1. Metodología de estimación de las estrategias de momentum

La metodología empleada en el presente artículo es similar a la descrita por ^{Jegadeesh y Titman (1993)}. El planteamiento propuesto parte del análisis en tiempo de calendario de un conjunto de estrategias de momentum “abiertas” en cada momento del periodo objeto de estudio. En concreto, en un momento t se ordenan los títulos por sus rentabilidades acumuladas los J meses anteriores (periodo de formación), y se clasifican los títulos en quintiles,⁶ de manera que el quintil de títulos con mayor rentabilidad en el periodo de formación constituirá la cartera de ganado res y el quintil de títulos con menor rentabilidad en ese periodo constituirá la cartera de perdedores. La estrategia de momentum se forma por una posición larga en la cartera de ganadores y una posición corta en la de perdedores. Las citadas estrategias permanecerán abiertas durante los K meses siguientes a su formación (periodo de mantenimiento). Al mes siguiente se establecerá un nuevo periodo de formación y una nueva cartera de títulos ganadores y otra de perdedores, con las que se podrán establecer nuevas estrategias de momentum, repitiéndose el proceso para todo el periodo muestral. De esta manera, en un momento del periodo objeto de estudio t, permanecerán abiertas un máximo de K estrategias, equivalentes al número de meses del periodo de mantenimiento. Su valor medio constituye el valor de la estrategia media de momentum para dicho periodo t. Con es te procedimiento se obtienen una serie de rentabilidades para cada mes asociadas a las rentabilidades medias de las carteras de momentum.

Según los autores, la utilización de esta aproximación en tiempo de calendario elimina los posibles problemas que pudieran surgir de autocorrelación en las rentabilidades de las estrategias, por lo que es suficiente el empleo de un estadístico t tradicional para contrastar su significatividad. Además, es común intercalar un periodo entre la formación y el mantenimiento de las carteras para evitar así posibles sesgos de microestructura que pudieran aparecer, o que los resultados sean contaminados por la reversión (efecto contrario al momentum) a muy corto plazo que fue documentada en trabajos como ^{Jegadeesh (1990)} y ^{Lehmann (1990)}. A pesar de que en el trabajo seminal de ^{Jegadeesh y Titman (1993)} se establece una semana entre la formación y el mantenimiento de las carteras, la duración del citado periodo intermedio se suele establecer en un mes por conveniencia.

2. Ajuste por riesgo: Modelos de Fama y French y DCAPM

Las estimaciones obtenidas en las estrategias anteriores no tienen en cuenta el riesgo y, en consecuencia, la rentabilidad obtenida, en caso de ser significativa, podría ser debida a una compensación a dicho riesgo. Con objeto de estudiar esta cuestión en el contexto de mercados desarrollados se ha optado por utilizar modelos clásicos de valoración, en concreto el modelo CAPM y el modelo trifactorial de ^{Fama y French (1993)}. Sin embargo, en el caso de mercados emergentes, el modelo DCAPM de ^{Estrada (2000}, ²⁰⁰¹, ²⁰⁰²⁾ parece haber ofrecido mejor adecuación para la explicación del comportamiento del precio de los activos, por lo que puede ser útil hacer uso de dicho modelo en lugar del clásico CAPM.⁷

Para contrastar si se obtiene rentabilidades ajustadas por riesgo significativas es necesario estimar los coeficientes α _mom correspondientes a ambos modelos de valoración. En concreto:

en que R _mom,t es la rentabilidad en tiempo de calendario correspondiente a la estrategia de momentum; RMRF _t representa el exceso de la rentabilidad del mercado sobre el activo libre de riesgo (R _M,t − r _f,t ); r _f,t denota la rentabilidad del activo libre de riesgo aproximado por la rentabilidad de los Cetes a 1 año; R _M,t es la rentabilidad del mercado, aproximado por la rentabilidad del índice de precios y cotizaciones. SMB _t y HML _t son los factores del modelo que recogen los efectos tamaño y valor en libros respecto a valor de mercado estimados de acuerdo con las indicaciones de Fama y French. Los coeficientes βmomDβmom, smom y hmom miden las sensibilidades de la estrategia de momentum a los factores de riesgo correspondientes.

Si bien el la estimación del modelo de Fama y French, así como la construcción de los factores, puede ser sobradamente conocida, quizá sea útil indicar sucintamente la estimación del coeficiente β del modelo DCAPM.⁸ Para ello es necesario definir algunos elementos. Sea y _t = Min[(R _it − μ _i ), 0] y x _t = Min[(R _Mt − μ _M ), 0], en que μ _i y μ _M son la media de R _i,t y R _M,t , respectivamente. Una vía apropiada para estimar β ^D es por medio de la estimación de la siguiente regresión sin constante:⁹

3. Dominancia estocástica

La validez de los resultados obtenidos con la metodología expuesta en la sección anterior está condicionada a la propia validez de los modelos de valoración. Es también importante señalar que, como afirman ^{Estrada y Serra (2005)}, no hay modelos de valoración estándar en la evaluación de mercados emergentes, lo que todavía dificulta más la tarea de elección de los mismos.

En esta circunstancia, una opción no paramétrica para evaluar el riesgo sin recurrir a modelos de valoración son los contrastes basados en criterios de dominancia estocástica. Dicha aproximación es probablemente la más general, puesto que ofrece un marco para estudiar el comportamiento económico con incertidumbre imponiendo mínimas restricciones en la función de utilidad de los inversores (véase ^{Levy, 1998}). En el caso concreto analizado, los criterios de dominancia estocástica permiten contrastar si la cartera ganadora domina a la perdedora o si, por lo contrario, existen modelos generales de valoración de activos, congruentes con aversión al riesgo de los agentes que pueden explicar las diferencias entre ambas carteras, situación que se daría en el caso de que no se pue da afirmar que una de las carteras domine a la otra.

Existen diversos métodos de dominancia estocástica. En el presente artículo se utilizará el contraste KS (^{Barrett y Donald, 2003}). La aplicación del contraste KS para el análisis del efecto momentum queda planteado suponiendo que se dispone de dos muestras independientes del mismo tamaño {w _i } y {l _i } i = 1, 2,..., N correspondientes a la cartera de ganadores y perdedores, respectivamente, tomadas de dos poblaciones con funciones de distribución acumuladas da das por W y L, con apoyo común [0, z¯], en que z¯>0. El contraste KS evalúa las siguientes hipótesis nula y alternativa

f _s (z, W) denota la función que integra la función W al orden s − 1. Esto es:

E idénticamente, f _s (z, L) integra la función L al orden s − 1. La hipótesis nula es que la cartera de ganadores domina a la de perdedores y puede ser contrastada con el siguiente estadístico propuesto por ^{Barrett y Donald (2003)}:

en que N es el tamaño muestral.

Es importante señalar que para s ≥ 2 dicho estadístico es intratable analíticamente, porque su distribución límite depende de la función de distribución acumulada subyacente. En consecuencia, todos los niveles de significación (valores p) son calculados basándonos en el procedimiento propuesto por dichos autores.

El primer orden de dominancia estocástica supone insaciabilidad de los inversores, que es una condición extremadamente genérica como para detectar situaciones de dominio entre opciones. Por ello, en el presente artículo nos centraremos en el segundo orden de dominancia estocástica que añade el clásico supuesto de aversión al riesgo. Con el supuesto de funciones de distribución normales, dicho criterio se asemejaría al criterio clásico media varianza.

1. Efecto momentum

Previamente a cualquier otra consideración es necesario contrastar la presencia significativa de efecto momentum en la Bolsa Mexicana de Valores. En una primera aproximación se utilizará la muestra completo de títulos para el periodo 1993-2006.

La parte A del cuadro 1 registra las rentabilidades ordinarias de las 16 estrategias de momentum para la muestra completo de títulos, así como los valores p correspondientes utilizando el estadístico t de ^{Newey y West (1987)} robusto a autocorrelación y heteroscedasticidad.¹⁰ Como puede observarse, todas las estrategias ofrecen rentabilidades significativamente positivas a 5%, con la excepción de la 12 × 12 que lo es a 7%. Las rentabilidades mensuales ordinarias varían en el intervalo (0.24-1.20%), siendo más importantes en las estrategias de mantenimiento más corto, debilitándose progresivamente conforme aumenta dicho periodo de mantenimiento.

Estos resultados claramente favorables a la existencia de un efecto momentum significativo en la Bolsa Mexicana de Valores son bastante distintos de los presentados por ^{Muga y Santamaría (2007a)}. Obviamente, es posible que las diferencias en la muestra de acciones y en el periodo de análisis puedan explicar esta circunstancia.¹¹

Lógicamente, es posible que estas rentabilidades ordinarias sean una mera compensación a los riesgos implicados en las estrategias de momentum. Con objeto de analizar esta cuestión, atendiendo a lo expuesto en la sección de metodología, se utilizarán los modelos de Fama y French y el DCAPM. Además, se utilizará el contraste KS de dominancia estocástica como elemento adicional de robustez.

Las rentabilidades ajustadas con el modelo de Fama y French (véase la parte B del cuadro 1) son todas positivas y significativas a 5%. Como se observa, son incluso algo mayores, probablemente debido a que la cartera de títulos perdedores es más arriesgada que la de ganadores. Dicho resultado no es, en absoluto, característico de este mercado ya que está presente en gran parte de la bibliografía (véase ^{Rouwenhorst, 1998}; ^{Muga y Santamaría, 2007c}, o ^{Fuertes, Miffre y Tan, 2005}).

Las rentabilidades ajustadas con el modelo DCAPM (véase la parte C del cuadro 1) son todas positivas y significativas a 5% con la excepción de las 9 × 12 y 12 × 12, que lo son a 5.3 y 7.1%, respectivamente. La magnitud de dichas rentabilidades ajustadas es muy similar a las ordinarias, lo que permitiría in dicar que no existe una diferencia apreciable en el riesgo de caída entre las carteras que conforman las estrategias de momentum (ganadores y perdedores).

En resumen, los resultados obtenidos con rentabilidades ajustadas para ambos modelos de valoración conducen a la misma conclusión acerca de la existencia de un efecto momentum positivo y significativo en la Bolsa Mexicana de Valores. No obstante, como se ha señalado líneas arriba, la aplicación de modelos de valoración es compleja en mercados emergentes, por lo que puede ser de utilidad la aplicación de metodologías no paramétricas, como las técnicas de dominancia estocástica, para robustecer las conclusiones.

El cuadro 2 presenta los valores p estimados para el contraste de ^{Barrett y Donald, (2003)} asociados con la hipótesis nula de que una cartera A (ganadora/perdedora) domina a otra cartera B (perdedora/ganadora) para el segundo orden de dominancia estocástica. En concreto, la columna L > W contrasta la hipótesis nula de que la cartera perdedora domina a la ganadora y la columna W > L contrasta la hipótesis nula de que la cartera ganadora domina a la perdedora. Lógicamente, para afirmar que la cartera ganadora domina a la perdedora es necesario verificar que no se rechaza la hipótesis nula de que W > L y, en cambio, se rechaza la hipótesis nula de que L > W. Si no se cumplen ambas premisas no puede suponerse ningún tipo de dominio entre carteras para una significación prefijada.

Como se observa en dicho cuadro, la hipótesis nula de que la cartera ganadora domina a la perdedora (W > L) no puede rechazarse a niveles de significación tradicionales. En cambio, la hipótesis nula de que la cartera perdedora domina a la ganadora (L > W) puede rechazarse en la mayoría de los casos para niveles de significación de 5% e incluso de 1%. Ello nos permite afirmar que para agentes insaciables y aversos al riesgo la cartera de títulos ganadores es preferida a la de perdedores, por lo que, suponiendo criterios bastante generales de preferencia de los agentes, la rentabilidad de la cartera de momentum no puede atribuir se a factores de riesgo omitidos.

En este punto podría preguntarse si factores como la liquidez o los costos de transacción pueden justificar la existencia de las rentabilidades anormales obtenidas. Si se toma como fuente los datos recogidos en ^{Fong et al (2005)},¹² estos costos totalizan 3% por operación. En concreto, se estiman unos costos de 1.2% relativos a la horquilla (bid-ask spread) en los mercados emergentes; 0.8% en comisiones de entrada y salida de la estrategia (round trip commission) y 1% de costos de efecto del precio (price impact costs).

Las rentabilidades obtenidas para la duración de cada estrategia respectiva, tanto ordinarias como ajustadas, superan estos costos totales de manera apreciable, con la excepción de las estrategias con periodo de formación corto J = 3. En este caso, las rentabilidades netas (ordinarias o ajustadas) son negativas salvo para el caso 3 × 9 que arroja una rentabilidad prácticamente nula (0.08% anual). Para el resto de las estrategias las rentabilidades anuales netas oscilan entre 1.2% anual correspondiente a la estrategia 6 × 3 hasta 5.76% anual de la estrategia 9 × 6. En general, tomando como referencia las rentabilidades anuales netas, las estrategias de menor mantenimiento (K = 3) son las menos rentables, siendo claramente las mejores las de periodos de mantenimiento de seis o nueve meses, volviendo a reducirse para el caso de periodos de 12 meses.

1. Momentum y sesgos de sobreconfianza y autoatribución

La relación del efecto momentum con los sesgos psicológicos de sobreconfianza y autoatribución parte del modelo de ^{Daniel et al (1998)}. Dentro de dicho modelo se presentan dos tipos de agentes, informados y desinformados, siendo los primeros los que presentan los sesgos mencionados en su comportamiento. El sesgo de sobreconfianza conduce a los agentes a creer que tienen más información de la que manejan en realidad y a sobreponderar el alcance de dicha información. Unida a este sesgo, la autoatribución conduce a los agentes a otorgar mayor importancia a las noticias que confirman su información previa o sus creencias mientras que las que no lo hacen pueden ser consideradas por el agente como ruido. De este modo la confianza de un agente aumenta cuando la información pública está de acuerdo con su propia información pero no cae de igual manera cuando la contradice. La presencia de estos agentes en el mercado, según el modelo, conduce a una continuación de las rentabilidades en el medio plazo debido a la sobreconfianza que se revierte en el largo plazo, ya que la información que no contradice las creencias de los agentes debería acabar prevaleciendo.

Uno de los principales in convenientes de los modelos de comportamiento de los inversionistas es la dificultad de que sus predicciones sean contrasta das en la práctica. Una primera aproximación la realizan ^{Daniel y Titman (1999)}. Según esos autores si existe un efecto momentum provocado por los sesgos de autoatribución y sobreconfianza las rentabilidades de las estrategias deberían manifestarse con mayor fuerza en títulos que presenten una baja proporción valoren libros/valor de mercado, dado que son títulos relativamente más difíciles de valorar y en los que el efecto de la información privada de los agentes debería ser mayor. Nótese que las acciones que tienen esta baja proporción son acciones que poseen un mayor peso de activos intangibles y una mayor cartera de opciones de crecimiento. Este tipo de características ha ce que estas empresas sean más complejas de valorar y, en consecuencia, estén sujetas a una mayor probabilidad de que se presenten sesgos de comportamiento.^{13 Daniel y Titman (1999)} encuentran pruebas positivas para sus predicciones en el mercado estadunidense.

Para contrastar si la existencia de efecto momentum en el mercado de valores mexicano es compatible con las predicciones del modelo de ^{Daniel et al (1998)} se ha dividido mensualmente la muestra completa en terciles basándonos en la proporción BTM. Para cada tercil se han construido las carteras correspondientes para obtener las estrategias de momentum para cada grupo de BTM. Los resultados segmentados por la variable BTM (véase las partes A, B y C del cuadro 3) permiten dar cierto apoyo empírico a la influencia significativa del sesgo de sobre confianza en la explicación del efecto momentum en la Bolsa Mexicana de Valores.¹⁴ Si bien las rentabilidades de las estrategias de periodos de formación cortos son similares (incluso quizás algo mayores) en las empresas de alto BTM frente a las de bajo BTM, en las de mayor periodo de formación (J = 9 y K = 9 y 12 y J = 12 K = 3, 6, 9 y 12) la rentabilidad de las estrategias de momentum es positiva y significativa en las empresas de bajo BTM y claramente mayor que la que se obtiene en las empresas de alto BTM en las que, además, no es significativamente distinta de 0.

Estos resultados para las estrategias de largo periodo de formación son acordes con las predicciones de ^{Daniel y Titman (1999)} respecto a la influencia de la sobreconfianza en el efecto momentum. No obstante, la explicación que ofrece esta variable no es total, ya que no se observan diferencias en las estrategias de menor tiempo de formación. En consecuencia, los resultados parecen confirmar que el sesgo de sobreconfianza puede tener cierta capacidad explicativa, pero no se trata del causante único de las rentabilidades ofrecidas por las estrategias de momentum durante el periodo analizado, lo que refuerza el argumento de la necesidad de estudiar distintos mercados de valores antes de inferir conclusiones generalizables como suele ser frecuente en la bibliografía anglosajona.

Una segunda vía de contraste del modelo de ^{Daniel et al (1998)} se presenta en el trabajo de ^{Cooper et al (2004)} que vincula el efecto momentum con el estado del mercado. Según esos autores si los sesgos de sobreconfianza y autoatribución tienen capacidad explicativa del efecto momentum, éste debe ría presentar se más claramente en periodos alcistas del mercado. Sus resultados para el mercado estadunidense confirman sus hipótesis. De manera similar a lo realizado en el citado trabajo se ha contrastado el comportamiento del efecto momentum en la Bolsa Mexicana de Valores en función del estado del mercado, utilizando para ello la siguiente regresión:

a partir de la cual pueden realizar se diferentes contrastes. En particular, si la media de las rentabilidades de las diferentes estrategias de momentum es nula en alguno de los estados de mercado o si las medias de las rentabilidades de dichas estrategias son iguales entre periodos alcistas y bajistas de mercado.

^{Cooper et al (2004)} presentan resultados considerando que un mercado se encuentra en fase alcista cuando la rentabilidad acumulada durante los pasados 36 meses del mismo es positiva (asignando en ese mes un 1 a la variable D _UP y un 0 a la variable D _DOWN ) y que se encuentra en una fase bajista cuando su rentabilidad acumulada durante esos 36 meses es 0 o negativa (asignando 0 en ese mes a la variable D _UP y 1 a la variable D _DOWN ). Dichos autores también utilizan periodos más cortos a los 36 meses para definir el estado del mercado con la finalidad de robustecer sus resultados. En este trabajo, y dado que la duración de las fases alcistas y bajistas en mercados emergentes pueden resultar relativamente más cortas que en mercados desarrollados, como muestran ^{Muga y Santamaría (2008)}, se ha considerado que el mercado se encuentra en fase alcista (bajista) si sus rentabilidades acumuladas durante los 12 meses anteriores son positivas (negativas o nulas).

El cuadro 4 muestra los resultados del análisis con rentabilidades ordinarias cuando se utiliza como proxy del estado del mercado las rentabilidades acumuladas del IPC correspondientes a los 12 meses anteriores al momento de formación de las estrategias de momentum. Se observa que, en general, las rentabilidades de las estrategias después de periodos alcistas del mercado resultan significativas, que no las que se producen después de periodos bajistas del mercado. No obstante, debido a la notoria variabilidad de las rentabilidades (particularmente en el caso de periodos bajistas), las diferencias de rentabilidades entre periodos alcistas y bajistas no resultan significativas, según la prueba de Wald.

Si se opta por utilizar el índice S&P500 como proxy de estado del mercado¹⁵ se obtienen unos resultados similares, aunque un poco más favorables a la hipótesis de ^{Cooper et al (2004)}, puesto que algunas de las estrategias ofrecen rentabilidades estadísticamente superiores después de mercados alcistas según la prueba de Wald.

No obstante, las frecuentes crisis que sufren los mercados emergentes afectan negativamente la presencia de los sesgos de sobreconfianza y autoatribución en los agentes y, por tanto, la existencia de un efecto momentum causado por ellos (véase ^{Muga y Santamaría, 2008}). Ello debido a la ausencia de periodos alcistas suficientemente prolongados que ocasionan el optimismo en los inversionistas y a la posibilidad de que el efecto momentum pue da responder a causas diferentes de los citados sesgos, como pudiera ser el efecto disposición, haciendo más compleja su interpretación.

Una opción interesante para visualizar el potencial efecto de las diferentes crisis que ha sufrido la Bolsa Mexicana de Valores durante el periodo objeto de estudio en las rentabilidades proporcionadas por las estrategias de momentum consiste en la utilización de procedimientos forward y backward rolling con los estadísticos t correspondientes a las series de cada una de las estrategias analiza das (véase ^{Muga y Santamaría, 2007e}). Estos procedimientos pueden ayudar a analizar en que momento se producen cambios en los rendimientos de las estrategias de momentum, y por tanto, son instrumentos útiles para visualizar si fenómenos como la crisis de 1995, el contagio de la crisis asiática de 1997, o la crisis tecnológica de 2001 tienen efecto en las rentabilidades de momentum en la Bolsa Mexicana de Valores.

En concreto, el procedimiento forward rolling consiste en calcular el estadístico t correspondiente a la serie de rentabilidades obtenidas por las estrategias de momentum durante los primeros 24 meses del periodo objeto de estudio e ir añadiendo progresivamente rentabilidades para observar como se comporta dicho estadístico t. Este procedimiento debe complementarse con un backward rolling por el que a partir de las rentabilidades de las estrategias de los últimos 24 meses del periodo objeto de estudio se calcula un estadístico t, que volverá a recalcularse añadiendo a estos meses el mes anterior y así sucesivamente. De esta manera se obtiene series de estadísticos t correspondientes a las estrategias de momentum desplazándonos hacia atrás. La conjunción de ambos procedimientos permite precisar cambios en el comportamiento de las rentabilidades de las estrategias.

Los resultados para el procedimiento forward rolling para una estrategia con un periodo de formación de 12 meses y un periodo de mantenimiento de seis meses se observan en la gráfica 1 y los resultados para el backward rolling complementario se encuentran en la gráfica 2. En la gráfica 1 se observa que durante los primeros 24 meses la estrategia proporciona rentabilidades positivas aunque no significativas (estadístico t alrededor de 1.5) dichas bajas rentabilidades de la estrategia se prolongan hasta marzo de 1997, periodo que se podría asociar con la crisis económica mexicana.¹⁶ Posteriormente se observa un crecimiento del estadístico t hasta principios de 2001, cuando alcanza un máximo, momento a partir del cual las rentabilidades de la estrategia se deterioran hasta aproximadamente noviembre de 2003, periodo que podría estar asociado al contagio al mercado mexicano de la crisis de las empresas tecnológicas y que tuvo su origen en el mercado estadunidense.¹⁷ A partir de este punto vuelve a observarse un crecimiento en el estadístico t asociado a la estrategia.

Gráfica 1 MOM126 forward rollings 

Gráfica 2 MOM126 backward rolling 

Tal y como se ha comentado, los resultados del forward rolling deben ser complementados con un procedimiento backward rolling que se registra en la gráfica 2, leyéndose los resultados de derecha a izquierda. Como puede observarse, se detectan rentabilidades positivas de la estrategia durante los últimos 24 meses del periodo objeto de estudio, decayendo el estadístico t de manera apreciable en el periodo noviembre de 2003 a marzo de 2001, momento en el que el estadístico t calculado alcanza un mínimo, confirmando las rentabilidades bajas de la estrategia durante la crisis tecnológica apuntadas en la gráfica anterior. Sin embargo al retroceder en el tiempo se observa un crecimiento del estadístico t sin alteraciones relevantes, salvo una caída brusca a fines de los años noventa. El pequeño número de observaciones entre el comienzo de la muestra y el comienzo de los efectos de la crisis “tequila” hace que el efecto de ésta en las rentabilidades de las estrategias de momentum apenas sea perceptible por el procedimiento backward rolling.¹⁸

En resumen, a partir de estos análisis se puede afirmar que las rentabilidades de las estrategias de momentum en el Bolsa Mexicana de Valores fueron muy afectadas por la crisis de las empresas tecnológicas, contagiada del mercado estadunidense a principios del presente siglo, así como por la crisis “tequila” de mediados de los años noventa. En realidad, en ambos subperiodos las estrategias de momentum no presentan rentabilidades significativas.¹⁹ Las consecuencias del contagio de la crisis asiática fueron menos perceptibles, al menos en lo referente a su efecto en este tipo de estrategias.

Una cuestión adicional en la que cabría reflexionar es la gran cantidad de picos que se observan en ambas gráficas, lo que puede dar una idea de la inestabilidad de la estrategia en este mercado. Estos resultados unidos a los relacionados con el BTM, así como los que relacionan el efecto momentum con el estado del mercado presenta dos en este trabajo, avalan la hipótesis del carácter multifactorial de las rentabilidades obtenidas por las estrategias de momentum, dado que no parece que éstas se puedan atribuir única y exclusivamente a la presencia de agentes con sesgos de sobreconfianza y autoatribución.

2. Momentum y difusión de la información

Una de las explicaciones ofrecidas al efecto momentum, aunque no exige directamente la existencia de sesgos psicológicos, es la ofrecida por ^{Hong y Stein (1999)}, quienes plantean un modelo con dos clases de inversionistas (“observadores de noticias” y “negociadores de momentum”) que operan con conjuntos diferentes de información. Como consecuencia de la actividad de los primeros la información se incorpora lentamente en los precios, que ocasiona una continuación de rentabilidades. Dicha continuación es aprovechada por los segundos que producen un mayor mantenimiento de dicha tendencia. Los beneficios de las estrategias de momentum se deben, por tanto, a una infrarreacción inicial de los precios, seguida por una sobrerreacción. Finalmente se produce una re versión a sus fundamentales en el largo plazo.

Para contrastar esta explicación ^{Hong, Lim y Stein (2000)} proponen utilizar el tamaño como proxy, de modo que la difusión de la información será menor cuanto menor sea el tamaño de la empresa. Estos autores también proponen otra medida del grado de difusión de la información basada en la cobertura de los analistas. La razón es que el tamaño puede estar midiendo otros aspectos y no únicamente el perseguido.

Con objeto de verificar el efecto del tamaño, y de manera in directa de la velocidad de la difusión de la información, en las rentabilidades de las estrategias de momentum en el mercado mexicano se ha realizado un análisis similar al expuesto en la sección anterior con el BTM. Se ha dividido la muestra completo en ter ci les en función del tamaño de la empresa en cada momento y posteriormente se ha contrastado el efecto momentum para cada uno de los grupos de capitalización. Si el tamaño es una variable relevante deberían observar se diferencias en las rentabilidades de las estrategias de momentum entre los tres grupos construidos. En concreto, si la causa del efecto momentum es la incorporación lenta de la información en los precios y ello se observa más claramente en las empresas de pequeño tamaño, como proponen ^{Hong, Lim y Stein (2000)}, se debería observar una mayor rentabilidad de dichas estrategias en el grupo de empresas pequeñas.

El cuadro 5 recoge las rentabilidades ajustadas por el modelo DCAPM para los tres grupos construidos en función del tamaño²⁰ (partes A, B y C). Como puede apreciarse, no hay diferencias muy importantes entre las rentabilidades de las distintas estrategias en los diferentes grupos de capitalización. En realidad, la mayoría de las rentabilidades obtenidas no resultan significativas en los distintos grupos.²¹ Ello parece sugerir que el tamaño no es una variable, per se, determinante en la explicación de las rentabilidades de las estrategias de momentum para el periodo analiza do.

Como se ha señalado, otra variable interesante para intentar contrastar esta explicación es la cobertura de analistas, esto es, si hay analistas o expertos que tienen que realizar previsiones en fechas concretas respecto a distintas variables económico-financieras de las empresas. En el presente caso se han creado dos grupos de empresas: las que tienen pronósticos en la base de datos I/B/E/S y las que no los tienen. Hay que señalar que la incorporación de gran parte de las empresas que actualmente tienen este tipo de información es muy reciente y el criterio de asignación ha sido tener o no tener registro en la base de datos al final del espacio muestral. Ello puede incidir en los resultados porque algunas de las empresas pertenecientes al grupo que tiene cobertura es posible que disponga de ella des de momentos muy recientes y, en consecuencia, quizá podría cuestionar se su pertenencia a uno u otro grupo. Desafortunadamente no disponemos de la fecha a partir de la cual los analistas realizan sus pronósticos para una empresa en concreto, lo que ha ce difícil su correcta asignación. En cualquier caso, a pesar de esas imprecisiones, tiene interés analizar esta variable para verificar si se obtienen diferencias importantes entre ambos grupos.

El cuadro 6 presenta las rentabilidades de las estrategias de momentum para ambos grupos. En las partes A y B se recogen las rentabilidades ajustadas con los modelos de Fama y French y DCAPM de las empresas que tienen actualmente cobertura de analistas en la base I/B/E/S y en las partes C y D ser recoge la misma información para las empresas que no la poseen.

En el caso de las empresas con cobertura de analistas, tan sólo hay dos y tres estrategias significativamente positivas para rentabilidades ajustadas por Fama y French y DCAPM, respectivamente, a 5%. El número se eleva a siete y cinco estrategias significativas a 10%. En cambio para empresas sin cobertura estos datos cambian de manera sensible. Si bien tan sólo hay cuatro y cinco estrategias significativas a 5%, respectivamente, este número aumenta a 12 en ambos casos para una significación de 10 por ciento.

Estos resultados sugieren que la cobertura de analistas, que es una proxy de la atención que reciben los títulos y, por tanto, de su mayor facilidad para que la información se incorpore rápidamente a los precios, tiene cierta capacidad explicativa del fenómeno del momentum en este mercado. Es posible que la gran variabilidad de la serie de rentabilidades de las estrategias de momentum entre las empresas sin cobertura de analistas conduzca a que no se obtengan unos resultados más claros, dado que los valores medios son muy altos.

No obstante, tan to el tamaño como la cobertura de analistas son variables que intentan aproximar la mayor o menor facilidad con la que la información se incorpora en los precios. En el caso de la cobertura, se obtendría una mejor medida si, además de recoger si una empresa tiene cobertura o no, se pudiese conocer el número de analistas que realiza la cobertura, tal y como muestran ^{Hong, Lim y Stein (2000)}. Desafortunadamente carecemos de esa información. Además, la cobertura de analistas en la base I/B/E/S es muy reciente, por lo que la medida puede ser poco precisa.

Una variable que puede aproximar en mejor medida ambas características es la pertenencia o no a un índice selectivo. Lógicamente las acciones blue chips tienen, en general, un mayor tamaño, una mayor cobertura de analistas, así como un seguimiento más directo de los inversionistas institucionales y de los internacionales. Ello supone un claro incentivo a una incorporación más rápida de la información que en empresas menos “visibles” a los inversionistas.

En consecuencia, si la menor visibilidad de las acciones puede ser una característica que presenten los títulos que forman parte de las estrategias de momentum, el cálculo de estas estrategias para el subconjunto de activos que forman parte de un índice selectivo, en este caso el IPC, no debería ofrecer rentabilidades positivas o, en su caso, ser claramente menores que las obtenidas para el total de las acciones.

El cuadro 7 recoge las rentabilidades ordinarias (par te A) y ajustadas con los modelos de Fama y French y DCAPM (partes B y C) de las estrategias de momentum para las empresas registradas en el IPC. Como puede observarse, las rentabilidades no son significativamente distintas de 0, tanto las ordinarias como las ajustadas por Fama y French y DCAPM. Tan sólo la estrategia 6 × 6 es significativa a 5% (tanto en rentabilidades ordinarias como ajustadas) y tres y cuatro estrategias (no coincidentes entre ajustes) si se permite una de significación de 10%. En cualquier caso, las rentabilidades son clara mente más reducidas que las correspondientes a la muestra completo de títulos (véase cuadro 1). Ello indica claramente que el fenómeno de continuación de rentabilidades en la Bolsa Mexicana de Valores puede estar asociado a la menor visibilidad de las acciones.

El resultado obtenido no puede ser interpretado de una manera ingenua, en el sentido de que las acciones blue chips no pueden formar parte de las estrategias de momentum o que las estrategias de momentum establecidas en acciones pertenecientes a un índice selectivo no van a arrojar rentabilidades significativamente positivas. Lo que permiten confirmar los resultados es que el efecto momentum se relaciona de una manera negativa con la visibilidad de las acciones, entendida por su cobertura por analistas, inversionistas expertos, grandes inversionistas internacionales, etc. En realidad, en el caso concreto del mercado y periodo analizados, únicamente se obtienen rentabilidades positivas y significativas en el total de empresas, pero no para la muestra de acciones más visibles. Si bien este resultado concreto no puede extenderse, la relación negativa entre visibilidad y momentum, que se ha manifestado de manera muy clara en este artículo, sí parece factible que pueda generalizar se a otros mercados y activos.