Una anomalía de mercado en un mercado financiero es una predictibilidad que parece ser incompatible con las teorías de precios de activos (normalmente basadas en el riesgo). [1] Las teorías estándar incluyen el modelo de fijación de precios de activos de capital y el modelo de tres factores de Fama-French , pero la falta de acuerdo entre los académicos sobre la teoría adecuada lleva a muchos a referirse a las anomalías sin hacer referencia a una teoría de referencia (Daniel y Hirschleifer 2015 [2] y Barberis 2018, [3] por ejemplo). De hecho, muchos académicos simplemente se refieren a las anomalías como "predictores de retorno", evitando el problema de definir una teoría de referencia. [4]
Los académicos han documentado más de 150 predictores de rentabilidad (véase la Lista de anomalías documentadas en revistas académicas). Sin embargo, estas "anomalías" tienen muchas salvedades. Casi todas las anomalías documentadas se centran en acciones pequeñas y poco líquidas. [4] Además, los estudios no tienen en cuenta los costes de negociación. Como resultado, muchas anomalías no ofrecen beneficios, a pesar de la presencia de previsibilidad. [5] Además, la previsibilidad de la rentabilidad disminuye sustancialmente después de la publicación de un predictor y, por tanto, puede no ofrecer beneficios en el futuro. [4] Por último, la previsibilidad de la rentabilidad puede deberse a la variación transversal o temporal del riesgo y, por tanto, no ofrece necesariamente una buena oportunidad de inversión. En relación con esto, la previsibilidad de la rentabilidad por sí sola no refuta la hipótesis del mercado eficiente , ya que es necesario demostrar que es previsible más allá de lo que implica un modelo de riesgo concreto. [6]
Las cuatro explicaciones principales para las anomalías del mercado son (1) la fijación de precios incorrecta, (2) el riesgo no medido , (3) los límites al arbitraje y (4) el sesgo de selección . [4] Los académicos no han llegado a un consenso sobre la causa subyacente, y académicos destacados siguen abogando por el sesgo de selección, [7] la fijación de precios incorrecta, [3] y las teorías basadas en el riesgo. [8]
Las anomalías se pueden clasificar en general en anomalías de series temporales y anomalías transversales. Las anomalías de series temporales se refieren a la previsibilidad en el mercado de valores agregado, como el predictor de precio-beneficio ajustado cíclicamente (CAPE), del que se habla a menudo. [9] Estos predictores de series temporales indican momentos en los que es mejor invertir en acciones en lugar de en un activo seguro (como las letras del Tesoro). Las anomalías transversales se refieren al rendimiento superior predecible de determinadas acciones en relación con otras. Por ejemplo, la conocida anomalía de tamaño [10] se refiere al hecho de que las acciones con menor capitalización de mercado tienden a tener un mejor rendimiento que las acciones con mayor capitalización de mercado en el futuro.
Muchos de los artículos que documentan anomalías, si no la mayoría, las atribuyen a una fijación incorrecta de precios (Lakonishok, Shelifer y Visny 1994, [11] , por ejemplo). La explicación de la fijación incorrecta de precios es natural, ya que las anomalías son, por definición, desviaciones de una teoría de referencia de los precios de los activos. La "fijación incorrecta de precios" se define entonces como la desviación con respecto a la referencia.
El modelo de referencia más común es el CAPM (modelo de valoración de activos y capital). La desviación de esta teoría se mide mediante una intersección distinta de cero en una línea estimada del mercado de valores . Esta intersección se denota comúnmente con la letra griega alfa:
donde es el rendimiento de la anomalía, es el rendimiento de la tasa libre de riesgo, es la pendiente de la regresión del rendimiento de la anomalía sobre el rendimiento del mercado, y es el rendimiento del "mercado", a menudo representado por el rendimiento del índice CRSP (un índice de todas las acciones estadounidenses que cotizan en bolsa).
Las explicaciones de los precios incorrectos suelen ser motivo de controversia en el ámbito académico de las finanzas, ya que los académicos no se ponen de acuerdo sobre la teoría de referencia adecuada (véase Riesgo no medido, más adelante). Este desacuerdo está estrechamente relacionado con el "problema de la hipótesis conjunta" de la hipótesis del mercado eficiente .
Entre los académicos, una respuesta común a las denuncias de fijación de precios incorrecta fue la idea de que la anomalía capta una dimensión de riesgo que no está presente en la teoría de referencia. Por ejemplo, la anomalía puede generar rendimientos esperados más allá de los medidos utilizando la regresión CAPM porque las series temporales de sus rendimientos están correlacionadas con el ingreso laboral, que no se capta con los indicadores estándar del rendimiento del mercado. [12]
Tal vez el ejemplo más conocido de esta explicación del riesgo no medido se encuentra en el trabajo de seminario de Fama y French sobre su modelo de tres factores: "si los activos tienen un precio racional, las variables relacionadas con los retornos promedio... ..., deben representar la sensibilidad a factores de riesgo comunes (compartidos y, por lo tanto, no diversificables) en los retornos. Las regresiones de series temporales [del modelo de tres factores] brindan evidencia directa sobre esta cuestión". [13]
La explicación del riesgo no medido está estrechamente relacionada con las deficiencias del CAPM como teoría del riesgo, así como con las deficiencias de las pruebas empíricas del CAPM y los modelos relacionados. Tal vez la crítica más común al CAPM es que se deriva en un contexto de un solo período y, por lo tanto, carece de características dinámicas como períodos de alta incertidumbre. En un contexto más general, el CAPM generalmente implica múltiples factores de riesgo, como se muestra en la teoría CAPM intertemporal de Merton . Además, el ICAPM generalmente implica que los rendimientos esperados varían con el tiempo y, por lo tanto, la predictibilidad de las series temporales no es una evidencia clara de precios incorrectos. De hecho, dado que el CAPM no puede capturar en absoluto los rendimientos esperados dinámicos, la evidencia de la predictibilidad de las series temporales se considera con menos frecuencia como un error de precios en comparación con la predictibilidad transversal.
Las deficiencias empíricas se refieren principalmente a la dificultad de medir la riqueza o la utilidad marginal . Teóricamente, la riqueza incluye no sólo la riqueza del mercado de valores, sino también la riqueza no comercializable, como los activos privados y los ingresos laborales futuros. En el CAPM de consumo (que es teóricamente equivalente al ICAPM de Merton), el indicador adecuado para la riqueza es el consumo, que es difícil de medir (Savov 2011, [14] por ejemplo).
A pesar de la solidez teórica de la explicación del riesgo no medido, hay poco consenso entre los académicos sobre el modelo de riesgo adecuado además del CAPM. Entre las propuestas se incluyen el conocido modelo de tres factores de Fama-French, el modelo de cuatro factores de Fama-French-Carhart, el modelo de cinco factores de Fama-French y el modelo de cuatro factores de Stambaugh y Yuan. [15] [16] [17] Todos estos modelos tienen una orientación empírica, en lugar de derivarse de una teoría formal del equilibrio como el ICAPM de Merton.
Las anomalías casi siempre se documentan utilizando precios de cierre del conjunto de datos CRSP. Estos precios no reflejan los costos de transacción, lo que puede impedir el arbitraje y, por lo tanto, la previsibilidad de la eliminación. Además, casi todas las anomalías se documentan utilizando carteras con ponderaciones iguales [4] y, por lo tanto, requieren la negociación de acciones ilíquidas (costosas de negociar).
Los límites a la explicación del arbitraje pueden considerarse como un refinamiento del marco de fijación de precios incorrectos. Un patrón de rendimiento solo ofrece ganancias si los rendimientos que ofrece sobreviven a los costos de transacción y, por lo tanto, no debe considerarse como una fijación de precios incorrecta a menos que se tengan en cuenta los costos de transacción.
Existe una amplia literatura que documenta que los costos de transacción reducen en gran medida los retornos por anomalías. Esta literatura se remonta a Stoll y Whaley (1983) y Ball, Kothari y Shanken (1995). [18] [19] Un artículo reciente que estudia docenas de anomalías concluye que los costos de transacción tienen un efecto masivo en la anomalía promedio (Novy-Marx y Velikov 2015). [5]
Las anomalías documentadas son probablemente las que tienen mejor desempeño de un conjunto mucho más amplio de predictores potenciales de retorno. Esta selección crea un sesgo e implica que las estimaciones de la rentabilidad de las anomalías están sobreestimadas. Esta explicación de las anomalías también se conoce como espionaje de datos, piratería de datos, minería de datos y dragado de datos , y está estrechamente relacionada con el problema de comparaciones múltiples . Las preocupaciones sobre el sesgo de selección en las anomalías se remontan al menos a Jensen y Bennington (1970). [20]
La mayor parte de las investigaciones sobre el sesgo de selección en las anomalías del mercado se centran en subconjuntos particulares de predictores. Por ejemplo, Sullivan, Timmermann y White (2001) muestran que las anomalías basadas en el calendario ya no son significativas después de ajustar el sesgo de selección. [21] Un metaanálisis reciente de la prima de tamaño muestra que las estimaciones informadas de la prima de tamaño son exageradas dos veces debido al sesgo de selección. [22]
En términos más generales, la investigación sobre el sesgo de selección de anomalías es relativamente limitada y no concluyente. McLean y Pontiff (2016) utilizan una prueba fuera de muestra para demostrar que el sesgo de selección explica como máximo el 26% del rendimiento medio de la anomalía típica durante el período de muestra de la publicación original. Para demostrarlo, replican casi 100 anomalías y muestran que el rendimiento medio de la anomalía es solo un 26% menor en los pocos años inmediatamente posteriores al final de las muestras originales. Como parte de esta disminución puede deberse a efectos de aprendizaje de los inversores, el 26% es un límite superior. [4] Por el contrario, Harvey, Liu y Zhu (2016) adaptan múltiples ajustes de pruebas de estadísticas como la tasa de falsos descubrimientos a "factores" de fijación de precios de activos. Se refieren a un factor como cualquier variable que ayude a explicar la sección transversal de los rendimientos esperados y, por lo tanto, incluyen muchas anomalías en su estudio. Encuentran que las estadísticas de pruebas múltiples implican que los factores con estadísticas t < 3,0 no deberían considerarse estadísticamente significativos y concluyen que la mayoría de los hallazgos publicados probablemente sean falsos. [23]
El efecto de la pequeña empresa propone que las empresas pequeñas tienen un mejor desempeño que las más grandes. Se ha debatido en revistas académicas si el efecto es real o surge debido a ciertos errores sistémicos. [24] [25] [26]
Está relacionado con el efecto de empresa descuidada .
![{\displaystyle E(R_{t}-R_{f,t})=\alpha +\beta [E(R_{M,t}-R_{f,t})]\,}](https://wikimedia.org/api/rest_v1/media/math/render/svg/0a5d48dd045358b359b74e6d0e1a92a7af8974e9)
