APLICACIÓN DEL MODELO DE VALORACIÓN DE ACTIVOS DE

CAPITAL (CAPM) EN EL MERCADO ACCIONARIO

COSTARRICENSE
BERNARDO RODRÍGUEZ CUADRA
LUIS FERNANDO COTO JIMÉNEZ
Programa de Maestría en Economía
Universidad de Costa Rica

Resumen
El presente trabajo de investigación, se aboca a la implementación de
uno de los más renombrados modelos del mercado de capitales; a saber,
Modelo de Valoración de Activos de Capital (CAPM), desarrollado por
William Sharpe en la década de los sesentas. En términos generales el
documento, luego de una selección ad hoc de diferentes acciones,
muestra la estimación de la beta de cada una de éstas y su rendimiento
esperado asociado; además de la elección de la cartera óptima que
surge a partir de la combinación de tales valores. Para esto, se acude a
técnicas de estimación como la regresión simple y el algoritmo de
Markowitz. Todo lo anterior circunscrito al período agosto, 2002 –
mayo, 2005.
Palabras claves: Beta, Rendimiento Esperado, Cartera Óptima.
Clasificación JEL: G11

1. Introducción
Dentro de los componentes de un sistema financiero, se encuentra el denominado mercado
de valores, sitio conformado por un conjunto de instituciones, participantes y regulaciones
donde se emiten, colocan, cotizan, negocian y distribuyen valores1. En términos generales
se habla de valores de deuda o renta fija2 -bonos, en lo fundamental- y valores de renta
variable3 o acciones.

El presente documento es resultado de una investigación que se orientó a la aplicación de

un modelo económico – financiero (CAPM), que permite derivar niveles de rendimiento y
riesgo de valores de renta variable, permitiendo extender el análisis hacia una optimización
de portafolios de inversión.

El Mercado Bursátil Costarricense se caracteriza por ser cortoplacista, concentrado en

deuda soberana, altamente dolarizado y con operaciones que se realizan mayoritariamente

1
El Glosario Bursátil de la Superintendencia General de Valores (Sugeval) define “valores” como
todo título o valor, incorporado o no en un documento, que por su configuración jurídica propia y
régimen de transmisión pueda ser objeto de una negociación en un mercado financiero o bursátil.
2
El término “renta fija” hace referencia a instrumentos como los bonos que establecen a priori la renta
que generarán al inversionista o tenedor.
3
En este caso las rentas a generar están en función de la ejecutoria del emisor y de la política de
dividendos establecida por la Asamblea de Accionistas.

1
en mercado secundario (recompras). Como corolario a la situación descrita el Mercado
Accionario desde sus inicios ha permanecido bajo una “represión”, caracterizada por un
escaso número de participantes y dinamismo en general. Así, cualquier investigación que
se emprenda referente al mismo lidiará con problemas de información en términos no sólo
de cantidad sino de calidad, como respuesta directa a las limitaciones planteadas.

La pretensión de la presente investigación es abordar la implementación práctica de una

teoría que eventualmente venga a aportar indicadores de riesgo que permitan mejorar la
toma de decisiones de inversión.

Específicamente, la investigación se circunscribe a la aplicación del Modelo de Valoración

de Activos de Capital (CAPM), asociada al período Agosto, 2002 – Mayo, 2005; se
analizan las acciones de los emisores FIFCO, Atlas, Cafesa, BCT, Improsa, Interfin,
Durman Esquivel, ENUR, INCSA y La Nación; así como el Índice Bursátil de la Bolsa
Nacional de Valores (“proxy del mercado”).

Asimismo, con el fin de alcanzar los objetivos propuestos se acude a técnicas de regresión
simple en la estimación de “las betas” y el algoritmo de Markowitz en la selección del
portafolio óptimo; cada uno de los cuales se detallan oportunamente.

2. Marco Teórico

2.1. Modelo de Valoración de Activos de Capital

En 1964 William Sharpe publicó; "Capital Asset Prices: a Theory of Market Equilibrium
Under Conditions of Risk"; trabajo que correspondía al tema de su disertación doctoral, y
que constituyó los orígenes del CAPM. Veintiséis años después (1990) el profesor Sharpe
recibe el Premio Nobel en Ciencias Económicas4, por el citado estudio.

En términos generales puede decirse que el CAPM es "un modelo general que expresa la
tasa de equilibrio del rendimiento esperado para un activo como una función de sus
características inherentes de riesgo."5, dicho modelo vino a revolucionar la teoría moderna
del portafolio y constituye uno de los esquemas más reconocidos y utilizados en áreas como
economía y finanzas.

El modelo encuentra sus cimientos en supuestos como: competencia perfecta6, mercados

eficientes7, costos de operación insignificantes e inexistencia de limitaciones a la inversión.
4
Para más detalles; véase, Burton, Jonathan. "Revisiting The Capital Asset Pricing Model". Dow
Jones Asset Manager. 1998.
5
Kolb, Robert W. Inversiones. Editorial LIMUSA. México. 1993.
6
Se dice que un mercado es perfectamente competitivo cuando se cumplen las siguientes condiciones:
a) el bien o servicio que se transa es homogéneo o estandarizado, lo que implica que al consumidor
no le interesa quién lo provee; b) los agentes económicos participantes son tomadores de precio, es
decir, productores y compradores no cuentan con la posibilidad de influir en precio y cantidad; c)
existe plena movilidad a largo plazo de los factores de producción, puede interpretarse como un

2
2.2. El riesgo y su composición

En forma general, el riesgo total de cualquier activo presenta dos componentes:

Riesgo sistemático. Éste depende fundamentalmente del mercado en términos agregados,

responde a las condiciones macroeconómicas y sociopolíticas; por consiguiente
no se puede eliminar mediante la diversificación, dado que la totalidad de los
activos están expuestos al mismo.

Riesgo diversificable. Éste es exclusivo de una industria en particular, es decir es

independiente del mercado y consecuentemente se puede minimizar mediante la
diversificación del portafolio.

2.3. La Línea del Mercado de Capitales (CML)

Como lo indica Robert Kolb, la CML es una gráfica que muestra la relación de equilibrio
entre el riesgo total de una cartera bien diversificada y su rendimiento esperado. Se trata de
una ecuación lineal convencional que con frecuencia se expresa de la siguiente manera:

Ε (R ) ≡ R + σ ⎡⎢ Ε(R − R )⎤⎥
m f
(1)
j f
⎢⎣
j
σ ⎥⎦m

donde;

E(Rj): Rendimiento esperado de la cartera j.

Rf: Tasa libre de riesgo.
σj: Desviación estándar de la cartera j.
E(Rm): Rendimiento esperado de la cartera del mercado.
σm: Desviación estándar de los rendimientos de la cartera del mercado.

Es decir, la ecuación expresa que “el rendimiento esperado de una cartera bien diversificada
depende de la tasa libre de riesgo, el riesgo de la cartera con relación al mercado y el precio
del mercado del riesgo."8

mercado en el cual no existen de barreras de entrada ni barreras de salida; y, d) consumidores y

productores cuentan con perfecta información respecto del mercado, sus variables y su
comportamiento.
7
Se dice que un mercado es eficiente si en todo momento los precios del mercado reflejan por
completo toda la información disponible.
8
Idem.

3
2.4. La Línea del Mercado de Valores (SML)
La SML es "una gráfica que muestra la relación de equilibrio entre el riesgo sistemático
de un activo o de una cartera y su rendimiento esperado"9; ésta puede derivarse a partir de
la CML; para esto debe tenerse presente que el aporte marginal por acción al coeficiente de
Sharpe de una cartera en específico está dado por:

R −R R −R ≡
km ≡ ≡
m f i j
(2)
σ (R ) m
cov(R , R ) ki m
i

Como se nota; en equilibrio la magnitud de dicho aporte es generalizada para cualesquiera

acciones y/o portafolios. Así, luego de algunas sustituciones obtenemos la SML10; que para
propósitos empíricos comúnmente se expresa como11:

Cov (Ri , R m ) σ (
Ri − R f = α i + β (R − R ) + µ ;β =
Var (R m )
= i
) (3)
i m f i i
σ corr
m
i,m

donde;

Ri: Retorno esperado de la inversión para el título valor i

Rf: Retorno en la inversión libre de riesgo.
α i: Ordenada en el origen.
β i: Coeficiente beta (para más detalles, véase el apartado siguiente).
Rm: Retorno esperado de la inversión sobre el portafolio de mercado.
µi: Término de perturbación o de error.

Es importante aclarar que en esta ecuación la variable dependiente es la brecha (Ri - Rf), en
tanto que el coeficiente de volatilidad βi es la variable explicativa.

2.5. Especificación del CAPM

Tal como anteriormente se adelantó el Modelo de Valoración de Activos de Capital
(CAPM, por sus siglas en inglés) indica que el rendimiento esperado de un título es igual a
la tasa libre de riesgo más la beta del valor (coeficiente estimado) por la diferencia entre el
rendimiento esperado sobre el mercado y la tasa libre de riesgo. Algebraicamente;

R = R + β (R − R
i f i m f
)+ µ i
(4)

9
Idem.
10
Véase; Cantillo, Miguel. “¿Funciona el CAPM en Costa Rica?”. INCAE. Costa Rica. 1999.
11
Véase; Gujarati, Damodar N. Econometría. 2 ed. Editorial Mc Graw Hill. México. 1995.

4
donde;

Ri: Retorno esperado de la inversión para el título valor i.

Rf: Retorno en la inversión libre de riesgo.
β i: Coeficiente beta.
Rm: Retorno esperado de la inversión sobre el portafolio de mercado.
µi: Término de perturbación o de error.

2.6. La Prima por Riesgo

A la expresión (Rm – Rf) presente en la ecuación (4) se le conoce como prima por riesgo;
“es la recompensa que promete el riesgo sistemático o no diversificable”12 y corresponde a
la diferencia entre la tasa del rendimiento del mercado accionario como un todo
(típicamente se utiliza como proxy a los índices accionarios) y la tasa libre de riesgos de la
economía (usualmente se utiliza como proxy a los valores emitidos por el Gobierno
Central).

Una interpretación interesante indica que “la cantidad del premio por riesgo de la cartera
de mercado se determina mediante la aversión al riesgo agregada de los inversionistas y la
volatilidad del rendimiento de mercado. Para que los inversionistas accedan a aceptar el
riesgo de esa cartera, hay que ofrecerles una tasa esperada que rebase la tasa de interés
libre de riesgo. Cuanto mayor sea el nivel promedio de la aversión al riesgo por parte de
la población, más alta habrá de ser la prima requerida.”13

2.7. El coeficiente beta y la línea característica

Luego del análisis de la ecuación (3) surge la siguiente interrogante; si la beta opera como
una variable, de dónde surge la misma. La respuesta se encuentra introduciendo el
concepto de línea característica; esto es, "la gráfica de línea de regresión de los
rendimientos de un activo o de una cartera sobre los de la cartera de mercado"14, ésta puede
expresarse como:

Ri,t =αi + βi Rm,t +εi,t

donde;

Ri,t: Rendimiento para el valor i en el período t.

α i: Ordenada en el origen.

12
Mondino, Diana y E. Pendás. Finanzas para Empresas Competitivas. Ediciones Granica S.A.
Argentina. 1994.
13
Bodie, Zvi y R. Merton. Finanzas. Prentice Hall. México. 1999.
14
Kolb, Robert W. Inversiones. Editorial Limusa. México. 1993.

5
β i: Parámetro que mide la pendiente o el coeficiente de inclinación.
Rm,t: Rendimiento para la cartera del mercado en el período t.
εi,t: Error aleatorio.

Así, es la línea característica la que permite estimar los coeficientes α y β.15

Dado que la beta corresponde a lo que se conoce en estadística como coeficiente de

regresión, alternativamente puede estimarse como:

Cov(Ri , R m ) σ (
β =
Var (R m )
= i
corr )
i
σm
i ,m

Es válido argumentar que el coeficiente beta es la piedra angular del modelo, si se toma en
consideración que es la medida del riesgo sistemático de un activo individual o de una
cartera, que no se puede eliminar a través de la diversificación.

La beta funciona como una cuasi-elasticidad; en el tanto que indica el porcentaje de

variación de un activo en particular ante una variación de 1% en la cartera de mercado. En
ese tanto, es posible establecer los siguientes casos:16

βi >1; indica que el activo i es "de ofensiva", agresivo o volátil. Implica más riesgo que la
cartera de mercado.

βi <1; indica que el activo i es conservador o defensivo. Implica un riesgo menor que el
mercado.

2.8. La Frontera Eficiente

La formalización de la idea de "diversificar", propuesta primeramente por Harry
Markowitz, es uno de los fundamentos de la teoría moderna de administración de
portafolios.

La idea de Markowitz puede resumirse en una observación simple. Si dos activos no se

mueven conjuntamente de manera idéntica entonces es posible combinarlos de tal manera
que, sin disminuir el rendimiento esperado, se reduzca el riesgo. Así, bajo las ideas de
Markowitz un portafolio que contenga dos activos no perfectamente correlacionados puede

15
Véase; Gujarati, Damodar N. Econometría. Segunda edición. Editorial Mc Graw Hill. México.1995.
y Kolb, Robert W. Inversiones. Editorial Limusa. México. 1993.
16
Para más detalles respecto del β=1 como punto de contraste para evaluación, véase; Kolb, Robert W.
Inversiones. Editorial Limusa. México. 1993. y/o Van Horne, James C. "Fundamentos de
Administración Financiera". Sexta edición. Editorial Prentice - Hall. México. 1993.

6
lograr menor variabilidad en su valuación que un portafolio que sólo contenga uno de los
dos activos. El modelo parte de la en maximización del rendimiento esperado de un
portafolio, sujeto a que la varianza esté en un nivel determinado, repitiendo este proceso
para cada uno de los niveles de varianza posibles encontraríamos una "frontera eficiente";
esto es, la representación gráfica del conjunto de activos y portafolios cuyas combinaciones
de rendimiento y riesgo no son superadas. Es decir, no existe ningún otro elemento que
dado el nivel de riesgo ofrezca un mayor rendimiento.

E(R)

E(Ri)

E(Rm)
M

Rf

X
σ
σm σi

Figura 1

Por medio del empleo de técnicas de programación matemática es posible determinar los
portafolios que se ubican sobre la frontera eficiente, esta sofisticada técnica de
diversificación se conoce como la diversificación de Markowitz. De este modo la cartera
óptima de mercado estará dada por la intersección de la CML y la Frontera Eficiente.

3. ANALISIS E INTERPRETACION DE DATOS

Una vez utilizada la metodología del CAPM en el análisis de las acciones seleccionadas, en
el presente apartado se comentan los resultados obtenidos. El citado comentario se realiza
en tres etapas: la recolección de datos, el procesamiento de los mismos y el análisis de los
resultados alcanzados.

3.1. Recolección de los Datos

La obtención de datos se llevó a cabo a partir de medios electrónicos: computador y acceso
a Internet, en lo fundamental. Se visitó el sitio web: www.bnv.co.cr, donde se obtuvo
información correspondiente a las observaciones diarias del “Vector de Precios” y el

7
“Indice Accionario” ambos calculados directamente por la Bolsa Nacional de Valores de
Costa Rica.

En principio los datos estudiados se circunscriben al período agosto 2002 - mayo 2005. Sin
embargo como se comenta oportunamente los datos para calcular “β” a partir de las
varianzas y covarianzas y para optimizar el portafolio corresponden a los registros de los
últimos 7 meses.

3.2. Procesamiento de los Datos Recolectados

A partir de los datos obtenidos en la etapa anteriormente descrita se realizó el
procesamiento de los mismos que en lo fundamental consistió en lo siguiente:

3.2.1. Rendimientos
Dado se cuenta los datos de los precios diarios de las acciones y los registros diarios del
Índice Accionario, se procedió a sacar una tasa de crecimiento diaria con el fin de
determinar los rendimientos asociados. El índice citado se utilizó como proxy al
rendimiento del mercado. Para el caso del activo libre de riesgo17 se procedió a seleccionar
del vector de precios, los rendimientos de los títulos del BCCR y Gobierno con plazos
alrededor de 360 días, se promediaron y se transformaron a rendimientos diarios.

3.2.2. Covarianza
Utilizando la fórmula correspondiente y a partir de la información histórica disponible, se
procedió a calcular la covarianza entre los rendimientos de las empresas estudiadas y el
mercado.

3.2.3. Varianza
Utilizando la fórmula correspondiente y a partir de la información histórica disponible, se
procedió a calcular la varianza de los rendimientos del mercado.

3.2.4. Beta Calculado

La estimación del beta de las acciones se realizó a partir del cociente entre la covarianza y
la varianza anteriormente descrita, siguiendo uno de los esquemas detallados en el marco
teórico de la presente investigación.

17
Es importante aclarar que en primer término Ministerio de Hacienda y Banco Central no
necesariamente son emisores con el mismo nivel de riesgo, aunque éstos atañen a lo que puede
denominar “gobierno”, ambos llevan a cabo captaciones por motivos –al menos, en teoría-
diferentes. En segundo término, en un país en vías de desarrollo con una deuda interna que ronda el
50% de su PIB y una Banca Central que lidia con pérdidas cuasifiscales, no necesariamente los
valores emitidos por éstos entes reflejan el “activo libre de riesgo” entendido por el modelo
desarrollado. No obstante, para efectos de la modelación a realizar se decidió obviar éstos
elementos.

8
3.2.5. Rendimiento Exigido
Una vez realizado el manejo de datos hasta ahora descrito, finalmente se procedió a
calcular el rendimiento exigido aplicando la formulación planteada por el CAPM. Dado el
esquema de trabajo utilizado el rendimiento obtenido se asocia a una periodicidad diaria
por lo que procedió a anualizar suponiendo una capitalización compuesta.

3.3. Análisis de la Información

3.3.1. Betas y Rendimientos

Previo al comentario de los resultados obtenidos, conviene indicar que aunque en principio
los datos analizados abarcan un período de aproximadamente 3 años, para el cálculo del
beta se decidió utilizar únicamente los últimos 7 meses. La explicación estriba en que
como lo muestra el gráfico adjunto, durante el período agosto 2002 – octubre 2004 los
precios de las acciones que se negocian en el mercado nacional presentan una clara
tendencia decreciente, estableciendo rendimientos en promedio negativos lo que ocasiona
que el componente que denota a la prima por riesgo en el CAPM sea negativo y luego
arroje que el rendimiento esperado de una acción específica sea mucho menor al activo
libre de riesgo del mercado. No obstante, a partir del 27 de octubre de 2004, los precios de
las acciones en general encontraron su piso e iniciaron una modesta escalada que permitió
empezar a observar rendimientos positivos.

Figura 2
Comportamiento del Índice Accionario de la Bolsa Nacional de Valores.
Período Agosto 2002 – Mayo 2005

5,000.00

4,800.00

4,600.00

4,400.00

4,200.00

4,000.00

3,800.00

3,600.00

3,400.00

3,200.00

3,000.00
07/08/20 07/12/20 07/04/20 07/08/20 07/12/20 07/04/20 07/08/20 07/12/20 07/04/20

Fuente: Elaboración propia con base en la información de la BNV.

9
Así, del manejo de la sección de datos citada, se obtuvo la siguiente información:

Cuadro 1
Cálculo de Betas y rendimiento esperado
Período Agosto 2002 – Mayo 2005

Acción Beta E(R)

FIFCO 0.5549 38.26%
G IMP 0.0755 16.65%
C BCT -0.0191 16.53%
C INTE -0.0063 16.18%
NACION 0.0012 16.11%
CAFESA -0.0066 16.09%
ATLAS 0.0020 16.08%
ENUR 0.0025 16.06%
INCSA -0.0131 15.89%
C IMP -0.0064 15.69%
DURMAN 0.0095 15.53%

Como se denota, las 216 observaciones de precios de las acciones seleccionadas y

finalmente utilizadas en los cálculos realizados determinan que la única acción que paga
una prima por riesgo relevante es FIFCO; al comparar los rendimientos, el diferencial en
relación con el activo libre de riesgo alcanza 22.17 puntos porcentuales.

Destaca que la totalidad de las acciones seleccionadas son defensivas o conservadoras ( β <
1); es decir, presentan un riesgo menor que el mercado. Evidentemente esto tiene su costo
de oportunidad, al considerar que dichos valores pagan un rendimiento muy cercano al
activo libre de riesgo; con la excepción antes destacada.

Las acciones de las empresas BCT, Interfin, Cafesa, Incsa e Improsa presentan betas
negativas, lo cual quiere decir que tienden a moverse a la inversa del mercado; esto es,
cuando el mercado muestra una tendencia alcista los rendimientos de dichas acciones
decrecen y viceversa. Esta condición hace de las citadas acciones constituyan un activo apto
para la diversificación en el tanto que mediante una combinación adecuada puede bajarse
considerablemente el riesgo de un portafolio en particular.

3.3.2. La Cartera Óptima

La cartera óptima se obtuvo a partir del uso del software Expert Investor II. La siguiente
figura representa la frontera eficiente para el conjunto de datos de la muestra utilizada en la
investigación.18

18
Se escogieron las acciones a incluir en el portafolio a partir del análisis de las matriz de coeficientes
de asociación lineal, además de que presentan betas significativos en el análisis de regresión que se
presenta en la siguiente sección.

10
 Figura 3
Portafolio Óptimo de Inversión. Acciones: FIFCO, Cafesa, BCT y ENUR..

Fuente: Elaboración propia con base en la información analizada.

Las proporciones de inversión encontradas con la utilización del citado programa fueron los
siguientes:

Cuadro 2
Cálculo de Proporciones de Cartera Óptima
Período Agosto 2002 – Mayo 2005

Acción Ponderación
FIFCO 37.35%
CAFESA 62.65%

E(Rp): 20.50%
σp: 16.31
βp: 0.2

Analizando estas proporciones de inversión observamos como el 62.65% de la cartera

óptima se invertirían en acciones de CAFESA la cual posee el sexto mayor rendimiento y el
37.35% restante se invertirían en FIFCO que representa a la acción con el mayor
rendimiento esperado.

11
Otros de los datos revelados por el programa, nos indican que el rendimiento promedio de
la cartera es del 20.50% y la desviación estándar de la misma es 16.31%.

3.3.3. Estimación de los Betas Utilizando Regresiones

Adicional al ejercicio de calcular las betas por medio de las varianzas y covarianzas con el
mercado se realiza un ejercicio econométrico para estimar los valores beta utilizando
información histórica de los rendimientos de las acciones, del activo libre de riesgo y del
rendimiento del mercado.

Para realizar una estimación de los betas de las acciones utilizando los datos reales de
rendimientos de las acciones se utiliza el siguiente planteamiento del modelo teórico:

( ERi − r f ) = α i + β i * ( ERm − R f )

Donde:

ERi = Rendimiento esperado activo i.

rf =
Rendimiento del activo libre de riesgo
α i = Intersección de la recta
β i = Coeficiente Beta
ERm = Rendimiento esperado de mercado

Es importante aclarar que existen varias metodologías para estimar el modelo CAPM, una
de ellas es estimar las betas con los datos históricos, donde la variable dependiente es el
rendimiento del activo y la variable independiente es el rendimiento del mercado, luego se
realizan regresiones de corte transversal para estimar en cada periodo la prima por riesgo y
realizar una prueba t-student para realizar una prueba de hipótesis, sin embargo esta
metodología no es conveniente aplicarla en Costa Rica, ya que la regresión de corte
transversal presentaría un problema con los grados de libertad ya que son pocas las
empresas que cotizan acciones en la bolsa. En el anexo 1 se presentan las estimaciones
utilizando la ecuación ERi = α i + β i * ERm , cuyos resultados aunque no idénticos son muy
similares a los expuestos en la regresión en la que se basa este análisis.

En cuanto a los datos utilizados, se toman los precios del vector de la BNV para el periodo
del 7 de agosto de 2002 al 13 de junio de 2005, las acciones utilizadas son las siguientes:

Atlas- Cafesa- Corporación BCT- Corporación Improsa-Corporación Interfin-Durman

Esquivel- Inmobiliaria Enur- Florida Ice and Farm- Grupo Improsa- Holcim- Grupo Nación

12
Para calcular el rendimiento del activo libre de riesgo se utilizó el rendimiento del gobierno
a 360 días y para calcular el rendimiento del mercado se utilizó el índice de la Bolsa
Nacional de Valores.

Para la estimación se utilizó el programa econométrico Eviews y se manejó como un panel

en el que se asume con efectos fijos individuales, es decir que la intersección de la ecuación
de las empresas es diferente entre ellas y se utilizó la estimación de ecuaciones
aparentemente no correlacionadas (SUR por sus siglas en inglés), para que las estimaciones
se realizaran como un sistema de ecuaciones simultáneas.

A continuación se presentan los resultados de la primera regresión. Donde MERCADORF:

corresponde a la diferencia entre el rendimiento de mercado y el activo libre de riesgo.

Cuadro 3
Salida de Resultados de la Aplicación del EVIEWS
Observaciones para el período Agosto 2002 – Mayo 2005

Dependent Variable: RendimientoRf

Method: Seemingly Unrelated Regresión
Sample: 8/07/2002 6/13/2005
Included observations: 744
Number of cross-sections used: 11
Total panel (balanced) observations: 8184
Variable Coefficient Std. Error t-Statistic Prob.
ATLAS—MERCADORF 0.023980 0.025412 0.943620 0.3454
CAFES—MERCADORF -0.278881 0.039832 -7.001381 0.0000
CBCT—MERCADORF 0.097944 0.030369 3.225195 0.0013
CIMP—MERCADORF 0.046533 0.030727 1.514394 0.1300
CINTE—MERCADORF 0.026068 0.016468 1.582891 0.1135
DURMA—MERCADORF 0.168869 0.053139 3.177853 0.0015
ENUR—MERCADORF 0.022714 0.005454 4.164608 0.0000
FIFCO—MERCADORF 1.905453 0.063268 30.11730 0.0000
GIMP—MERCADORF 0.058240 0.060124 0.968659 0.3327
INC—MERCADORF 0.106849 0.045730 2.336493 0.0195
NACIO—MERCADORF 0.120827 0.023720 5.093855 0.0000
Fixed Effects
ATLAS—C -2.400121
CAFES—C -2.998622
CBCT—C -1.703549
CIMP—C -2.964132
CINTE—C 0.102313
DURMA—C -3.721583
ENUR—C -0.333319
FIFCO—C -0.260542
GIMP—C -3.288788
INC—C -1.865397
NACIO—C -2.601694
Statistics
R-squared 0.261415
Adjusted R-squared 0.259514
S.E. of regresión 5.769343
Durbin-Watson stat 0.101644
Se puede observar que el coeficiente de determinación es relativamente bajo,
adicionalmente los betas son significativos sólo para algunas compañías, a saber Cafesa,
Corporación BCT, Florida Ice and Farm, Durman Esquivel, Inmobiliaria Enur y La Nación.

13
Adicionalmente el estadístico Durbin Watson muestra que existe autocorrelación la cual
debe ser corregida. En vista de los resultados anteriores se aplicó a la ecuación un
autoregresivo de orden 1, para corregir la autocorrelación, en la cual se presentaron los
siguientes resultados:
Cuadro 4
Salida de Resultados de la Aplicación del EVIEWS
Observaciones para el período Agosto 2002 – Mayo 2005

Dependent Variable: RendimientoRf

Method: Seemingly Unrelated Regresión
Sample: 8/07/2002 6/13/2005
Included observations: 744
Number of cross-sections used: 11
Total panel (balanced) observations: 8173
Convergence achieved after 6 iteration(s)
Variable Coefficient Std. Error t-Statistic Prob.
ATLAS--MERCADORF 0.012931 0.031564 0.409675 0.6821
CAFES--MERCADORF 0.079502 0.048646 1.634288 0.1022
CBCT--MERCADORF 0.104925 0.058374 1.797454 0.0723
CIMP--MERCADORF -0.038596 0.034925 -1.105131 0.2691
CINTE--MERCADORF 0.005617 0.013912 0.403773 0.6864
DURMA--MERCADORF 0.015480 0.047049 0.329017 0.7422
ENUR--MERCADORF 0.019670 0.008198 2.399204 0.0165
FIFCO--MERCADORF 0.397652 0.084708 4.694405 0.0000
GIMP--MERCADORF 0.045910 0.075603 0.607244 0.5437
INC--MERCADORF -0.000659 0.038403 -0.017166 0.9863
NACIO--MERCADORF 0.015711 0.025532 0.615351 0.5383
ATLAS--AR(1) 0.955967 0.010992 86.97096 0.0000
CAFES--AR(1) 0.954475 0.010285 92.80081 0.0000
CBCT--AR(1) 0.859355 0.018588 46.23055 0.0000
CIMP--AR(1) 0.959847 0.009944 96.52910 0.0000
CINTE--AR(1) 0.979489 0.007464 131.2328 0.0000
DURMA--AR(1) 0.977589 0.007791 125.4740 0.0000
ENUR--AR(1) 0.931508 0.013408 69.47503 0.0000
FIFCO--AR(1) 0.969660 0.008905 108.8895 0.0000
GIMP--AR(1) 0.950891 0.011129 85.44104 0.0000
INC--AR(1) 0.979141 0.007384 132.6095 0.0000
NACIO--AR(1) 0.966370 0.009393 102.8772 0.0000
Fixed Effects
ATLAS--C -2.513117
CAFES--C -1.513524
CBCT--C -1.686159
CIMP--C -3.206460
CINTE--C 0.243814
DURMA--C -3.778064
ENUR--C -0.341593
FIFCO--C -4.344821
GIMP--C -3.324328
INC--C -2.000736
NACIO--C -2.565623
Statistics
R-squared 0.935352
Adjusted R-squared 0.935097
S.E. of regression 1.708370
Durbin-Watson stat 1.988099

14
Los estadísticos de la nueva regresión mejoran significativamente, ya que el coeficiente de
determinación llega a 0.93 y el Durbin Watson indica que la autocorrelación se corrigió con
el autorregresivo de orden 1.

Sin embargo en el nuevo modelo los coeficientes Beta, no son significativos en la mayoría
de las empresas, solo en Florida y Ice and Farm e Inmobiliaria Enur presentan betas
significativos al 5%. En lo referente a la explicación de los resultados en cuanto al modelo
CAPM, se puede observar que los coeficientes beta estimados y la prima por riesgo
sistémico (Rm-Rf), no explican en forma significativa el rendimiento de las acciones en
Costa Rica.

Existen factores no incorporados en el modelo CAPM que explican los rendimientos de las
acciones en Costa Rica, en la regresión estos factores son capturados por los autoregresivos
y las constantes individuales para cada empresa (intersección de la ecuación).

Se podrían realizar estimaciones adicionales utilizando modelos multifactoriales como el

APT, sin embargo esto trasciende los objetivos de la presente investigación. Por otra parte,
no podemos ignorar las características el mercado de valores costarricense, que lo hacen
diferente a otros como el de los Estados Unidos, país donde nacieron muchos de estos
modelos.

Particularmente el mercado accionario en Costa Rica, es poco líquido, donde algunas

acciones se transan ocasionalmente, además de que representa menos del 1% del volumen
negociado en la Bolsa Nacional de Valores.

4. CONCLUSIONES

Al calcular los rendimientos esperados de las acciones escogidas para el periodo escogido
(octubre 2004, junio 2005), utilizando el modelo CAPM se determinan que la única acción
que paga una prima por riesgo relevante es FIFCO; al comparar los rendimientos, el
diferencial en relación con el activo libre de riesgo alcanza 22,17 puntos porcentuales.

La optimización realizada por el programa Expert Investor, muestra como resultado una
cartera concentrada, donde el 62,65% de la cartera se invertirían en acciones de CAFESA la
cual posee el sexto mayor rendimiento y el 37,35% restante se invertirían en FIFCO que
representa a la acción con el mayor rendimiento esperado.

Al utilizar regresiones para estimar los Betas de los activos y determinar si el CAPM
explica los rendimientos de las acciones en Costa Rica, se pudo determinar que existen
otros factores adicionales a los establecidos por el CAPM que explican los rendimientos de
las acciones, por lo que sería conveniente realizar ejercicios de tipo multifactorial.

Los betas estimados por medio de regresiones no son significativos para la mayoría de las
empresas estudiadas, sólo dos de las empresas presentaron estimaciones significativas, una

15
de ellas Florida Ice and Farm, que probablemente tenga un peso significativo en el índice
utilizado como proxy para calcular el rendimiento del mercado.

Referencias Bibliográficas

Bodie, Zvi y R. Merton (1999). Finanzas. Prentice Hall. México.

Burton, Jonathan (1998). "Revisiting The Capital Asset Pricing Model". Dow Jones Asset Manager.
Campbell, John; Lo, Andrew y MacKinglay, Craig (1997). The Econometrics of Financial Markets.
Princeton University Press.
Cantillo, Miguel. (1999). "¿Funciona el CAPM en Costa Rica?". INCAE. Costa Rica.
Gujarati, Damodar N (2003). Econometría. 4 ed. Editorial Mc Graw Hill. México.
Kolb, Robert W (1993). Inversiones. Editorial LIMUSA. México.
Mondino, Diana y E. Pendás (1994). Finanzas para Empresas Competitivas. Ediciones Granica S.A.
Argentina.
Van Horne, James C. (1993). Fundamentos de Administración Financiera. Sexta edición. Editorial
Prentice - Hall. México.
http//:www.bnv.co.cr

BERNARDO RODRÍGUEZ CUADRA

Programa de Maestría en Economía
Universidad de Costa Rica

Licenciado en Economía. Analista Económico. Banco

Cuscatlán de Costa Rica, S.A.
brcuadra@cuscatlancr.com

LUIS FERNANDO COTO JIMÉNEZ

Programa de Maestría en Economía
Universidad de Costa Rica

Licenciado en Economía. Analista Financiero. BAC San José,

S.A.
lcoto@bacsanjose.com

16
 Anexo 1.
En este anexo se presentan los resultados de estimar los coeficientes beta partiendo de la
línea característica, es decir la ecuación: ERi = α i + β i * ERm
Dependent Variable: Rendimiento
Method: Seemingly Unrelated Regression
Sample: 9/09/2002 6/13/2005
Included observations: 721
Number of cross-sections used: 10
Total panel (balanced) observations: 7200
Convergence achieved after 6 iteration(s)
Variable Coefficient Std. Error t-Statistic Prob.
ATLAS--MERCADO 0.013482 0.031708 0.425203 0.6707
CAFES--MERCADO 0.079313 0.049437 1.604331 0.1087
CBCT--MERCADO 0.104160 0.059289 1.756827 0.0790
CIMP--MERCADO -0.040162 0.033953 -1.182860 0.2369
CINTE--MERCADO 0.005731 0.013975 0.410070 0.6818
ENUR--MERCADO 0.019398 0.008108 2.392547 0.0168
FIFCO--MERCADO 0.397399 0.086054 4.618031 0.0000
GIMP--MERCADO 0.046180 0.076766 0.601566 0.5475
INC--MERCADO -0.000595 0.039013 -0.015245 0.9878
NACIO--MERCADO 0.016059 0.025757 0.623476 0.5330
ATLAS--AR(1) 0.955518 0.011136 85.80808 0.0000
CAFES--AR(1) 0.954120 0.010461 91.20929 0.0000
CBCT--AR(1) 0.858538 0.018951 45.30196 0.0000
CIMP--AR(1) 0.964532 0.010189 94.66210 0.0000
CINTE--AR(1) 0.979556 0.007499 130.6297 0.0000
ENUR--AR(1) 0.933991 0.013389 69.75792 0.0000
FIFCO--AR(1) 0.969692 0.009042 107.2417 0.0000
GIMP--AR(1) 0.950793 0.011298 84.15656 0.0000
INC--AR(1) 0.979208 0.007498 130.6000 0.0000
NACIO--AR(1) 0.965575 0.009529 101.3282 0.0000
Fixed Effects
ATLAS--C -1.060938
CAFES--C -0.284641
CBCT--C -0.496186
CIMP--C -2.114392
CINTE--C 1.400342
ENUR--C 0.976850
FIFCO--C -3.483565
GIMP--C -2.101986
INC--C -0.633503
NACIO--C -1.386797
Statistics
R-squared 0.932187
Adjusted R-squared 0.931912
S.E. of regression 1.735447
Durbin-Watson stat 1.990366

2
Como se puede observar los estadísticos ( R y Durbin Watson) además de los Beta
estimados son muy similares a la estimación utilizada para el análisis.

17