Una anomalía de mercado en un mercado financiero es la previsibilidad que parece ser inconsistente con las teorías de los precios de los activos (típicamente 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 Fama-French , pero la falta de acuerdo entre los académicos sobre la teoría adecuada lleva a muchos a referirse a anomalías sin una 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 rendimiento", evitando el problema de definir una teoría de referencia. [4]
Los académicos han documentado más de 150 predictores de rendimiento (consulte la Lista de anomalías documentadas en revistas académicas). Estas "anomalías", sin embargo, conllevan muchas salvedades. Casi todas las anomalías documentadas se centran en acciones pequeñas y sin liquidez. [4] Además, los estudios no tienen en cuenta los costos comerciales. Como resultado, muchas anomalías no ofrecen ganancias, a pesar de la presencia de previsibilidad. [5] Además, la previsibilidad del rendimiento disminuye sustancialmente después de la publicación de un predictor y, por lo tanto, es posible que no ofrezca ganancias en el futuro. [4] Finalmente, la previsibilidad del rendimiento puede deberse a una variación transversal o temporal del riesgo y, por lo tanto, no necesariamente proporciona una buena oportunidad de inversión. De manera relacionada, la previsibilidad del rendimiento por sí sola no refuta la hipótesis del mercado eficiente , ya que es necesario demostrar previsibilidad más allá de la que implica un modelo particular de riesgo. [6]
Las cuatro explicaciones principales de las anomalías del mercado son (1) fijación errónea de precios, (2) riesgo no medido , (3) límites al arbitraje y (4) sesgo de selección . [4] Los académicos no han llegado a un consenso sobre la causa subyacente, y académicos prominentes continúan abogando por el sesgo de selección, [7] la fijación de precios incorrectos, [3] y las teorías basadas en el riesgo. [8]
Las anomalías se pueden clasificar ampliamente en series temporales y anomalías transversales. Las anomalías de las series temporales se refieren a la previsibilidad en el mercado bursátil agregado, como el tan discutido predictor de precios-beneficios ajustados cíclicamente (CAPE). [9] Estos predictores de series de tiempo indican momentos en los que es mejor invertir en acciones que en un activo seguro (como letras del Tesoro). Las anomalías transversales se refieren al rendimiento superior predecible de determinadas acciones en relación con otras. Por ejemplo, la conocida anomalía del tamaño [10] se refiere al hecho de que las acciones con menor capitalización de mercado tienden a superar a las acciones con mayor capitalización de mercado en el futuro.
Muchos, si no la mayoría, de los artículos que documentan anomalías las atribuyen a errores en la fijación de precios (Lakonishok, Shelifer y Visny 1994, [11] por ejemplo). La explicación de la fijación errónea de precios es natural, ya que las anomalías son, por definición, desviaciones de una teoría de referencia de los precios de los activos. La "falta de precios" se define entonces como la desviación con respecto al índice de referencia.
El punto de referencia más común es el CAPM (Capital-Asset-Pricing Model). 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 está 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 errores de fijación de precios suelen ser polémicas dentro de las finanzas académicas, ya que los académicos no se ponen de acuerdo sobre la teoría de referencia adecuada (ver Riesgo no medido, más adelante). Este desacuerdo está estrechamente relacionado con el "problema de hipótesis conjuntas" de la hipótesis del mercado eficiente .
Entre los académicos, una respuesta común a las acusaciones de fijación de precios errónea fue la idea de que la anomalía captura una dimensión de riesgo que falta en la teoría del índice de referencia. Por ejemplo, la anomalía puede generar rendimientos esperados superiores a los medidos utilizando la regresión CAPM porque las series temporales de sus rendimientos están correlacionadas con el ingreso laboral, que no es capturado por los sustitutos estándar del rendimiento del mercado. [12]
Quizás el ejemplo más conocido de esta explicación del riesgo no medido se encuentra en el documento del seminario de Fama y French sobre su modelo de tres factores: "si los activos tienen un precio racional, las variables que están relacionadas con los rendimientos promedio... ..., deben representar para la sensibilidad a factores de riesgo comunes (compartidos y por lo tanto no diversificables) en los rendimientos. Las regresiones de series temporales [del modelo de 3 factores] brindan evidencia directa sobre este tema". [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 modelos relacionados. Quizás la crítica más común al CAPM es que se deriva de un escenario de un solo período y, por lo tanto, le faltan características dinámicas como períodos de alta incertidumbre. En un entorno más general, el CAPM normalmente 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 previsibilidad de las series temporales no es una evidencia clara de fijación de precios errónea. De hecho, dado que el CAPM no puede capturar en absoluto los rendimientos esperados dinámicos, la evidencia de previsibilidad de series temporales se considera menos a menudo como una fijación errónea de precios en comparación con la previsibilidad transversal.
Las deficiencias empíricas se refieren principalmente a la dificultad para medir la riqueza o la utilidad marginal . En teoría, la riqueza incluye no sólo la riqueza del mercado de valores, sino también la riqueza no transable, como los activos privados y los ingresos laborales futuros. En el CAPM de consumo (que es teóricamente equivalente al ICAPM de Merton), el proxy 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 cuál es el modelo de riesgo adecuado más allá del CAPM. Las propuestas incluyen el conocido modelo de 3 factores de Fama-French, el modelo de 4 factores de Fama-French-Carhart, el modelo de 5 factores de Fama-French y el modelo de 4 factores de Stambaugh y Yuan. [15] [16] [17] Todos estos modelos están orientados empíricamente, 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 comerciales, lo que puede impedir el arbitraje y, por tanto, la previsibilidad de la eliminación. Además, casi todas las anomalías se documentan utilizando carteras igualmente ponderadas [4] y, por lo tanto, requieren la negociación de acciones ilíquidas (que son costosas de negociar).
Los límites de la explicación del arbitraje pueden considerarse como un refinamiento del marco de fijación de precios incorrectos. Un patrón de rentabilidad sólo ofrece beneficios si los rendimientos que ofrece sobreviven a los costos de negociación y, por lo tanto, no se debe considerar una fijación errónea de precios a menos que se tengan en cuenta los costos de negociación.
Una gran cantidad de literatura documenta que los costos comerciales reducen en gran medida los retornos anómalos. 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 encuentra que los costos comerciales tienen un efecto masivo en la anomalía promedio (Novy-Marx y Velikov 2015). [5]
Las anomalías documentadas son probablemente las de mejor desempeño de un conjunto mucho más amplio de posibles predictores de rentabilidad. Esta selección crea un sesgo e implica que las estimaciones de la rentabilidad de las anomalías están exageradas. Esta explicación de las anomalías también se conoce como espionaje de datos, p-hacking, minería de datos y dragado de datos , y está estrechamente relacionada con el problema de las comparaciones múltiples . Las preocupaciones sobre el sesgo de selección en las anomalías se remontan al menos a Jensen y Bennington (1970). [20]
La mayoría 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 ajustarlas por el sesgo de selección. [21] Un metaanálisis reciente de la prima por tamaño muestra que las estimaciones informadas de la prima por tamaño están exageradas dos veces debido al sesgo de selección. [22]
La investigación sobre el sesgo de selección de anomalías en general es relativamente limitada y no concluyente. McLean y Pontiff (2016) utilizan una prueba fuera de muestra para mostrar que el sesgo de selección representa como máximo el 26% del rendimiento medio de la anomalía típica durante el período de muestra de la publicación original. Para demostrar esto, replican casi 100 anomalías y muestran que el retorno promedio de la anomalía es sólo 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 descubrimiento falso 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 deben 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 pequeñas empresas superan a 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 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)
