n del Beta y el Costo de

Estimacio
Capital en la Industria de Concesiones
n a las
en Chile: Una Aplicacio
Carreteras y los Aeropuertos Usando
Econometra de Datos Panel
Sergio Alejandro Hinojosa
IKONS ATN
Eduardo Marquina 3937
Comuna de Vitacura, Santiago de Chile
Fono: +(562) 2066760
email shinojosa@ikons.cl
Julio 2010

Indice
1. Introducci
on

2. Revisi
on de la literatura
5
2.1. Modelos generales de costo de capital . . . . . . . . . . . . . . . . . . 5
2.2. Modelos contables de costo de capital . . . . . . . . . . . . . . . . . . 7
2.3. Calidad de la informacion contable para estimar Betas . . . . . . . . 11
3. Objetivo e hip
otesis

14

4. Especificaci
on del modelo con Datos de Panel
4.1. Metodologa de econometra de Datos de Panel .
4.2. Test de hipotesis para Datos de Panel . . . . . . .
4.2.1. Efectos individuales . . . . . . . . . . . . .
4.2.2. Discriminacion de efectos fijos y aleatorios
4.2.3. Prueba de correlacion de errores de seccion
4.3. El modelo a estimar basado en CAPM . . . . . .

. . . . .
. . . . .
. . . . .
. . . . .
cruzada
. . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

15
15
18
18
18
19
20

5. Variables y datos
21
5.1. Unidad de analisis: Las sociedades concesionarias . . . . . . . . . . . 21
1

5.2. Retornos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.3. Retorno libre de riesgo y retorno de mercado . . . . . . . . . . . . . . 23
6. An
alisis Econom
etricos
6.1. Especificaciones . . . . . . . . . .
6.2. Resultados . . . . . . . . . . . . .
6.2.1. Resultados con retornos de
6.2.2. Resultados con retornos de
6.2.3. Pruebas de hipotesis . . .

. . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . .
mercado con informacion bursatil .
mercado con informacion contable
. . . . . . . . . . . . . . . . . . . .

24
24
26
26
28
29

7. Limitaciones del estudio y futuras lneas de investigaci

on
34
7.1. Limitaciones del estudio relacionado al uso de betas contables . . . . 34
7.2. Futuras lneas de investigacion . . . . . . . . . . . . . . . . . . . . . . 35
8. Conclusiones

36

Bibliografa.

38

A. Empresas Concesionarias: Betas del sector vial a nivel internacional

44

Indice de cuadros
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.

Chile: Proyectos en Concesion (1993-2009) . . . . . . . . . . . . . .

Chile: Costo de capital en industrias reguladas . . . . . . . . . . . .
Chile: Sociendades concesionarias . . . . . . . . . . . . . . . . . . .
Chile: Regresiones con datos de retornos de mercado con informacion
bursatil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Chile: Regresiones con datos de retornos de mercado con informacion
contable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Resultados de regresiones con informacion bursatil . . . . . . . . . .
Resultados de regresiones con informacion bursatil . . . . . . . . . .
Comparacion metodos estimacion . . . . . . . . . . . . . . . . . . .
Test de Hausman . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Resultados regresion final sin ponderacion por peso . . . . . . . . .
Resultados regresion final con ponderacion por peso . . . . . . . . .
Resumen resultados de hipotesis . . . . . . . . . . . . . . . . . . . .
Resultados regresion final con panel balanceada . . . . . . . . . . .
Comparacion de resultados . . . . . . . . . . . . . . . . . . . . . . .
Costo de capital de activos para distintas tasas de retornos de mercado
y libre de riesgos en pesos . . . . . . . . . . . . . . . . . . . . . . .

. 3
. 4
. 22
. 25
.
.
.
.
.
.
.
.
.
.

25
26
28
30
30
32
32
33
33
34

. 37

Resumen
En este documento se examina la relacion entre retorno esperado y riesgo
en la industria de concesiones de obras p
ublicas, para los sectores de autopistas interurbanas y aeropuertos. Para lo anterior, se utiliza un modelo
econometrico de datos de panel, particularmente modelos SUR1 , usando informaci
on trimestral de retornos, para el periodo comprendido entre los a
nos
2000 y 2008. Se utiliza como referencia, el modelo de valoracion de activos
de capital [CAPM], propuesto en los trabajos seminales de Sharpe (1964) y
Lintner (1965) y el modelo Zero-Beta CAPM propuesto por Black (1972).
Metodol
ogicamente se estima para cada industria el coeficiente Beta ()2
sobre la base en datos contables. La ventaja de esta aproximacion, es que no se
requieren datos de los rendimientos de mercado para la empresa, porque en el
caso de Chile ninguna empresa concesionaria cotiza en la bolsa, y por lo tanto
no es posible calcular el retorno historico a traves de la evolucion del precio
de las acciones. Los resultados encontrados muestran que el para el sector
de carreteras asciende a 0.172, mientras que para el sector de aeropuertos es
0.652. Para el caso de aeropuertos, el resultado no difiere estadsticamente del
de empresas comparables que si cotizan en Bolsa. Las implicancias de lo
anterior son al menos dos:
En primer lugar, para las futuras licitaciones de aeropuertos y carreteras,
conociendo el valor de , la autoridad p
ublica puede estimar el retorno
esperado para el dise
no del modelo de concesion, y
En segundo lugar, en caso que sea necesario realizar modificaciones a los
actuales contratos de concesion para incorporar principalmente nuevas
inversiones, y en consecuencia se deba compensar al concesionario con
alguna variable econ
omica, el modelo de compensacion puede calcular
el costo de capital usando los resultados de que se muestran en el
presente trabajo.
JEL: C23, C51, G12, G38, G39
Palabras Clave: Datos de panel, costo de capital, Beta contable
Resumen
This article examines the relationship between expected return and risk
in the road and airport concession industry. It uses an econometric model
of panel data, particularly SUR models, with quarterly return data between
2000 and 2008, taking as a reference the Capital Asset Pricing Model [CAPM].
The Beta coefficient () is estimated for each industry based on corporate accounting data, considering that in the case of Chile no concessionaire is listed
on the stock exchange, and as such it is not possible to calculate historical
return through the evolution the stock price. The results show that for the
road sector amounts to 0.172, whereas for the airport sector it is 0.652. In
the case of airports, the resulting is not statistically different from that of
comparable firms that are traded in the stock exchange.
1 Regresi
on
2A

aparentemente no relacionada (Seemingly Unrelated Regression)

lo largo del artculo se utiliza indistintamente Beta o

JEL: C23, C51, G12, G38, G39

Keywords: Data panel, cost of capital, accounting beta.

1.

Introducci
on

En Chile, en la decada de los noventa, se inicia una importante transformacion y

modernizacion de la deteriorada infraestructura p
ublica que tena el pas con la
creacion de la Ley de Concesiones en el a
no 1991, la que fue aprobada por unanim3
idad en el Congreso Nacional , y luego es perfeccionada en 1996 y complementada
con mejoramientos a leyes relacionadas de los Fondos de Pensiones, Ley de Bancos
y Ley de Compa
nas de Seguros de Vida.
El programa de concesiones, se ha traducido a la fecha en el desarrollo de 55
iniciativas en distintos sectores de la economa, lo que ha permitido modernizar
de manera importante la infraestructura del pas con inversiones que superan los
USD 8,700 millones, que representan casi el 8 % del PIB del a
no 2009. En el cuadro
siguiente se presenta un resumen de los proyectos concesionados por sector en el
periodo 1993-2009:
Cuadro 1: Chile: Proyectos en Concesi
on (1993-2009)
Sector

N
umero de Proyectos

Vialidad Interurbana
Viabilidad Urbana
Infraestructura Penitenciaria
Embalse
Edificaci
on P
ublica
Aeroportuario
Hospitalario
Total

22
12
2
1
4
12
2
55

Inversi
on Adjudicada
(Millones USD)
4.868
2.643
195
150
173
380
371
8.780

Fuente: Elaboraci
on propia en base a informaci
on del MOP (2009).

Recientemente, se ha perfeccionado la Ley de Concesiones4 , en lo referente a procedimientos de arbitraje, regulacion de las nuevas inversiones y su vinculacion con
los niveles de servicio de las obras. En uno de sus artculos se establece que: . . .El
Ministerio de Obras P
ublicas podra modificar las caractersticas de las obras y servicios contratados a objeto de incrementar los niveles de servicio y estandares tecnicos
establecidos en las bases de licitacion, o por otras razones de interes p
ublico debidamente fundadas. Como consecuencia de ello, debera compensar economicamente al
concesionario cuando corresponda, por los costos adicionales en que este incurriere
por tal concepto.
En relacion a la tipologa de compensaciones economicas se indica que: . . .deberan
expresarse en los siguientes factores: subsidios entregados por el Estado, pagos voluntarios efectuados directamente al concesionario por terceros a quienes les interese
el desarrollo de la obra, modificacion del valor presente de los ingresos totales de
la concesion, alteracion del plazo de la concesion, modificacion de las tarifas u otro
factor del regimen economico de la concesion pactado. Se podran utilizar uno o varios de esos factores a la vez .
de Concesiones de Obras P
ublicas Decreto con fuerza de ley N 164, del Ministerio de
Obras P
ublicas de 1991
4 Ley 20410 con fecha de publicaci
on el 20 de Enero 2010. Biblioteca del Congreso Nacional de
Chile
3 Ley

Al respecto, en Chile los sectores regulados de telecomunicaciones, sanitarias y energa cuentan con reglas y procedimientos para la determinacion de las tarifas y la
tasa de descuento. La regulacion que se aplica corresponde a la empresa modelo,
la cual es sustituta a la regulacion por tasa de retorno5 utilizada extensamente en
pases como Canada, Japon, y principalmente en EE.UU. y a la regulacion de precio maximo (price cap regulation) creada en el Reino Unido, donde los precios se
ajustan por inflacion (RPI) menos un factor de productividad (X) [Beesley y Littlechild (1983), Littlechild (1983) y Bernstein y Sappington (1999)]. De acuerdo a
Shleifer (1985), la metodologa yardstick competition, comparative competition o
empresa modelo es definida como un mecanismo regulatorio que simula el comportamiento de un mercado competitivo. Para ello, compara el funcionamiento de una
empresa, con el de sus rivales en el mismo mercado, o con empresas parecidas que
act
uan en mercados diferentes. El proceso de regulacion implica dise
nar para cada
periodo tarifario, una nueva empresa desde cero, que invierte en la tecnologa mas
eficiente para satisfacer la demanda del periodo. La empresa modelo debe recuperar
sus inversiones con los flujos descontados a una tasa apropiada, seg
un el nivel de
riesgo no diversificable que posean sus inversiones. El nivel de apalancamiento de
la empresa modelo es el nivel optimo dadas las condiciones de mercado y el sector
economico al que pertenezca. La tasa de descuento apropiada, la cual se encuentra
definida en el marco regulatorio equivale a un 10 % en el sector de electricidad, una
tasa del bono del banco central reajustable a 8 o mas a
nos plazo, mas un premio por
riesgo entre 3 % y 3.5 % para el sector sanitario y; una tasa de costo de capital que
se obtiene aplicando un modelo de valoracion de activos de capital con informacion
contable para el caso de telecomunicaciones.
A continuacion se resumen el calculo del costo de capital en los sectores de
electricidad, saneamiento, telecomunicaciones:
Cuadro 2: Chile: Costo de capital en industrias reguladas
Sector
Electricidad
Sanitario
Telecomunicaciones

Tasa de Costo Capital

10 %
Tasa del bono del banco central reajustable a 8 o mas a
nos
plazo + premio por riesgo entre 3 % y 3.5 %
M
etodo de c
alculo establecido en las bases t
ecnicas de
licitaci
on basada en modelos de betas contables.

Fuente: Elaboraci
on propia en base a regulaciones y leyes de cada sector

Como se ha se
nalado, los recientes cambios en la Ley de Concesiones6 , obligan para
el caso de las compensaciones y renegociaciones de contratos, a tomar una posicion
tecnica respecto a la determinacion de la tasa de descuento a aplicar en estos casos.
Hasta antes de las modificaciones mencionadas, en el caso de los proyectos de infraestructura implementados a traves de la Ley de Concesiones y cuyo resumen se
muestra en el Cuadro 1, la determinacion de un procedimiento explicito para definir
y calcular la tasa de descuento no estuvo presente en la regulacion de los sectores
5 Las

que han sido sujetas de crticas por generar incentivos a sobreinvertir [Averch y Johnson
(1962)]
6 Lo realice un regulador independiente o el
organo concedente.

de infraestructura de transporte carretero y aeroportuario.

En lo que sigue, se desarrolla un modelo econometrico de datos de panel para
estimar el costo de capital y particularmente el Beta () del sector de concesiones
de aeropuerto y carreteras interurbanas. Se busca estimar el coeficiente con base
en datos contables. El resto del artculo se organiza de la siguiente manera. En
la seccion 2 se revisa literatura general y contable para estimacion de modelos de
costo de capital y se examina el contexto institucional de Chile y las oportunidades
que presenta para usar informacion contable para la estimacion de un contable
en la industria de concesiones. La seccion 3, plantea el objetivo y las hipotesis de
la investigacion. La seccion 4, introduce la metodologa de econometra de datos
de panel, algunos test estadsticos para datos de panel y se presenta el modelo
analtico a estudiar. La seccion 5, contiene el dise
no de la muestra de concesiones y
la fuente de informacion. En la Seccion 6, se presentan los resultados y los analisis
econometricos. La Seccion 7, las limitaciones y futuras lneas de investigacion del
estudio, y la Seccion 8, las principales conclusiones. Finalmente se ofrece un anexo
que incluye una estimacion de s internacionales.

2.
2.1.

Revisi
on de la literatura
Modelos generales de costo de capital

En el campo de las finanzas corporativas, Williams (1938) y Gordon y Shapiro

(1956), hicieron los primeros intentos de calcular el costo del capital a partir de un
modelo formal de crecimiento de dividendos de la empresa. El modelo asume que la
empresa tiene una distribucion de dividendos a perpetuidad, de tal forma que la tasa
de costo de capital se calcula en funcion del valor de la firma, los dividendos que se
distribuyen anualmente, y una tasa g de crecimiento esperada de la perpetuidad7 .
La aplicabilidad de la expresion anterior para los esquemas de concesiones resulta
difcil. En primer lugar porque en general, si bien las concesiones son a plazo largo, en
ning
un caso son por definicion a perpetuidad, y por lo tanto los dividendos no pueden
ser distribuidos hasta el infinito. En segundo lugar, en algunos casos las concesiones
pueden ser a plazo variable, y eso es especialmente relevante en el caso de Chile dado
que en algunas concesiones viales y aeroportuarias se implementa el mecanismo de
valor presente de los ingresos. El mecanismo de licitacion se denomina Menor Valor
Presente de los Ingresos (MVPI). El esquema MVPI opera de la siguiente forma:
1. La autoridad monitorea periodicamente los ingresos del operador y los
actualiza a la tasa de descuento definida en el contrato. La concesion se termina
en el momento en que el valor presente de los ingresos obtenidos por el operador
se iguala al monto solicitado en la licitacion;
2. el mecanismo supone que no existe un plazo definido para el termino de la
concesion [Engel, Fischer y Galetovic (1997,1998)].
7 La

expresi
on es como sigue: R =
tasa de crecimiento.

D (1 + g )
+ g, donde V es el valor de la firma y g es la
V

En tercer lugar, por razones de seguridad financiera, y por exigencias de los inversionistas de la deuda de una concesion, es muy difcil que al inicio y cada a
no se
pueda retirar dividendos. Generalmente se crean cuentas de reserva y los dividendos solamente se pueden retirar una vez que la deuda ha sido completamente pagada.
El modelo de valoracion de activos de capital (CAPM) es la aproximacion mas usada
para estimar el costo de capital. Una interesante referencia para la explicacion de
su formulacion analtica se encuentra en Copeland y Weston (1999). El modelo se
muestra a continuacion:
E( R i ) = r f + i (E( R M ) r f )
iM
que es la cantidad de riesgo que tiene el activo i con respecto al
2
M
mercado, R M es retorno de mercado y r f es la tasa libre de riesgo. Subyace detras
del modelo, que un inversionista puede diversificar todo el riesgo no sistematico, y
por lo tanto solamente exige un premio por sobre la tasa libre de riesgo para cubrir
el riesgo sistematico. Sin embargo, la derivacion anterior, asume un solo periodo
de tiempo. Una primera pregunta interesante es si es posible prestar y endeudarse
a la tasa libre de riesgo, si la respuesta es negativa entonces, cual es la solucion
para la valoracion de los activos de capital. Al respecto, Black (1972) desarrolla un
modelo en la cual introduciendo un activo que no es libre de riesgo pero de mnima
varianza llega a expresiones similares a las de Sharpe (1964) y Lintner (1965), manteniendo el resultado que el portafolio de mercado. Este modelo es conocido como
Zero Beta CAPM, y la diferencia es que la tasa libre de riesgo se reemplaza por un
retorno esperado de mnima varianza. Otra pregunta es que ocurre con la validez
del modelo en un contexto intertemporal, es decir dos o mas periodos. Desarrollos
posteriores permiten llegar a ecuaciones similares en un contexto intertemporal. La
variable temporal fue considerada en tiempo continuo por Merton (1973) a traves
del modelo intertemporal de valoracion de activos de capital (ICAPM), y en tiempo
discreto fue desarrollado por Campbell (1993). El modelo ICAPM propuesto por
Merton (1973) tiene una ecuacion identica a la del CAPM pero en tiempo continuo,
si se supone que el conjunto de posibilidades de inversion es el mismo para todos los
periodos.

Donde i =

Una de las crticas mas importantes al modelo CAPM ha sido que el retorno
esperado por los inversionistas dependa solamente del retorno de mercado [Fama y
French (1992), Chen et al (1986), Lettau y Ludvigson (2001), Hang (2001)]. Modelos
alternativos han emergido en la direccion de incorporar otros factores economicos,
ademas del retorno de mercado, para explicar el retorno esperado de los activos de
capital por parte de los inversionistas. Estos modelos se han basado en la teora de
valoracion por arbitraje, desarrollada inicialmente por Ross (1976). Sin embargo, si
bien estos modelos incluyen un mayor n
umero de variables para explicar el retorno
esperado, han sido menos efectivos, especialmente por la dificultad de determinar
los factores de manera conceptual y emprica [Cochrane (1999)]. En su expresion
agregada el modelo de m
ultiples factores puede escribirse como sigue:

E[ R] = r f + i Fi
i =1

Donde Fi son los distintos factores que impactan el retorno, y i es el respectivo

ponderador.
En el campo internacional y especialmente en pases emergentes la estimacion del
costo de capital tiene un rol central. Al respecto, Sabal (2002) distingue entre
modelos practicos y modelos academicos. Todas las aproximaciones pasan por el
tratamiento del riesgo pas. Entre los primeros se encuentran el modelo de riesgo
soberano de la consultora Mc Kinsey, el de volatilidad relativa de Damodaran (1994)
y el modelo de clasificacion de riesgos de Harvey (1995), donde en general lo que
subyace es agregarle el riesgo pas, al modelo CAPM general. Entre los segundos, se
encuentran el modelo de Lessard (1996), el modelo del Beta Ajustado de Godfrey
y Espinosa (1996), el modelo de Camacho (Score riesgo pas), y el CAPM Global.
Uno de los trabajos mas citados es el de Godfrey y Espinosa (1996). Ellos sostienen
que en el caso de pases emergentes, el premio por riesgo de invertir en el portafolio
de mercado accionario, no solo incluye el riesgo sistematico de este mercado, sino
que tambien incluye una fraccion de riesgo no sistematico debido a lo discutible que
es suponer perfecta diversificacion en estos mercados. Particularmente, los autores
proponen que el debe ser la razon entre la desviacion estandar del mercado
emergente y la del mercado global, es decir, proponen que la razon entre el premio
accionario local y el global sea igual a la razon entre el retorno esperado en los dos
mercados. Ademas, el artculo indica que la influencia del riesgo soberano explica
aproximadamente un 40 % de la variacion del mercado accionario tomando como
referencia una muestra de varios pases emergentes. Por lo tanto, se debe descontar
del beta o del riesgo sistematico, multiplicando por un factor igual a 0,6. Asimismo
propone eliminar el riesgo cambiario de la tasa de descuento calculando las tasas en
dolares.

2.2.

Modelos contables de costo de capital

Otra aproximacion que se estudia y se utiliza es la relacion, validacion y estimacion

del costo de capital y particularmente del usando informacion contable. El contable de una empresa intenta medir la sensibilidad de sus retornos contables con el
retorno promedio de mercado. El suele medirse a traves de la covarianza entre los
beneficios de una empresa y los de un ndice del mercado dividido por la varianza
de los beneficios del ndice de mercado. Uno de los problemas radica en la definicion de los retornos contables. Al no haber consenso sobre la forma como medir la
rentabilidad esperada no existe una u
nica definicion del beta contable. Sin embargo,
entre las medidas mas usadas para medir el retorno contable se encuentra la utilidad
contable- ya sea operativa o neta - retorno contable sobre el patrimonio (ROE), o
retorno contable sobre los activos (ROA). Al respecto, Watts y Zimmerman (1986)
se
nalan que existen motivos para asumir que los datos contables son u
tiles para
estimar s de los ttulos, no solo de las empresas que no cotizan sino de las que si
cotizan. Para la estimacion del contable, se debe tener en cuenta que los datos
contables pretenden medir el riesgo total, que incluye el riesgo sistematico y el no
7

sistematico, pero el de mercado solo mide el primero. En tal sentido, un supuesto

que esta presente en este tipo de estimacion es que ambos tipos de riesgos se encuentran positivamente correlacionados. Tambien es relevante establecer la relacion
entre el de mercado y el contable. Sobre el particular, Beaver y Manegolg (1975)
demuestran que los betas contables seran un factor explicativo del comportamiento de los betas de mercado. No obstante, estos autores concluyen que la evidencia
emprica demuestra que las estimaciones de los betas contables pueden estar mas
sesgadas que los betas de mercado, es decir, presentan mas errores de estimacion.
Por su parte, Hill y Stone (1980) mostraron que la informacion contable utilizada
para medir el riesgo que enfrenta la empresa incide en el valor de los betas de mercado. Es decir, cambios en el riesgo financiero y operativo de la empresa pueden
determinar cambios en los valores de los betas de mercado. En el mismo sentido,
Mensah (1992) concluye que los reales determinantes de el de mercado pueden ser
satisfactoriamente representados por cuentas contables, especficamente, mediciones
contables de riesgo de negocio, apalancamiento operativo y financiero. De esta forma, este autor concluye que manipulaciones de los reportes contables por parte de
la empresa incidiran directamente en el riesgo sistematico.
Luego del alto grado de aceptacion obtenido por el modelo CAPM, varios estudios
se enfocaron a buscar una relacion semejante al de mercado pero con datos contables
[Gonedes (1973), Ismail y Kim (1989), Giner, Laffarga y Larran (1999)]. Las motivaciones son principalmente dos: i) Primero, encontrar betas o medidas de riesgo
sistematico para empresas que no cotizan en bolsa y ii) Segundo, analizar que parte
del riesgo sistematico es explicado por la informacion contable.
Lo anterior se emplea para mejorar las estimaciones de retornos de activos, cuya
metodologa ayuda a encontrar las variables contables que pueden ser usadas en las
estimaciones de los modelos de arbitraje [Ross (1976)].
Cov( Ri , R M )
, donde Ri ,
2
M
R M son los retornos contables del activo y del mercado respectivamente. Sin embargo para calcular los retornos existen principalmente dos opciones: rentabilidad sobre
valor libro o rentabilidad sobre el valor bolsa. La primera opcion es denominada beta
contable pura por que no usa informacion de mercado.

El beta contable es definida en la siguiente formula: bi =

El beta contable que usa informacion de mercado fue usada en el trabajo pionero
de Ball y Brown (1969) pero luego fue desechada por la crtica de Gonedes (1973).
Numerosos trabajos empricos han investigado la relacion entre el de mercado y
el contable. En estos estudios se regresionan los betas de mercado para una muestra
de empresas que cotizan en bolsa, como variable dependiente sobre variables contables y el contable como variable independiente. El primer estudio fue de Ball y
Brown (1969), que encontraron una alta correlacion positiva entre estas variables.
No obstante, el trabajo fue criticado porque los retornos fueron calculados como
rentabilidad sobre valor de mercado de la firma, lo que implica cierta circularidad
ya que la misma variable aparece en ambos lados de la ecuacion. Luego aparecen
una serie de trabajos que buscan una relacion entre el de mercado y la infor8

macion contable. Entre ellos se destacan Beaver, Kettler y Sholes (1972) donde se
regresiona el de mercado contra el contable y otras medidas, como el reparto
de dividendos. Pettit y Westerfield (1972) usan como determinantes del riesgo sistematico betas contables junto con otros ratios contables para una muestra de 313
empresas entre 1947-1968. Gonedes (1973), con una muestra de 278 empresas, entre
1954-1970 encuentra una relacion significativa entre de mercado y betas contables
pero en una regresion de primeras diferencias.
Ismail y Kim (1989) usan diversas betas contables para explicar el beta de mercado,
y trabajan con una muestra de 272 empresas (1967-1983). Hill y Stone (1980), con
una muestra de 150 empresas entre 1947 y 1974, usan como variables independientes
los betas contables y el endeudamiento, y se
nalan que el contable puede ser estimado utilizando el ROE (Rentabilidad sobre el Patrimonio) o el ROA (Rentabilidad
sobre el Activo). La mayora de estos trabajos empricos usan variables distintas
a las variables contables propuestas por la literatura teorica, debido a problemas
de especificacion y/o de medicion. Sin embargo, las variables utilizadas en general
muestran un poder predictivo sobre el de mercado. Algunas variables contables
que han resultado significativas en estos trabajos son: la razon deuda patrimonio,
el crecimiento del activo, la variacion de los beneficios, el tama
no de la empresa, el
margen de ventas y los betas contables entre otras.
Una literatura no tan extensa pero muy relevante muestra las relaciones teoricas que
existen entre las variables basadas en informacion contable y el de mercado. En
esta lnea esta el trabajo de Bowman (1979), donde encuentra una relacion teorica
entre de mercado y contable suponiendo que los beneficios siguen un camino
SM
Ci , donde S M , Si
aleatorio simple, llegando a la siguiente expresion: iM =
Si
son los valores de cotizacion del mercado y del activo i respectivamente. Por su
parte, Berglund (1994) demuestra que el de mercado depende de la revision de las
expectativas.
Otro aspecto a considerar es que el principio contable del devengado suaviza las
series de resultados, por lo tanto algunos autores sugieren usar las series de flujos de
caja para estimar las betas contables. Siguiendo esta aproximacion Giner, Laffarga
y Larran (1999), en una muestra de 35 empresas espa
nolas encuentran que la media
de los betas de mercado es de 0.66 y del contable, calculando el retorno como el resultado operacional sobre el patrimonio es igual 0.985. Adicionalmente la desviacion
estandar de la media del beta contable es mayor a la de mercado, fundamentalmente
por que el n
umero de empresas y la frecuencia de los datos contables son menores.
Al respecto, Watts y Zimmerkan (1986) se
nalan que hay motivos para pensar que
los datos contables son u
tiles para estimar s de los ttulos, no solo de las empresas
que no cotizan sino de las que s cotizan, cuya puede calcularse a traves del modelo
de mercado. El argumento basico es el que sigue: en la medida que los beneficios se
pueden considerar un subrogado para los flujos futuros de caja, una beta contable
podra tambien ser un subrogado del riesgo sistematico. contable suele medirse a
traves de la covarianza entre los beneficios de una empresa y los de un ndice del
mercado dividido por la varianza de los beneficios del ndice del mercado. Almisher
9

y Kish (2000) proponen una metodologa para estimar los betas contables a partir de informacion contable. Estos autores modifican que el contable es estimado
analogamente al de mercado, es decir, las ganancias historicas contables de cada
empresa con respecto a las ganancias historicas contables del mercado. De esta forA + . El coeficiente de
ma el modelo, queda definido como sigue: RitA = + iA Rmt
i
la regresion iA , es el contable para la empresa i. Los retornos contables de la
A ) se aproximan por dos definiciones alternativas
empresa (RitA ) y del mercado (Rmt
de ingresos. En la primera se toman en cuenta los ingresos antes de otros ingresos
extraordinarios deflactados por los activos totales. En la segunda alternativa, los
retornos contables se miden dividiendo los ingresos netos (o lo que es lo mismo,
la utilidad neta) entre los activos totales. En los ingresos extraordinarios se estan
consideran el pago de impuestos e intereses.
Finalmente, en una aplicacion para Chile, resulta interesante para el presente
documento, mostrar el trabajo realizado por Maquieira (2008), en el cual desarrolla
un marco de la estimacion del costo de capital para las empresas de telefona movil,
que por legislacion del sector, el beta debe ser calculado con informacion contable
obtenida de informacion de la Superintendencia de Valores y Seguros En este caso,
la Ley de Telecomunicaciones y las Bases Tecnicas de Licitacion8 , especifican una
serie de condiciones que deben ser cumplidas por el informe, entre ellas define la
tasa libre de riesgo, que es aquella que se obtiene de la libreta de ahorro del Banco
Estado (0.1 %) y el riesgo sistematico debe ser calculado como la covarianza entre
el retorno operacional sobre activos de la empresa y el retorno operacional sobre
activos de las empresas que forman el Indice General de Precios de las Acciones
(IGPA), dividido por la varianza del retorno operacional sobre activos del IGPA.
Para encontrar el IGPA, se establecen una serie de filtros dejando solo algunas
empresas como representativas del mercado9 . Sin embargo, dado que seg
un Maqueira
(2008), el no es constante a traves del tiempo y las series de retornos operacionales
de mercado y de la empresa regulada son integradas de orden uno, proponen estimar
un modelo CAPM incorporando correccion de errores [Greene (2002)], donde se
introduce un proceso estocastico que gobierna al , en este caso sigue un proceso
aleatorio auto-regresivo con reversion a la media. Con esta especificacion se permite
que el pueda cambiar en el tiempo. El retorno operacional sobre activos tiene dos
definiciones alternativas:
8 Ley
9 Los

General de Telecomunicaciones: Biblioteca del Congreso Nacional.

filtros son:

a. Exclusi
on de sociedades con estados financieros incompletos;
b. Exclusi
on de sociedades con observaciones;
c. Exclusi
on de sociedades por cambio de monedas y varias observaciones;
d. Chequeo de continuidad de la informacion;
e. Chequeos de equivalencia;
f. Identificaci
on de mercado.
Ver Maqueira (2008).

10

R1 =

RO (1 Tc)
AT OA

R2 =

RO (1 Tc)
AT OA + I N AM

Donde:
RO
Tc
AT
OA

:
:
:
:

Resultado operacional neto.

Tasa de impuesto de primera categora.
Categora de activos totales.
Otros activos.

I N : Activos intangibles.
AM : Amortizaciones acumuladas de intangibles.

2.3.

Calidad de la informaci
on contable para estimar Betas

Si bien la aproximacion que toma como referencia la informacion contable presenta ciertas limitaciones que se han indicado previamente; para el caso de industrias
reguladas que no cotizan en Bolsa es una alternativa que puede ser utilizada debido
a que es posible obtener de manera directa retornos sobre activos y sobre patrimonio sin considerar el precio de las acciones. Sin embargo, es recomendable que
sea complementada con otra metodologa, por ejemplo, la del Beta Comparable o
benchmarking [Damodaran (2005), Modigliani y Pogue (1973); Copeland y Weston
(1999); Damodaran (1999)] entre otros. En el caso de Latinoamerica, OSITRAN
(2004, 2009) utiliza las betas comparables para estimar el costo de capital en industrias reguladas como aeropuertos y puertos. OSIPTEL (2004 y 2007), tambien utiliza
las betas comparables para calcular el costo de capital de telefonica Per
u. En Brasil,
la autoridad de transporte (ANTT), emplea el beta comparable para calcular el costo de capital de empresas de carreteras. Por su parte, las autoridades regulatorias de
aeropuertos de Inglaterra e Irlanda del Norte tambien utilizan el Beta Comparable,
para estimar el de los aeropuertos que no cotizan en Bolsa. Particularmente, para
los casos del Aeropuerto de Manchester10 y de Rianta11 .
La ventaja de utilizar el beta contable en las industrias reguladas es que emplea
informacion contable que proviene directamente de la empresa regulada. De esta
forma, se esta midiendo el riesgo sistematico que enfrenta la empresa en cuestion.
En contraste, en la metodologa del Beta Comparable o benchmarking se utiliza
informacion proveniente de otras empresas, que no necesariamente enfrentan el mismo riesgo que las empresas chilenas.
La informacion contable es menos volatil que aquella que proviene del mercado. Los
datos contables son mas estables debido a que:
Se ajustan por inflacion y tipo de cambio (o ndices establecidos por la
autoridad);
10 http://www.caa.co.uk/default.aspx?catid=5&pagetype=90&pageid=1332
11 http://www.elainehutson.ie/ARCOC.pdf

11

Se construyen de acuerdo a normas establecidas internacionalmente [Barth et

al. (2007)]; y
Estan sujetos a auditora. De esta forma, se reducen elementos que producen
sesgo en la estimacion del parametro [Watts y Zimmerkan (1986), Ismail y
Kim (1989)].
En lo que sigue se entregan argumentaciones que pretenden dar seguridad en el uso
de informacion contable para el caso de las concesiones en Chile. En efecto, en el
caso chileno, la Superintendencia de Valores y Seguros (SVS) ha establecido reglas
y procedimientos para el reporte de informacion trimestral y anual siguiendo normas internacionales de regulacion financiera, contable y especialmente de gobierno
corporativo para reducir problemas de asimetras de informacion [Tirole (2005)]. Su
capacidad de fiscalizacion es relativamente efectiva por lo que un desvo sistematico
de las obligaciones a informar sera detectado por la autoridad, mas a
un que el universo de empresas que son regidas por la Ley de Concesiones de Obras P
ublicas es
relativamente reducido, pues al a
no 2009 ascendieron a 55 empresas. Tambien, la informacion se encuentra disponible para su fiscalizacion o investigacion, donde todas
las empresas que participan en el proceso de concesiones deben pasar previamente
por un proceso de seleccion, en la que han revelado sus antecedentes financieros
y las de sus accionistas de tal forma de evitar problemas de seleccion adversa por
parte del Estado. Asimismo, las empresas concesionarias suelen recurrir al sistema
financiero internacional o al mercado de valores, el mismo que exige transparencia
en la informacion contable [John y John (1991), Wynant (1980)]. De manera complementaria, existen normas emitidas por la SVS para el registro y presentacion de
la informacion financiera, la misma que regula el tratamiento de los activos, pasivos,
patrimonio y resultados, las que incluyen el reporte de operaciones con empresas
relacionadas (notas explicativas a los Estados Financieros). En el caso de concesiones, por ejemplo, la SVS ha regulado el tratamiento tributario de los contratos de
concesion de obras de uso p
ublico12 . De igual forma, las concesiones de obras p
ublicas presentan, por lo general, un mayor grado de regulacion contable y economica
que otros sectores de la economa. De un lado, se trata de sociedades con objeto o
giro exclusivo, de manera que la concesion no comprenda actividades distintas, lo
que s esta permitido en las industrias no reguladas. En efecto, una vez otorgada la
concesion se crea la sociedad concesionaria, que por lo general es una empresa sin
historia (o una sociedad de vehculo o proposito especial) que busca financiamiento
sobre la base de la capacidad de los activos o derechos entregados en concesion.
El concesionario al buscar financiamiento debe revelar informacion creble para los
financiadores, y donde los contratos de concesion contienen garantas p
ublicas (por
ejemplo, un ingreso mnimo anual garantizado), lo que son fiscalizados, monitoreados y contabilizados por el Estado, pues representan pasivos contingentes [Polackova
(1998)]. Tambien, los estudios de ingeniera y de impacto ambiental, entre otros, son
aprobados por el Concedente, con lo cual se produce un control ex ante y un ex
post mediante la supervision de la obra y posterior explotacion. Lo anterior implica
que los costos son monitoreados de cerca por parte de la autoridad. Al respecto, un
aspecto importante para la estimacion de costos de inversion y operacion de las in12 Circular

N 49 del 27 de Agosto de 1996.

12

fraestructuras en Chile, es que la autoridad concedente devuelve el impuesto al valor

agregado a las concesionarias en funcion de los costos reportados (VAT), lo que debe
ser consistente con los registros de la SVS y del Servicio de Impuestos Internos (SII).
En este contexto, la informacion contable que proveen las empresas reguladas en
Chile se encuentra acotada por restricciones institucionales o contractuales que reducen, en parte, la discrecionalidad de manipular la informacion por parte de la
sociedad concesionaria. Por lo tanto, utilizar informacion financiera que las empresas reportan a la SVS puede resultar apropiado para determinar por ejemplo el riesgo
(Beta) y el costo de capital.
Por otro lado, la literatura financiera se
nala que para estimar el beta contable se
debe utilizar u
nicamente informacion contable. Sobre el particular, Pereiro y Galli
(2001) se
nalan que el beta contable de una empresa marca la sensibilidad de sus retornos contables al retorno promedio de mercado. El retorno contable puede medirse
como utilidad contable - ya sea operativa o neta - retorno contable sobre el Patrimonio (ROE), Retorno Contable sobre Activos (ROA) u otra medida analoga. Estos
autores se
nalan que el retorno de mercado puede ser un ndice de bolsa o un ndice
de mercado de raz tambien contable (ROE o ROA sobre el promedio del mercado).
El atractivo del beta contable reside en el hecho que la informacion contable es mas
abundante que la informacion del mercado accionario; esto es, a
un en el caso de
empresas de capital cerrado, los datos contables son accesibles y podran en principio, ser utilizados para calcular un beta al estilo de las empresas que cotizan en bolsa.
Una de las limitaciones importantes en el uso informacion y calculo de s contables,
es que no todas las empresas aplican la misma metodologa para generar las cuentas
contables (tales como la valorizacion de inventarios, reconocimiento del gasto, entre
otros) y por lo tanto los resultados o utilidades presentaran un sesgo. Sin embargo,
en el caso de las industrias reguladas donde los servicios no se pueden almacenar
para su venta futura (como si ocurre en una industria de bienes), no se presentara
la limitacion referida a la valorizacion del inventarios, lo que hace que los resultados
operativos o netos no se encuentre distorsionados por la forma como se ha valorizado los inventarios. Otro componente es el relacionado al tratamiento del gasto y
de la inversion, y por lo general, el marco regulatorio o los contratos de concesion
establecen reglas contables para dicho tratamiento com
un para todas las empresas
concesionarias, pues ello puede tener incidencia en la utilidad, en las tarifas o en
la forma como se regula economicamente el contrato. Asimismo, las empresas reguladas estan altamente expuestas al mercado, al tener que reportar su informacion
financiera de manera periodica. En las concesiones chilenas, falsear informacion o
manipularla de manera maliciosa es causal de extincion de la concesion.
Adicionalmente, por lo general, los estados contables no contemplan los flujos de
fondos que se pueden producir a futuro en el negocio, ni el costo del capital involucrado. Sin embargo, en las industrias reguladas se presentan importantes inversiones
con caractersticas de costos hundidos, para los cuales no existe un mercado en
el que pueda validarse el valor de un activo, por ejemplo el valor de un t
unel o un
terminal aeroportuario. En estos casos el valor contable o historico sera relevante
13

frente a valores de mercado o de reemplazo que no existen. Un caso distinto es el

de una inversion en equipamiento donde se puede comparar el valor contable con el
valor de mercado o de reemplazo, por ejemplo la instalacion de puentes de embarque
en un aeropuerto. Para este tipo de bienes existe un mercado para adquirir nuevos
o usados. En suma, siendo la concentracion de las inversiones con caractersticas de
costos hundidos, el registro contable es relevante. Por el lado contable cabe precisar
que, las reglas para el registro de activos establecen que de existir diferencias entre
el valor de un activo historico o contable con un valor de mercado, el activo se debe
valorar bajo la segunda alternativa.
De otro lado, cuando se trata de concesiones que reciben subsidios a la inversion y/o
mantenimiento, el control de la adquisicion de activos y el pago de gastos puede ser
mas riguroso por parte de las autoridades.
En suma, en el contexto chileno las condiciones institucionales a las que se someten
las industrias reguladas, en principio permiten suponer que una correlacion adecuada
entre la informacion contable y la informacion de mercado, con lo cual la proxi
contable resulta valida para fines de estimar el Beta Contable y con ello el costo
de capital. Sin embargo, tratandose de industrias no reguladas los Betas Contables
podran presentar mayores sesgos.

3.

Objetivo e hip
otesis

El objetivo del presente trabajo es estimar a traves de un modelo econometrico

de datos de panel el factor Beta del sector de concesiones de aeropuerto y carreteras interurbanas en Chile. Se persigue estimar el coeficiente Beta con base en
datos contables. La ventaja de esta aproximacion, es que no se requieren datos de
los rendimientos de mercado para la empresa, porque en el caso de Chile, ninguna
sociedad concesionaria cotiza en la Bolsa, y por lo tanto no es posible calcular el
retorno historico a traves de la evolucion del precio de las acciones.
Las hipotesis que se plantean son las siguientes:
Hip
otesis 1 El parametro es estadsticamente significativo distinto de cero.
Hip
otesis 2 El parametro es distinto para industria de concesiones de carreteras
y concesiones de aeropuertos.
Hip
otesis 3 El parametro en la industria de carreteras no es estadsticamente
distinto a comparables obtenidos de muestras internacionales de concesiones
que cotizan en Bolsa.
El valor del internacional es igual a 0.74. El valor se obtiene de la Superintendencia
de Regulacao Economica e Fiscalizacao Financiera de Brasil (2006) donde establece
que el valor del beta desapalancado para el caso de la concesion vial era de 0.7413 .
Tecnica N 030/SUREF/2006, (. . .) Para o caso do sector de infra-estrutura rodoviaria, o
Beta medio desalavancado de empresas do setor de concesionarias de rodovias no mundo, incluindo
13 Nota

14

Este valor se obtuvo de una muestra de 44 empresas internacionales vinculadas a la

actividad vial.
Hip
otesis 4 El parametro en la industria de aeropuertos no es estadsticamente
distinto a comparables obtenidos de muestran internacionales de concesiones
que cotizan en Bolsa.

El valor del internacional se asume igual a 0.53. Este valor es tomado de

Damodaran (2008). El se obtiene del promedio simple de aproximadamente 39
empresas aeroportuarias14 .
Las dos u
limas hipotesis implcitamente estan asumiendo integracion de mercado, es
decir que activos de similar riesgo en diferentes mercados tienen similar rentabilidad.

4.

Especificaci
on del modelo con Datos de Panel

Para la estimacion de los parametros y para probar la validez de las hipotesis,

se utiliza la tecnica de econometra de datos de panel. En lo que sigue se presenta
brevemente los aspectos centrales de la metodologa de datos de panel y se presenta
el modelo CAPM a estimar en la forma de datos de panel.

4.1.

Metodologa de econometra de Datos de Panel

El termino Datos de Panel se refiere a combinar en los analisis, informacion que

proviene de corte transversal (empresas, individuos, y otros agentes) con informacion que proviene de varios periodos de tiempo. A partir del trabajo de Hsiao (1985),
donde muestra los beneficios de usar Datos de Panel, en los u
ltimos a
nos ha surgido
un interes creciente por las especificaciones y estimaciones de relaciones econometricas a traves de esta tecnica. Lo anterior se ha debido a que ha sido posible contar
con una mayor cantidad disponible de datos para realizar los analisis y la posibilidad
de verificar la variacion de las caractersticas de las unidades de analisis de manera
temporalmente de una forma mas eficaz si estos se realizaran solamente con datos de
corte transversal o series de tiempo [Hsiao (1985), Baltagi y Raj (1992)]. Asimismo,
una ventaja adicional de utilizar Datos de Panel respecto a usar series de tiempo
es la reduccion de la colinearidad entre las variables explicativas y el aumento de
la eficiencia en el sentido estadstico de las estimaciones econometricas resultantes
[Klevmarken (1989)]. El control de la heterogeneidad individual y temporal, y aumentar el n
umero de observaciones, y por consiguiente, los grados de libertad para
a CCR, de acordo com dados validados no sistema de informacoes Bloomberg,(. . .), e de 0.74.
Este valor tambem foi adoptado como parametro na NT No. 005/SUINF/SUREF/2005, onde se
destacou que o Beta medio, observado nos papeis de Concesionarias Rodoviarias em diferentes
mercados no mundo, constitui melhor estimativa do risco para investidotes neste tipo de negocio
(. . .). P. P. No. 19.
14 Damodaran consigna en su p
agina de Internet. Esta se puede descargar de http://pages.
stern.nyu.edu/~adamodar/. En esta pagina, se encuentra el beta apalancado y desapalancado de
aeropuertos.

15

las pruebas de hipotesis son ventajas adicionales [Maddala (1987), Baltagi y Raj
(1992)].
Un modelo de Datos de Panel considera un panel balanceado en el que existen N
unidades de estudio, para cada una de las cuales se dispone de una ecuacion lineal
que relaciona k i variables independientes con una variable dependiente especfica Yi .
Matematicamente15 :
Yi = Xi i + ui ,
|{z}
|{z} |{z} |{z}
T 1

T k i k i 1

i = 1, . . . , N

(1)

T 1

Donde T representa el n
umero de perodos para el cual se dispone de observaciones
y se asume que el termino constante esta incluido dentro del vector Xi de dimension
T k i variables explicativas. El vector de variables explicativas Xi se puede
componer de:
Variables que varan entre las unidades de corte transversal y en el tiempo,
Variables que no varan en el tiempo sino solo transversalmente,
Variables que solo varan en la serie de tiempo pero no transversalmente.
es el vector de parametros a estimar y es el termino de perturbacion que se
compone de un efecto individual () y un termino aleatorio () bajo la expresion:
uit = i t
Para controlar la presencia de efectos inobservables individuales se supone que i
recoge la heterogeneidad transversal persistente no observada y t representa el termino de perturbacion clasico. Si se asume que el efecto i es un parametro fijo o una
variable aleatoria se tendra lo que denomina: modelo de efectos fijos o el modelo de
efectos aleatorios.
En el modelo de efectos fijos los i son tratados como un conjunto de coeficientes
adicionales que se estiman junto a beta. En el modelo de efectos aleatorios tradicional se asume que i es una variable independiente de los X y forma parte del
termino de perturbacion [Arellano y Bover (1990)].
El modelo de efectos fijos puede ser escrito de manera separada para cada unidad de
estudio incluyendo un vector de variables dicotomicas. De esta forma cada unidad
queda expresada en la siguiente expresion: y = ii + Xi + i . Agrupando las
unidades de corte transversal se tiene:



y1
i 0 0
1
X1
1
y 2 0 i 0 2 X2
2



y = .. = .. .. . . .. .. + .. + ..
.
. . .
. . . .
yN
0 0 i
N
XN
N
15 Para

facilitar la exposici
on se indican las dimensiones de los terminos respectivos.

16

Que matricialmente se puede escribir como y = D + X + . El estimador obtenido

se denomina de efectos fijos, intragrupos o WITHIN o estimador mnimos cuadrados
de variables ficticias (LSDV).
La formulacion anterior puede transformarse a un modelo donde se incluya efectos
inobservables temporales entre unidades transversales. Lo anterior implica incorporar dos conjuntos de variables ficticias, unas individuales y otras temporales. La
especificacion anterior se denomina modelos de efectos fijos dobles (two-way). En
este caso, la especificacion es y = i + t + Xi + i .
Finalmente en un modelo de efectos aleatorios se supone que la heterogeneidad
inobservable no es fija sino aleatoria. Se asume que i es una variable aleatoria independiente e identicamente distribuida (iid ) con media cero y varianza constante.
Como es com
un el termino estocastico t se asume iid con media cero y varianza
constante, y el vector de variables explicativas no se correlaciona con t ni i . En el
modelo de efectos fijos el supuesto de no correlacion entre la variable aleatoria t y
el vector Xi , y en el efectos aleatorios que la correlacion entre las variables aleatorias
t e i es crucial para las estimaciones de los parametros [Arellano y Bover (1990)].
Los tres modelos presentados suponen que el termino de perturbacion individual
de la unidad i no esta correlacionado con el resto de las unidades E(i j ). En
primer lugar, la unidad de analisis es la concesion de carreteras o de aeropuertos. En
segundo lugar, se asume que a priori existe correlacion entre concesiones. Los flujos
vehiculares que transitan por una plaza de peaje depende - sobre todo en viajes de
larga distancia donde no hay carreteras alternativas como es el caso en Chile - del
que pasa por otra y, ademas, los shocks macroeconomicos que afectan el ingreso de
la economa o el precio de los combustibles son comunes a todas las concesiones.
El modelo anterior tiene la caracterstica de ser aparentemente no relacionado y se
encuentra en la categora de los denominados modelos SUR (Seemingly Unrelated
Regression). En la version tradicional del modelo SUR se asume que:
Xi es una matriz no estocastica que no incluye variables dependientes
rezagadas.
Rango(Xi )=k i .
E(ui = 0) y E(ui u0j ) = ij IT .
 
Si u = ij N N entonces 1 existe.
Note que el tercer supuesto implica que los errores estan correlacionados solo contemporaneamente entre unidades de estudio y que esta correlacion no cambia en el
tiempo. Note ademas que, en particular, E(ui u0j ) = ii IT , esto es, no existe autocorrelacion ni heteroscedasticidad en los errores de la unidad i.
El sistema completo puede entonces escribirse como Y = X + u esto es:

17

Y1
X1 0
Y2 0 X2

.. = ..
..
. .
.
YN
0
0

0 0
0
.. . .
.
.
0

0
..
.

1
u1
2 u2

.. + ..
. .

XN

uN

k=

ki .

(2)

i =1

Bajo estos supuestos, es posible demostrar que el mejor estimador lineal e insesgado
(BLUE) de , conocido como SUR esta dado por:

 1
1
1
SUR = X 0
X
X 0
u
u Y
donde u = u IT con representando al producto de Kronecker de matrices.

4.2.

Test de hip
otesis para Datos de Panel

Las pruebas estadsticas para las hipotesis se

naladas en la Seccion 3 son las
tradicionales. Es decir, aquellas que verifican la hipotesis que no permiten aceptar
que los parametros son estadsticamente iguales a cero. No obstante, dado que dichas
pruebas se estan realizando en un contexto de datos de panel, los test de soporte
para la estimacion eficiente de los parametros, en la aproximacion BLUE, son los
siguientes:
4.2.1.

Efectos individuales

Una primera prueba es el analisis de los componentes de error de dos factores, donde
se incluye el componente de efecto individual que no cambia en el tiempo, i y un
factor de efectos temporales no observable, i . La hipotesis a contrastar es:
H0 = 1 = 2 = = N 1 = 0 y

1 = 2 = = T 1 = 0

El estadstico es el siguiente:
SCR A SCR N A
( N + T 2)
F0 =
SCR N A
[( N 1)( T 1) K ]
Donde SCR A es la suma de los cuadrados residuales en una regresion agrupada y
SCR N A es la suma de los cuadrados residuales en una regresion no agrupada, K es
el n
umero de parametros. El test se distribuye como una F de Fisher con N + T 2,
( N 1)( T 1) K grados de libertad.
4.2.2.

Discriminaci
on de efectos fijos y aleatorios

Una segunda prueba es el test de especificacion de Hausman (1978). El test se puede

aplicar a una variedad de problemas de especificacion en econometra pero su aplicacion mas com
un es en los analisis de efectos fijos en datos de panel, y especialmente
en la discriminacion de efectos fijos y efectos aleatorios. Hausman (1978) asume la
existencia de dos tipos de estimadores para los parametros de un modelo a estudiar.
Por ejemplo, se puede asumir un modelo donde se estiman parametros sobre la base
18

de una especificacion de efectos fijos o variables en datos de panel, estimandose el

modelo de efectos fijos 1 y el de efectos variables 2 . Si no existen diferencias o sesgo significativo, es decir un p-valor alto se selecciona el modelo de efectos variables.
Sin embargo, si se detectan diferencias sistematicas debe seleccionarse el modelo de
efectos fijos, que se asume siempre consistente estadsticamente.
Siguiendo a Hurlin (2002), el test aplicado a la especificacion de un modelo de efectos
individuales es el siguiente:
H = MCG LSDV

0 

var ( MCG LSDV )

 1

( MCG LSDV )

Donde:
MCG
LSDV

Var MCG

Var LSDV

:
:
:
:

Vector de estimaciones del estimador consistente 2

Vector de estimaciones del estimador eficiente 1
Matriz de covarianzas del estimador consistente 2
Matriz de covarianzas del estimador eficiente 1

H se distribuye como una Chi-Cuadrado con K grados de libertad. Si el valor del

p-valor es menor al 95 % entonces se rechaza la hipotesis nula de consistencia de
los parametros y se privilegia la utilizacion de un modelo que contiene estimaciones
eficientes, es decir en este caso efectos fijos ( LSDV ).
4.2.3.

Prueba de correlaci
on de errores de secci
on cruzada

De la ecuacion (1) se concluye que un supuesto importante es que it es independiente

e identicamente distribuido en el tiempo y entre unidades de corte transversal. Por
lo tanto, un supuesto alternativo es que se verifique correlacion entre unidades de
manera contemporanea y se mantenga que la correlacion serial sea igual a cero. De
esta forma, una hipotesis de interes es:
H0 : ij = ji = corr (it , jt ) = 0 con i 6= j
H1 : ij = ji 6= 0 i 6= j
Donde ij es el coeficiente de correlacion producto-momento de los errores aleatorios
y esta definido como:
T

it jt

ij = ji =

t =1

t =1
!1/2

2it

!1/2
2jt

t =1

Para regresiones aparentemente no relacionadas, Pesaran (2004) propone el siguiente

test:
s
!
N 1 N
2T
ij
CD =
N ( N 1)
i =1 j = i +1

19

Bajo la hipotesis nula de no dependencia en las unidades de corte transversal,

entonces CD N (0, 1) con N . El test CD se aplica para paneles dinamicos,
heterogeneos y no estacionarios. Para el caso de paneles no balanceados, el test sufre
un ajuste sencillo en la cual solamente se trabaja con las observaciones comunes
entre unidades de analisis [Pesaran (2004), Safaridis y De Hoyos (2006)].

4.3.

El modelo a estimar basado en CAPM

En el caso particular de la estimacion del CAPM contable, la ecuacion (1)

se simplifica notablemente pues no se tiene un conjunto distinto de variables
explicativas para cada concesion. De hecho, el conjunto de N concesiones se dividira
en dos subconjuntos asociados a los sectores: Aeropuertos (N1 ) y Carreteras (N2 ).
As pues se buscara estimar el correspondiente a cada sector. De acuerdo a la
teora planteada, el modelo considera una constante, que debiera ser independiente
del sector, por lo que la ecuacion a estimar es:
Yi,t = Ri,t RFt = + ( RMt RFt ) + Di ( RMt RFt ) + ui,t ,
i = 1, . . . , N,

t = 1, . . . , T

Donde:
Ri,t : Retorno en activos (ROA) o en patrimonio (ROE) de la concesion
i en el perodo t.
RFt : Tasa libre de riesgo en el perodo t.
RMt : Retorno del Mercado en el perodo t.
Di : Es una variable binaria que toma el valor uno si la concesion es una
carretera interurbana y cero si es un aeropuerto.
Matricialmente el problema se escribe como:

1 RM1 RF1
0
u1
Y1
..
..
..

Y2 .

u2
.
.


.. 1 RMT RFT
1
..
0
. .

.
..
..
. = ..

.
.
..
2 + ...
1 RM RF RM RF 3

.
.
1
1
1
1
.

.
..
..
..

...
.
.
YN
uN
1 RMT RFT RMT RFT
Donde, en el escenario basico, se asume que:
i. E(ui ) = 0, E(ui u0j ) = ij IT
 
ii. Si u = ij N N entonces 1 existe.
Al igual que antes, el primer supuesto implica que los errores estan correlacionados
solo contemporaneamente a traves de las distintas concesiones y que esta correlacion
no cambia en el tiempo. Ademas se esta asumiendo ausencia de autocorrelacion y
20

heteroscedasticidad en los errores de la unidad i (ello pues E(ui u0j ) = ii IT ). El

procedimiento para el calculo del es el mismo del caso SUR tradicional. Es decir:

 1
1
1
= X 0
X 0
u X
u Y
Donde: u = u IT , con representando al producto de Kronecker de matrices.
Para hacer factible la estimacion, es necesario reemplazar u por su valor estimado
u . Un procedimiento que lo permite es el siguiente:

Se calcula i = Xi0 Xi

1

Xi0 Yi de donde se obtiene u i = Yi Xi i .

Se generan los estimadores: ij =

u i0 u j
.
T

 
Se obtiene: u = ij
1
As, un estimador factible de esta dado por = X 0
u X
el n
umero de parametros a estimar es:

1

1
X 0
u Y. Note que

N ( N + 1)
para estimar u .
2
3 parametros adicionales correspondientes a las componentes de .
El modelo planteado, si bien factible, asume que no existe autocorrelacion en los
errores ni tampoco heteroscedasticidad a nivel de la unidad de observacion. Si
permite la llamada heteroscedasticidad de panel, puesto que ii es en principio
distinta a jj . En la practica, puede resultar u
til explorar lo que ocurre cuando
alguno de estos supuestos no se satisface. En particular, los resultados que siguen
permiten analizar la posibilidad de autocorrelacion en los errores. Esto es que los
errores sigan un proceso:
ui,t = ui,t1 + i,t
donde los errores
supuestos (i) y (ii).

i,t

son bien

comportados,

esto

es,

satisfacen

los

En tal caso la matriz de varianzas-covarianzas u , el n

umero de parame-tros a
estimar se incrementa solo en uno ().

5.
5.1.

Variables y datos
Unidad de an
alisis: Las sociedades concesionarias

Las sociedades concesionarias que componen la muestra, estan divididas en 8

aeropuertos y 15 carreteras. Estas se diferencian en los periodos de concesion,
el monto de las inversiones iniciales, la presencia de garantas de ingresos por
21

del Estado, su ubicacion geografica, entre otros factores. La muestra fue elegida
principalmente porque las sociedades tienen datos ingresados en la SVS para todo
el periodo considerado, y representa una parte importante del total invertido en la
industria de concesiones en Chile. En la siguiente tabla se muestran las sociedades
concesionarias y su respectiva inversion inicial que se incluyeron en la muestra.
Cuadro 3: Chile: Sociendades concesionarias

Monto Inversi
on
Nombre sociedad

Concesi
on

Sector

Longitud

Fecha

concesi
on

Ingresos***

(USD)*

(Kms.)

inicio

(A
nos)

(en USD)

Car

250.000.000

228.7

20/12/97

25

12.209.722

Car

254.528.421

218,24

03/03/97

23

17.343.072

Car

705.348.091

266

12/09/99

25

27.328.546

Car

168.696.816

193.31

13/03/96

19**

17.231.874

Car

242.095.721

160.2

10/06/98

23,3**

12.991.418

concesionaria

Del Elqui S.A.

Ruta 5, Tramo Los Vilos -

Plazo de

Oferta T
ecnica

La Serena
Autopista del Aconcagua

Ruta 5, Tramo Santiago -

S.A.

Los Vilos

Autopista del Maipo S.A.

Ruta 5, Tramo Santiago-Talca

y Acceso Sur a Santiago

Talca-Chill
an S.A.
Autopista del Bosque S.A

Ruta 5, Tramo Talca - Chill

an
Ruta 5, Tramo Chill
an Collipulli

Ruta de la Araucana S.A

Ruta 5, Tramo Collipulli Temuco

Car

257.917.904

144.158

17/03/99

25

12.087.992

Ruta de los Ros S.A

Ruta 5, Tramo Temuco Ro Bueno

Car

223.873.042

171.7

30/06/98

25

11.246.278

De Los Lagos S.A

Ruta 5, Tramo Ro Bueno Puerto Montt

Car

249.011.752

135,925

20/09/98

25

9.420.124

Camino Nogales - Puchuncav

Car

11.756.299

27.1

08/11/95

22

1.191.476

Rutas del Pacfico S.A

Ruta 68, Santiago-Valparaso

por Santos Ossa

Car

376.739.910

141.36

10/08/99

25

21.774.622

Aerovas S.A.

Acceso Vial Aeropuerto

Arturo Merino Bentez

Car

8.563.234

2.2

04/04/96

12.5

1.190.522

Autopista del Sol S.A

Autopista SantiagoSan Antonio, Ruta 78

Car

156.254.613

131.4

21/09/95

23

14.126.598

Autopista Los Libertadores S.A.

Camino Santiago-ColinaLos Andes

Car

137.967.991

88.65

08/10/97

28

6.223.088

Autopista del Itata S.A.

Acceso Norte a Concepci

on

Car

196.258.775

75

12/04/95

28

7.108.964

Camino de La Madera S.A

Camino de la Madera

Car

25.583.498

108,7

24/06/94

25**

1.251.362

Concesionaria Chucumata

Terminal Diego Aracena

Aer

4.580.632

12

96.478

de Iquique

4600m2

09/01/96

S.A.
Aeropuerto Cerro Moreno

Terminal Cerro Moreno

Aer

7.438.839

10

1.005.158

de Antofagasta

2750m2

14/09/00

S.A.
Concesi
on Aeropuerto

Aeropuerto La Florida

Aer

4.039.006

10

439.062

de La Serena

3000m2

18/01/98

La Florida S.A.
Concesi
on Aeropuerto

Terminal Aeropuerto

Aer

4.303.466

12

619.144

El Loa de Calama

2100m2

12/06/98

El Loa S.A.
Concesi
on Aeropuerto

Terminal Aeropuerto El Tepual

Aer

6.533.991

12

1.076.438

de Puerto Montt

29462m2

19/02/96

El Tepual S.A.
SCL Terminal A
ereo

Aeropuerto Internacional

Aer

175.545.348

15

38.570

Arturo Merino Bentez

169000m2

07/07/98

Santiago S.A.
Austral Sociedad

Aeropuerto Carlos Ib
an
ez del

Aer

9.289.106

1.592.852

Campo de Punta Arenas

5500m2

23/12/00

Concesionaria S.A.

Aer

24.596.455

6.000m2

24/12/99

16.667

1.288.268

Camino Nogales Puchuncav S.A.

Aerosur S.A.

Terminal Aeropuerto Carriel

Sur de Concepci
on

* Monto de Inversi
on de Oferta T
ecnica considera el tipo de cambio vigente a la fecha de oferta
Fuente ficha t
ecnica http://www.conseciones.cl
** Sistema Plazo Variable
*** Primer Trimestre 2008

22

5.2.

Retornos

Las variables principales de este estudio son las razones de retornos sobre el capital
propio o patrimonio (ROE) y retornos sobre activos (ROA). A continuacion se
definen ambos estos indicadores de rentabilidad. El ROA es el cuociente entre la
Utilidad del Ejercicio y los Activos Totales, y se expresa como sigue para un periodo
t:


Utilidad del ejercicio
ROAt =
Activos totales promedios t
Por su parte, el ROE es el cuociente entre la utilidad del ejercicio y el patrimonio
neto, y se expresa como:


Utilidad del ejercicio
ROEt =
Patrimonio neto
t
Los datos fueron obtenidos directamente desde la SVS a partir de la informacion
que proporciona la ficha estadstica unificada uniforme (FECU) que reportan las sociedades concesionarias trimestralmente de manera obligatoria16 . Esta informacion
es reportada en moneda local (pesos).
Para cada una de las 23 compa
nas se obtuvieron los indicadores ROE y ROA
correspondiente al periodo comprendido entre el segundo trimestre del a
no 2002
hasta el cuarto trimestre del a
no 2008. Con estas variables, se construyo un panel de
las 23 concesiones que se muestran en el cuadro 3 con un total de 25 observaciones
trimestrales para cada una de ellas.

5.3.

Retorno libre de riesgo y retorno de mercado

La tasa libre de riesgo considerada, es la tasa de los bonos del Banco Central de Chile
expresado en pesos a 5 a
nos (BCP5). Esta informacion esta disponible en la pagina
web del Banco Central de Chile17 . En lo que sigue esta variable es identificada como
RF.
Para los retornos de mercado se utilizaron dos indicadores. El primero fue el IPSA,
que es el Indice Selectivo de Precios de Acciones, creado en 1977, e incluye a las 40
sociedades de mayor presencia bursatil, es decir, aquellas que son las mas transadas
durante el a
no. Su finalidad es reflejar las variaciones de precio de los ttulos mas
activos del mercado, en un contexto de mas corto plazo. La fuente de informacion
es Bolsa de Santiago (2009)18 y se identifica como RMIPSA.
16 La

FECU se define como un documento que contiene informacion de estados financieros,

el cual est
a en formato FECU (Ficha Estadstica Codificada Uniforme) y que es presentada
trimestralmente a la SVS por las sociedades anonimas abiertas. La informacion que contiene cada
FECU es: Identificaci
on de la Sociedad Concesionaria, Estados financieros, Hechos Relevantes,
Declaraci
on de responsabilidad y Resumen del Contrato
17 http://www.bcentral.cl/estadisticas-economicas/series-indicadores/index.htm
18 www.bolsadesantiago.com

23

El segundo fue la construccion de un Indice de retornos contables del mercado,

a partir de la informacion entregada por las compa
nas a la SVS, siguiendo las
recomendaciones de Hill y Stone (1980). Para lo anterior, se tomaron los ROA y
ROE de las empresas listadas como vigentes en la SVS y se promediaron estas
rentabilidades ponderando por el tama
no o valor libro de la compa
na, siguiendo la
siguiente expresion analtica:
N

ROESVS =

i =1

valor libroi
N

ROEt

valor libroi

i =1
N

ROASVS =

i =1

valor libroi
N

ROAt

valor libroi

i =1

6.

An
alisis Econom
etricos

Las estimaciones se realizan con el software estadstico Stata. Se eligio este software
ya que presenta una mayor versatilidad para la estimacion de modelos con datos de
panel que E-Views 6.0.

6.1.

Especificaciones

Se estimaron cuatro regresiones diferentes para cada variable dependiente (ROE y

ROA) completando un total de ocho ecuaciones. En la literatura se suele encontrar
dos modalidades de especificaciones funcionales para la estimacion de un modelo
CAPM. La primera es donde la variable dependiente son los retornos puros (llamada
market regression) y la segunda la variable independiente se expresa como una
diferencia respecto a la tasa libre de riesgo (llamada first-pass regression) [Lintner
(1965), Fama and Mc Beth (1973), Fama y French (2004), Black, Jensen, and Scholes
(1972)]. Las especificaciones son:
Yi,t = Ri,t RFt = + ( RMt RFt ) + ui,t
Yi,t = Ri,t
= + RMt + i,t
En este trabajo se utilizan las dos modalidades y tambien se agrega una diferenciacion, que consiste en que para cada regresion ademas de la estimacion estandar,
se realiza un ajuste ponderando la variable retorno por pesos. Esta ponderacion por
pesos se propone como una correccion a la heterogeneidad de las concesiones donde
hay un grupo que son inversiones relativamente peque
nas en torno a los USD 10 millones y otras que son grandes, que superan los USD 700 millones. A partir del trabajo
de Fama y French (1992), el efecto tama
no y sus implicancias en la estimacion del
parametro Beta y las conclusiones del modelo CAPM, ha sido ampliamente estudiado en la literatura [Keim (1983), Berk (1997), Arnott y Hsu (2008)]. Al respecto,
al agregar una variable de tama
no (ponderacion por peso), permite estimar un beta

24

para concesiones ponderando por la inversion inicial.

En consecuencia, las ecuaciones a estimar son las siguientes, donde los retornos de
cada concesion son contables pero la estimacion del retorno de mercado es a traves
de datos del mercado bursatil (IPSA).
Cuadro 4: Chile: Regresiones con datos de retornos de mercado con informaci
on
burs
atil
Ecuaci
on

Especificaciones

1y2

ROEi,t = + 1 RMIPSAt + 2 D RMIPSAt + i,t

3y4

ROEi,t RFt = + 1 ( RMIPSAt RFt ) + 2 D ( RMIPSAt RFt ) + ui,t

5y6

ROAi,t = + 1 RMIPSAt + 2 D RMIPSAt + i,t

7y8

ROAi,t RFt = + 1 ( RMIPSAt RFt ) + 2 D ( RMIPSAt RFt ) + ui,t

Las siguientes ecuaciones contienen variables contables para los retornos de mercado
y de las sociedades concesionarias a ambos lados de la ecuacion:
Cuadro 5: Chile: Regresiones con datos de retornos de mercado con informaci
on
contable
Ecuaci
on

Especificaciones

1y2

ROEi,t = + 1 ROESVSt + 2 D ROESVSt + i,t

3y4

ROEi,t RFt = + 1 ( ROESVSt RFt ) + 2 D ( ROESVSt RFt ) + ui,t

5y6

ROAi,t = + 1 ROASVSt + 2 D ROASVSt + i,t

7y8

ROAi,t RFt = + 1 ( ROASVSt RFt ) + 2 D ( ROASVSt RFt ) + ui,t

En ambos cuadros las ecuaciones impares son regresiones sin ponderar por peso
o tama
no y las pares son regresiones donde cada observacion es amplificada por
la inversion inicial del proyecto asignandole el tipo de peso a traves del comando
importance weights de Stata. La amplificacion multiplica cada observacion por el
monto de la inversion inicial como una forma de reasignar la importancia relativa
entre concesiones. Lo anterior implica que el tama
no de la muestra, para efectos
estadsticos aumenta.
Como se ha se
nalado, para capturar las diferencias entre el del sector carreteras y
del sector aeropuerto, en cada una de las 8 especificaciones se le agrega el termino:
2 D ( . . . Xt . . . )
Donde:

D =

1
0

Si la concesion es un aeropuerto
en otro caso

S el parametro 2 es significativamente distinto de cero, entonces existen diferencias

entre el del sector aeropuertos y carreteras.
Es importante se
nalar que la racionalidad financiera del R2 en un modelo CAPM
se asocia a la proporcion del riesgo de la firma que puede ser atribuible al riesgo
25

de mercado, mientras que la diferencia (1 R2 ) es el porcentaje de la varianza

total que es atribuible solamente al riesgo especfico de la firma y por lo tanto
puede ser diversificado [Damodaran (1999)]. Por su parte en el modelo market
regression el parametro muestra el desempe
no de la concesion al menos relativo
al modelo CAPM. Si = RFt (1 ) entonces la concesion se desempe
na como se
esperaba tomando como referencia el modelo CAPM durante el periodo de analisis.
Si > RFt (1 ) entonces la concesion se desempe
no mejor como se esperaba y si
< RFt (1 ) peor.

6.2.

Resultados

6.2.1.

Resultados con retornos de mercado con informaci

on burs
atil

En el Cuadro 6 se muestran los resultados para las ecuaciones que se indican en el

cuadro 5. Los resultados de los parametros en ecuaciones con variables puras (1, 2,
5 y 6) y en diferencias (3, 4, 7 y 8) son en terminos absolutos parecidos.
Cuadro 6: Resultados de regresiones con informaci
on burs
atil

RMIPSA

DRMIPSA

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

ROE

ROE

ROE RF

ROE RF

ROA

ROA

ROA RF

ROA RF

-0.151

0.0837*

-0.0956*

0.00651

(-0.69)

(2.00)

(-2.50)

(1.21)

2.054

0.485

0.171

0.0565

(1.51)

(0.97)

(1.10)

(0.74)

-0.151

0.0837*

-0.0948*

0.00701

(-0.69)

(2.00)

(-2.48)

(1.30)

2.073

0.488

0.167

0.0562

(1.52)

(0.98)

(1.08)

(0.74)

RMIPSA RF

RMIPSA RF

0.220

0.0405**

0.233

0.0339*

0.0594***

0.0128***

0.0460***

-0.000616

(1.83)

(3.05)

(1.89)

(2.12)

(5.52)

(10.15)

(4.32)

(-0.37)

619

4091

619

4091

619

4091

619

4091

2.501

4.605

2.532

4.629

6.250

2.079

6.135

2.314

R2

0.0180

0.00753

0.0173

0.00577

0.0375

0.0175

0.0248

0.00366

cons

t estadsticos entre parentesis, * p<0.05,

p<0.01,

p<0.00

La variable RMIPSA es el retorno de mercado calculado a traves de informacion

bursatil. La variable DRMIPSA es la variable dicotomica que toma el valor 1 para
el caso de aeropuerto. La variable RMIPSA RF, es la diferencia entre el retono
de mercado y la tasa libre de riesgo. Finalmente la variable DRMIPSA RF es la
variable dicotomica para el caso de aeropuertos aplicada a la variable RMIPSA RF.
Para el caso de ROE, la ecuacion (1) muestra un de carreteras negativo pero no
significativo. El de aeropuertos asciende a 2.054 siendo tambien no significativo.
En la ecuacion (2), al correr la regresion con ponderadores por peso, los resultados
son significativos pero muy cercanos a cero. El de carreteras es igual a 0.0837 y el
de aeropuertos es 0.485 pero no significativo distinto de cero. Para la tercera regre26

sion tambien aparece un valor de negativo para el retorno de mercado (IPSA) y

no significativo para el parametro dummy 2 . Este problema de significancia para el
nuevamente desaparece al amplificar la muestra por pesos a traves de la inversion
de la unidad i.
Cuando se usa ROA como variable dependiente, la ecuacion (5) estima un negativo de -0.0956 significativo con un p-value menor a 0.05. Esto es difcil de explicar
en el contexto del modelo CAPM. La variable 2 es no significativa. Al agregar pesos cambian los resultados. Los s estimados son 0.00651 y 0.0565 respectivamente.
En general, al estimar ponderando por inversion inicial, los resultados no son significativos estadsticamente. Para todas las pruebas de significancia se uso el p-value
basado en los test t. Notese que el p-value es el maximo nivel de significancia que
permite no rechazar la hipotesis nula. En las estimaciones, la hipotesis alternativa
es que el parametro estimado beta es distinto de cero.
Una primera conclusion, aunque debil debido a la significancia estadstica encontrada, de los resultados anteriores, es que en todas las regresiones, el de aeropuertos
es mayor al de carreteras. Es esperable que en el sector aeroportuario exista una
presencia mayor de riesgos sistematicos que en el sector de carreteras. Factores como
variaciones de tipo de cambio, actividad economica mundial y de pases vecinos, normas regulatorias, y actividad economica esta presente en mayor medida en el sector
de aeropuertos que carreteras. Una segunda conclusion, es que los s son estadsticamente cercanos a cero. Lo anterior tiene dos interpretaciones. La primera es de tipo
estructural y de especificacion. Como se ha mostrado en la revision de literatura, la
variable que es preferible que este al lado derecho son los retornos contables de mercado. Al usar los retornos de mercado calculados con informacion bursatil, se espera
que la correlacion entre estas variables sea menor y por lo tanto los betas estimados
se sesguen hacia cero. Otra forma de verlo, es que se estan realizando regresiones en
presencia de error de medicion, cuya caracterstica es sesgar los betas hacia cero. La
segunda interpretacion es que efectivamente el premio por riesgo sistematico en la
industria de concesiones sea igual a cero debido a que el retorno exigido en el interior
de la sociedad concesionaria sea igual al retorno de las tasas del Banco Central, dado
que la utilidad relevante es obtenida en la empresa constructora y no en la sociedad
concesionaria. Sin embargo, es posible que prevalezca la primera interpretacion y no
la segunda.
Por ultimo, hay que destacar que las estimaciones en desviaciones con respecto a la
tasa libre de riesgo y con respecto a las estimaciones con las variables puras difieren
muy poco. Esto entrega cierta confiabilidad en los resultados, lo que se mantiene al
cambiar de ROE a ROA, que a pesar del analisis descriptivo que mostro diferencias
importantes en las distribuciones de las variables, la variacion en las pendientes estimadas son mnimas.
Al estimar con pesos del tipo Importance Weights cada observacion es amplificada
por la inversion inicial que implico la puesta en marcha del proyecto. Los resultados
obtenidos tienen mayor sentido en un contexto CAPM. Lo anterior, era esperable, ya
que la muestra contiene concesiones con inversiones de distinta magnitud. El uso de
27

pesos tiene una interpretacion en este contexto, ya que el de una cartera compuesta
por varios activos es igual a la sumatoria de los betas de cada activo ponderado por
la inversion en el activo con respecto a la inversion total, exactamente lo que se hace
en las estimaciones de las ecuaciones 2, 4, 6 y 8.
6.2.2.

Resultados con retornos de mercado con informaci

on contable

El Cuadro 7, muestra las regresiones que en base a revision de literatura y teora

es recomendable que se utilice para el caso de la estimacion de s contables. Es
decir, en ambos lados de la ecuacion introducir variables contables para el caso de
los retornos.
Cuadro 7: Resultados de regresiones con informaci
on burs
atil

ROESVS

DROESVS

(1)

(2)

(3)

(4)

(5)

(6)

(7)

(8)

ROE

ROE

ROE RF

ROE RF

ROA

ROA

ROA RF

ROA RF

0.0998

0.666***

(0.18)

(9.70)

4.739**

1.023

(2.59)

(1.28)
0.0972

0.667***

(0.19)

(10.34)

4.868**

1.033

(2.60)

(1.32)
0.150

0.172

(1.56)

(14.21)

1.494***

0.480***

(5.30)

(3.57)
0.149

0.177

(1.66)

(14.60)

1.513***

0.500***

(5.23)

(3.41)

ROESVS RF

DROESVS RF

ROASVS

DROASVS

ROASVS RF

DROASVS RF

0.0897

-0.0234

0.0891

-0.0278*

0.0180**

0.000728

0.0104

-0.0114***

(0.69)

(-1.69)

(0.74)

(-2.15)

(2.70)

(0.74)

(1.46)

(-12.56)

619

4091

619

4091

619

4091

619

4091

8.905

121.2

8.601

127.3

65.86

311.9

66.64

328.6

R2

0.0461

0.0350

0.0430

0.0338

0.140

0.0858

0.0858

0.0865

const

t estadsticos entre parentesis, * p<0.05,

p<0.01,

p<0.00

La variable ROESVS es el retorno de mercado del capital calculado a traves de informacion de la SVS. La variable DROESVS es la variable dicotomica que toma el
valor 1 para el caso de aeropuerto. La variable ROESVSR F, es la diferencia entre el
retono de mercado del capital y la tasa libre de riesgo. La variable DROESVSR F es
la variable dicotomica para el caso de aeropuertos aplicada a la variable ROESVSR F.
Las variables que incluyen ROA son las mismas anteriores pero representan el retorno de mercado de activos calculado a partir de informacion de la SVS.
28

En la primera ecuacion con ROEs puros, el de carreteras es no significativo en la

regresion sin peso. El del ROE de mercado interactuado con la Dummy es significativo y muy alto para la industria de aeropuertos (4.73) que disminuye a 1.02
al usar pesos ecuacion (2), aunque no significativo. Para el caso de regresiones en
diferencias (3 y 4) los resultados son similares en terminos de direccion de los efectos
y significancia estadstica de los parametros.
Para las ecuaciones en diferencias, usando ROA como variable dependiente (7 y
8) se obtienen resultados para del sector aeropuerto igual a 1.67 sin utilizar la
ponderacion con peso y 0.677 utilizando la variable peso para ponderar. Observese
que en todas las regresiones el de aeropuertos disminuye al estimar por peso. Lo
anterior, se debe a que la muestra de concesiones del sector aeroportuario se ve
influenciada por la presencia del Aeropuerto Internacional de Santiago, que tiene
una inversion superior a la sumatoria de todos los aeropuertos regionales, lo implica
que al usarse ponderadores basados en inversion, el promedio de la industria
es fuertemente influenciada por la presencia de este aeropuerto. Para el sector de
carreteras, el estimado en la regresion sin peso es igual a 0.149 y en la regresion
con peso es igual 0.177. Sin embargo, solamente en la regresion con peso el es
significativo distinto de cero. El caso de las regresiones puras (5 y 6) los resultados
estan en la misma direccion que las ecuaciones 7 y 8 en valor de los parametros y
en significancia.
6.2.3.

Pruebas de hip
otesis

Un primer elemento para la eleccion del modelo a testear, ha sido trabajar solamente
con ecuaciones con informacion contable tanto para los retornos de cada empresa
(Ri ) como para la estimacion del retorno de mercado (Rm ). Como se ha se
nalado,
los resultados confirman la revision de la literatura, la que indica que al lado derecho
de la ecuacion debe incluirse un ndice con los retornos contables de mercado.
Asimismo, se ha preferido trabajar con ROA por sobre el ROE, dado que el ROE
se ve afectado por el nivel de deuda con que opera la empresa y el ROA no. Los
resultados que se encuentran son de activos, es decir no apalancados [Hamada
(1972)]. Asimismo, dado los resultados similares entre regresiones puras (market
regression) y regresiones en diferencias (first-pass regression), se opto por usar las
variables puras. As el estimado es directamente la covarianza sobre la varianza
del mercado, al igual que el del CAPM, ademas la diferencia entre ecuaciones es
mnima. En funcion de estos criterios, de un total de dieciseis ecuaciones a estudiar,
se concentran los analisis econometricos solamente en dos ecuaciones. Una ecuacion
que se pondera por inversion y la otra que no se pondera. En consecuencia, la
ecuacion a estimar es la siguiente, para ser estimada por tres metodos diferentes:
ROAi,t = + 1 ROASVSt + 2 D ROASVSt + i,t
La ecuacion ( f e) corresponde a efectos fijos (re) efectos aleatorios (PCSE) regresion
con correccion de errores contemporaneo y w PCSE es la regresion anterior
ponderada por inversion.

29

Cuadro 8: Comparaci
on m
etodos estimaci
on
fe

re

PCSE

w PCSE

0.193

0.222

0.150

0.172***

(1.30)

(1.55)

(1.56)

(14.21)

1.840***

1.764***

1.494***

0.480***

(7.38)

(7.83)

(5.30)

(3.57)

-0.00437

-0.00399

0.0180**

0.00728

(-0.61)

(-0.28)

(2.70)

(0.74)

Observations

619

619

619

4091

51.63
109.7

65.86

311.9

0.140

0.0858

ROASVS

DROASVS

Constant

2
R2

0.148

t estadsticos entre parentesis, * p<0.05,

p<0.01,

p<0.00

En la regresion de efectos fijos, en primer lugar se prueba la presencia de efectos

individuales con la prueba F que se ha presentado en 4.2.1. El F calculado es igual a
15.56 y con un p-value no apoya la hipotesis nula. En consecuencia, para discriminar
entre efectos fijos y aleatorios, a partir de la regresion de efectos fijos se utiliza la
prueba de Hausman que se ha mostrado en 4.2.2. Los resultados son los siguientes:
Cuadro 9: Test de Hausman
Coe f f icients
(b)

(B)

fixed

(b-B)

diag(Vb VB )

Difference

S. E.

ROASVS

0.1926886

0.221781

-0.0290923

0.0371051

DROASVS

1.849442

1.763732

0.0857104

0.1100228

b
B
Test : H0
2(2)
Prob > 2
Vb VB

=
=
:
=
=
=
:

consistent under H0 and Ha ; obtained from xtreg

inconsistent under Ha , efficient under H0 ; obtained from xtreg
difference
 in coefficients
 not systematic
(b B)0 (Vb VB )1 (b B)
0,60
0,7404
is not positive definite

Los datos anteriores indican que no es posible rechazar la hipotesis nula de diferencia sistematica entre los estimadores, por lo tanto es preferible usar el estimador
consistente y a la vez eficiente, que en este caso corresponde al estimador de efectos
aleatorios.
Adicionalmente, para cada una de las regresiones se prueba la presencia de autocorrelacion serial de primer orden en los errores siguiendo el enfoque propuesto
por Wooldridge (2002), con la finalidad de eliminar posibles sesgos en los errores
estandares y la eficiente de los parametros. Para lo anterior, Wooldridge (2002)
propone usar los residuos de una regresion en primeras diferencias en la forma:
yit = Xit + it 19 . El procedimiento propuesto por Wooldridge comienza con
19 Es

equivalente a yi,t yi,t1 = ( Xi,t Xi,t1 ) + i,t i,t1 donde es el operador primera

30

una regresion para obtener y obtener los residuos i,t . Si los i,t no estan correlacionados, entonces Corr (i,t , i,t ) = 0, 5. Dado lo anterior, el proceso regresiona i,t desde la regresion de primeras diferencias y testea que los coeficientes en
los residuos es igual a -0,5. Aplicando el procedimiento de Wooldridge, no se rechaza
la hipotesis nula de no autocorrelacion serial en los errores, con un p-value de 0.1289.
La presencia de heterocedasticidad por grupos se testea siguiendo una modificacion
del Test de Wald propuesto por Greene (1999). Al respecto, Greene (1999), propone
que sin realizar supuesto sobre la normalidad de los errores, y bajo la hipotesis nula
de varianza constante, el test de Wald20 es:
n

W=

t =1

s2i 2
V[s2i ]

2

Si la hipotesis nula es correcta entonces Wald 2 [n], donde s2 es el estimador de

la varianza de los errores de la regresion agrupada. El test de Wald modificado es
igual a:
n

W=

i =1

s2i 2
Vi

2
,

s2i

1
=
T

t =1

2
ei,t

2
T 
1 1
2
t
y Vi =
ei,t si
T T 1 t
=1

Todo bajo la hipotesis nula es: i2 = 2 , para i = 1, . . . , N. Donde N es el n

umero
de concesiones en la muestra. La aplicacion del test arroja un p-value igual a 0,000,
por lo que se rechaza la hipotesis nula de homocedasticidad por grupos.
Por u
ltimo, se prueba la posible correlacion contemporanea de los errores de las
distintas concesiones siguiendo a Pesaran (2004). Como se ha se
nalado en 4.2.3. la
hipotesis nula es la independencia contemporanea de los errores aleatorios de cada
concesionaria en la muestra de panel. Se obtiene nuevamente un p-Value de 0,0000. . .
rechazando la hipotesis nula de independencia de seccion cruzada.
Para corregir los problemas de correlacion serial y contemporanea de los errores
ademas de la heteroscedasticidad por grupo, se trabaja con el metodo de estimacion
(Panel Corrected Standard Errors-psce) que permite obtener un estimador asintoticamente consistente en el sentido estadstico. Para las estimaciones, se asume primero
un ajuste del problema de autocorrelacion de primer orden [AR(1)] a traves de una
regresion de Prais-Winsten. El estimador propuesto por Prais y Winsten (1954) no
emite la primera observacion como si lo hace el metodo estandar de correccion de
autocorrelacion AR(1) cuando la varianza es desconocida sugerido en su artculo
seminal por Cochrane y Orcutt (1949). En este sentido se dice que Prais-Winsten es
la aplicacion de mnimos cuadrados generalizados con informacion completa. Como
lo se
nala Greene (1999) en muestras grandes ambos tienden a ser los mismos metodos. Una vez que los errores y la varianza son estimados, el metodo de estimacion
supone correlacion contemporanea y heterocedasticidad para estimar los parametros
diferencia.
20 La notaci
on sigue Greene (1999)

31

por mnimos cuadrados generalizados. El cuadro siguiente muestra los resultados.

Se ha preferido dejar el formato Stata para efectos ilustrativos.

Cuadro 10: Resultados regresi

on final sin ponderaci
on por peso
Panel corrected
ROA

Coe f .

Std. Err.

P > |z|

ROASVS

0.1495127

0.0960017

1.56

0.119

-0.0386472

0.3376727

DROASVS

1.493838

0.2816233

5.30

0.000

0.9418665

2.045809

cons

0.0180335

0.0066716

2.70

0.007

0.0049574

0.0311097

rhos

0.8363166

0.6737184

0.8371927

0.8679632

0.8391262

0.2399452

[95 % Con f . Interval]

.xtpcse ROA ROASVS DROASVS, correlation( psar1)

(note : estimates o f rho outside [1, 1] bounded to be in the range [1, 1])
Prais Winsten regression, correlated panels corrected standard errors ( PCSEs)
Group variable
Time variable
Panels
Autocorrelation
Sigma computed by casewise selection
Estimated covariances
Estimated autocorrelations
Estimated coe f f icients

:
:
:
:

idp
t
correlated (unbalanced)
panel speci f ic AR(1)

Number o f obs
Number o f groups
Obs per group

=
=
=

276
23
3

R squared
Wald 2 (2)
Prob > chi2

=
=
:

619
23
min
avg
max

=
=
=
=
=
=

25
26,91304
27
0,1398
65,86
0,0000

Cuadro 11: Resultados regresi

on final con ponderaci
on por peso
Panel corrected
ROA

Coe f .

Std. Err.

P > |z|

ROASVS

0.1723555

0.0121314

14.21

0.000

0.1485785

0.1961325

DROASVS

0.480223

0.1343361

3.57

0.000

0.2169292

0.7435169

cons

0.0007279

0.0009871

0.74

0.461

-0.0012067

0.0026625

rhos

0.8246992

0.1939666

0.8592473

0.9442225

0.817593

0.266658

[95 % Con f . Interval]

.xtpcse ROA ROASVS DROASVS, [iweight = iini ], correlation( psar1)

(note : estimates o f rho outside [1, 1] bounded to be in the range [1, 1])
Prais Winsten regression, correlated panels corrected standard errors ( PCSEs)
Group variable
Time variable
Panels
Autocorrelation
Sigma computed by casewise selection
Estimated covariances
Estimated autocorrelations
Estimated coe f f icients

:
:
:
:

idp
t
correlated (unbalanced)
panel speci f ic AR(1)

Sum o f weights
Number o f groups
Obs per group

=
=
=

276
23
3

R squared
Wald 2 (2)
Prob > chi2

=
=
:

4091
23
min
avg
max

=
=
=
=
=
=

25
26,91304
27
0,0858
311,91
0,0000

32

Con los analisis econometricos anteriores, los resultados para las hipotesis planteadas
en 4.1 son las siguientes:
Cuadro 12: Resumen resultados de hip
otesis
Beta contable

Resultados

El par
ametro es estadsticamente

Tanto para el sector carreteras como aeropuertos

significativo distinto de cero.

el par
ametro es significativo distinto

Hip
otesis

de cero.
El par
ametro es distinto para industria

El del sector de carreteras es

de concesiones de carreteras y concesiones de

estadsticamente distinto al del sector

aeropuertos.

aeropuerto.

El par
ametro en la industria de carreteras

El par
ametro estimado en la industria

no es estadsticamente distinto a comparables

de carreteras concesionadas es estadsticamente.

obtenidos de muestras internacionales de concesiones

distinto a 0.737

que cotizan en Bolsa.

El par
ametro en la industria de aeropuertos

El par
ametro en la industria de aeropuertos

no es estadsticamente distinto a comparables

concesionados no es estadsticamente distinto a

obtenidos de muestran internacionales de concesiones

0.530.

que cotizan en Bolsa.

Finalmente, se debe se
nalar que todas las estimaciones se realizaron con un panel
desbalanceado en dos trimestres. El desbalance se produce porque una de las
concesiones cumplio su periodo de contrato el segundo trimestre del a
no 200821 . Lo
anterior, en la literatura de datos de panel se conoce como efecto atrito [attrition].
Una extensa revision de literatura para analizar las causas y efectos de distintos
tipos de desbalanceo se encuentra en Baltagi y Heun Song (2006). Los resultados
con panel balanceado, en el cual se elimina la unidad de analisis inexistente se
muestra a continuacion:
Cuadro 13: Resultados regresi
on final con panel balanceada
Panel corrected
ROA

Coe f .

Std. Err.

P > |z|

ROASVS

0.1720886

0.013144

13.09

0.000

0.146327

0.1978503

DROASVS

0.3905833

0.1234338

3.16

0.002

0.1486575

0.6325092

cons

0.0007641

0.001163

0.66

0.511

-0.0015153

0.0030434

rhos

0.824738

0.2291659

0.8606008

0.952742

0.8069601

0.2666603

[95 % Con f . Interval]

Prais Winsten regression, correlated panels corrected standard errors ( PCSEs)

Group variable
Time variable
Panels
Autocorrelation

:
:
:
:

idp
t
correlated (unbalanced)
panel speci f ic AR(1)

Sum o f weights
Number o f groups
Obs per group

Estimated covariances
Estimated autocorrelations
Estimated coe f f icients

=
=
=

253
22
3

R squared
Wald 2 (2)
Prob > chi2

21 Terminal

=
=
:

4084
22
min
avg
max

=
=
=
=
=
=

27
27
27
0,0772
224,68
0,0000

aereo de Iquique.

33

Donde ROASVS es el retorno de mercado calculado a partir de informacion de la

SVS, y DROSVS es la variable dicotomica para el sector aeropuerto. Como era
esperable los resultados para el caso de carreteras se mantienen practicamente inalterados. Sin embargo, el Beta para el caso de aeropuertos asciende a 0.56 el que se
acerca en terminos absolutos y en terminos estadsticos al Beta internacional que es
igual a 0.53.
En resumen, los valores de estimados se muestran en el cuadro siguiente:
Cuadro 14: Comparaci
on de resultados
Beta contable

Beta contable

Panel no balanceado

Panel balanceado

Carretera

0.172

0.172

0.737

Aeropuerto

0.652

0.561

0.530

Sector

7.
7.1.

Beta internacional

Limitaciones del estudio y futuras lneas de

investigaci
on
Limitaciones del estudio relacionado al uso de betas
contables

Mas alla de los argumentos en contra del CAPM liderados por Fama y Fench (1992)
en alusion a Beta is dead!22 [Jagannathan y McGrattan (1995)], de las fuentes de
errores en la estimacion del CAPM [Ferson y Locke (1998)], y de los argumentos
presentados en la subseccion 2.2., a favor del uso de la informacion contable en el
caso de la industria de concesiones en Chile, se debe insistir en que la informacion
de las variables ROA y ROE es obtenida a partir de datos contables y por lo tanto
solamente muestran la situacion de la compa
na en un momento en el tiempo. No
es la informacion de retorno de mercado que se obtendra a partir del precio de las
acciones si es que las concesionarias cotizaran en el mercado bursatil.
Desde el punto de vista econometrico, la decision sobre lo razonable que es utilizar
series cortas con menos de 30 valores a
un generando confiabilidad estadstica al
trabajar los datos como panel de seccion cruzada entre concesiones nos lleva a preocuparnos sobre la propiedad de consistencia de los estimadores. Usualmente, la
informacion contable es trimestral o anual. En el caso de Chile, para las empresas
relacionadas con concesiones de infraestructura se dispone informacion que no supera los 27 datos. Si bien podra incluirse informacion desbalanceada agregando una
cantidad adicional de a
nos, existiran unidades de analisis estructuralmente inexistente dado que las concesiones comenzaron a generar informacion una vez que se
22Beta

is dead, declared headlines on the financial pages last spring, when Eugene Fama and
Kenneth French, two economists at the University of Chicago, made a widely publicized attack on
a measure of share-price risk called beta. The Economist, Febrero 6, 1993

34

termino la etapa de construccion. Al respecto, si bien todava sera posible generar mayor informacion conforme los resultados contables se vayan reportando, por
definicion una concesion tiene una vida finita, y por lo tanto el efecto atricion de
datos de panel siempre estara presente conforme vayan terminando las concesiones,
donde la ganancia en datos producira desbalances en el panel [Baltagi y Heun Song
(2006)]. El segundo problema es verificar que el contable que se ha calculado es
estadsticamente significativo, por lo general, el ajuste con series cortas de tiempo
puede resultar sesgado. Por u
ltimo, se debera verificar que exista una correlacion
significativa entre contables y de bolsa para el caso de Chile. Lo que hizo en el
presente trabajo fue trabajar con retornos de mercado calculados a partir de datos
contables, pero por estar fuera del alcance del trabajo, no se hicieron pruebas para
probar equivalencia en empresas que cotizan en bolsa. Con factores de equivalencia
entre informacion de betas contables y betas de mercado de empresas que cotizan
en bolsa se puede definir una ecuacion de ajuste para reducir la brecha entre ambos
betas en caso que existiera.

7.2.

Futuras lneas de investigaci

on

Como se muestra en el Cuadro 1, el programa de desarrollo de infraestructura en

Chile involucra no solamente los sectores de carreteras interurbanas y aeropuertos,
sino tambien sectores sociales como justicia, salud e edificacion p
ublica, y sectores
productivos como concesiones viales urbanas y obras hidraulicas. En consecuencia, la metodologa presentada podra ser aplicada a los sectores anteriores, ya sea
generando paneles sectoriales o cluster de paneles [Wooldridge (2002)]. A
un mas, en
los sectores regulados de electricidad, sanitarios y telecomunicaciones sera interesante contrastar los actuales metodos de estimacion de tasas de descuentos que se
muestran en el Cuadro 2, con metodos de econometra trabajados en datos de panel
tanto con datos contables como datos de mercado..
Adicionalmente, siguiendo el enfoque sugerido por Giner, Laffarga y Larran (1999) de
calcular los retornos a traves de sus distintas definiciones (o la variable dependiente)
sera posible explorar, a traves de la informacion contable que se obtiene desde
la SVS, el efecto y el alcance del efecto del riesgo sistematico en el desempe
no
financiero de las concesionarias. Por ejemplo, el beta contable puede ser estimado
mediante el ratio de beneficios entre la empresa concesionaria (x) y los beneficios de
otras empresas (benchmarking). Esta propuesta ha sido realizada recientemente por
Toms (2007). Para lo anterior, el Contable se calcula como:
contable =

Variacion en los beneficios de la empresa x

Variacion en los beneficios del resto de empresa

El contable mide el nivel de exposicion al riesgo de la empresa concesionaria con

respecto a su sector. Es decir, posee similares caractersticas del beta estimado a
partir del modelo CAPM.
Finalmente, puede resultar interesante la modelacion de un modelo SUR en el
sentido estricto, de tal forma de estimar un vector de parametros para cada
35

concesionaria. Este metodo propuesto por Zellner (1962) consiste en estimar una
ecuacion para cada concesion, pero con una ganancia en eficiencia al hacerse cargo
de las correlaciones contemporaneas individuales que pueden existir entre los errores
de dichas ecuaciones.

8.

Conclusiones

En todas las regresiones el beta del sector de aeropuertos es mayor al beta de carreteras. En consecuencia, las variaciones asociadas a riesgo tpicamente sistematico
tales como: tipo de cambio, actividad economica mundial y de pases vecinos, normas
regulatorias, y actividad economica tienen un mayor impacto en aeropuertos que en
carreteras. Un modelo multifactorial podra confirmar lo anterior. Adicionalmente,
el estimador del sector aeropuertos es igual, en terminos estadsticos, al de referencia internacional. Por lo tanto, la autoridad p
ublica no debiera tener mayores
problemas para trabajar con este valor el calculo del costo de capital.
En el caso de carreteras, el contable es significativo distinto de cero pero su valor
absoluto es bajo, lo que refleja la presencia de un premio por riesgo sistematico tambien bajo. Una interpretacion es que en la industria de concesiones de carreteras,
el retorno al capital exigido en el interior de la empresa concesionaria sea igual al
retorno de la tasa libre de riesgo del Banco Central mas un premio por riesgo bajo,
se puede justificar porque la utilidad relevante es obtenida mediante la empresa constructora, que en la mayora de los casos en el marco de un contrato EPC23 , act
ua
como contratista de la empresa concesionaria. En este sentido, no es posible aceptar
la hipotesis nula que el contable es igual al de referencia internacional en el caso
de carreteras.
La siguiente tabla muestra distintas estimaciones de costo de capital de activos (no
apalancado) para distintas tasas de retornos de mercado y libre de riesgos en pesos.

23 Engineering,

Procurement and Construction.

36

Cuadro 15: Costo de capital de activos para distintas tasas de retornos de

mercado y libre de riesgos en pesos

Tarifa libre de riesgo

Tasa de retorno de

( %)

mercado ( %)

Costo de capital en el sector

de aeropuertos %

Costo de capital en el sector

de carreteras %

Beta

Beta

Beta

Beta

Contable

Internacional

Contable

Internacional

10,0

8,26

7,65

5,86

8,69

12,5

9,89

8,98

6,29

10,53

15,0

11,52

10,30

6,72

12,37

17,5

13,15

11,63

7,15

14,21

20,0

14,78

12,95

7,58

16,06

25,0

18,04

15,60

8,44

19,74

10,0

8,61

8,12

6,69

8,95

12,5

10,24

9,45

7,12

10,79

15,0

11,87

10,77

7,55

12,63

17,5

13,50

12,10

7,98

14,48

20,0

15,13

13,42

8,41

16,32

25,0

18,39

16,07

9,27

20,00

10,0

8,96

8,59

7,52

9,21

12,5

10,59

9,92

7,95

11,05

15,0

12,22

11,24

8,38

12,90

17,5

13,85

12,57

8,81

14,74

20,0

15,48

13,89

9,24

16,58

25,0

18,74

16,54

10,10

20,27

10,0

9,30

9,06

8,34

9,47

12,5

10,93

10,39

8,77

11,32

15,0

12,56

11,71

9,20

13,16

17,5

14,19

13,04

9,63

15,00

20,0

15,82

14,36

10,06

16,84

25,0

19,08

17,01

10,92

20,53

10,0

9,65

9,53

9,17

9,74

12,5

11,28

10,86

9,60

11,58

15,0

12,91

12,18

10,03

13,42

17,5

14,54

13,51

10,46

15,26

20,0

16,17

14,83

10,89

17,11

25,0

19,43

17,48

11,75

20,79

10,0

10,00

10,00

10,00

10,00

12,5

11,63

11,33

10,43

11,84

15,0

13,26

12,65

10,86

13,69

17,5

14,89

13,98

11,29

15,53

20,0

16,52

15,30

11,72

17,37

25,0

19,78

17,95

12,58

21,06

5,0

6,0

7,0

8,0

9,0

10,0

37

Referencias
[1] Almisher, M.A. y R.J. Kish. (2000), .Accounting Betas - An Ex Anti Proxy for
Risk within the IPO Market. Journal of Financial and Strategic Decisions. Vol.
13, No. 3, pp. 23-34.
[2] Arellano, M., y O. Bover (1990), La Econometra de Datos de Panel.
Investigaciones Economicas, Vol. 14, pp. 13-45 (Sec. 3, 4 y 5).
[3] Arnott, R. D., Hsu, J. C. y J. M. West (2008), The Fundamental Index: A
Better Way to Invest. Financial Markets and Portfolio Management, Vol. 22,
No. 3, 281 - 283.
[4] Arrnot, R. y J. Hsu (2008), Noise, CAPM and the Size, and Value Effects.
Journal of Investment Management, Vol. 6, No. 1, pp. 1-11.
[5] Averch, H. y L. Johnson (1962) The Behavior of the Firm Under Regulatory
Constraint,.American Economic Review, December 1962.
[6] Ball, R., y P. Brown (1969), Portfolio Theory and Accounting.Journal of
Accounting Research 7, No.2, 300 - 323.
[7] Baltagi B. H. y B. Raj (1992), .A survey of recent theoretical developments in
the econometrics of panel data. Empirical Economics, Vol. 17, pp. 85-109.

[8] Baltagi, B. y S. Heun Song (2006), Unbalanced

panel data: A surveyStatistical
Papers, Vol. 47, No. 4, pp. 493-523.
[9] Barth, M. , Landsman, W. y M. Lang (2007) International Accounting
Standards and Accounting Quality. Research Paper No. 1976 Stanford Graduate
School of Business.
[10] Beaver, W. y J. Manegold (1975), The Association Between MarketDetermined and Accounting-Determined Measures of Systematic Risk: Some
Further Evidence. Journal of Financial and Quantitative Analysis, Vol. 10,
No. 02, pp. 231-284.
[11] Beaver, W., Kettler, P. y M. Scholes (1972), The Association between MarketDetermined and Accounting-Determined Risk Measures. The Accounting
Review, October, pp. 654-682.
[12] Beesley, M. y Littlechild, S.C. (1983) The regulation of Privatized Monopolies
in the United Kingdom, RAND Journal of Economics, vol.20, No.3, pp. 454472.
[13] Berglund, T. (1994), Measurement the sistematic risk of a firm accounting data
versus stock market returns. European Accounting Association 17th Congress.
[14] Berk, J. (1995). .A Critique of Size Related Anomalies. The Review of Financial
Studies Summer, Vol. 8, No. 2, pp. 275-286.

38

[15] Berk, J. (1997), Does Size Really Matter?. Financial Analysts Journal, Vol.
52, No. 5.
[16] Berk, J. (1997), Necessary Conditions for the CAPM. Journal of Economic
Theory. Vol. 73, No. 1, pp. 245-257.
[17] Bernstein, J. y Sappington, D. (1999), Setting the X Factor in Price-Cap
Regulation Plans. Journal of Regulatory Economics, Springer - Verlag. Vol.
16, No. 1, pp. 5-25.
[18] Black, F., Jensen, M. C. y Scholes, M. (1972), The Capital Asset Pricing Model:
Some Empirical Tests. pp. 79-121 en M. Jensen ed., Studies in the Theory
of Capital Markets. New York: Praeger Publishers. Bowman, R.G. (1979),
The theoretical relationship between systematic risk and financial accounting
variables. The Journal of Finance, Vol. 34, No. 3, pp. 617-630.
[19] Campbell, J. (1993), Intertemporal Asset Pricing without Consumption Data.
American Economic Review. Vol. 83, No. 3, pp. 487-512.
[20] Campbell, J. Y. y J. H. Cochrane (2000), .Explaining the Poor Performance
of Consumption-based Asset Pricing Models. Journal of Finance, American
Finance Association. Vol. 55, No. 6, pp. 2863-2878.
[21] Cheng H. (1985), Benefits and limitations of panel data. Econometric Reviews,
Taylor and Francis Journals. Vol. 4, No. 1, pp. 121-174.
[22] Chen, N., Roll, R., y S. A. Ross (1986), .Economic forces and the stock
marketJournal of Business, Vol. 59, pp. 383-403.
[23] Cochrane, D. y G. H. Orcutt (1949), .Application of least squares regression to
relationships containing autocorrelated error terms. Journal of the American
Statistical Association. Vol. 44, pp. 32-61.
[24] Cochrane, J. (1999), Asset Pricing. Princeton University Press.
[25] Copeland, T. y J. F. Weston (1999), Financial Theory and Corporate Policy,
3ra Edicion, Addison Wesley.
[26] Damodaran, A. (2008), .Equity Risk Premium (ERP): Determinants, Estimation
and Implications. Stern School of Business. http://pages.stern.nyu.edu/
~adamodar/pdfiles/papers/ERPfull.pdf.
[27] Damodaran, A. (2005), Value and Risk: Beyond Betas. Financial Analysts
Journal. Vol. 61, No. 2, pp. 38-43.
[28] Damodaran, A. (1999), .Estimating Risk Parameters.
University, Leonard N. Stern School of Business
http://ideas.repec.org/p/fth/nystfi/99-019.html

New York
- RePEc.

[29] Damodaran, A. (1994), Investment Valuation, John Wiley y Sons, New York.

39

[30] Engel, E., Fischer, R., A. Galetovic y M. Hermosilla (2008), La Renegociacion

de Concesiones y la Nueva Ley. Puntos de Referencia 297. Centro de Estudios
P
ublicos.
[31] Engel, E., Fischer, R. y A. Galetovic (1997), Highway Franchising: Pitfalls and
OpportunitiesThe American Economic Review. Vol. 87, No. 2, pp. 68-72.
[32] Engel, Fischer y Galetovic (1997a), How to Auction an Urban Road Franchise.
Estudios P
ublicos, No. 67, pp. 177-214, Santiago.
[33] Engel, Fischer y Galetovic (1998), Least-Present-Value-of Revenue Auctions
and Highway Franchising, NBER Working Paper 6689, Cambridge. Fama, E.
F. y K. R. French (1992), Cross-section

of Expected Stock Returns. Journal of

Finance. Vol. 47, No. 2, pp. 427-466.
[34] Fama, E. F., y K. R. French (2004), The Capital Asset Pricing Model: Theory
and EvidenceThe Journal of Economic Perspectives, Vol. 18, No. 3, pp. 25-46.
[35] Fama, E. F. y J. D. MacBeth (1973), Risk, Return and Equilibrium: Empirical
Tests. Journal of Political Economy. Vol. 71, pp. 607-636.
[36] Ferson, W. y D. H. Locke (1998), .Estimating the Cost of Capital through Time:
An Analysis of the Sources of Error, Management Science, Vol. 44, No. 4, pp.
485-500.
[37] Foerster, S., Craig D., Hatch, J., Shaw, D. y L. Wynant (2002), Cases in
Financial Management. 4ta ed. Pearson Education Canada.
[38] Giner, B., Larran, M. y J. Laffarga (1999), .Asociacion entre Flujos de Fondos de
Fondos Contables y Beta de Mercado: Un Estudio Emprico. Revista Espa
nola
de Financiacion y Contabilidad, Vol. 28, No. 89, pp. 105-136.
[39] Godfrey, S. y R. Espinosa (1996), .A Practical Approach to Calculating Costs
of Equity for Investments in Emerging Markets, Journal of Applied Corporate
Finance, Fall 1996, 80.
[40] Gonedes, N. J. (1973), Properties of Accounting Numbers: Models and Tests.
Journal of Accounting Research. Vol. 11, No. 2, pp. 212-237.
[41] Gordon, M. J. y E. Shapiro (1956), Capital

Equipment Analysis: The Required

Rate of Profit.Management Science. Vol. 3, No. 1, pp. 102-110.
[42] Greene, W. (1999), Econometric Analysis. Prentice Hall.
[43] Greene, W. H. (2002), Analisis Econometrico. 5ta ed. Prentice Hall.
[44] Guash, J. L. (2004), Granting and Renegotiating Infrastructure Concessions:
Doing it Right, World Bank Institute Development Studies, Washington, D.C.
[45] Guash, J. L., Laffont, J. J. y E. Straub (2005) Infrastructure Concessions in
Latin America: Government-led RenegotiationsWorld Bank Policy Research
Working Paper 3749, October 2005.
40

[46] Hamada, R. S. (1972), The Effect of the Firms Capital Structure on the
Systematic Risk of Common Stocks. The Journal of Finance. Vol. 27, No.
2, pp. 435-452.
[47] Harvey, C. R. (1995), Predictable Risk and Returns in Emerging Markets.
The Review of Financial Studies. Vol. 8, pp. 773-816.
[48] Hausman, J. A. (1978), Specification tests in econometrics. Econometrica.
Vol. 46, pp. 1251-1271.
[49] Hill, N. y B. Stone (1980), .Accounting Betas, Systematic Operating Risk,
and Financial Leverage: A Risk Composition Approach to the Determinants
of Systematic Risk. Journal of Financial and Quantitative Analysis, 595 - 637.

[50] Hurlin, C. (2002), LEconom

etrie des Donnees de Panel. Ecole Doctorale Edocif.
[51] Hsiao, C. (1985), Benefit and limitations of panel data. Econometric reviews,
Vol. 4, No. 1, pp. 121-174.
[52] Ismail, B. y M. Kim (1989), .On the Association of Cash Flow Variables with
Market Risk: Further Evidence,.Accounting Review, Vol. 64, pp. 125-136 .
[53] Jagannathan R. y E. McGrattan (1995), The CAPM Debate, Federal Reserve
Bank of Minneapolis Quarterly Review, Vol. 19, No. 4, pp. 2-17.
[54] John, T. y K. John (1991), .Optimality of Project Financing: Theory and
Empirical Implications in Finance and Accounting. Review of Quantitative
Finance and Accounting. Vol. 1, pp. 51-74.
[55] Keim, D. B. (1983), Size-related anomalies and stock return seasonality:
Further empirical evidence. Journal of Financial Economics. Vol. 12, No. 1,
pp. 13-32.
[56] Klevmarken N. A. (1989), Panel Studies: what can we learn from them?.
European Economic Review. Vol. 33, pp. 523-529.
[57] Lessard, Donald R., y Alice H. Amsden (1996). The multinational enterprise as
a learning organization. Massachusetts Institute of Technology (MIT), Sloan
School of Management. RePEc. http://ideas.repec.org/p/mit/sloanp/
2624.html
[58] Lettau, M. (2001), Consumption,

Aggregate Wealth, and Expected Stock

Returns. Journal of Finance. Vol. 56, No. 3, pp. 815-849.
[59] Lettau, M. y S. Ludvigson (2001), Resurrecting the CAPM: A Cross-Sectional
Test When Risk Premia Are Time-Varying. Journal of Political Economy,
University of Chicago Press, Vol. 109, No. 6, pp. 1238-1287.
[60] Lintner, J. (1965), The Valuation of Risk Assets and the Selection of Risky
Investments in Stock Portfolios and Capital Budgets. Review of Economic and
Statistics, Vol. 47, No. 1, pp. 13-37.
41

[61] Littlechild, S. (1983), Regulation of British Telecommunications profitability:

report to the Secretary of State. London: Department of Industry.
[62] Maddala, G. S. (1987), Limited Dependent Variable Models Using Panel Data.
Journal of Human Resources. Vol. 22, No. 3, pp. 305-338.
[63] Maddala, G. S. (1987), Recent development in the econometrics of panel data
analysis. Transportation Research. Vol. 21, pp. 303-326.
[64] Maquieira y Asociados Ltda., Julio de 2008, .Estimacion del beta contable y premio por riesgo de mercado Entel PCS. http:
//www.subtel.cl/prontus_procesostarifarios/site/artic/20080108/
asocfile/20080108124443/emov_anexo_e.pdf
[65] Mensah, Y. M. (1992) .Adjusted Accounting Beta, Operating Leverage and
Financial Leverage as Determinants of Market Beta: A Synthesis and Empirical
EvaluationReview of Quantitative Finance and Accounting. Vol. 2, pp. 187-203.
[66] Merton, R. C. (1973), .An Intertemporal
Model.Econometrica. Vol. 41, No. 5, pp. 867-887.

Capital

Asset

Pricing

[67] Modigliani, F. y G. A. Pogue (1973), .An introduction to risk and return

concepts and evidence. Sloan School of Management, Massachusetts Institute
of Technology (MIT). http://ideas.repec.org/p/mit/sloanp/1863.html
[68] Ned C. H. y B. K. Stone (1980), .Accounting Betas, Systematic Operating Risk,
and Financial Leverage: A Risk Composition Approach to the Determinants of
Systematic Risk. Journal of Financial and Quantitative Analysis, pp. 595-633.
[69] OSIPTEL (2004) Organismo Supervisor de Inversion Privada en Telecomunicaciones, Per
u 2004.
[70] OSIPTEL (2007) Organismo Supervisor de Inversion Privada en Telecomunicaciones, Per
u 2007.
[71] Pereiro, L. E. y M. Galli, (2001), La Determinacion del Costo del Capital en la
Valuacion de Empresas de Capital Cerrado: Una Gua Practica. Universidad
Torcuato Di Tella y Instituto Argentino de Ejecutivos de Finanzas (IAEF).
[72] Pesaran, M. (2004), General diagnostic tests for cross section dependence in
panels. IZA Discussion Papers 1240, Institute for the Study of Labor, IZA.
[73] Pettit, P y R. Westerfield (1972), .A Model of Capital Asset Risk. Journal of
Financial and Quantitative Analysis; pp. 1649-1668.
[74] Polackova, H. (1998), Government Contingent Liabilities: a Hidden Risk to
Fiscal Stability. Policy Research Working Paper. The World Bank. Washington
DC.
[75] Prais, S. y C. Winsten (1954) Trend Estimation and Serial CorrelationCowles

Commission Discussion Paper Number 383, Chicago.

42

[76] Ross L. W. y J. L. Zimmerman (1986), Positive Accounting Theory. Prentice Hall, http://www.pearsonhighered.com/educator/product/
Positive-AccountingTheory/9780136861713.page
[77] Ross, S. (1976), The Arbitrage Theory of Capital Asset Pricing. Journal of
Economic Theory. Vol. 13, pp. 341-360.
[78] Sabal, J. (2001), Costo

De Capital Para La Banca: Un Enfoque Alternativo.

Instituto de Estudios Superiores de Administracion (IESA).
[79] Sabal, J. (2002), Financial Decisions in Emerging Markets. New York, USA:
Oxford University Press.
[80] Sarafidis, V. y R. E. de Hoyos (2006), .On testing for cross sectional dependence
in panel data models. Mimeo, University of Cambridge.
[81] Sep
ulveda, A. (2008), Proyecto Implementacion IFRS-XBRL. Superintendencia de Valores y Seguros - Chile.
[82] Sharpe, W. (1964), Capital

Asset Prices: A Theory of Market Equilibrium

Under Conditions of Risk. Journal of Finance, Vol.19, pp. 425-442.
[83] Shleifer, A. (1985) .A Theory of Yardstick CompetitionRand Journal of
Economics, Vol. 16 , No 3.
[84] Superintendencia de Regulacao Economica e Fiscalizacao Financiera de Brasil
(2006)
[85] Tirole, J. (2005), The Theory of Corporate Finance. Princeton University Press.
[86] Toms, S. (2009), .Accounting-based risk measurement: A fresh approach to

capital budgetingUniversity
of York Mimeo.
[87] Vickrey, W. (1964), Discussion.American Economic Review, Vol. 59, No. 3, pp.
88-93.
[88] Watts, R. y Zimmerman J., (1986). Positive Accounting Theory, Englewood
Cliffs, NJ, Prentice-Hall, Inc.
[89] Williams, J. B. (1938), The Theory of Investment Value, Cambridge, MA:
Harvard University Press.
[90] Wooldridge, J. M. (2002), Econometric Analysis of Cross Section and Panel
Data. Cambridge, MA: MIT Press.
[91] Wynant, L. (1980), .Essential Elements of Project Finance. Harvard Business
Review. Vol. 58, No. 3, pp. 165-173.
[92] Yescombe, E.R. (2007), Public-Private Partnerships: Principle of Policy and
Finance. Elsevier Finance.
[93] Zellner, A. (1962), .An efficient method of estimating seemingly unrelated
regression and tests for aggregation bias. Journal of the American Statistical
Association. Vol. 57, pp. 348-368.
43

A.

Empresas Concesionarias: Betas del sector vial

a nivel internacional
Empresa

Pas

Beta apalancado

Beta no apalancado

Transurban Group

Australia

0.98

0,96

Cia De Concessoes Rodoviaria

Brasil

0.62

0,43

Bejing Capital Co Ltd-A & China

0.87

0,87

0,81

Chongoing Road & Bridge Co-A

China

0.99

0.98

Congguan Development Hldgs C

China

0.82

0.74

Fujain Expressway Development

China

0.82

0.72

Guangxi Wozhou Communication

China

0.99

0.98

Henan Zhongyouan Expressway

China

0.74

0.61

Huabei Expressway Co Ldt-A

China

0.84

0.76

Jiansu Expressway Co Ldt-A

China

0.84

0.76

Jiangxi Ganyue Expressway Co

China

0.73

0.59

Northesat Expressway Co-A

China

0.94

0.91

Shandong Ingrastructure Co-A

China

0.72

0.58

Xiandai Investment Co Ldt-A

China

0.76

0.65

Yan Bian Highway Construct-A

China

1.15

1.23

Abertis Infraestructuras As

Espa
na

0.84

0.76

Autoroutes Du Sud De La Fran

Francia

0.46

0.19

Autrostrada Torino-Milano Spa

Italia

0.71

0.57

Autostrade Meridionali Spa

Italia

0.61

0.42

Autostrade Spa

Italia

0.71

0.57

Brisa Auto-Estradas-Priv Shr

Portugal

0.67

0.5

Europistas Concesionaria Esp

Espa
na

0.46

0.19

Sias Spa

Italia

0.52

0.27

Mouchel Parkamn Plc

Reino Unido

0.58

0.37

Anhui Expressway Co Ldt-H

China

1.08

1.12

Guangdong Provincial Expre-B

China

0.74

0.61

Gzi Transport Ldt

Hong Kong

0.81

0.71

Hopewell Highway Infrastruct

Hong Kong

0.86

0.79

Jiangsu Expressway Co Ltd-H

China

1.27

1.41

Road King Ingrastructure Ldt

Hong Kong

0.74

0.61

Shenzhen Expressway Co-H

China

0.92

0.88

Sichuan Expressway Co-H

China

0.96

0.94

Wah Nam International Holdin

Hong Kong

0.79

0.69

Yue Da Holdings Ltd

Hong Kong

0.73

0.6

Zhejiang Expressway Co-H

China

1.25

1.37

Citra Marga Nusaphala Per Pt

Indonesia

0.82

0.73

44

Empresa

Pas

Beta apalancado

Beta no apalancado

Lingkaran Tran Kota Hldgs

Malasia

0.63

0.45

Metcopr Bhd

Malasia

0.94

0.91

Mtd Infraperdana Bhd

Malasia

1.11

1.16

Plus Expressway Bhd

Malasia

0.8

0.7

Uem Builders Bhd

Malasia

1.72

2.08

Es aChina Infrastructure Holding

Hong Kong

0.89

0.84

China Merchants Hldgs Pac Lt

Singapore

0.1

-0.35

Bangkok Expressway Pub Co

Tailandia

0.76

0.64

0.82

0.74

Promedio

45