit, complete the set of financial statements variables employed by analysts. It is clear that financial statements analysis is a key area within a company’s analysis process. But it was also interesting to see that the scores of all of these variables were not as high or at least as homogeneous as could be presumed, since this is the group of factors that nobody would doubt to point out as the most relevant ones for analysts in any case. For instance, variables like Liquidity Ratios, Book Value per Share, Market Capitalization, Stock Volatility, Cost of Goods Sold (as a measure for efficiency and closely linked to operating margin) or even the Notes to the Annual Report, are almost completely irrelevant for financial analysts. It is even more surprising that other ratios and variables presumed to be widely extended and which are doubtlessly relevant when valuating companies, such as Working Capital (accounts payables and receivables levels are good revenue leading indicators) or R&D expenditures1 (key aspect from my point of view for a company’s growth and survival in a global environment) are rated below ‘important’ by analysts. This means that they are not being usually considered by them when performing analysis. The stock valuation method or the accounting conservatism are neither being considered. The interest of such aspects, in times when transparency and confidence in corporate information is highly valued by the markets, makes this fact even mores surprising. This same situation occurs when looking at Economic Value Added (EVA), that seemed to be growing in importance in the last years as a measure for value creation within a business.
Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
66
ANÁLISIS FINANCIERO
The weight given by the analysts to this group of variables relative to the other tour groups was 39%. This means that fundamentals are the most important bundle of factors from their point of view, since it represents 39% of their information requirements. As a final issue to close the analysis on the financial statements variables, and as a relevant aspect within the first main objective of this research, the impact of IFRS on financial analysts’ information requirements was analyzed. The main conclusions achieved are first that among companies analyzed by analysts, as well as by analysts themselves, IFRS knowledge is considered high by the latter. Nevertheless, 17% of the analysts still admit that their own knowledge of IFRS is low or even very low. This means that the situation has improved as awaited, in comparison to 2004, but this remaining 17% of analysts lacking knowledge seems to me very high, since 2007 is the third exercise in which IFRS apply, so that it is a fact that can be considered as a warning sign. Regarding the impact of the policies change, there is some agreement (53% of the answers) on considering it as positive, with only one point being generally identified as negative: the change has made benchmarking easier, specially the international comparison among companies in the same industries, but there is a 26% of the analysts that consider it negative due to causing volatility in financial statements and distorting, what underpins my comment in the introduction. It is anyway surprising the low importance given by analysts to the Notes to the Annual Report, since as I already commented, this information becomes more relevant under IFRS by describing financial statement presentation basics, describing applied accounting policies and detailing information that is nowhere else shown in financial statements. Other aspect that is not even mentioned by analysts is the impact of intangibles recognition. Intangibles, as I will explain in the following paragraphs, are not paid much attention by analysts, but it is also clear that this is not linked to the accounting regulation shift. As a last comment regarding IFRS, the change in policies regarding the analysis tasks is said to be a very strong impact by 40% of the surveyed, due to financial statement reconstruction and analysis models refurbishment as a consequence of lacking historical data series. Additionally, higher volatility introduced by “fair value” valuation, which also
implies higher difficulty when working with estimation models, is also mentioned. The biggest impacts of “fair value” valuation are addressed by analysts to depreciations and goodwill. 34% of the analysts consider the shift to IFRS as a neutral or marginal impact, while 26% consider it as low, since they argue that with IFRS there is more and clearer information as well as more homogeneous among companies, specially in an international environment. Therefore, opinions among analysts are not very common regarding this aspect, but we could say as a general conclusion that the change is perceived as a strong but positive impact for their analysis tasks. The next group of variables within the analysis of the obtained results consists of the Technical Indicators. These are not in general terms a very widespread tool for analysts as we see from the obtained results, and therefore, the behavioral finance hypothesis that states that anomalies in markets are a result of individual skewed behaviors, persuasive enough to interfere in market prices, does not seem to be observed by analysts, since they do not show confidence in psychological patterns that underlie both behavioural finance theories and technical analysis. The weight of this group of variables also reflects its low importance for analysts, with just a 5%. As final set of variables, “Non Financial Variables and Intangible Factors” also show a quite low weight in the model compared to the other groups of items (11%). Management Skills, meant as their ability to drive the company, and the so called “Changes in Management Skills” variable, that reflects restructurings in the top management and its impact in the former variable, are the ones that obtain better valuations from analysts, along with the Shareholding Structure, which shows that analysts react on potential governance problems related to the existence of minor shareholdings or complex shareholding structures in companies. Corporate Reputation, as a result of success factors and intangible value, along with Brand Value are also variables considered by analysts for their purposes. On the contrary, none of the other variables included in this group is relevant for analysis according to the obtained results, which for me is quite surprising. I have already mentioned that from my point of view, all these aspects are key success and strategic factors for any company and its outlook, and it is also international consensus in the markets,
Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
FINANCIAL ANALYSTS’ INFORMATION REQUIREMENTS AND FORECASTING ACCURACY
that these intangibles are the underlying levers in innovation, change management, social image and reputation, and therefore market value. From this point of view, is hard to understand that variables as Accounting Conservatism, that shows managers’ prudence when applying accounting policies on the one hand, and changes in criteria on the other hand, or Corporate Governance compliance, also considered a central aspect from my point of view, specially since lack of transparency and conflicts of interest have already caused severe value losses and even company defaults, are not taken into account by analysts. The lack of concretion and not being compulsory, could be the reasons for Corporate Governance Principles not being relevant for financial analysis in our country, but anyhow, it seems that all the transparency efforts that this compliance implies, do not show a payback in terms of a better perception among analysts of compliant companies. Employees Know-How, as the level of knowledge of the human team of a company, also usually referred to as “human capital” lately, which is from my point of view a key aspect for any company, in an environment based more and more in differeciation based on knowledge and specialization, as well as Investments in Employees Know-How, which correspond to efforts related to training and development, are both variables that give critical information about a company’s competitive capabilities and are key aspects to understand an organization’s potential and flexibility to adapt to environmental changes. Despite their theoretical importance, these variables are not among the ones selected by analysts as important or relevant ones. This is the same case as for the variables Gained and Lost Customers, Product Reputation and Changes in Product Reputation. Customers are the most valuable asset of any business and I can say without any doubt that without customers, a company’s value is equal to zero. On top of that, customers define a company’s lifecycle and transmit consumers’ perception of a company in the market (customers and potential customers), which implies in my opinion an indication of success or failure of a bundle of management factors, such as corporate strategy, commercial and marketing effectiveness, or perceived product quality. This consumer perception should also reflect in “Perceived Product Reputation”. Other aspects, maybe not so closely linked to evolution in value creation by companies, but very relevant from my
67
point of view, due to the role of corporations in society, are also not being considered by analysts, as the results of the survey show. Variables such as Environmental Awareness, Social Awareness and Ethical Behavior are far away from being rated as important by them. Therefore, the conclusion that can be drawn is that analysts do not consider these when analyzing companies, which from my point of view, should be part of any analyzing exercise when assessing a company’s value, especially when talking about publicly held companies, which should maintain strong links with their stakeholders. The low valuation of these factors is also incoherent with the perception of analysts from Europe and United States, that tend to consider these factors and give importance to them, and is even more surprising in the actual environment, in which companies behavior towards the societies in which they act is growing in importance and impact. Therefore, I consider that these variables should without any doubt become more relevant when advising investors where to place their investments. It is demotivating to see how analysts, being stakeholders and opinion leaders themselves, do not show personal and professional ethics that implies not recommending a company’s equity that could show reprehensible behavior in any of these aspects. Benefits and advantages in a company responsible towards its stakeholders should in my opinion be reflected in its stock price, and should then be a key input for analysts. Anyhow, and according to the analyzed results, I can conclude that no additional information split or detail regarding intangibles is necessary from the analysts’ perspective, since they are not in general terms relevant information pieces for them. The statistical analysis of the results has allowed, as already explained, to define the definitive set of variables that reflects Spanish equity financial analysts information requirements, as well as to identify characteristics of the sample that are interesting facts. As an example, and as last result of this analysis, it has been possible to segment the sample based on some characteristics of the individuals, extracted from their answers to the survey. This segmentation results in two groups of analysts, that reveal different information requirements, since a group of analysts do not consider intangible factors at all for their analysis, while other group does, but even in this case, as already mentioned, intangible factors are not very relevant anyway. Apart from this, there is no further segmentation in the sam-
Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
68
ANÁLISIS FINANCIERO
ple, what is a positive sign, because it shows that the obtained model can be generalized and assumed as a valid reference. The obtained results give a clear and accurate view, through a specific set of variables, of financial analysts’ information requirements, what fulfils the first main objective of this research. The obtained detail information described in the former paragraphs also gives answers to all secondary aspects within this first main objective. The second main objective of my research is to assess financial analysts’ recommendations quality, based on the former information requirements, and therefore contrast their ability to forecast the evolution of an analyzed stock. For this purpose, a model is built, that allows an empirical application of an analysis and recommendation process for certain stocks, based on the formerly explained results. This empirical exercise is completely based in real market data, relative to Spanish companies traded in the Spanish IBEX 35 Index (Bolsa de Madrid). Specifically, I selected seven companies that represent the biggest one in every activity branch (and sector of specialization of the analysts) within the IBEX 35, from a market value perspective, and which also are top multinational companies worldwide. At the moment the research was conducted, these companies were ACS (ACS), in the hardware and construction industry, Banco Santander Central Hispano (SAN), in the financial industry, Inditex (ITX), retail, Prisa (PRS), media, Repsol (REP), utilities, Telefónica (TEF), telecommunications, and Zeltia (ZEL), in the pharma and health business. Zeltia is included as the main traded company in the “mercado continuo”, even though its stock is not traded in the IBEX, since there is no other company in this industry traded in the index. Besides, Grupo Prisa is no longer part of the index, but it belonged to it in the moment the research was performed. By analyzing data and information published by these companies in their financial statements, as well as by specialized media, after year 2006 was closed (2006 figures), all relevant information related to the 36 variables that build the model is extracted, detailed and carefully analyzed. All of them are also weighted according to the variable group to which they belong, according to the model, in order to issue based on it a global valuation of each company, that leads to an investment advice for their stocks for the first half of 2007, and
especially for the fist quarter. This recommendation is afterwards compared with the real evolution of each stock price during 2007, and more specifically in the first half, in order to verify how accurate would the recommendation have been if issued in that moment of time, according to the exercise. Additionally, all recommendations are compared to the consensus recommendations for each stock. With this empirical exercise, it is demonstrated that the Model works and allows, based on an exhaustive information collection for every company, to forecast stock prices evolution and therefore, to issue solid investment advices. Nevertheless, the former statement has to be slightly commented. It is totally exact for the cases of ACS, Inditex, y Repsol, and for Telefónica, with a slight temporary gap in this case. For Zeltia, I consider that it is very difficult to issue a recommendation, due to the peculiar situation of its business, but even in this case, the issued recommendation was able to forecast its stock price evolution. In the cases of Prisa and Santander, this Model based on financial analysts’ information requirements does not explain those stock behaviours completely. The forecast and advice relative to Prisa is not wrong, but is not as accurate as in the former cases, while the result for Santander does not forecast stock price evolution at all. From another point of view, the issued recommendation based on the Model is consistent in all cases with the consensus recommendation for the selected stocks, so that this confirms that the information requirements identified by analysts, and the output of the resulting Model, are the ones applied by them in order to issue their investment advices. This fact is by itself an original and valuable contribution of this research from my point of view, since as it is known and specialized sources such as Starmine states, Spanish analysts are among the best rated in Europe, and this rating is therefore extensible to their working practices. CONCLUSIONS
The final conclusion to which I arrive after analyzing the results of this research is that it is a fact that the Financial Analysts Information Requirements Model is a solid and wide one, based on the practical reality of these professionals, that allows to build a trustworthy and valuable forecast on the future trend of a stock, and therefore to issue valid and reliable investment advices.
Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
FINANCIAL ANALYSTS’ INFORMATION REQUIREMENTS AND FORECASTING ACCURACY
In the two identified cases where the Model was not totally able to forecast accurately, there is the influence of a corporate acquisition process, that I feel could have impact on the subsequent behavior of the stock and market reactions. In any case, the lack of exactitude of the Model in those cases could also derive in my opinion from the low degree of utilization of intangible factors by analysts, same the psychological ones as other intangible and strategical variables, that underweight factors as innovation activities, change management, social responsibility or corporate governance in the Model, what I insist to consider a deficiency in the Model, that should definitively contribute to improve forecasting quality and accuracy. Other possible causes of these deviations could be the already mentioned as external factors to the analysis process, but which can put into question analysts independency and ethics: conflicts of interests (internal and external), analysts concern about their own professional career, optimistic skewness in recommendations, all of them can deviate considerably an analyst’s forecast. This could be an explanation for Santander, where the consensus advices strong buy of the stock (and thereby generates potential business and audience for the analyst, and is interpreted as an investment opportunity identified by him/her, etc.), while the stock price falls thereafter. However, my recommendation, based on the analysis of the elements in the Model and free of any skewness, is coherent to the consensus, so that in this case, the biases linked to analysts’ behavior can be discarded. In the case of Prisa, consensus is divided among buying and maintaining the stock, but mainly recommending to buy, what could be considered as too optimistic compared to the analysis obtained from the Information Requirements Model, but anticipates better the subsequent path, so that beyond identifying any bias, it seems that a group of analysts is able to issue a better forecast, probably based on better interpretation of some data, or by incorporating additional information to the one used in the Model. In the case of Santander, the announcement of other similar information not incorporated in the Model could also be a source of deviation.2
69
As a conclusion, and relative to the second main objective of my research, I suppose that the obtaining of the Information Requirements Model as a common tool for Spanish practices and with a demonstrated practical usefulness, can serve as a guide to analysts and as pattern to which they can adapt their current practices, even from a theoretical point of view (as a best practices reference), so that they can, based on these practices, guarantee independence or at least standardization in the analysis of companies, previous to the final recommendation issue. This aim, embedded in the second main objective of the research would in my opinion a way of avoiding skewnesses and influences that lead to lack of confidence and scepticism among investors towards analysts recommendations value, as well as to avoid pressures and conflicts of interest, that end up in a worsening of the quality of their activity. Finally, company managers and responsibles, as main collective interested in analysts’ information requirements, can find in this research a guide towards specific information that analysts look for. Summing up, the objectives established for this research have been fulfilled successfully, since it has allowed to know deeper the decision process that underlies analysts recommendations, unknown until now despite their influence and potential consequences towards investors. Besides, it is now clear that there are solid and detailed information requirements among analysts, that show some shortages relative to intangible factors, but that anyway allow to elaborate analysis, forecasts and subsequent precise and accurate recommendations. This Model allows therefore to state that we face a semistrong efficient equity market stock prices include all information related to historical prices and events, along with all the published information available in the market. However, the interpretation and selection of all this information allows a collective of experts, financial analysts, to incorporate this input to stock prices, anticipating the mechanism through which all the other market participants will do. MAIN REFERENCES
In any case, it is clear that the practices of financial analysts in Spain must remain free of any suspicion relative to skewnesses and lack of transparency, as demonstrated by this research.
ABARBANELL, J. S. (1991). “Do analysts’ earnings forecasts incorporate information in prior stock price changes?”. Journal of Accounting and Economics. Vol. 14, p.147-165.
Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
70
ANÁLISIS FINANCIERO
ABARBANELL, J. S. y BERNARD, V. L. (1992). “Tests of analysts’ overreaction / underreaction to earnings information as an explanation for anomalous stock price behavior”. Journal of Finance. Vol. 47, p. 1181-1207. BARBER, B. et. al. (2001). “Can Investors Profit from the Prophets? Consensus Analyst Recommendations and Stock Returns.” Journal of Finance, Vol. 56. BARBER, B. et. al. (2001). “Prophets and Losses: Reassessing the Returns to Analysts’ Stock Recommendations.” Research Paper No. 1692. Graduate School of Business. Standford University, Mayo. BEAVER, W. H. (1968). “Market prices, financial ratios, and the prediction of failure”. Journal of Accounting Research. Suplemento, p. 71-127. BEAVER, W. H. (2002). “Perspectives on recent Capital Market Research”, The Accounting Review. Vol. 77:2, p. 453-474.
FAMA, E. F. (1997): “Market Efficiency, Long-Term Returns, and Behavioral Finance.” Working Paper . Graduate School of Business, University of Chicago. June. FAMA, E. F. y JENSEN, M. C. (1983). “Separation of ownership and control”, Journal of Law and Economic s. Vol. 26, p. 301325. GRAHAM, C. M., CANNICE, M. V. y SAYRE, T. L. (2002). “Analyzing Financial Analysts. What They Look for in Financial Reports and How They Determine Earnings Quality”. Journal of Management Research. Vol 2, Nr. 2, Agosto. GRAY, K. R. (2005). Corporate Scandals: The Many Faces of the Greed. Minnesota, Paragon House. GU, Z. y WU, J. S. (2003). “Earnings skewness and analyst forecast bias”. Journal of Accounting and Economics. Vol. 35, p. 5–29.
BROWN, L. D. y CAYLOR, M. L. (2004). “Corporate Governance and Firm Performance”. Working Paper. Georgia State University, Georgia.
HONG, H. y KUBIK, J. D. (2001). “Analyzing the Analysts: Career Concerns and Biased Earnings Forecasts.” GSB Working Paper . Graduate School of Business. Standford University, Diciembre.
CANO, M. A. y CASTRO, R. M. (2003). “El buen gobierno corporativo como solución a la crisis de confianza”. Normaria. Vol. 12, p. 1-2.
HOPE, O-K. (2003). “Disclosure practices, enforcement of accounting standards, and analyst’s forecast accuracy: An international study”, Journal of Accounting Research . Vol, 41:2, p. 235-272.
CAÑIBANO, L. y GISBERT, A. (2004). “Principales cambios en la valoración contable de los activos intangibles”. En: Revista del Instituto de Estudios Económicos. Vol 4 (2003) “Impacto de la nueva contabilidad en el valor de la empresa española”, p. 187221.
LARRÁN, M. y REES, W. (1999). Técnicas, recursos informativos
CARDONA, J. (2004). “Aumenta la confusión ante la nueva contabilidad”. La Gaceta de los Negocios. 16 Noviembre 2004. CORDELL, D. M. (2001). “Investment Advising in Good Times and Bad.” Journal of Financial Service Professionals . Vol. 55, Julio, p. 74-85. EARNES, M., GLOVER, S. M. y KENNEDY, J. (2002). “The association between trading recommendations and broker-analysts’ earnings forecasts.” Journal of Accounting Research. Chicago. Vol. 40, Marzo, p. 85-104.
y prácticas seguidas por los analistas financieros en España: Un estudio empírico.
Instituto Español de Analistas Financieros, Documento 1. WOMACK, K. (1996). “Do Brokerage Analysts’ Recommendations Have Investment Value?.” Journal of Finance, Vol. 51, p. 37167. Notes: 1.- The variable R+D expenses is also part of the model, but exclusively for the pharma&health industry, where analysts rated it as very important. 2.- Close thereafter (February 2007), the acquisition of the Portuguese media group Media Capital by Prisa was announced. Besides, Santander communicated also in February 2007 its intention to increase its share in the United States bank Sovereign.
Manuel López Antón : Financial Analysts’ Information Requirements and Forecasting Accuracy Análisis Financiero n° 115. 2011. Págs.: 60-70
72
ANÁLISIS FINANCIERO
Mario Bajo Traver* y Emilio Rodríguez Alfonso**
Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Active bond portfolio management: a quantitative duration model
RESUMEN El objetivo de este artículo es desarrollar una metodología cuantitativa de inversión aplicada a una cartera de renta fija que ajuste dinámicamente la duración de la misma mediante la utilización de señales generadas por variables explicativas del comportamiento del mercado de bonos. Este enfoque de inversión se conoce como inversión basada en reglas. Se mostrará cómo una gestión activa de duración basada en reglas sistemáticas, arroja un resultado, en términos de rentabilidad-riesgo, muy superior a una cartera pasiva que no ajusta su duración. Palabras clave: Modelo cuantitativo / bono / gestión activa de carteras / estrategias de renta fija / inversión basada en reglas / duración
ABSTRACT The aim of this article is to develop a quantitative investment methodology applied to a fixed income portfolio which adjusts dynamically its duration through the use of signals generated by explanatory variables of the bond market. This investment approach is known as rule-based investment. It will be shown how active duration management based on systematic rules provides far superior results, in terms of profitability and risk, compared to a passive portfolio which does not adjust its duration. Keywords: Quantitative model / bond / active portfolio management / fixed income strategies / rule-based investment / duration “Si buscas resultados distintos, no hagas siempre lo mismo” Albert Einstein
Recibido: 22 de Febrero de 2011
Aceptado: 11 de Abril de 2011
*
Licenciado en Ciencias Económicas por la Universidad Autónoma de Madrid. MSc en Economía por la London School of Economics. EFA ( European Financial Advisor) por EFPA. Actualmente trabaja en la División de Gestión de Activos del Banco de España. ** Licenciado en Ciencias Económicas por la Universidad Complutense de Madrid. Máster en Economía por la Universidad Carlos III de Madrid. CFA (Chartered Financial Analyst) por CFA Institute. Actualmente trabaja en la División de Gestión de Activos del Banco de España Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
GESTIÓN ACTIVA DE UNA CARTERA DE BONOS: UN MODELO CUANTITATIVO DE DURACIÓN
1. INTRODUCCIÓN El gestor de renta fija se enfrenta diariamente a multitud de decisiones en relación a los mercados en los que opera; de todas ellas, quizá la decisión principal y más difícil de tomar es qué posición adoptar en duración en relación al índice de referencia frente al que gestiona, es decir, el gestor ha de seleccionar el trade-off adecuado entre un mayor retorno para la cartera y qué precio pagar en términos de una mayor exposición al riesgo de tipo de interés. La predicción de las fluctuaciones en el mercado de bonos es una tarea extremadamente difícil. Sin embargo, estos movimientos de mercado no son totalmente impredecibles; es posible identificar periodos en los cuales la recompensa por adoptar estrategias activas de extensión de duración arroja un exceso de retorno frente al benchmark anormalmente alto o bajo (ver Ilmanen [1997], Ilmanen y Sayood [2002] y Yamada [2001]). El objetivo de este artículo es desarrollar una metodología de inversión, para una cartera de renta fija, que ajuste dinámi-
73
camente la duración de la cartera mediante la utilización de señales generadas por variables explicativas del comportamiento del mercado de bonos. Este enfoque de gestión se conoce como inversión basada en reglas (rule-based investment 1). Se mostrará cómo una gestión activa de duración basada en reglas sistemáticas arroja un resultado, en términos de rentabilidad-riesgo, muy superior a una cartera pasiva que no ajusta su duración a distintos momentos de mercado o ciclos económicos. 2. PROCESO DE INVERSIÓN DE UNA CARTERA DE RENTA FIJA A grandes líneas, el proceso de inversión en una cartera de renta fija gestionada frente a un índice de referencia, consiste en un conjunto de decisiones o apuestas que podemos tomar en relación a distintos aspectos del mercado de bonos:
Proceso de inversión de una cartera de renta fija
Figura 1
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
74
i)
ANÁLISIS FINANCIERO
Duración. La primera decisión a tomar en la gestión de una cartera de bonos, y quizá también la más relevante a efectos de impacto sobre el retorno -en el caso de bonos de la mayor calificación crediticia- es decidir la exposición de la cartera al riesgo de tipo de interés. En relación al índice de referencia frente al que gestionamos (sea táctico o estratégico) hemos de adoptar una posición relativa en términos de duración – posición larga, neutral o corta-, decisión que se basa principalmente en la visión que tengamos acerca de la dirección general de los tipos de interés o, dicho de otro modo, sobre movimientos paralelos de la curva de rendimientos. ii) Posicionamiento en curva. Para cada curva en la que podemos operar, ya sea de Tesoro o de crédito, hemos de decidir la exposición de la cartera a riesgo de curva de tipos, pudiendo adoptar una posición de aplanamiento ( flattening), apuntamiento (steepening) o una combinación de las dos anteriores (butterflies), (ver Bajo y Rodríguez, [2010b]). La decisión se puede basar, bien en la visión sobre movimientos no paralelos de la curva de tipos, o en algún método de valoración relativa de los distintos tramos temporales, como puede ser a través del rolling yield o suma de carry y roll-down al horizonte de inversión (ver Leibowitz [1979], Ilmanen [1995], Bajo y Rodríguez [2010a]). iii) Crédito. Dentro del universo de activos permitidos para la inversión en base a los límites de riesgo establecidos para la cartera, el gestor ha de decidir el nivel de exposición a activos con un mayor riesgo de crédito frente a la alternativa de posicionarse en bonos de la mayor calificación crediticia, como puede ser la deuda pública del Estado2. En el mercado de renta fija de EEUU, un ejemplo de esta decisión consistiría en el grado de exposición relativa a la curva swap o a agencias estadounidenses frente a títulos emitidos por el Tesoro norteamericano. La decisión del grado de exposición a crédito depende principalmente de dos factores: de la visión que tengamos sobre el atractivo del nivel del diferencial ofrecido por el activo de riesgo -frente al activo de menor riesgo- y de la evolución futura de dicho diferencial de crédito -de estrechamiento o ampliación del credit spread -. iv) Selección de títulos. Para cada una de las distintas curvas de rendimientos, y teniendo ya decidida la distribución táctica de la cartera por tramo temporal, el
siguiente paso es seleccionar qué bonos van a componer la cartera. Para ello se lleva a cabo un análisis de valor relativo, proceso también conocido como “bond-picking” o “rich-cheap analysis”, el cual busca detectar aquellos bonos que, por alguna razón, aparecen infravalorados en términos relativos, invirtiendo en ellos o sobreponderándolos frente al benchmark , y a su vez, vender o infraponderar aquellos títulos que el análisis identifica como sobrevalorados. Este procedimiento llevaría a tener en cartera emisiones distintas a las que componen el índice de referencia, tratando de generar valor añadido a través de la selección de bonos3. La figura 2 muestra un ejemplo de posicionamiento relativo de una cartera de renta fija en términos de duración, curva y crédito.
Ejemplo de posicionamiento en duración, curva y crédito
Figura 2
3. SESGOS Y CARENCIAS EN LA GESTIÓN TRADICIONAL DE CARTERAS A finales de 2010, tal y como podemos observar en la figura 3, la rentabilidad del bono a 10 años norteamericano repuntó 45 puntos básicos entre comienzos de octubre y mediados de noviembre, desde un 2.40% hasta un 2.95%, con la consiguiente corrección a la baja en el valor de mercado de una cartera larga de bonos.
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
GESTIÓN ACTIVA DE UNA CARTERA DE BONOS: UN MODELO CUANTITATIVO DE DURACIÓN
Evolución de la rentabilidad del bono a 10 años estadounidense (oct-nov 2010)
Figura 3 Fuente: Bloomberg.
Supongamos que nos enfrentamos a una situación de mercado como la descrita anteriormente. Como gestores disponemos de tres estrategias diametralmente opuestas respecto a la dirección de los tipos de interés: aumentar la duración de la cartera si pensamos que las rentabilidades cotizan a niveles suficientemente atractivos, mantener una posición de duración neutral si no tenemos una visión clara sobre la evolución general de los tipos de interés o reducir la duración si por el contrario pensamos que las rentabilidades van a continuar subiendo. Finalmente, como se puede apreciar en la figura 4, desde mediados de noviembre y hasta mediados de diciembre, los tipos a largo en EEUU repuntaron 58 puntos básicos más, hasta alcanzar una rentabilidad de 3.53%, por lo que una posición corta en duración hubiera sido a priori la acertada.
Evolución de la rentabilidad del bono a 10 años estadounidense (oct-dic 2010)
75
Sin embargo, la cuestión más relevante no es si el mercado finalmente subió o no (pues dependerá del periodo analizado y de nuestro horizonte de inversión), sino cuál es el proceso de inversión utilizado y el análisis realizado para finalmente llegar a una decisión u otra. Todo gestor de carteras, analista o asesor financiero, debería disponer necesariamente de una base razonable y adecuada, apoyada por una labor de investigación suficiente, para llevar a cabo cualquier tipo de operación de inversión, análisis o recomendación. De esta manera, algunos factores que han empujado al desarrollo de metodologías cuantitativas de inversión son, tanto los sesgos4 que tienden a producirse en la gestión discrecional de carteras como los procesos de toma de decisiones de inversión que se siguen habitualmente en la práctica para tomar una posición de compra o de venta. Es decir, surgen como respuesta a una clara necesidad de disciplina y análisis profundo a la hora de llevar a cabo cualquier decisión de inversión. Así pues, los modelos de gestión sistemáticos buscan principalmente desarrollar un análisis más metódico, sofisticado y completo, que fundamente de manera más sólida la toma de decisiones de inversión, superando los sesgos y patrones tradicionales. 4. DISEÑO DE UN MODELO CUANTITATIVO DE DURACIÓN BASADO EN REGLAS Dentro de la infinidad de modelos cuantitativos existentes, englobados bajo la denominación genérica de quant models ó trading systems, vamos a desarrollar un tipo de modelo cuantitativo basado en reglas de inversión, lo que se conoce como “rule-based-investment”. Nuestro enfoque será el del “ practitioner ”, trabajando con los objetivos y las restricciones propias existentes en la gestión de carteras. Al igual que en la práctica real, el objetivo marcado es batir al índice de referencia frente al que gestionamos, por lo que implícitamente la metodología que vamos a desarrollar se convierte en un modelo de asignación táctica de activos (ver Markowitz in Tactical Asset Allocation, JPM, [2007]). El modelo se desarrollará en base a su aplicación práctica al posicionamiento mensual en duración para una cartera de bonos del Tesoro estadounidense (treasuries).
Figura 4 Fuente: Bloomberg.
La metodología que expondremos a continuación no es un modelo matemático, ni un modelo teórico de valoración de activos -donde tratamos de buscar un valor de equilibrio o
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
76
ANÁLISIS FINANCIERO
razonable- , ni un sistema de predicción que trate de anticipar el precio futuro de un activo. Se trata de una metodología de trabajo que ayuda a tomar decisiones de inversión de una manera ordenada y sistemática, en donde se trata de aprovechar ineficiencias de mercado, buscando capturar y establecer relaciones empíricas entre el comportamiento de variables macroeconómicas y financieras con el comportamiento del precio de un activo. Este enfoque metodológico tiene una serie de ventajas frente al enfoque tradicional en gestión de carteras: Permite ordenar, analizar, sintetizar y cuantificar gran cantidad de información económica y financiera. ii) Transforma información de mercado en decisiones de inversión. iii) Elimina la subjetividad del gestor a la hora de tomar una decisión, reduciendo el impacto de los sesgos y elementos psicológicos anteriormente mencionados. iv) Proporciona una respuesta a la pregunta de qué hacer y cuándo hacerlo. v) Es fácil de entender y proporciona información sobre qué factores y qué variables apoyan la decisión tomada y cuáles apuntan en la otra dirección.
Esquema de modelo de duración basado en reglas de inversión
i)
Como desventajas, podemos señalar que se trata de una gestión automatizada y en la cual la principal misión del gestor es afinar y mejorar el modelo. Asimismo, requiere mucha disciplina para su implementación, ya que el modelo puede arrojar un posicionamiento que contradiga nuestra visión de mercado. A continuación desarrollaremos un modelo cuantitativo basado en reglas de inversión y aplicado a la duración de una cartera de renta fija. Para ello, emplearemos conjuntamente información estadística, análisis fundamental, variables financieras, indicadores económicos y osciladores técnicos, de manera que el modelo genere una señal mensual sobre si aumentar la duración, permanecer neutral o acortar frente a un índice de referencia.
Figura 5 Dichas señales son decisiones de inversión generadas por la interacción entre una regla de comportamiento (investment rule) aplicada sobre el movimiento de una variable, y unos umbrales o niveles de activación (trigger points), las cuales se centran en la dirección del mercado, no en la intensidad, como podría ser el caso de un modelo econométrico5. La idea que subyace no es tratar de predecir cómo van a evolucionar los tipos de interés, sino valorar la situación actual y decidir en base a dicho análisis si el contexto es el adecuado para adoptar una posición larga, corta o neutral en términos de duración frente a nuestro índice de referencia6.
Diseño del modelo A continuación, procedemos a explicar los pasos a seguir en el diseño del modelo cuantitativo de duración.
1. Definición de los factores principales - key drivers- que influyen en mayor medida sobre los tipos de interés. En el modelo trabajaremos con cuatro drivers distintos7. El primer factor son los fundamentos económicos, es decir, el crecimiento económico (que determina la demanda de dinero) y el nivel de inflación (que afecta a la rentabilidad real de los bonos y la dirección de los tipos oficiales de intervención). En segundo lugar, factores de tendencia o momentum. Los tipos de interés, independientemente del nivel de volatilidad del mercado, tienen a moverse siguiendo una serie de tendencias claramente identificables. En tercer lugar, elementos de valoración, tanto a nivel absoluto de los tipos de interés como en términos relativos frente a la renta variable. Y en cuarto lugar, factores de aversión al riesgo, capturando el efecto
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
GESTIÓN ACTIVA DE UNA CARTERA DE BONOS: UN MODELO CUANTITATIVO DE DURACIÓN
de “vuelo a la calidad” que se produce especialmente en momentos de mayor inestabilidad financiera. La figura 6 sintetiza los cuatro factores empleados.
Principales factores empleados en el modelo de duración
77
cola) de un mes a otro. Los mercados usan esta cifra como el resumen general del informe mensual de empleo. Índice de sorpresas económicas8. Refleja la evolución de las diferencias existentes, positivas o negativas, entre los datos macroeconómicos efectivamente publicados y una estimación media de mercado. ISM componente precios. Dentro del informe ISM, el índice ISM de precios pagados representa las expectativas empresariales sobre inflación futura. CRY Index. Indice de materias primas calculado como media aritmética de precios de futuros de commodities con reajuste mensual.
Figura 6 2. Seleccionamos un conjunto de variables relevantes para cada uno de los factores elegidos . Dicha selección requiere llevar a cabo un proceso de análisis fundamental, estadístico, econométrico o de cualquier otro tipo que permita identificar una relación significativa entre cada variable y el comportamiento del mercado, en este caso el de renta fija soberana estadounidense. Las variables elegidas para el modelo son las siguientes. 2.1. Variables de actividad económica y precios ISM Manufacturing. Basado en una encuesta a unos 350 gerentes de compra sobre tendencias recientes en sus negocios, el ISM recoge datos de nuevos pedidos, producción, empleo, precios pagados, exportaciones e importaciones, etc.
2.2. Variables de tendencia o momentum Ratio Rentabilidad / Riesgo 9. Cociente entre la rentabilidad rolling10 y la volatilidad del índice de referencia que tratamos de batir. Evolución relativa bolsa frente a bonos. Evolución del diferencial de rentabilidad rolling entre bolsa y bonos, tomando como índices el S&P500 para la renta variable y el índice USGATR11 para la renta fija. Z-score sobre TIR. Z-score sobre la rentabilidad del bono a cinco años norteamericano (zona central de la curva con más sensibilidad a movimientos de tipos), de manera que al tipificar la variable obtenemos el número de desviaciones típicas que el rendimiento se aleja de una media móvil. Medias móviles de precios. Métrica pura de momentum basada en el cruce de distintas medias móviles calculadas sobre el índice de renta fija usado como benchmark para capturar periodos con tendencia alcista y bajista.
Leading Economic Indicator (LEI) . El índice de indicadores económicos adelantados está compuesto por 10 indicadores financieros y no financieros que históricamente han tendido a anticipar máximos y mínimos en el ciclo económico.
2.3. Variables de valoración Pendiente de la curva 2s/10s . Diferencia de rentabilidad entre el bono a 10 años y el bono a 2 años, reflejando el atractivo de posiciones largas en la curva por carry y roll-down.
Change in Non-farm payrolls. El número de puestos de trabajo creados/perdidos en la economía (sin sector agrí-
Earning Yield Gap. Ratio entre el earning yield forward 12 (EPSf/P) y la TIR del bono a 10 años estadouni-
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
78
ANÁLISIS FINANCIERO
dense, reflejando la rentabilidad relativa entre la renta variable y la renta fija. Bond Risk Premium. Valoración de la prima de riesgo ofrecida por un bono de duración alta frente a un activo de mercado monetario con vencimiento inferior tres meses.
2.4. Variables de aversión al riesgo VIX . El índice de volatilidad implícita del S&P500. Aumentos del VIX reflejan una mayor aversión al riesgo y un aumento en la demanda de Treasuries. Swap spread a 5 años. Diferencial entre la curva swap y la curva de Treasuries tomando como referencia la zona del 5 años. Ampliaciones del swap spread representan un empeoramiento de las posiciones largas de crédito.
3. Analizamos la relación existente entre la variable seleccionada y el índice de referencia que intentamos batir13. Nosotros tomamos como benchmark el índice de tesoros estadounidenses (EFFAS USG2TR14) con una duración media de 4, similar a nuestra duración objetivo, y sin riesgo de crédito para centrarnos exclusivamente en estrategias puras de duración.
5. Optimizamos los parámetros de la regla de inversión y de los niveles de activación. Dicha optimización se lleva a cabo en base a la función objetivo que definamos para la cartera: maximizar la rentabilidad acumulada del periodo, maximizar un ratio de rentabilidad-riesgo (ratio de Sharpe, ratio de información, etc.) o minimizar la pérdida (ya sea en términos de VaR, máximo drawdown, semivarianza, etc). 6. Seguidamente, calculamos la serie temporal de rendimientos basada en el posicionamiento de duración indicado para cada periodo y analizamos el exceso de retorno o alpha generado en relación al índice de referencia. Para las posiciones largas y cortas, utilizamos dos índices de renta fija soberana estadounidense con mayor y menor duración respectivamente que el benchmark elegido: los índices USG3TR y USG1TR15 (figura 8). Cuando el modelo arro ja una posición neutral invertimos en el índice de referencia, cuando arroja una señal de posición larga, invertimos en el índice de mayor duración y cuando apunta hacia una posición corta, invertimos en el índice de menor duración, de manera que vamos variando el posicionamiento en duración tomando el retorno de uno de los tres índices según corresponda a la señal del modelo.
Generación de señal y posición en duración
4. Diseñamos, para cada una de las variables, una regla de inversión y unos niveles de activación (trigger points). La aplicación conjunta de dicha regla, junto a unos valores máximos o mínimos, en combinación con el comportamiento de la variable, arrojará una señal o posicionamiento en duración.
Transformación de factores y variables en una señal de duración
Figura 8
Figura 7
7. Finalmente, combinamos las diversas señales individuales en una estrategia o índice agregado que arroje una única posición final en duración – largo / neutral / corto- frente al índice de referencia, analizando a continuación el resultado relativo obtenido por dicha cartera agregada.
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
GESTIÓN ACTIVA DE UNA CARTERA DE BONOS: UN MODELO CUANTITATIVO DE DURACIÓN
Esquema de generación de señal de duración con una variable
Figura 9 Llegado este punto, conviene señalar algunas de las condiciones exigidas a las señales individuales (ver JPM, Profiting from market signals , [2002]) 1. Rentabilidad: Exigimos al menos un ratio de información de 0.5 (es decir, una unidad de exceso de retorno por cada dos unidades de riesgo). Este nivel representa más o menos el cuartil más alto del performance de gestores de renta fija. 2. Nivel de aciertos: En general, las señales deben acertar en más de un 50% de las ocasiones. Para aceptar aquellas señales con un porcentaje de acierto inferior al 50%, las ganancias derivadas de estas operaciones deberían ser superiores a las pérdidas de las señales erróneas. 3. Simetría: Las señales deben funcionar tanto en mercados alcistas como en mercado bajistas. Dado que en los últimos años los tipos de interés han seguido una tendencia descendente, sería fácil sesgar el modelo a que asumiese una duración mayor a la del índice de referencia. 4. Independencia. Las variables deben aportar información complementaria. Al igual que ocurre en la construcción de carteras, las variables no mejoran el resultado si los indicadores están muy correlacionados. 5. Simplicidad. Las señales deberían seguir el principio de parsimonia de la navaja de Occam: ser lo más simples posibles para no perder el fundamento económico o técnico en las matemáticas o la parametrización.
79
5. PROCESO DE GENERACIÓN DE SEÑAL DE DURACIÓN CON UNA VARIABLE: ISM MANUFACTURERO A continuación vamos a mostrar el proceso seguido desde la selección de la variable hasta la generación última de la señal de duración. Tomamos como ejemplo el ISM manufacturero, el cual mide la salud del sector de manufacturas en EEUU. Lecturas por encima de 50 se consideran como sector industrial en expansión y por debajo de 50 en recesión. A priori, un ISM al alza es síntoma de crecimiento económico, pudiendo ser un elemento negativo para la evolución del precio de los bonos por una doble vía: por el alza en el nivel de precios o generación de expectativas de inflación y por un efecto sustitución desde renta fija hacia renta variable. Una vez establecido el vínculo teórico entre el ISM y el mercado de bonos procedemos a analizar qué relación empírica existe entre ambos. La figura 10 muestra la relación entre la evolución del ISM manufacturero y un rolling de rentabilidad a 12 meses del índice de referencia (USG2TR) pudiéndose observar una fuerte correlación negativa entre ambas variables, por la cual en general, en aquellos periodos en los que el ISM evoluciona al alza, se produce un deterioro del retorno de los últimos 12 meses en el mercado de bonos y viceversa.
Relación entre el ISM Manufacturero y el índice de referencia de renta fija
Figura 10 Fuente: Bloomberg. Cálculos: Elaboración propia.
A continuación, hemos de diseñar una regla de inversión y unos niveles de activación o “trigger points”. Esta es la parte que requiere cierto “arte” y creatividad por parte del gestor, ya que hay que definir la regla de comportamiento seguida
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
80
ANÁLISIS FINANCIERO
por la variable, la cual va a generar una posición en duración en base a su relación -en términos de nivel y tendencia- con el mercado de bonos. De la observación de la relación entre variable y mercado, diseñamos la siguiente regla de decisión: si el ISM está por encima de un determinado nivel (ISM*) y además ha cortado al alza una media móvil (ISM > MAV*16) –punto 1 de la figura 11-, consideramos que estamos en un periodo de recuperación o crecimiento económico y acortamos la duración de la cartera (invirtiendo en el índice de duración más baja). Si por el contrario el ISM se encuentra por debajo de un nivel crítico (ISM**) y está siguiendo una tendencia bajista (ISM < MAV**), establecemos que nos encontramos en un escenario de recesión o ralentización económica y decidimos aumentar la duración (invirtiendo así en el índice de duración alta). Si no se cumpliese ninguna de las dos condiciones anteriores, mantenemos una posición neutral en duración frente al benchmark , no obligando a la variable a generar una posición larga o corta cuando no hay información concluyente para ello.
Regla de inversión para el ISM Manufacturero
Figura 11 No obstante, cuando el mercado de bonos ha sufrido un fuerte y prolongado sell-off y el ISM está en niveles históricamente altos, derivado de un fuerte crecimiento económico, es previsible que el mercado se encuentre sobrevendido y se produzca un movimiento de reversión. Así, añadimos a la regla de inversión anterior una capa más para intentar capturar situaciones de sobrecompra o sobreventa mediante una regla de decisión táctica que complementa y mejora la regla anterior. Así, cuando el ISM se encuentra por encima de un umbral superior (ISM***) y corta a la baja una media móvil -
movimiento de reversión-, en ese periodo únicamente, se activa una señal de entrada y aumentamos duración, realizando una compra táctica y volviendo a la regla central de inversión en el periodo siguiente17 (ver punto 2 de la figura 12). Y, viceversa, cuando el mercado ha subido demasiado y el ISM está en niveles muy bajos, pudiéndose producir previsiblemente un movimiento de vuelta (cuando se produce un corte al alza sobre la MAV en un nivel por debajo de un umbral inferior ISM****).
Regla de inversión “táctica” para el ISM Manufacturero
Figura 12 Una vez definida la regla de comportamiento de la variable que va a regir el posicionamiento en duración, se procede a optimizar los parámetros involucrados, tanto los incluidos en la regla de inversión como los niveles de activación, de manera que maximicen la función objetivo de la cartera. En este caso, optimizamos ISM*, MAV*18, ISM**, MAV**, ISM*** e ISM****, para maximizar la rentabilidad acumulada en el periodo de análisis (1991-2010). La optimización suele hacerse para dos tercios de los periodos de la muestra, para posteriormente probar out-of-sample sobre el tercio de restante que la optimización realizada es robusta. Así, los valores obtenidos tras la optimización, aplicados a la regla de inversión y a los niveles de activación, generan un posicionamiento dinámico mensual en duración (ver figura 13, representándose en el eje de la derecha por valores de 1 las posiciones largas, 0 las neutrales y -1 las cortas).
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
GESTIÓN ACTIVA DE UNA CARTERA DE BONOS: UN MODELO CUANTITATIVO DE DURACIÓN
81
Posicionamiento dinámico en duración generado por el ISM
Cartera basada en una regla inversión sobre ISM vs benchmark
Figura 13
Figura 14
El siguiente paso consiste en calcular la serie temporal de rendimientos generada por dicho posicionamiento, tomando la rentabilidad correspondiente a cada uno de los tres índices presentados en base a la señal de duración generada. Con los rendimientos calculados construimos el valor liquidativo de la cartera y analizamos los resultados obtenidos en términos de performance frente al índice de referencia, como se puede ver en las figuras 14 y 15.
La cartera derivada de la aplicación de la regla de inversión sobre el ISM genera en un 27% de los meses una posición neutral, y del 73% restante que apunta a posiciones largas o cortas frente al benchmark , el porcentaje de aciertos o hit rate es del 61.15%19.
Análisis del performance de la cartera ISM frente al benchmark Estadísticos
RENTABILIDAD Rentabilidad acumulada R media ann. Rent. Geométrica Rent. Mínima Fecha R min. Rent. Máxima Fecha R Max Rent. 5 th percentil Rent. 95 th percentil RIESGO Volatilidad anualizada Coef. Variación Rango max-min % Per Rent. Negativa Semideviation Downside Deviation (MAR) Downside Deviation (MAR) Downside Deviation (MAR) Downside Deviation (MAR) Gain Standard Deviation Gain Standard Deviation (MAR) ESTADÍSTICOS Alpha Alpha Ann. Beta Bull Beta Bear Beta Coeficiente de correlación Tracking Error ann. Coeficiente de asimetría Curtosis
Cartera ISM
Benchmark
280.21% 7.04% 6.96% -2.45% 31/07/03 5.65% 30/11/08 -1.52% 2.56%
202.45% 5.83% 5.76% -2.90% 30/04/04 3.92% 30/11/08 -1.32% 2.19%
4.13% 0.59% 8.10% 27.27% 2.47% 2.40% 2.64% 3.25% 3.97% 2.96% 3.22%
3.76% 0.65 6.82% 31.60% 2.46% 2.21% 2.72% 3.29% 3.76% 2.27% 2.53%
0.09% 1.08% 1.02 1.17 0.85 0.93 1.55% 0.39 1.46
-0.09 0.45
0% 1% 2% 5% 0%
Estadisticos
PERFORMANCE Ratio de Sharpe Ratio de Treynor Alpha de Jensen Ratio de Información Active Premium Ratio de Sortino Gain Loss Ratio Alpha Corregida M2 Modigliani Ratio de Calmar DOWNSIDE RISK MaxDrawDown Periodos MaxDD Pico Valle Periodo de recuperación maxDD Periodos consecutivos pérdida Run Down Comienza Termina Periodos consecutivos subida Run Up Comienza Termina
Cartera ISM
Benchmark
0.79 0.03 1.16% 0.78 1.21% 2.93 2.61 0.01 0.07 1.75
0.55
1.35
-3.97% 2 31/03/08 31/05/08 6 4 -0.75% 31/12/05 30/04/06 11 14.10% 30/04/00 31/03/01
-4.28% 10 31/01/94 30/11/94 3 3 -2.33% 31/01/96 30/04/96 11 12.41% 30/04/00 31/03/01
Figura 15 Cálculos: Elaboración propia (1991-2010).
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
2.64 2.16
82
ANÁLISIS FINANCIERO
Tal y como puede apreciarse en la figura 15, el modelo de duración, utilizando tan solo una variable, ya genera valor añadido para la gestión: la cartera arroja una rentabilidad media anual de 7.04% frente al 5.83% del índice del referencia, con un incremento de volatilidad de tan solo un 0.37%, lo cual se refleja en un mayor ratio de Sharpe (un 0.79 frente al 0.55 del benchmark ) y un ratio de información de 0.78. La cartera obtenida, además de aumentar la rentabilidad, logra reducir la maxima caída acumulada (max. drawdown), así como el número de meses con rentabilidad negativa (27.27% frente a 31.60%). Este mejor comportamiento, en términos de mayor retorno y menores perdidas, tiene su refle jo en las distintas betas obtenidas: la beta alcista (bull beta) es de 1.17 y la beta bajista (bear beta) es de 0.85, lo cual indica que cuando el mercado –medido por el comportamiento del índice de referencia- sube un 10%, la cartera lo hace en media en un 11.7%, mientras que cuando cae un 10%, la cartera sólo cede un 8.5%. Implícitamente el modelo se comporta de manera que trata de entrar en el mercado en periodos alcistas y mantenerse fuera de él en periodos bajistas. 6. PROCESO DE AGREGACIÓN DE VARIABLES Este mismo proceso hasta aquí expuesto lo realizamos para el resto de las variables empleadas, obteniendo así quince carteras individuales basadas en quince señales mensuales de duración. La figura 16 muestra la evolución relativa de las carteras así obtenidas.
Evolución relativa de las variables individuales frente al benchmark (base 100)
Figura 16 Fuente datos: Bloomberg. Elaboración propia.
La figura 17 muestra el performance de las distintas variables empleadas. Podemos observar como todas las estrategias, a título individual, baten al índice de referencia en términos de rentabilidad-riesgo –mayores ratios de Sharpe20– mediante la generación de un posicionamiento dinámico mensual en duración.
Performance de las variables individuales frente al benchmark VARIABLE/ESTRATÉGIA USG1TR INDEX USG2TR INDEX USG3TR INDEX ISM SLOPE ISM PRICE VIX NFP LEI ROC/SIGMA Z-SCORE BOLSA/BONOS EARNING YIELD GAP SPREADS CRY INDEX MAV PRECIO ECON SURPRISE BOND RISK PREMIUM
VOLATILIDAD 1.67% 3.73% 4.89% 4.13% 4.08% 4.27% 4.31% 3.65% 3.86% 4.32% 3.89% 4.01% 4.25% 3.94% 3.66% 4.59% 3.49% 3.77%
R MEDIA 4.65% 5.78% 6.42% 7.05% 6.49% 6.54% 6.41% 6.64% 7.40 6.59 6.90% 6.66% 7.18% 6.69% 6.53% 6.69% 6.41% 6.76%
R SHARPE 0.525 0.540 0.542 0.796 0.667 0.649 0.614 0.788 0.942 0.654 0.806 0.724 0.801 0.742 0.754 0.637 0.757 0.793
Figura 17 Sin embargo, distintos factores y variables económicas pueden apuntar en direcciones diferentes en un periodo dado, en función de cuales sean los “market drivers” en una determinada coyuntura, es decir, algunas variables pueden indicar un aumento de duración, otras mantener una posición neutral y otras reducirla21. Así, optamos por agregar toda la información generada por las distintas variables en una sola señal, para lo cual analizamos dos enfoques distintos: 1. Agrupar todas las variables en una única estrategia mediante la utilización de algoritmos de decisión. Aquí desarrollaremos dos algoritmos distintos: uno basado en la construcción de un índice de duración y otro algoritmo basado en el porcentaje de señales largas, neutrales y cortas (%LNS). 2. Tratar las distintas carteras derivadas de la aplicación de cada variable como si de un tipo de activo se tratara -ya que son carteras invertibles- y llevar a cabo un ejercicio de asignación de activos o asset allocation. Analizaremos una optimización media-varianza (enfo-
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
GESTIÓN ACTIVA DE UNA CARTERA DE BONOS: UN MODELO CUANTITATIVO DE DURACIÓN
que estático tradicional basado en la teoría de Markowitz) y un enfoque de optimización dinámica que trata de mejorar el anterior (dynamic Markowitz).
1. Algoritmos de decisión 1.1. Índice de Duración. Para generar un índice de duración asignamos a la señal generada por cada variable, en un periodo dado, un valor de 1 si arroja una posición larga, 0 si arroja una posición neutral y -1 si arroja una posición corta, de manera que sumando dichos valores tenemos un indicador que fluctúa entre un máximo de +15 y un mínimo de -15. Seguidamente definimos el siguiente algoritmo de decisión: • • •
1.2. Estrategia basada en el porcentaje de largos/neutrales/cortos El segundo algoritmo se basa en el porcentaje de variables que arrojan una posición larga, corta y neutral. Diseñamos el algoritmo de decisión siguiendo el esquema mostrado en la figura 19.
Algoritmo de decisión para estrategia basada en %L/N/S
Si Indice Duración > IDsup (umbral superior) —> Posición larga en duración Si Indice Duración < IDinf (umbral inferior) —> Posición corta en duración Si IDsup < Indice Duración < IDinf —> Posición neutral en duración
A continuación optimizamos los parámetros IDsup e IDinf imponiendo que la cartera obtenida arroje una volatilidad menor o igual a la cartera benchmark, obteniendo un posicionamiento en duración como el mostrado en la figura 18, en donde la línea verde horizontal representaría el parámetro optimizado IDsup y la línea roja el parámetro IDinf .
Índice de duración y evolución de la rentabilidad del bono a 5 años estadounidense.
83
Figura 19 • • • •
Si el porcentaje de señales neutrales supera un determinado nivel (N*), nos mantenemos neutrales; si no, analizamos el porcentaje de señales largas y cortas. Si el porcentaje de largos supera un nivel (L*) y el porcentaje de cortos es inferior a un determinado porcentaje (C*), incrementamos la duración. Si el porcentaje de cortos supera un nivel (C**) y el porcentaje de largos es inferior a un determinado porcentaje (L**), acortamos la duración. Si no se cumple ninguna condición, permanecemos neutrales.
Seguidamente optimizamos los parámetros N*, L*, L**, C* y C** de manera que la cartera obtenida arroje una volatilidad menor o igual a la de la cartera benchmark.
Figura 18
La figura 20 muestra el posicionamiento mensual en duración en base al algoritmo junto a la evolución del tipo a cinco años americano y el porcentaje de señales largas (verde), neutrales (ambar) y cortas (rojas) para cada periodo. Los marcadores en la zona alta del grafico corresponden a señales largas, los centrales a neutrales y los inferiores a posiciones cortas.
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
84
ANÁLISIS FINANCIERO
Posicionamiento mensual en duración según estrategia %LNS.
Figura 20 2. Optimización de carteras El segundo enfoque para agregar la información de las distintas variables consiste en llevar a cabo un proceso de optimización media-varianza.
2.1. Markowitz estático Consideramos la estrategia basada en cada variable como un tipo de activo, y procedemos a maximizar la rentabilidad esperada de la cartera sujeta a que la volatilidad sea menor o igual a la del benchmark. Calculamos la frontera eficiente y seleccionamos aquella cartera con una volatilidad similar a la del índice de referencia; finalmente, aplicamos el vector de ponderaciones a cada una de las variables para generar la serie de rendimientos de la cartera basada en la optimización de Markowitz.
De esta manera, maximizamos la rentabilidad de la cartera compuesta por las quince variables, sujeto a la restricción de obtener una volatilidad menor o igual a la del benchmark , optimizando al mismo tiempo el número de ventanas y el step de cálculo22. Como resultado, obtenemos 116 fronteras eficientes, con un tamaño de ventana de 75 semanas calculadas con un salto de 5 semanas (ver figura 21) seleccionando de cada frontera aquel vector de ponderaciones que maximiza la rentabilidad con la restricción impuesta de volatilidad.
Generación dinámica de fronteras eficientes (Dynamic Markowitz)
2.2. Markowitz dinámico El Markowitz dinámico (DM), también conocido como rolling Markowitz, es una metodología de optimización que permite recoger la dinámica del perfil rentabilidad-riesgo de las distintas variables, así como la evolución temporal de la estructura de la matriz de varianzas y covarianzas. Consiste en realizar varias optimizaciones de Markowitz para un periodo menor, definiendo la ventana de cálculo y el salto o “step” entre ellas. En vez de obtener una única frontera eficiente, el DM arroja una frontera distinta por cada ventana (ver JP Morgan, Markowitz in TAA [2007]).
Figura 21 Datos semanales de 1992 a 2010. Cálculos: Elaboración propia.
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
GESTIÓN ACTIVA DE UNA CARTERA DE BONOS: UN MODELO CUANTITATIVO DE DURACIÓN
Las figuras 22 y 23 muestran los resultados de la aplicación de las diversas estrategias de agregación de las variables individuales durante el periodo de análisis. La estrategia que aporta un mayor ratio de Sharpe es el algoritmo basado en el porcentaje de señales (%LNS), un 1.24 frente a un 0.54 del benchmark , con una volatilidad inferior y un exceso de retorno anual de 250 pb anuales.
85
Observando el retorno de la cartera %LNS, vemos que supera ampliamente los tres índices de referencia que empleamos en la construcción del modelo -al igual que ocurría cuando usábamos únicamente una variable- (ver figura 24).
Evolución de la estrategia %LNS frente a los índices de bonos (base 100)
Performance de las carteras finales VARIABLE/ESTRATEGIA USG1TR INDEX USG2TR INDEX USG3TR INDEX Índice de duración Estratégia %LNS Static Markowitz Dynamic Markowitz
VOLATILIDAD 1.67% 3.73% 4.89% 3.71% 3.63% 3.71% 3.79%
R MEDIA 4.65% 5.78% 6.42% 8.07% 8.28% 7.30% 7.44%
R SHARPE 0.525 0.540 0.542 1.159 1.243 0.954 0.967
Figura 22 En la figura 23 podemos observar, sobre un gráfico de rentabilidad-riesgo, como el enfoque basado en la aplicación del Markowitz dinámico no genera una mejora sustancial frente a la optimización estándar. Esto se debe a que en este modelo de duración no existen beneficios positivos por diversificación de activos, ya que estamos empleando un solo activo -deuda pública de EEUU- y, aunque de distinta duración, la correlación entre los tres índices es cercana a la unidad.
Gráfico rentabilidad-riesgo de las carteras finales frente al benchmark
Figura 24 Como se muestra en la figura 25, el modelo de duración basado en el algoritmo %LNS genera una rentabilidad media anual del 8.28% frente al 5.78% del benchmark (índice USG2TR), una volatilidad anualizada de 3.63% frente al 3.73% y logra reducir el porcentaje de meses con rentabilidad negativa de un 30.9% del benchmark a un 19.81%. La beta alcista toma un valor de 1.21 frente a una beta bajista de 0.50, lo que pone de manifiesto que el modelo logra capturar satisfactoriamente, en relación a la estrategia de buy-andhold, los periodos alcistas de bajada de tipos y evitar los periodos bajistas.
Figura 23
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
86
ANÁLISIS FINANCIERO
Performance de la estrategia %LNS Estadísticos
RENTABILIDAD Rentabilidad acumulada R media ann. Rent. Geométrica Rent. Mínima Fecha R min. Rent. Máxima Fecha R Max Rent. 5 th percentil Rent. 95 th percentil RIESGO Volatilidad anualizada Coef. Variación Rango max-min % Per Rent. Negativa Semideviation Downside Deviation (MAR) Downside Deviation (MAR) Downside Deviation (MAR) Downside Deviation (MAR) Gain Standard Deviation Gain Standard Deviation (MAR) ESTADÍSTICOS Alpha Alpha Ann. Beta Bull Beta Bear Beta Coeficiente de correlación Tracking Error ann. Coeficiente de asimetría Curtosis
0% 1% 2% 5% 0%
Cartera ISM
Benchmark
310.90% 8.28% 8.22% -1.89% 31/12/00 5.65% 31/12/07 -0.51% 2.81%
175.49% 5.78% 5.89% -2.90% 31/05/03 3.92% 31/12/07 -1.29% 2.27%
3.63% 0.44% 7.53% 19.81% 1.58% 1.56% 1.72% 2.36% 3.46% 3.35% 3.37%
3.73% 0.63 6.82% 30.92% 2.48% 2.29% 2.70% 3.26% 3.77% 2.33% 2.59%
0.26% 3.12% 0.87 1.21 0.50 0.89 1.84% 1.24 2.75
-0.07 0.63
Estadisticos
PERFORMANCE Ratio de Sharpe Ratio de Treynor Alpha de Jensen Ratio de Información Active Premium Ratio de Sortino Gain Loss Ratio Alpha Corregida M2 Modigliani Ratio de Calmar DOWNSIDE RISK MaxDrawDown Periodos MaxDD Pico Valle Periodo de recuperación maxDD Periodos consecutivos pérdida Run Down Comienza Termina Periodos consecutivos subida Run Up Comienza Termina
Cartera ISM
Benchmark
1.18 0.05 2.59% 1.27 2.33% 5.31 4.05 0.03 0.08 4.30
0.53
1.37
-1.91% 5 30/11/00 30/04/01 1 2 -1.02% 28/02/93 30/04/93 21 27.08% 28/02/99 30/11/00
-4.28% 10 28/02/93 31/12/93 3 3 -2.33% 28/02/95 31/05/95 11 12.41% 31/05/99 30/04/00
2.60 2.23
Figura 25 Cálculos: Elaboración propia (1991-2010).
El modelo, además de obtener un buen resultado en media durante todo el periodo analizado (1991-2010), logra batir
año a año al índice de referencia tal y como se puede apreciar en la figura 26.
Evolución de la estrategia %LNS frente al benchmark
Figura 26
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
GESTIÓN ACTIVA DE UNA CARTERA DE BONOS: UN MODELO CUANTITATIVO DE DURACIÓN
El modelo asimismo muestra un resultado satisfactorio independientemente de la tendencia de mercado. Como podemos observar en la figura 27, la cartera bate al índice de referen-
cia en periodos bajistas como fue el año 1994, laterales como 1999 o alcistas como el año 2000.
Modelo de duración frente a índice de referencia en distintos mercados
Figura 27
7. CONCLUSIONES A lo largo del artículo hemos analizado el diseño e implementación de un modelo cuantitativo que genera un posicionamiento dinámico en duración basándose en reglas de inversión. Los resultados de este enfoque de gestión mejoran significativamente, en términos de rentabilidad, riesgo y ratios de performance, los obtenidos por un estilo de gestión pasiva de buy-and-hold, representado por el seguimiento indexado a una cartera de referencia. Este tipo de enfoque metodológico aporta valor añadido dentro del proceso de toma de decisiones de inversión, con una metodología sistemática, lógica y ordenada que permite sustituir o complementar la gestión discrecional tradicional de carteras, de manera que puede emplearse bien como una estrategia de gestión o bien como input en la toma de decisiones de inversión. Se trata de una metodología flexible y adaptable, extrapolable a otros activos - renta variable, crédito, commodities, FX, etc.-, a otros mercados – como puede ser el mercado de renta fija europea- y, dentro de un mismo activo, como en el caso del mercado de bonos, permite modelizar diversos aspectos, como la duración, el posicionamiento en curva (ver Chua, C. et al. [2006]), o en crédito.
87
El modelo además permite múltiples extensiones, como por ejemplo: • Aplicando un mayor margen de duración (mediante un modelo binario cash – long ) el modelo mejora significativamente, así como tomando posiciones cortas mediante contratos de futuros en señales de venta (modelo long-short vs long only). • En función de la periodicidad de las distintas variables se pueden generar estratregias en distintas capas (overlays) a distintos plazos (mensual, semanal, diario e intradia). • Permite incluir otros factores y variables: condiciones de oferta en el mercado de bonos, estacionalidad, expectativas de inflación, expectativas de tipos oficiales, etc. (ver Boyd y Mercer [2010]) REFERENCIAS BIBLIOGRÁFICAS Bajo, M. y Rodríguez, E. Estrategias de carry y roll-down. Un enfoque teórico. Análisis Financiero Internacional. Nº 141. Tercer trimester 2010. Bajo, M. y Rodríguez, E. Estrategias sobre la curva de rendimientos: butterfly trades. Análisis Financiero Internacional. Nº 142. Cuarto trimestre 2010.
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
88
ANÁLISIS FINANCIERO
Boyd, E. y Mercer, J. 2010, Gains from active bond portfolio management strategies. The Journal of Fixed Income. Spring, Vol.19, No. 4: pp. 73-83
Notas:
Chakravarty, S.A. Sarkar. “Trading Costs in Three U.S. Bond Markets.” Journal of Fixed Income, 13 (2003), pp. 39–48.
2.- En este artículo tomaremos como activo libre de riesgo la deuda emitida por el Tesoro estadounidense.
Chua, C., Koh, W. y Ramaswamy, K. “Profiting from MeanReverting Yield Curve Trading Strategies.” Journal of Fixed Income, 15 (2006), pp. 20–33.
3.- Sin entrar a describir las distintas metodologías existentes de selección de bonos, podemos señalar que algunas variables analizadas para dicho fin por los gestores de bonos son el asset swap spread , el diferencial de rentabilidad contra el bono del Tesoro, el rolling-yield del bono a un horizonte dado, la comparación de la TIR de mercado contra la TIR derivada de una curva teórica obtenida mediante un modelo econométrico, o el uso de un z-score sobre alguna de las variables anteriores para ver su dinámica a lo largo del tiempo.
Ilmanen, A., 1995. Understanding the yield curve. Fixed-Income Research Portfolio Strategies. Salomon Brothers, New York. Ilmanen, A. 1996. Does duration extension enhance long-term expected returns. The Journal of Fixed Income, Septiembre. Ilmanen, A., 1997. Forecasting U.S. Bond Returns. Journal of Fixed Income, 7 (1997), pp. 22–37. Leibowitz, M.L. “Total return management”. Salomon Brothers (1979). Ilmanen, A.y Sayood, R., 2002, Quantitative forecasting models and active diversification for international bonds.The Journal of Fixed Income. Diciembre. Introducing the Lehman Brothers duration scorecard: a simple framework for global duration positioning. Fixed income research. April 4, 2007. Markowitz in tactical asset allocation. JPMorgan. Investment strategies series, Nº35. JPMorgan Securities Ltd. London, August 7, 2007. Pascual, D. Pavoni, M. y Gil, B. Inversiones financieras y comportamiento del inversor: “behavioral finance”. Analisis Financiero Internacional. Nº 140. Segundo Trimestre 2010. Profiting from market signals. JPMorgan. Investment strategies series, Nº5. JPMorgan Securities Ltd. London, March 6, 2002. Yamada, S., 2001. “Empirical Study of risk premiums in the JGB market and its application to investment strategies”. The Security Analysts Association of Japan.
1.- A veces también denominado signal modelling o algorithm trading
4.- Las finanzas del comportamiento (“behavioral finance“) y la teoría de la perspectiva (“ prospect theory“) son campos científicos que aplican las tendencias cognitivas y emocionales humanas, a una mejor comprensión de la toma de decisiones económicas en base a cómo afectan éstas a los precios de mercado y a la asignación de recursos. Estas áreas de estudio económico muestran algunos de los comportamientos humanos que tienden a producirse por parte de inversores en determinadas circunstancias. Para una visión detallada acerca del comportamiento del inversor ver Pascual et al. [2010]. 5.- No obstante es factible desarrollar el modelo de manera que indique tanto dirección como intensidad en duración, siempre que se defina el máximo grado de desviación frente al índice de referencia en base al presupuesto de riesgo ya efectivamente consumido y el margen disponible. 6.- Un ejemplo sencillo sería exigir un ratio de Sharpe (exceso de rendimiento por unidad de riesgo) ex ante de 1 para tomar una posición larga en un determinado activo y una posición corta si la relación rentabilidad-riesgo no es la exigida. Otro ejemplo podría ser la Regla de Taylor para la determinación del objetivo para los Fed Funds por parte de la Reserva Federal de EEUU. 7.- El modelo podría además incorporar otra serie de factores, como oferta, estacionalidad en los rendimientos, flujos o liquidez. (Ver Lehman Brothers, Duration Scorecard , [2007]). 8.- Empleamos el índice de sorpresas económicas publicado por Citigroup. Ver CESIUSD Index en Bloomberg para una descripción completa de la variable.
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
GESTIÓN ACTIVA DE UNA CARTERA DE BONOS: UN MODELO CUANTITATIVO DE DURACIÓN
89
9.- Equivalente a un Safety-First Ratio con un umbral de rentabilidad de 0% o un ratio de Sharpe dinámico sin tener en cuenta el tipo libre de riesgo (o con un risk-free cercano a cero).
20.- Podemos observar como incluso la estrategia individual con peor resultado tiene un ratio de Sharpe superior al índice de renta fija de mayor duración.
10.- Rentabilidad acumulada, calculada mensualmente, para una ventana temporal: 3 meses, 6 meses, etc.
21.- Asimismo, las variables, reglas de inversión y optimizaciones no son infalibles: pueden perder su correlación en un periodo determinado.
11.- USGATR Index. Bloomberg/EFFAS Bond Indices US Govt All > 1 Yr TR. Índice de renta fija de tesoros norteamericanos con vencimiento mayor al año y una duración media de 5.12.
22.- Para ello hacemos uso del software MATLAB y empleamos datos semanales
12.- Diferencia entre el ratio beneficio por acción 12m forward/ precio de la acción y la TIR del bono 13.- En el mercado de renta fija, a veces analizamos la variable frente al índice de referencia en términos de precios y, en otras ocasiones, la relación será más clara analizando el mercado en términos de rentabilidades. 14.- USG2TR Index es el índice EFFAS Bond Index US Govt 3-5 Yr TR de gobierno estadounidense con una duración media de alrededor de 4. 15.- USG1TR es el índice EFFAS Bond Index US Govt 1-3 Yr TR de gobierno estadounidense con una duración media de alrededor de 2, mientras que el índice USG3TR posee una duración media de 5.5 16.- Posteriormente, veremos que debemos optimizar tanto el tipo de media móvil como el periodo al que se calcula. 17.- Dado que estamos aumentando la duración en una tendencia bajista, y que la periodicidad es mensual, mantenemos la compra táctica sólo un periodo para tratar de capturar ese efecto, lo cual además actúa como stop-loss en caso de que el mercado continuara cayendo. 18.- La optimización de cada media móvil implica dos parámetros distintos: periodo de cálculo y tipo de media móvil (simple, exponencial, etc). 19.- En los cálculos realizados de performance no se tienen en cuenta los costes de transacción. En los modelos cuantitativos, los costes de transacción pueden hacer que un modelo aparentemente sólido y rentable sobre la hoja de cálculo, sea inviable en la práctica por los costes ocasionados de rotar la cartera, tanto más cuanto menor es el periodo en que se genera la señal de compra o venta. En nuestro caso, con posicionamiento mensual y pudiendo operar en instrumentos tan líquidos como futuros sobre bonos, el impacto de los costes de transacción no invalidaría los resultados positivos del modelo. Para un análisis sobre los costes de transacción, ver Chakravarty, [2003].
Mario Bajo Traver y Emilio Rodríguez Alfonso : Gestión activa de una cartera de bonos: un modelo cuantitativo de duración Análisis Financiero n° 115. 2011. Págs.: 72-89
INSTITUTO ESPAÑOL DE ANALISTAS FINANCIEROS
Quienes somos El IEAF es una Asociación Profesional sin ánimo de lucro, constituida el 18 de septiembre de 1965. Agrupa a los profesionales que desarrollan su actividad en las distintas áreas de los mercados financieros (análisis, brokerage, corporate y M&A, gestión de carteras, capital riesgo, etc.) así como a ejecutivos y directivos de entidades relacionadas con las finanzas y los mercados financieros y a profesionales de los departamentos económico-financieros tanto de empresas de la economía real como de centros académicos universitarios.
Ámbito de actuación El IEAF es una asociación española pero que se desenvuelve también en el ámbito internacional, gracias a su pertenencia a la EFFAS (European Federation of Financial Analysts Societies) que, a su vez, es miembro de la ICIA (International Council of Investment Associations) de ámbito mundial. Además, el Instituto pertenece a la ACIIA®, (Association of Certified Investment Analysts) y tiene conferidos en exclusiva para España los derechos del Título de Analista Financiero Internacional CIIA ®, cuya preparación académica realiza la Escuela de Formación del IEAF.
Ventajas de ser miembro del IEAF Pertenecer a una Asociación profesional que vincula a sus miembros no solo intelectualmente, sino a través de una serie de servicios colegiales:
Presentaciones Financieras, donde los miembros del IEAF tienen la posibilidad real de dialogar con los primeros ejecutivos de las empresas cotizadas. Recibir publicaciones excelentes de gran calidad en materias financieras, de gobierno empresarial y responsabilidad corporativa, a través de la Fundación de Estudios Financieros, Centro de Pensamiento creado por el Instituto. Todas las publicaciones y trabajos de investigación están colgados en su web. La revista "Análisis Financiero", de gran prestigio profesional y académico. Conferencias y jornadas sobre asuntos de interés para los miembros, reciclaje profesional y descuentos en los cursos organizados por la Escuela de Formación y preparación de acreditaciones oficiales de la ACIIA®. Bolsa de trabajo. Biblioteca en la sede de la Escuela abierta a los socios.
INSTITUTO ESPAÑOL DE ANALISTAS FINANCIEROS
Objetivos 1. Reforzar el vínculo intelectual y profesional entre sus miembros de forma que ayude a la defensa de sus intereses profesionales en el ámbito de la sociedad civil.
2. Impulsar la formación permanente y la mejora profesional de quienes trabajan en el ámbito económico-financiero y de los mercados, sometidos a un Código Ético.
3. Constituir un foro privilegiado para reciclaje e intercambio de información y experiencias entre profesionales, tanto en el ámbito nacional como internacional.
LLAMA Y ASOCIATE 915.631.972 o entra en www.ieaf.es
COMO HACERSE MIEMBRO DEL IEAF *Cumplimentando directamente los Impresos de Solicitud de Admisión que pueden imprimirse desde la web y enviándolos al IEAF junto con la documentación requerida (*) *En los teléfonos: 915.631.972 Srta. Susana Rodríguez o Delegación Barcelona Srta. Ana Fusté, Tel. 934.013.543 *A través de internet. http://www.ieaf.es - e-mail:
[email protected] o
[email protected]
Oficinas del IEAF En Madrid: Avda de Brasil, 17-3º. 28020 Madrid Delegación en Barcelona: Paseo de Gracia, 19, 08007 Barcelona Existen dos páginas web a disposición de los miembros: www.ieaf.es, www.fef.es y, desde ellas, el correspondiente link a la Escuela de Formación.
(*) Las solicitudes de admisión de los candidados a miembros del IEAF han de ser aprobadas por la Junta Directiva Nacional del Instituto
Normas para publicar en Análisis Financiero La revista “Análisis Financiero” editada por el Instituto Español de Analistas Financieros es una referencia fundamental para los profesionales del análisis financiero y para los investigadores de los departamentos de finanzas de las Universidades a quienes va dirigido. Además, se ha convertido en punto de encuentro entre la experiencia y la visión que del mercado tienen destacados profesionales del mundo financiero y la investigación generada por profesores y catedráticos de economía financiera. La línea editorial que se ha seguido en estos años ha sido la de aunar el rigor técnico con la utilidad práctica, camino por el que se va a profundizar en los próximos números.
TRABAJOS QUE PUBLICAANÁLISIS FINANCIERO Análisis Financiero publica trabajos teóricos, empíricos y ensayos que tengan una aplicación dentro del ámbito de las finanzas corporativas, los mercados financieros y sus instituciones, el gobierno corporativo, y otros temas que enriquezcan el conocimiento del análisis financiero. Por tanto, admite originales con aportaciones teóricas bien fundamentas; trabajos empíricos bien motivados desde un punto de vista teórico; avances en la aplicación práctica de los anteriores; y ensayos que muestren ideas, enfoques o métodos de análisis novedosos. Todos los anteriores deben referirse al objeto de la revista y deberán tener una utilidad para la mejora del análisis y la valoración en el ámbito financiero y corporativo. Todos los trabajos recibidos, que cumplan las condiciones mencionadas, serán previamente revisados de forma anónima por dos evaluadores externos especialistas en el tema tratado.
REMISION DE LOS TRABAJOS Los trabajos enviados para su eventual publicación podrán estar redactados en idioma español o en inglés, deberán ser inéditos, y no estarán sometidos a proceso de aceptación o publicación en otro medio. Los originales deberán ser enviados, en Word o PDF, a la dirección de correo electrónico
[email protected] siguiendo las instrucciones que se indican más abajo y que también se pueden consultar en la página web de la revista. Los trabajos recibidos serán sometidos a un proceso de doble evaluación anónima.
REGLAS DE PRESENTACION Y ESTILO Los originales remitidos no deberán exceder de 30 páginas mecanografiadas a doble espacio, incluyendo el texto, cuadros, gráficos, notas y referencias bibliográficas. La primera página debe contener la siguiente información: a) el título del trabajo; b) el nombre y apellidos del autor o autores; c) la Universidad, institución o empresa; d) la dirección, teléfono y e-mail; e) en el caso de trabajos con más de un autor, se incluirá el nombre, dirección, teléfono y mail del autor de contacto; y f) a píe de página se incluirán los agradecimientos. La segunda página incluirá el título del trabajo, un resumen con un máximo de 150 palabras y las palabras clave (entre tres y cinco). Todos ellos deberán estar en español e inglés. Los manuscritos se escribirán a doble espacio, con márgenes de 2,5 centímetros y tipo de letra Arial 12. Todas las páginas deberán estar numeradas co¬rrelativamente a excepción de las dos primeras. Las referencias bibliográficas, tablas y gráficos deben escribirse en páginas separa¬das al final del texto. Las tablas y gráficos deberán estar numerados y hacer referencia a ellos en el texto (si no fuesen originales, deberá figurar obligatoriamente la fuente de la que proceden). Las notas deberán colocarse a pie de página, numeradas correlativamente en números arábigos.
Las referencias se citarán con el sistema Harvard. Cuando aparece el nombre de un autor en el texto la fecha se inserta ente paréntesis inmediatamente después del nombre. Por ejemplo: Myers (1984), o bien si son dos autores: Jensen y Meckling (1976). Si son más de dos: Cox et al. (1979). Las referencias se incluirán al final del texto bajo el nombre de Referencias bibliográficas. Sólo podrán aparecer aquellas referencias previamente citadas en el texto. Deberán estar ordenadas alfabéticamente por autores de la siguiente forma:
- Para libros o monografías: Fama, E. and Merton, M., 1972: The Theory of Finance. Dryden Press. Hinsdale (IL.).
- Para artículos: Jensen, M. y Meckling, W., 1976: Theory of the firm: Managerial behavior, agency costs and ownership structure, Journal of Financial Economics 3, 305-360.
- Capítulo de libro: Arnot, R., 1998: Investment Strategy, en: Bernstein, p. y Damodaran, A., eds. Investment Management, John Wiley. Nueva York 230-250.
- Documento en Internet: Vélez-Pareja, I., 2003: Optimal Portfolio Selection: A Note, Working Paper, Disponible en http://papers.ssrn.com/sol3/papers.cfm?abstract_id=234883 [consultado 5 de noviembre de 2009]. Es importante que el lenguaje en el que se escribe el artículo sea comprensible para facilitar la difusión de las ideas expuestas entre el público al que va dirigida esta revista. Por ello, en la medida de lo posible, los autores deben evitar en el texto las expresiones matemáticas y cuando se incluyan deben ir numeradas y acompañadas de una explicación de las mismas. Las demostraciones necesarias se incluirán en un Apéndice. A efectos de normalizar los trabajos y facilitar su comprensión se recomienda que haya un epígrafe inicial de Introducción, donde se expliquen los antecedentes y el propósito del trabajo y uno final de Conclusiones, donde se resuman claramente las aportaciones del trabajo para el análisis financiero (objeto de la revista). Después aparecerán las Referencias bibliográficas y los Apéndices. La decisión de publicar los originales recibidos corresponde al Consejo de Redacción después de analizar los informes de los evaluadores (dos, al menos) y de que el trabajo se ciña a los temas que trata la revista.
ACEPTACIÓN DE LAS NORMAS Y PROPIEDAD INTELECTUAL La remisión de trabajos a la dirección de la Revista supone explícitamente la aceptación de las presentes bases de selección y evaluación, así como los resultados de la misma. Los artículos publicados quedan en propiedad del Instituto Español de Analistas Financieros (IEAF), que administra los derechos de reproducción y copia de los mismos.
Rules for publication in Análisis Financiero The magazine “Análisis Financiero” published by the Spanish Institute Institute of Financia Financiall Analysts is an essenti essential al reference for profess professionals ionals of the financial analysis and for researchers of financial economics departments in universities to whom it may concern. In addition, it has become a meeting point between the experience and the vision of the market that the outstandi outstanding ng professionals professionals of the financi financial al world have, as well the research generated by teachers and professors of financial economics. The editorial line that has been followed in recent years has been the one to combine the technical precision with practicality, in a way that is to deepen in future issues.
WORKS THAT THAT ANALISIS FINANCIERO PUBLISHES Análisis Financiero publishes theoretical and empirical works as well as essays that have an application inside the field of corporate finance, financial markets and its institutions, corporate governance and other issues that enrich the knowledge of financial analysis. Therefore, it admits originals with well-founded theoretical contributions, empirical works that are well motivated from a theoretical point of view, advances in the practical application of the foregoing and essays that show ideas, approaches or novel methods of analysis. All of the above mentioned, should relate to the subject of the magazine and they must have utility for improving the analysis and valuation in the financial and corporate scope. All received works that meet the conditions previously mentioned will be reviewed anonymously by two external experts in the topic.
SUBMISSION SUBMI SSION OF WORK WORKSS Papers submitted for possible publication can be drafted in Spanish or English language, they must be unpublished, and not subject to process of acceptance or publication elsewhere. The originals should be sent in Word or PDF, to the email address
[email protected] address
[email protected],, following the instructions below that are also available on the website of the magazine. The works received will undergo double blind peer review process.
RULES OF PRESENTA PRESENTATION AND STYLE Manuscripts submitted should not exceed 30 double-spaced typewritten pages, including text, tables, graphs, notes and bibliographic references. The first page should contain the follow following ing information: information: a) the title of the paper, b) the complete name of the author/ author/s, s, c) the university, university, institution or corporation, d) the address, phone and e-mail, e) for papers with more than one author, it must be included the name, address, telephone and mail of the contact author, and f) a footnote will be included with the acknowledgments. The second page will include the title, an abstract with a maximum of 150 words and keywords keywords (three to five). All of them should be in Spanish and English. The manuscripts will be written double-spaced, with margins of 2.5 cm and font Arial 12. All pages should be correlatively numbered except for the first two. The bibliographical references, tables and graphs should be typed on separate pages at the end of the text. Tables and figures should be numbered and refer to them in the text (if they were not original, be provided the source from which they come). The notes shall be placed as footnotes, numbered consecutively in Arabic numerals. References will be quoted in the Harvard system. When the name of an author appears in the text, the date is inserted in parentheses immediately after the name. For example, Myers (1984), or if there are two authors: Jensen and Meckling (1976). If more than two: Cox et al. (1979).
References will be included at the end of the text, under the name of Bibliographic References. Only those references previously quoted in the text may appear. They should be alphabetically arranged by authors as follows: For books or monographs: Fama, E. and Merton, M. 1972: The Theory of Finance. Dryden Press. Hinsdale (ill.).
- For articles: Jensen, M. and Meckling, W., 1976: Theory of the Firm: Managerial behavior, agency costs and ownership structure, Journal of Financial Economics 3, 305-360.
- Book chapters: Arnot, R., 1998: Investment Strategy, in: Bernstein, P. and Damodaran, A. eds. Investment Management, John Wiley. New York 230-250.
- Internet document: Vélez-Pareja, I., 2003: Optimal Portfolio Selection: A Note, Working Paper, available at http://papers.ssrn.com/sol3/papers.cfm?abstract_id=234883 [accessed November 5, 2009]. It is important that the language in which you write the article is understandable to facilitate the dissemination of the exposed ideas among the audience addressed by this journal. Therefore, as far as possible, authors should avoid mathematical expressions in the text and when included they should be numbered and accompanied by an explanation of them. The demonstrations shall be included in an Appendix. In order to standardize the works and facilitate the understanding it is recommended that there is an initial section of introduction, which explains the background and purpose of the work, and a last one with the conclusions, which clearly summarizes the contributions of the work for financial analysis (purpose of the magazine). The References and Appendices will appear later. The decision to publish the manuscripts received corresponds to the Editorial Board after considering the reports of the evaluators (two, at least) and checking that the work sticks to the topics covered in the magazine.
ACCEPTANCE ACCEPT ANCE OF RULES AND INTELLECTUAL INTELLECTUAL PROPERTY The referral of works to the direction of the Journal provides explicit acceptance of these rules of selection and evaluation, and the results thereof. The articles published are property of the Spanish Institute Institute of Financial Analysts (IEAF), which administers copyrights and copies of them.
BIBLIOGRAPHIC IDENTIFICATION - Title: Financial Analysis - ISSN: 0210-2358 - Years beginning publication: 1973 - Frequency: Quarterly - Editor: Spanish Institute of Financial Analysts - Editor's Address: Avenida del Brasil, 17 to 3 º A-B. 28020-Madrid - Databases that index: Dialnet Compludoc. - Unesco Classification: 531,102 Financial Management - JEL Classification: G- Financial Economics - Universal Decimal Classification: 336, 336.7 - Area of expertise: Financial Economics and Accounting