en el sector de las tecnologías de la...

CONTENIDO

1 Generación y transferencia de conocimiento en pequeñas empresas: estudio de casos en el sector de las tecnologías de la información Laura Zapata José Luis Pineda

37 Modelos de lógica y lógica borrosaen la predicción del IPSAAntonino Parisi F. Julio RebolledoEdinson Cornejo S.

67 Estrategias contrarian y momentum:evidencia en Chile Marcelo González A.

107 Índice de contenido

Volumen 13 Número 1 2006 ISSN 0717-0653

Est ADMINISTRACION.indd 1 10/9/07 16:57:06

Representante legal: VÍCTOR PÉREZ VERA Rector, Universidad de Chile Alameda B. OʼHiggins 1058 Santiago de Chile

Director responsable: JORGE GREGOIRE CERDA Diagonal Paraguay 257, oficina 1101 Santiago de Chile

Diagramación: GEORGINA NERIZ JARA


Representante legal: VÍCTOR PÉREZ VERA Rector, Universidad de Chile Alameda B. OʼHiggins 1058 Santiago de Chile

Director responsable: JORGE GREGOIRE CERDA Diagonal Paraguay 257, oficina 1101 Santiago de Chile

Diagramación: GEORGINA NERIZ JARA

1

Estudios de Administración, vol. 13, Nº 1, 2006, pp 1-35

Generación y transferencia de conocimiento en pequeñas empresas: estudio de casos en el sector de las tecnologías de la información

Laura Zapata. ITESM - Campus Monterrey [email protected]

José Luis Pineda ITESM - Campus Monterrey [email protected]

Abstract

Knowledge management is a key process for sustaining a firm´scompetitive advantage in dynamic environments. Firms competingin such environments must have, not only relevant technologicalresources, but also flexibility and administrative capabilities forcoordinating internal competencies. In this study, knowledgegeneration and transfer processes are analyzed by means of case study of four small firms in the information technology business in Barcelona. As result of this study a conceptual model is developed,proposing that knowledge generation is possible through an external information acquisiton process and an internal knowledge creationprocess. This last process is facilitated by personal motivation and by the opportunity to learn from other organizational members.Knowledge transfer happens by utilizing formal and informalcommunication mechanisms. Although formal communicationmechanisms like documents and intranet provide a strong support for the transfer process, employees prefer to transmit theirknowledge by more personal means, face to face.


ESTUDIOS DE ADMINISTRACIÓN2

Resumen

La gestión de conocimiento es un proceso determinante para sostener una ventaja competitiva sostenible en empresas quecompiten en entornos dinámicos. Estas empresas no solamentetienen recursos tecnológicos relevantes, sino que deben mostrarflexibilidad y capacidad administrativa para coordinar efectivamentesus competencias internas. Los procesos de generación y transferencia del conocimiento son analizados en esta investigación por medio de un estudio de casos de cuatro pequeñas empresas delsector de las tecnologías de la información en Barcelona. Comoresultado del estudio, se ha diseñado un modelo conceptual en elcual la generación de conocimiento es posible a través de laadquisición de conocimiento externo y de la creación interna de conocimiento. Este último proceso es facilitado por la motivaciónpersonal y por la oportunidad de aprender de los miembros de la organización. La transferencia del conocimiento se lleva a cabo a través de la utilización de mecanismos formales e informales decomunicación. Aun cuando los mecanismos formales como los documentos y el Intranet proveen de un fuerte apoyo a este proceso,los empleados prefieren transferir su conocimiento de una formapersonal, cara a cara.

Palabras clave: Pequeñas empresas, tecnologías de la información,generación de conocimiento, transferencia deconocimiento, estudio de casos.

1. Introducción

En la actualidad, los teóricos de diversas disciplinas han centrado su atención en uno de los recursos dinámicos de la organización: el conocimiento incorporado en las personas, en las rutinas y en las prácticas que la empresa transforma en productos y servicios valiosos. Esto surge al estar inmersos en un mundo donde las preferencias de los clientes son volátiles, sus identidades cambian y las tecnologías utilizadas a su servicio se desarrollan rápidamente,por lo que una orientación externa no otorga referencias estables para formular estrategias a largo plazo. En cambio, las empresas que definen su ventaja competitiva en función de sus recursos y



Resumen

La gestión de conocimiento es un proceso determinante para sostener una ventaja competitiva sostenible en empresas quecompiten en entornos dinámicos. Estas empresas no solamentetienen recursos tecnológicos relevantes, sino que deben mostrarflexibilidad y capacidad administrativa para coordinar efectivamentesus competencias internas. Los procesos de generación y transferencia del conocimiento son analizados en esta investigación por medio de un estudio de casos de cuatro pequeñas empresas delsector de las tecnologías de la información en Barcelona. Comoresultado del estudio, se ha diseñado un modelo conceptual en elcual la generación de conocimiento es posible a través de laadquisición de conocimiento externo y de la creación interna de conocimiento. Este último proceso es facilitado por la motivaciónpersonal y por la oportunidad de aprender de los miembros de la organización. La transferencia del conocimiento se lleva a cabo a través de la utilización de mecanismos formales e informales decomunicación. Aun cuando los mecanismos formales como los documentos y el Intranet proveen de un fuerte apoyo a este proceso,los empleados prefieren transferir su conocimiento de una formapersonal, cara a cara.

Palabras clave: Pequeñas empresas, tecnologías de la información,generación de conocimiento, transferencia deconocimiento, estudio de casos.

1. Introducción

En la actualidad, los teóricos de diversas disciplinas han centrado su atención en uno de los recursos dinámicos de la organización: el conocimiento incorporado en las personas, en las rutinas y en las prácticas que la empresa transforma en productos y servicios valiosos. Esto surge al estar inmersos en un mundo donde las preferencias de los clientes son volátiles, sus identidades cambian y las tecnologías utilizadas a su servicio se desarrollan rápidamente,por lo que una orientación externa no otorga referencias estables para formular estrategias a largo plazo. En cambio, las empresas que definen su ventaja competitiva en función de sus recursos y

Generación y transferencia de conocimiento en pequeñas empresas... 3

capacidades, puede lograr una base mucho más sólida para establecer su identidad (Teece, Pisano y Shuen, 1997; Grant, 1998: 152, Davenport y Prusak, 2001: XIV).

Es así que en los últimos años se ha dado un especial énfasisa la gestión del conocimiento, más específicamente al conocimientocomo fuente de ventaja competitiva, al ser el recurso estratégico másimportante que poseen las empresas (Nonaka, 1991; Spender y Grant, 1996; Teece, Pisano y Shuen, 1997). A través del conocimiento, las organizaciones son capaces de crear e innovar nuevos productos, procesos y servicios o mejorar los existentes máseficiente o efectivamente (Nonaka, Tomaya y Nagata, 2000: 2; Bueno, 2002).

El estudio de la gestión del conocimiento es de gran relevancia para las empresas que operan en entornos dinámicos a diferencia de aquellas empresas que lo hacen en entornos predecibles (Teece, Pisano y Shuen, 1997). Las organizaciones que operan en entornos dinámicos deben saber gestionar los retos que trae consigo un entorno en el que el factor tiempo es vital y la innovación está en constante aceleración. El sector de la tecnología de la información cumple claramente estos requisitos, ya que es un sector que está en constante evolución para ofrecer nuevos productos y servicios. Es por ello que el análisis que se plantea en este trabajo está centrado en empresas de este sector.

Para este tipo de empresas, la generación, la transferencia y la utilización de conocimiento, principales fases de la gestión del conocimiento, son procesos críticos para el buen desempeño y la obtención de unos beneficios superiores a la competencia. Por lo que el dotar a los directivos de las empresas de un modelo conceptual de este fenómeno, les será de gran utilidad para comprender los retos inherentes de la gestión del conocimiento, para contar con el conocimiento como el recurso más valioso de la empresa, y para proveerles de una ventaja competitiva.

Con base en estas premisas, se han considerado las siguientes preguntas de investigación:



1. ¿Cómo se genera el conocimiento en las pequeñas y medianas empresas de las tecnologías de la información? y

2. ¿Cómo se transfiere el conocimiento en las pequeñas y medianas empresas de las tecnologías de la información?

Al centrarse la presente investigación en un fenómeno de actualidad, con pocos estudios realizados sobre el tema y el objeto de estudio, se ha considerado realizar una investigación cualitativa basada en el estudio de casos, lo que permite explorar la gestión del conocimiento en pequeñas empresas del sector de las tecnologías de la información. La investigación se limita al estudio de las fases de generación y transferencia del conocimiento, dejando la fase de utilización para futuros estudios. Se han considerado estas dos fases por ser procesos que cuentan con una mayor cantidad de conocimiento tácito, dado que la etapa de utilización se centra en cómo el conocimiento tácito es convertido en conocimientoexplícito para la comprensión y disposición del mismo de todos los miembros de la empresa.

2. Revisión de la literatura: la gestión del conocimiento

Algunos estudios sobre la gestión del conocimiento presentan cómocontribuye este recurso al logro de la ventaja competitiva de la empresa, bajo la consideración de que es un proceso que incluye tres fases: generación, transferencia y utilización de conocimiento.Primero, el conocimiento se genera a través de los individuos (Nonaka y Takeuchi, 1995; Grant, 1996). Son las personas las responsables de su creación dentro de la empresa. Segundo, el conocimiento que ha sido creado dentro de la organización por algunos de sus miembros, debe ser transferido a otros individuos para que de esta forma sea conocido por todos. Tercero, estas dos piezas separadas de conocimiento, una vez transferido y recibido,


deberán estar integradas con el conocimiento organizativo ya existente (Zárraga y García-Falcón, 2003: 81).

No existe una única base teórica concluyente sobre la generación y la transferencia del conocimiento. Es frecuente encontrar trabajos que toman como referencia aspectos de la Teoría de los Recursos y las Capacidades (Griffiths, Boicot y Mole, 1998; Zágarra y García-Falcón, 2003), de la Teoría Evolucionista (Kogut y Zander, 1992; Szulanski, 1996) y del Enfoque basado en el Conocimiento (Grant, 1996, 1997; Bergman, Jantunen y Saksa, 2004), por citar algunas de las teorías más utilizadas. Este último,por ejemplo, es una extensión del enfoque basado en los recursos y capacidades de la empresa y una muestra de la lógica de la teoría evolucionista. Se fundamenta en un único recurso: el conocimientode la organización, el cual es inimitable y es una fuente potencial de ventaja competitiva para la empresa.

Por lo que respecta a la Teoría de Recursos y Capacidades, Penrose (1959), en su trabajo seminal, asegura que la heterogeneidad entre las empresas puede ser explicada por el hecho de que cada empresa, a través de su ciclo de vida, acumula un conocimiento propio e idiosincrático. Este conocimiento, comorecurso difícil de imitar entre las organizaciones, determina la capacidad de la empresa para explotar y combinar todos los recursos para la producción específica de sus productos y servicios (Knudsen, 1995: 207). Es la heterogeneidad de sus recursos y no la homogeneidad de los productos y servicios disponibles, o potencialmente disponibles, lo que da a cada empresa su carácter único.

El conocimiento como recurso de la empresa, puede ser una fuente de ventaja competitiva sostenible si se fundamenta en dos propiedades importantes: (1) que esté basado en la experiencia acumulada más que en la tarea, lo cual implica que contenga una gran cantidad de conocimiento tácito, que hace difícil transferirlo de una empresa a otra e imitarlo por sus competidores; (2) que no radique únicamente en los individuos, sino en la forma en que estos individuos interactúan entre sí (Nonaka y Takeuchi, 1995).



deberán estar integradas con el conocimiento organizativo ya existente (Zárraga y García-Falcón, 2003: 81).

No existe una única base teórica concluyente sobre la generación y la transferencia del conocimiento. Es frecuente encontrar trabajos que toman como referencia aspectos de la Teoría de los Recursos y las Capacidades (Griffiths, Boicot y Mole, 1998; Zágarra y García-Falcón, 2003), de la Teoría Evolucionista (Kogut y Zander, 1992; Szulanski, 1996) y del Enfoque basado en el Conocimiento (Grant, 1996, 1997; Bergman, Jantunen y Saksa, 2004), por citar algunas de las teorías más utilizadas. Este último,por ejemplo, es una extensión del enfoque basado en los recursos y capacidades de la empresa y una muestra de la lógica de la teoría evolucionista. Se fundamenta en un único recurso: el conocimientode la organización, el cual es inimitable y es una fuente potencial de ventaja competitiva para la empresa.

Por lo que respecta a la Teoría de Recursos y Capacidades, Penrose (1959), en su trabajo seminal, asegura que la heterogeneidad entre las empresas puede ser explicada por el hecho de que cada empresa, a través de su ciclo de vida, acumula un conocimiento propio e idiosincrático. Este conocimiento, comorecurso difícil de imitar entre las organizaciones, determina la capacidad de la empresa para explotar y combinar todos los recursos para la producción específica de sus productos y servicios (Knudsen, 1995: 207). Es la heterogeneidad de sus recursos y no la homogeneidad de los productos y servicios disponibles, o potencialmente disponibles, lo que da a cada empresa su carácter único.

El conocimiento como recurso de la empresa, puede ser una fuente de ventaja competitiva sostenible si se fundamenta en dos propiedades importantes: (1) que esté basado en la experiencia acumulada más que en la tarea, lo cual implica que contenga una gran cantidad de conocimiento tácito, que hace difícil transferirlo de una empresa a otra e imitarlo por sus competidores; (2) que no radique únicamente en los individuos, sino en la forma en que estos individuos interactúan entre sí (Nonaka y Takeuchi, 1995).



Por otro lado, dado al dinamismo del entorno en el que operan las empresas del sector de las tecnologías de la información,la idea de una posición ventajosa y sostenida conduce necesariamente al concepto de las capacidades dinámicas, que son el subconjunto de competencias/capacidades que permiten a la organización crear nuevos productos y procesos, y responder a las circunstancias de un mercado cambiante. El conocimiento, comorecurso de la empresa, es un determinante de la capacidad de la empresa para explotar y combinar todos los recursos en la producción específica de nuevos productos y servicios (Knudsen, 1995: 207).

La consideración de las capacidades dinámicas como fuente de ventaja competitiva sostenible enfatiza el papel primordial de la dirección estratégica en la adopción, la integración y la configuración de las habilidades internas y externas, los recursos y las competencias funcionales (Teece y Pisano, 1994: 538). La capacidad dinámica de crear nuevo conocimiento a partir del ya existente puede adquirirse a través de su conocimiento acumulado o por el aprendizaje en acción. Otra capacidad dinámica es la habilidad para integrar el conocimiento que reside tanto fuera comodentro de los límites de una organización (Rubio y Casadesús, 1999: 326). Sin embargo, crear capacidades no es simplemente una formade reunir un conjunto de recursos, sino implica patrones complejosde coordinación entre las personas y entre éstas y otros recursos. Además, cada coordinación requiere de aprendizaje a través de la repetición (Grant, 1998: 122).

Aquí es donde se puede apreciar la aportación de la teoría evolucionista al marco de referencia para estudiar la generación y transferencia de conocimiento. Esta teoría considera a la empresacomo un conjunto de rutinas que contienen y transmitenconocimiento idiosincrático en relación a la forma en que diversas actividades deben ser realizadas dentro de la empresa. Por razones de economía en la adquisición de destrezas y conocimientos, no es viable que en la empresa todos aprendan lo que sabe cada uno de sus miembros, por lo tanto, es necesario algún mecanismo de


integración de conocimientos y destrezas (Grant, 1998: 173). Un tipo de mecanismo es la “rutina organizativa”, término acuñado por Nelson y Winter, ésta puede ser considerada como una red de relaciones coordinadas que se conectan a recursos específicos de la empresa, las cuales son depositarias de los conocimientos y las habilidades de la organización. Cuando una rutina se aplica en másde un área de trabajo de la empresa se puede decir que ella ha sido transferida o reproducida (Winter, 1995: 149).

La generación y la transferencia de conocimiento son capacidades dinámicas que permiten a las empresas responder a los rápidos cambios del entorno y a las preferencias de los mercados.Generar nuevo know how proporciona a la organización una nueva ventaja competitiva, y su transferencia dentro de la misma medianterutinas organizativas permite el mantenimiento de dicha ventaja por un período más largo (Eisenhardt y Martin, 2000). Las líneas de investigación y las limitaciones sugeridas por algunos de los estudios relacionados con la generación y la transferencia del conocimiento (Lapré y Van Wassenhove, 2001; Von Krogh, Nonaka y Aben, 2001; Zágarra y García-Falcón, 2003; Wong y Aspinwall, 2004) a menudo invitan a una exploración profunda del fenómenoen cuestión y a conocer cómo este fenómeno se desarrolla en las pequeñas empresas que operan en entornos dinámicos. En los siguientes apartados se describen los procesos de generación y transferencia de conocimiento.

A. Generación de conocimiento

Se ha revisado que los teóricos de la administración del conocimiento argumentan que el conocimiento es el recurso distintivo de la empresa. El enfoque estratégico basado en el conocimiento identifica a la generación del conocimiento como base fundamental en el desarrollo efectivo de la empresa y en la consecución de su ventaja competitiva. Todas las organizaciones exitosas generan y usan conocimiento como herramienta



fundamental. A medida que las organizaciones interactúan con su entorno, absorben información, la convierten en conocimiento y llevan a cabo acciones sobre la base de la combinación de ese conocimiento y sus experiencias, valores y normas internas.

La generación del conocimiento, primera fase de la administración del conocimiento, se define como las actividades y las iniciativas específicas emprendidas por las organizaciones para incrementar su activo de conocimiento organizativo (Davenport y Prusak, 2001: 61). Este proceso tiene lugar dentro de la comunidadde interacción de la empresa, la cual atraviesa niveles interoganizativos e intraorganizativos. Para Grant (2000) la generación del conocimiento comprende tres actividades:

- LA CREACIÓN INTERNA DE CONOCIMIENTO: que se obtiene de la investigación y diseño dentro de la empresa;

- EL APRENDIZAJE POR ACCIÓN: entrenamiento en el trabajo, experimentos y simulaciones y

- LA ADQUISICIÓN Y EL ACCESO DEL CONOCIMIENTO EXTERNO:Los métodos de adquisición externa de conocimientoincluyen: comparación con las mejores prácticas de otras organizaciones, asistencia a conferencias, contratación de consultores, control de tendencias económicas, sociales y tecnológicas, recolección de datos de los clientes y competidores, contrato de nuevo personal, colaboración con otras organizaciones, construcción de alianzas estratégicas y establecimiento de enlaces de conocimiento con otras empresas.

A continuación se describe cada una de estas actividades.



a. CREACIÓN DE CONOCIMIENTO INTERNO

La creación de conocimiento interno se entiende como un proceso organizacional que incrementa el conocimiento creado por los individuos y lo sintetiza como una parte de la red de conocimientosde la empresa. El conocimiento es creado a través de la interacción dinámica entre los individuos y/o entre los individuos y su entorno, más que un individuo que trabaja solo. Es decir, una organización no puede crear conocimientos sin las personas que la integran, lo que hacen las empresas es proporcionar el entorno adecuado para que los individuos creen conocimiento (Nonaka y Takeuchi, 1995).

El conocimiento también se genera en redes informales y autoorganizadas dentro de la organización, redes que posiblementecon el tiempo sean formalizadas. Los miembros de las comunidadesde expertos, reunidos por intereses en común, con frecuencia hablan entre sí en persona, telefónicamente y, mediante correo electrónico y grupos de trabajo virtuales para compartir su conocimientoespecializado y resolver los problemas en equipo. Cuando las redes de este tipo comparten suficiente conocimiento para poder comunicarse y colaborar con eficiencia, con frecuencia sus conversaciones derivan en conocimiento nuevo en las empresas.

b. APRENDIZAJE POR ACCIÓN

Todo el aprendizaje se lleva a cabo en la mente del ser humano en una forma individual. Una organización aprende solamente de dos formas: (a) por el aprendizaje de sus miembros o, (b) por los nuevos miembros quienes no cuentan con un conocimiento previo de la organización (Grant, 1996: 112). Es decir, las empresas construyen una base de conocimientos mediante las experiencias que sus empleados han aprendido y aplicado dentro del marco estratégico de la organización. Este proceso de aprendizaje por acción implicainferencias históricas de la empresa incorporadas en las rutinas organizativas que guían la conducta y, que requiere herramientas o



mecanismos que permiten convertir el conocimiento de las personas y equipos de la empresa en conocimiento colectivo.

c. ADQUISICIÓN DE CONOCIMIENTO EXTERNO

Se presenta cuando se comparten conocimientos tácitos con proveedores y clientes, cuando la empresa interactúa con otras organizaciones y cuando se asiste a cursos y seminarios. Los clientes son una fuente valiosa de información para el desarrollo de un nuevo producto, la prestación de un nuevo servicio o la mejora a un producto o servicio disponible en el mercado. Por su parte, las alianzas estratégicas, las colaboraciones entre empresas y la asistencia de los miembros de la empresa a cursos y seminarios son formas efectivas, y en muchas ocasiones necesarias, para que las empresas creen nuevos conocimientos. Cuando las empresasinternalizan conocimientos adquiridos a través de las alianzas estratégicas y la colaboración con otras organizaciones se crean nuevos conocimientos, resultado de la extensión o aprendizaje individual y de la incorporación o internalización de éstos dentro de la base de conocimientos a nivel organizacional.

La adquisición de conocimiento externo puede privar a la empresa de la oportunidad de aprender y construir su propio conocimiento. Cuando se opta por esta alternativa es porque la empresa no cuenta con las capacidades dinámicas para su rápida creación, ya sea porque este tipo de conocimiento suele tener un alto contenido tácito o porque el proceso de creación conlleva tiempo y un alto costo de oportunidad. Este costo de oportunidad es especialmente alto cuando la empresa opera en un entorno de cambio rápido.



B. Transferencia del conocimiento

Cuando se habla de transferencia del conocimiento se hace referencia al conocimiento que es comunicado desde un agente a otro. Este proceso tiene lugar a su vez entre individuos o entre grupos y la organización en general. En las organizaciones el conocimiento siempre se ha transferido a pesar de que este proceso no se haya gestionado como se realiza en nuestros días. Durante mucho tiempo, la transferencia de conocimiento se llevó a cabo a través de mecanismos de comunicación informal. El conocimientopertenecía al que lo poseía, quien por costumbre disponía de él de manera inconsciente, sin poner por escrito sus principales fundamentos. La comunicación cara a cara era suficiente y se transmitían, con más o menos éxito, las bases de un oficio, de un servicio o las claves de un conocimiento poco frecuente. En el caso de los antiguos obreros cualificados, el conocimiento se transmitíamediante la experimentación y los consejos, pero eran pocos los que formalizaban sus técnicas. Los secretos del oficio se aprendían, se descubrían, se explotaban sin ayuda de un soporte escrito, mediantela única transferencia del conocimiento del maestro.

En la actualidad, aun persiste el uso de mecanismosinformales de comunicación para realizar una efectiva transferencia del conocimiento tácito. Este proceso se apoya en la creación de relaciones basadas en las interacciones personales y/o sociales y el diseño de las organizaciones de manera tal que el conocimientopueda ser compartido. La transferencia del conocimiento tácito es susceptible de enseñanza, si bien no puede articularse fácilmente.Para que este conocimiento pueda ser transmitido es necesario que los individuos aprendan mediante la imitación o la emulación del comportamiento, lo cual significa que su transferencia se realiza mediante la comunicación verbal cara a cara y la práctica en el centro de trabajo.

El creciente interés en la transferencia de las rutinas organizativas aumenta no solamente por la importancia de la transferencia en términos de incremento en beneficios, sino por la



dificultad que conlleva hacerlo. Estas dificultades aumentan, en primer lugar, por la naturaleza del conocimiento: las mejoresprácticas con frecuencia involucran rutinas organizativas que dependen del conocimiento tácito de los miembros del equipo y de los patrones complejos que se dan en las interacciones interpersonales, y en segundo lugar, por las restricciones intrínsecas de las estructuras, sistemas y conductas organizacionales (Grant, 2000: 50).

Visto el proceso de transferencia del conocimiento desde una perspectiva de comunicación, hay que considerar los mecanismosque se utilizan para realizar este proceso y los componentes del contexto que rodean la transferencia (Szulanski, 1996). El conocimiento es transmitido mediante mecanismos de comunicaciónformales o medios estructurados, tales como libros, documentos y reuniones programadas, y medios informales como la relación interpersonal que va desde conversaciones hasta el aprendizaje. Los mecanismos formales cuentan con una infraestructura visible y definida: cables, casilleros, antenas de satélite, oficinas postales, direcciones, buzones electrónicos, etc.

Por su parte, los mecanismos informales son menos visibles. De hecho, las conversaciones en los pasillos o en la cafetería de las empresas a menudo son oportunidades para la transferencia de conocimiento. Aunque parte de las conversaciones tratan sobre deportes o el tiempo, la mayoría de las charlas en esos sitios se centra en el trabajo, la gente intercambia preguntas sobre proyectos e ideas actuales y pide consejo sobre cómo resolver problemas. En la tabla 1 se muestra una clasificación de los mecanismos de transferencia de conocimiento.

Es importante considerar que, aunque los medios de comunicación son relevantes para la transferencia del conocimiento,éstos no garantizan su aplicación. Contar con un teléfono no garantiza, ni siquiera promueve, conversaciones geniales; poseer un reproductor de CD es inútil si sólo se usa para escuchar música.Contar con más tecnología de la información no necesariamentemejorará la clase de información (Davenport y Prusak, 2001: 5).



Aunque la tecnología de la información no desempeñe un papel prominente en el análisis explícito de Nonaka y Takeuchi (1995), existe un acuerdo generalizado de que la comunicación en línea y la capacidad de almacenamiento de las computadores son poderosas herramientas para desarrollar la complejidad de los vínculos organizativos entre el conocimiento tácito y explícito. Lo que se debe recordar es que, esta nueva tecnología de la información sólo es el medio y el sistema de almacenamiento para el intercambio de conocimiento, pero no genera conocimiento y no puede garantizar, ni siquiera promover, la transferencia del mismo o su intercambio en una cultura organizativa que no favorezca esas actividades. El mediono es el mensaje y no garantiza siquiera que habrá un mensaje.

Tabla 1 Clasificación de los mecanismos de transferencia

de conocimiento

MECANISMOS DE COMUNICACIÓN

TIPO PRESENCIALES TECNOLÓGICOS

FORMALESDocumentosReuniones

IntranetListas de

distribución

INFORMALESComunicación cara a

cara Pláticas de pasillo

Correo Electrónico Messenger

FUENTE: Elaboración propia.

Con respecto a los componentes del contexto de la transferencia, la cultura organizativa y el apoyo de la alta dirección son aspectos importantes. Una cultura organizativa abierta y receptiva facilita la transferencia de una actividad desde un área de trabajo a otra. Algunos estudios sobre la administración del conocimiento sugieren que la riqueza de medios de comunicación utilizados para transferir el conocimiento, los atributos del conocimiento en sí y la poca distancia física entre un área organizativa y otra, son más relevantes



que los aspectos relacionados con motivación de los participantes en el proceso de transferir el conocimiento (Zapata, 2004).

3. Metodología: estudio de casos

Ante la relevancia de considerar a la generación y a la transferencia de conocimiento como capacidades dinámicas de empresas que se desenvuelven en entornos no predecibles, se ha optado por identificar qué elementos podían facilitar y/o dificultar estos procesos a partir de las evidencias obtenidas con base en un estudio de casos múltiple de corte exploratorio. Como señalan Eisenhardt (1989), Yin (1995) y Rodríguez, Gil y García (1996), entre otros, el estudio de casos es un método que ayuda a comprender con profundidad un fenómeno contemporáneo dentro de su contexto de la vida real, especialmente cuando los límites entre el fenómeno y su contexto no son claramente evidentes, permitiendo percibir las dinámicas presentes dentro de escenarios individuales, y descubrir nuevas relaciones y conceptos.

Los objetivos que se persiguen con la aplicación del estudio de casos, en la presente investigación, son los siguientes:

- Ampliar la literatura existente sobre la generación y la transferencia del conocimiento.

- Identificar los elementos contextuales que participan en la generación y la transferencia del conocimiento en empresasque operan en entornos dinámicos.

- Construir un modelo conceptual sobre la generación y la transferencia del conocimiento en empresas que operan en entornos dinámicos.



A. Muestra: selección de los casos

Nuestro estudio de casos se realiza en el área de servicios informáticos, que está integrado a su vez por las actividades de consultoría, explotación, desarrollo e implantación, soporte y formación (Ministerio de Ciencia y Tecnología / SEDISI, 1999). El perfil de las empresas participantes en el estudio de casos es el siguiente: dos empresas se dedican al desarrollo de proyectos multimedia, específicamente al desarrollo de páginas web, otra empresa vende publicidad por Internet, y la última difunde a través de Internet publicaciones, artículos, novedades relacionadas a la nueva economía y ofrece consultoría en negocios en la red (e-business). La tabla 2 muestra una breve descripción de las empresasque han sido sujetas del presente estudio.

Tabla 2 Datos descriptivos de la investigación cualitativa

EMPRESA AÑO DE CREACIÓN

NÚMERO DE EMPLEADOS

DESCRIPCIÓN

A 2000 14 Soluciones de comunicacióncorporativa en Internet

B 1999 14Marketing permisivo1 y consultoría en e-marketing

C 2000 35Publicaciones en Internet y consultoría en arquitectura de la información

D 2000 20Desarrollo de portales deportivos y consultoría de negocios en Internet


1El marketing permisivo hace referencia al permiso que usuarios de Internet conceden a esta empresa para el envío de publicidad a su cuenta decorreo electrónico.



B. Técnicas de la investigación

La entrevista semiestructurada, la observación directa y los documentos de la empresa relacionados con el fenómeno de estudio, son los principales métodos de recolección de datos en nuestro estudio de casos. Como señala Yin (1995: 13), “una investigación de estudio de casos trata una situación técnicamente distintiva en la cual hay más variables de interés que datos observacionales y, comoresultado se basa en múltiple fuente de evidencias, con datos que deben de converger en un estilo de triangulación”.

a. ENTREVISTA SEMI-ESTRUCTURADA

El contacto inicial con cada una de las empresas participantes en el estudio se hizo mediante una entrevista con el director general. En ella se le explicaba el proyecto y se le pedía que recomendara al menos a cuatro personas para ser entrevistadas. Los miembrosseleccionados fueron personas, tanto de la dirección general comoparticipantes en los proyectos claves para la empresa. Las entrevistas –16 en total– se realizaron en las instalaciones de cada empresa y fueron conducidas según un protocolo diseñado para asegurar la consistencia de los datos. Al término de cada entrevista, se realizó un pequeño resumen de las mismas siguiendo un formatopara el efecto adoptado de Miles y Huberman (1994: 53). Este resumen se convirtió en una pequeña base de datos que ayudó al análisis posterior de la información. Como menciona Yin (1995), las bases de datos pueden ser sujetas a análisis secundario, indepen-dientemente de cada informe ya que incrementa la fiabilidad del estudio de casos.



B. Técnicas de la investigación

La entrevista semiestructurada, la observación directa y los documentos de la empresa relacionados con el fenómeno de estudio, son los principales métodos de recolección de datos en nuestro estudio de casos. Como señala Yin (1995: 13), “una investigación de estudio de casos trata una situación técnicamente distintiva en la cual hay más variables de interés que datos observacionales y, comoresultado se basa en múltiple fuente de evidencias, con datos que deben de converger en un estilo de triangulación”.

a. ENTREVISTA SEMI-ESTRUCTURADA

El contacto inicial con cada una de las empresas participantes en el estudio se hizo mediante una entrevista con el director general. En ella se le explicaba el proyecto y se le pedía que recomendara al menos a cuatro personas para ser entrevistadas. Los miembrosseleccionados fueron personas, tanto de la dirección general comoparticipantes en los proyectos claves para la empresa. Las entrevistas –16 en total– se realizaron en las instalaciones de cada empresa y fueron conducidas según un protocolo diseñado para asegurar la consistencia de los datos. Al término de cada entrevista, se realizó un pequeño resumen de las mismas siguiendo un formatopara el efecto adoptado de Miles y Huberman (1994: 53). Este resumen se convirtió en una pequeña base de datos que ayudó al análisis posterior de la información. Como menciona Yin (1995), las bases de datos pueden ser sujetas a análisis secundario, indepen-dientemente de cada informe ya que incrementa la fiabilidad del estudio de casos.


b. OBSERVACIÓN DIRECTA

Como propone Yin (1995), la observación directa casual se llevó a cabo sin protocolos y evitando que los sujetos observados se sintieran bajo estudio, ya que esto hubiera cambiado su conducta habitual. Esta observación se desarrolló durante las visitas a las empresas y permitió además conocer el uso del espacio y la distribución física de las personas en sus áreas de trabajo, así comolas relaciones existentes entre los departamentos.

c. DOCUMENTOS

Los documentos se han utilizado para corroborar y aumentar la evidencia obtenida de otras fuentes. Son útiles para verificar la información obtenida con otras herramientas de investigación (Yin, 1995). En el caso de las empresas estudiadas, los documentos que se incluyen son folletos e información obtenida a partir de Internet.

C. Aspectos de validez

La recolección de información de diversas fuentes, personas o sitios, utilizando una variedad de métodos reduce el riesgo de que las conclusiones reflejen solamente las predisposiciones o las limitaciones de un método específico, lo que permite obtener una mejor evaluación de la validación y generalización de los resultados (Maxwell, 1996).

La validación de los datos cualitativos deber ser revisada considerando los criterios de credibilidad o, lo que es para Yin (1995), la validación interna y la capacidad de transmisión(validación externa). La credibilidad se asegura a partir de la triangulación de las categorías y los resultados entre múltiplesfuentes primarias, y entre fuentes primarias y secundarias (Maxwell, 1996). La capacidad de transmisión o validación externa, se



construye con base en la posibilidad de la reproducción en futuros estudios de los resultados y los modelos utilizados. El uso de un modelo en el análisis de los datos del presente estudio, tanto en la fase de la generación como en la fase de la transferencia del conocimiento, permite que en futuras investigaciones, en contextos similares, se pueda aplicar este modelo y los resultados puedan ser comparables con los del presente estudio (Yin, 1995).

4. Análisis de los casos y resultados

El análisis de los casos del presente estudio se realizó con base en las estrategias de categorización y contextualización descritas por Maxwell (1996). La estrategia de categorización fue aplicada para el análisis individual de cada caso. La estrategia de contextualización ayuda a comprender los datos dentro de un contexto. Ésta ha sido utilizada en el presente estudio en el análisis cruzado de los casos, mediante el uso de matrices que permitan analizar la información en una forma visible y permanente.

A. Análisis individual de los casos

El paso previo al análisis de los datos consistió en la trascripción de las entrevistas, las notas tomadas durante las mismas, las observaciones realizadas y la información útil de los documentosrevisados. Contar con la información redactada de cada uno de los casos en un sólo documento, permitió estructurar un cúmulo de datos, analizar la información de una manera más clara y compararlacon diferentes fuentes de evidencias (Eisenhardt, 1989).

Como primer paso en el análisis de los datos, se construyó una lista de categorías con su respectivo código para apoyar la consistencia de los datos en cada uno de los casos, y facilitar así la asignación de las categorías en el texto a analizar (Miles y Huberman, 1994). La lista de categorías se comenzó a realizar



durante la etapa de la recopilación de datos, a partir de la teoría, las preguntas de investigación y los resúmenes de las entrevistas. La tabla 3 expone la lista de categorías utilizadas, misma que fue modificada a lo largo del trabajo de campo y durante el análisis de los casos.

Tabla 3 Lista de categorías

CATEGORÍA CÓDIGO DESCRIPCIÓNAdquisición de conocimientoexterno

CEX Actividades contratadas o adquiridas del exterior que proporcionan un nuevoconocimiento a la empresa (Grant, 2000).

Creación interna del conocimiento CIN

Actividades que se realizan dentro de la organización para crear conocimiento (Nonaka yTakeuchi, 1995).

Elementosimportantes de la generación delconocimiento

GEIAcciones individuales y organizativas queapoyan o limitan la generación delconocimiento.

Mecanismosformales entransferencia delconocimiento

TRMFMecanismos que codifican o almacenan el conocimiento en bases de datos o documentos, accesibles para cualquier miembro de la organización (Hansen, Noria y Tierney, 1999).

Mecanismosinformales en transferencia delconocimiento

TRMIMecanismos que ayudan a transferir el conocimiento a través del contacto directo, depersona a persona (Hansen et al. 1999).

Mecanismosapoyados en latecnología entransferencia delconocimiento

TRMT

Mecanismos que ayudan a transferir elconocimiento a través del uso de herramientastecnológicas (Fiddler, 2000).

Elementosimportantes de la transferencia delconocimiento

TREIAcciones individuales y organizativas que apoyan o limitan la transferencia delconocimiento.


Finalmente, se realizó una última revisión a la información para asegurar la correcta asignación de códigos y obtención de los resultados. A partir de aquí, fue posible escribir la descripción y los resultados de cada uno de los casos. Los hallazgos que se presentan en la tabla 4 son el resultado del proceso iterativo de contraste de la documentación de todas las fuentes de información y la adecuada asignación de las categorías.


ESTUDIOS DE ADMINISTRACIÓN20 Generación y transferencia de conocimiento en pequeñas empresas... 21Ta

bla

4 Re

sum

en d

el a

nális

is in

divi

dual

de

caso

s

EMPR

ESA

A

EMPR

ESA

B

EMPR

ESA

C

EMPR

ESA

D

GEN

ERA

CIÓ

N D

EL C

ON

OC

IMIE

NTO

AD

QU

ISIC

IÓN

DE

CO

NO

CIM

IEN

TOEX

TER

NO

Adq

uisi

ción

de

prog

ram

as

info

rmát

icos

(s

oftw

are)

Bib

liogr

afía

C

lient

es

Acu

erdo

s de

cola

bora

ción

B

iblio

graf

ía

Clie

ntes

Acu

erdo

s de

cola

bora

ción

B

iblio

graf

ía

Col

abor

ador

es

Acu

erdo

s de

cola

bora

ción

A

dqui

sici

ón d

e pr

ogra

mas

in

form

átic

os

Bib

liogr

afía

C

REA

CIÓ

NIN

TER

NA

DE

CO

NO

CIM

IEN

TO

Aut

oapr

endi

zaje

Reu

nion

es

Aut

oapr

endi

zaje

Aut

oapr

endi

zaje

Reu

nion

es

Aut

oapr

endi

zaje

ELEM

ENTO

SIM

POR

TAN

TES

DE

LA

GEN

ERA

CIÓ

N

Cul

tura

or

gani

zativ

a Es

tilo

de

dire

cció

nM

otiv

ació

n Pe

rson

al

Opo

rtuni

dad

de

apre

nder

Cul

tura

or

gani

zativ

a Es

tilo

dire

cció

n M

otiv

ació

n Pe

rson

al

Opo

rtuni

dad

de

apre

nder

Cul

tura

or

gani

zativ

a M

otiv

ació

n Pe

rson

al

Opo

rtuni

dad

de

apre

nder

Cul

tura

or

gani

zativ

a M

otiv

ació

n Pe

rson

al

Opo

rtuni

dad

de

apre

nder C

ontin

úa



TRA

NSF

EREN

CIA

DEL

CO

NO

CIM

IEN

TO

MEC

AN

ISM

OS

DE

TRA

NSF

EREN

CIA

DEL

CO

NO

CIM

IEN

TO

Form

al:

Doc

umen

tos y

R

euni

ones

In

form

al:

com

unic

ació

n ca

ra a

car

a y

char

las d

e pa

sillo

Form

al:

Doc

umen

tos y

R

euni

ones

In

form

al:

com

unic

ació

n ca

ra a

car

aA

poya

dos e

n la

te

cnol

ogía

: In

trane

t,co

rreo

elec

tróni

co y

m

esse

nger

Form

al:

Reu

nion

es

Info

rmal

: co

mun

icac

ión

cara

a c

ara

Apo

yado

s en

la

tecn

olog

ía:

Intra

net,

corr

eoel

ectró

nico

yEk

o

Form

al:

Reu

nion

esIn

form

al:

com

unic

ació

n ca

ra a

car

aA

poya

dos e

n la

te

cnol

ogía

: C

orre

oel

ectró

nico

, lis

tas

de d

istri

buci

ón y

K

now

ledg

e

Cen

ter (

enco

nstru

cció

n)

ELEM

ENTO

SIM

POR

TAN

TES

DE

LA

TRA

NSF

EREN

CIA

Am

bien

te la

bora

lD

istri

buci

ón

físic

a de

la

o

ficin

a D

ispo

nibi

lidad

de ti

empo

Am

bien

te

labo

ral

Dis

tribu

ción

fís

ica

de la

of

icin

a D

ispo

nibi

lidad

de ti

empo

Es

tilo

de

dire

cció

n M

edio

s de

com

unic

ació

n

Am

bien

te la

bora

lD

istri

buci

ón

físic

a de

la

ofic

ina

Dis

poni

bilid

ad d

etie

mpo

M

edio

s de

co

mun

icac

ión

Am

bien

te la

bora

l D

istri

buci

ón fí

sica

de

la o

ficin

a D

ispo

nibi

lidad

de

tiem

po

Estil

o de

dire

cció

n

FUEN

TE: E

labo

raci

ón p

ropi

a.



B. Análisis cruzado de los casos

El análisis cruzado de casos enriquece la información recabada del estudio separado de cada organización y apoya la construcción de una cadena de evidencia lógica, con el fin de comparar los resultados obtenidos con la literatura existente. Los resultados de esta comparación refuerzan la validación interna si coinciden con los obtenidos en otros estudios realizados en contextos diferentes (Eisenhardt, 1989). A través de la construcción de distintas matricesfue posible observar, en una forma más amplia y detallada, cómo las fases de la gestión del conocimiento analizadas se relacionan con los elementos que apoyan cada una de ellas.

La figura 1 presenta el modelo conceptual desarrollado a partir de los resultados obtenidos en la investigación cualitativa. Asimismo, este modelo nos aporta datos relevantes para dar respuesta a las dos primeras preguntas de investigación: ¿Cómo se genera el conocimiento en las pequeñas y medianas empresas de las tecnologías de la información? y ¿cómo se transfiere el conocimiento en las pequeñas y medianas empresas de las tecnologías de la información?

Figura 1 Modelo de generación y transferencia del conocimiento

GENERACIÓNDEL CONOCIMIENTO

Adquisición ExternaAdquisición de programasinformáticosAdquisición de bibliografíaAcuerdos de colaboraciónClientesCreación InternaAutoaprendizajeReuniones

FacilitadoresCultura organizativaApoyo alta direcciónEspacio físicoRiqueza de medios

de comunicación

BarreraPoca disponibilidadde tiempo

TRANSFERENCIA DEL CONOCIMIENTO

Mecanismos FormalesDocumentosIntranetMecanismos InformalesComunicación cara

a caraCharlas de pasilloCorreo ElectrónicoMessenger

ConocimientoOrganizativo

FacilitadoresCultura organizativaEstilo de direcciónMotivación personalOportunidad de aprender

ELEMENTOS CONTEXTUALES

GENERACIÓNDEL CONOCIMIENTO

Adquisición ExternaAdquisición de programasinformáticosAdquisición de bibliografíaAcuerdos de colaboraciónClientesCreación InternaAutoaprendizajeReuniones

FacilitadoresCultura organizativaApoyo alta direcciónEspacio físicoRiqueza de medios

de comunicación

BarreraPoca disponibilidadde tiempo

TRANSFERENCIA DEL CONOCIMIENTO

Mecanismos FormalesDocumentosIntranetMecanismos InformalesComunicación cara

a caraCharlas de pasilloCorreo ElectrónicoMessenger

ConocimientoOrganizativo

FacilitadoresCultura organizativaEstilo de direcciónMotivación personalOportunidad de aprender

ELEMENTOS CONTEXTUALES




a. GENERACIÓN DEL CONOCIMIENTO

Adquisición de conocimiento externo. Se ha observado que las empresas analizadas tienden a basarse en la adquisición de programas informáticos, de bibliografía, en los clientes y en los acuerdos de colaboración como fuentes externas para generar un conocimiento organizativo. La utilización de estas fuentes externas, aunque son más relevantes para la organización, en determinadasocasiones depende fundamentalmente de la motivación personal y la oportunidad de aprender del empleado. Esto se observa en el caso específico de la adquisición de programas informáticos y bibliografía, que se adquieren debido a una motivación personal del empleado para aprender de ellos y de su aplicación.

En una economía basada en el conocimiento, las empresasbuscan relaciones para promover el aprendizaje interactivo intraempresarial (OCDE, 1996). Este aprendizaje se aplica al proceso de adquisición de conocimientos y habilidades, por parte de la empresa, en todo lo que tiene que ver en acuerdos de colaboración (Rialp, 1999: 5) y en la construcción de redes sociales que provean de nuevo conocimiento (Fernández, 2003: 729).

Respecto a la formación del personal, es más relevante para el empleado que para la dirección general. Las empresas que llegan a hacer uso de esta fuente lo hacen porque la consideran un apoyo a la autoformación del empleado, y por ende a la generación de conocimiento organizativo. En contraste, le dan poca importancia a la subcontratación de servicios. Esta es parte de la conversación mantenida con una de las personas entrevistadas:

Yo creo que si fuera una empresa más grande, aun se externalizaría más. Uno, porque tendríamos un poder de negociación mayor y, dos, porque el abanico, el portafolio deservicios, también permitiría enfocar distintas líneas denegocio.



Tanto la cultura organizativa como la oportunidad de aprender y el estilo de dirección, son los elementos que más se utilizan para allegarse una fuente externa de conocimiento.

Creación interna de conocimiento. El primer agente que pone en marcha el proceso de creación de conocimiento es el individuo a través de la acumulación de conocimientos tácitos desarrollados mediante la experimentación y el autoaprendizaje (Camelo, 2000). Para Nonaka (1994) este conocimiento acumulado debe tener dos características: (a) Experiencia diversa del individuo, si el conocimiento del individuo se limita a operaciones rutinarias, la cantidad de conocimiento que éste obtendrá no aumenta con el tiempo, y (b) Adquisición del conocimiento a través de su experiencia personal. La incorporación del conocimiento aprendido a través de la experiencia o la acción en el entorno laboral medianteun profundo compromiso social.

El autoaprendizaje es clave para la generación del conocimiento organizativo ya que hace posible que el individuo, gracias a su motivación personal, tenga una oportunidad de aprender y aplicar sus conocimientos en sus actividades. Según Grant (1991), las empresas que compiten en entornos muy dinámicos deben contar con la integración flexible de conocimientos individuales especializados. El estilo de dirección participativa es también clave para el autoaprendizaje, ya que fomenta el desarrollo de iniciativas y la creatividad de los individuos.

b. TRANSFERENCIA DEL CONOCIMIENTO

La transferencia del conocimiento ha sido analizada a partir de los mecanismos sugeridos por Hansen et al. (1999) y Fiddler (2000), que se presentan en la tabla 2.

Mecanismos formales de comunicación. En el presente estudio se observa que, en el caso de los mecanismos formales presenciales,



los documentos tienen un mayor impacto en la transferencia de conocimiento en la organización. Desafortunadamente para la empresa, no suele existir tiempo suficiente para documentar aquellas cuestiones de mayor importancia operativa. Las organizaciones que operan en entornos dinámicos no cuentan con el tiempo necesario para transferir adecuadamente sus competencias internas (Fiddler, 2000). Asimismo, al ser empresas de reciente creación y con un rápido crecimiento no han tenido tiempo suficiente para documentarsus procesos y evitar la duplicidad de esfuerzos.

Las reuniones son relevantes para la organización como un medio para transferir el conocimiento. En las cuatro empresasestudiadas se realizan con frecuencia reuniones que permitencompartir avances en los proyectos que se están llevando a cabo y pedir opiniones y sugerencias al respecto. Respecto a esta forma de transferir el conocimiento el director de consultoría de la empresa D comenta que:

La ventaja de las reuniones es que es el único momento enque realmente estamos todos pensando en lo mismo ytrabajando sobre el mismo proyecto.

En lo que concierne a los mecanismos formales tecnológicos, el Intranet se utiliza con mayor frecuencia que las listas de distribución. En aquellas empresas que cuentan con Intranet (empresas B y C), la cultura organizativa no apoya su utilización sino es el director general quien juega un papel importante al decidir que esta herramienta de apoyo a la transferencia es relevante. En muchas ocasiones se debe a que no existe una clara definición de lo que alberga Intranet, y para muchos es más fácil acceder a sus propias fuentes de conocimiento.

Mecanismos informales de comunicación. Mientras los mecanismosformales son regulados por la dirección general o por los mismosprocesos de la organización, los mecanismos informales surgen espontáneamente. En las empresas sujetas de estudio se observa que



los mecanismos informales son más utilizados que los formales,siendo la comunicación cara a cara la forma en que más se transfiere el conocimiento. Este mecanismo se ve muy apoyado por la cultura organizativa, la distribución del espacio físico y la alta dirección.

(...) la gente produce mucho más y mucho mejor cuando trabaja más a gusto y cuando le gusta mucho más lo quehace, y cuando se le da los medios adecuados, y cuando se dacuenta de que la dirección, o en general la empresa porhablar de un nombre intangible, se preocupa por ella.

La distribución del espacio físico además de facilitar la transferenciapermite que ésta se realice con más rapidez y precisión, comoexplica el director comercial de la empresa B:

Está claro que la disposición física facilita... desde ladisposición del local, que no haya barreras físicas, quepodamos compartir todo.

Otro de los mecanismos informales más utilizados, después de la comunicación cara a cara, es el correo electrónico. Este sirve comoherramienta que une a todos los miembros de la organización entre sí, siendo un sistema en línea (tiempo real) que integra e incorpora la lógica de los procesos. El correo electrónico es para la organización un medio de comunicación más que una forma efectiva de transferir el conocimiento. Las personas entrevistadas consideran que la comunicación verbal tiene más peso a la hora de compartir el conocimiento.



5. Implicaciones teóricas y prácticas, limitaciones y futuras líneas de investigación

Este estudio presenta implicaciones significativas tanto para la teoría como para la práctica. Las implicaciones teóricas de la presente investigación van más allá de la simple comprensión de los factores que facilitan y dificultan realizar la generación y la transferencia del conocimiento. Si se refiere específicamente al entorno dinámico, se observa una falta de literatura que explique la tensión entre la generación y la reproducción de conocimiento. El presente trabajo propone una nueva visión a través de la cual es posible comprenderlos retos organizativos a los que tienen que hacer frente las empresasque compiten en entornos de constantes cambios.

Los resultados sugieren que la generación del conocimientoy la efectiva transferencia del mismo son procesos que apoyan la ventaja competitiva, especialmente a las empresas que operan en entornos dinámicos. El modelo conceptual resultado de la presente investigación incluye elementos contextuales que inhiben la rápida obsolescencia de las capacidades de la empresa y, por tanto, aminorala amenaza de la apropiación de la renta de las empresas que operan en regímenes de cambio rápido. El éxito de la transferencia interna del conocimiento está asociado al contexto organizativo en el cual este proceso se desarrolla.

Adicionalmente a esta nueva perspectiva teórica, la presente investigación ofrece sugerencias específicas a los altos directivos de las empresas sobre la formulación de estrategias con referencia al punto focal de este estudio: la generación y la transferencia del conocimiento.

Concerniente a la generación de conocimiento, lo importantea resaltar de este proceso es el individuo como portador de nuevas ideas. La motivación personal y la oportunidad de aprender que muestran los empleados en este tipo de empresas, donde los cambiossuceden de forma rápida se deben principalmente, a la cultura organizativa que existe en la organización y al estilo de dirección. Es decir, los altos directivos deben fomentar una cultura



organizativa abierta y receptiva en la cual las opiniones y las sugerencias de los empleados sean tomadas en cuenta para las mejoras de los procesos y de las actividades que se realizan dentro de la empresa. Esto permite que la experiencia que pueden obtener los empleados en este tipo de empresas y la posibilidad de aplicar sus conocimientos en las actividades de la organización los motiva a formarse por su cuenta, a aprender nuevas herramientas y a crear nuevos procesos o formas de hacer las cosas. Estos dos elementosestán fuertemente relacionados. Los empleados se motivan a crear nuevos conocimientos porque tienen la oportunidad de aprender de la aplicación de estos conocimientos en el mundo empresarial.

Asimismo, los altos directivos deben adoptar un estilo de dirección participativo que permita crear las condiciones necesarias para preservar la flexibilidad de los individuos y apoye el autoaprendizaje del empleado y la socialización dentro de la empresa. Estas acciones favorecen la creatividad de los individuos que trae consigo la creación interna de conocimiento.

En la generación de conocimiento, también es relevante considerar la información proveniente de los clientes y la adquisición de programas informáticos como principales fuentes de conocimiento externo. La información de los clientes es muy valiosa ya que permitir ofrecerles servicios que realmente necesitan, da a la empresa la oportunidad de saber qué es lo que está requiriendo el mercado en un momento dado y, hacia dónde debe dirigir sus esfuerzos.

Con respecto a la transferencia del conocimiento, la presente investigación sugiere que el éxito de la transferencia del conocimiento tiene un gran componente contextual. En las pequeñas empresas de las tecnologías de la información debe imperar un clima organizativo en el cual las normas y los valores incorporen la confianza, el compromiso y la buena voluntad de ayudar a los demás. El director general o los altos directivos deben crear este ambiente de trabajo el cual será muy valioso cuando la transferencia de conocimiento constituya una ventaja competitiva en sí misma.



Asimismo, se debe considerar la distribución del espacio físico como un facilitador en el proceso de la transferencia del conocimiento. La distribución física de las instalaciones y las áreas organizativas, además de facilitar la transferencia permite que ésta se realice de una manera más rápida y oportuna como explica el director comercial de una de las empresas participantes:

Es claro que la exposición física de la empresa facilita la transferencia del conocimiento, desde la disposición del local, que no haya barreras físicas lo que permite compartir todo. Salvo otra cosa distinta que como hacemos tantascosas, uno no puede estar al tanto de todo.

Los mecanismos de comunicación informales, como la comunicación cara a cara, las reuniones o las charlas de pasillo son los más utilizados en el tipo de empresas estudiadas aun cuando la interacción social no se da con mucha frecuencia dado que no se cuenta con suficiente tiempo para ello. Por esto se debe considerar el uso de medios electrónicos como el correo electrónico y el messenger.

El tiempo es una paradoja organizativa relevante que las empresas que operan en entornos dinámicos deben saber gestionar. Lo que está claro es que los medios electrónicos deben utilizarse cuando se cuenta con bajos niveles de conocimiento tácito, mientrasse reserva tiempo para transferir el conocimiento con un alto contenido tácito, a través de medios de comunicación presenciales e informales como la comunicación cara a cara y las charlas de pasillo. La utilización de mecanismos de comunicación informalessuelen ser más efectivos en pequeñas y medianas empresas.

Asimismo, el uso de herramientas tecnológicas como la Intranet puede crear redes dinámicas en las cuales se pueda acceder en cualquier momento a información sobre los miembros de la empresa, sus habilidades y las actividades que se realizan.

Las empresas estudiadas son conscientes de que los mecanismos que tienen un mayor impacto en la organización al



momento de transferir el conocimiento, como los documentos y la Intranet requieren tiempo para desarrollarlos o aplicarlos. Lo anterior sugiere que el conocimiento que se desea transferir necesita ser una prioridad dentro de la organización, es decir, su transferencia debe estar incluida y prevista en la planificación estratégica de la empresa de la misma manera que el resto de las actividades vitales.

De todas formas, se recomienda cierta cautela a la hora de interpretar estos resultados ya que este estudio no está exento de limitaciones. Así, si bien el número de empresas que participaron en la investigación ha permitido obtener resultados concluyentes sobre los procesos bajo estudio, no permite garantizar que dichas empresassiguieran una estrategia competitiva común. Para algunas empresassu principal estrategia competitiva podría ser la innovación continua, dejando en un segundo plano la reproducción de las competencias internas; mientras que para otras empresas su estrategia competitiva podría ser la inversa (en primer lugar buscar la reproducción de sus competencias y en segundo lugar la innovación). En un futuro nos parece interesante evaluar el modelocontrolando por la estrategia seguida por las empresas.

Por otro lado, dada la especificidad del presente estudio, el cual se limita a pequeñas empresas que operan en un entorno muydinámico (y se podría inferir que es probable que las empresas que operan en este tipo de entornos tengan los mismos elementoscontextuales para generar y transferir el conocimiento), no permitela generalización de los resultados obtenidos a empresas de mayortamaño y/o que operan en entornos estables. A modo de ejemplo, en la presente investigación se ha señalado que la variable poca disponibilidad de tiempo es muy relevante en empresas que laboran en entornos dinámicos ya que impide la transferencia interna del conocimiento. Sería interesante analizar si esta variable es exclusiva de los entornos dinámicos. Por tanto, una investigación que considere múltiples sectores industriales y empresas de distintos tamaños aportaría una mejor comprensión de las dinámicas de generar y transferir el conocimiento puesto que permitiríanidentificar otros determinantes que faciliten el desarrollo de los


procesos estudiados, y que contribuyan a la consecución de la ventaja competitiva.

Por último, en la presente investigación se ha analizado exclusivamente dos fases de la gestión del conocimiento: la generación y la transferencia del conocimiento. Queda comoasignatura pendiente el estudio de la fase de utilización del conocimiento, ya que se deseaba observar los procesos de la gestión del conocimiento que cuenta con un mayor componente tácito. El incluir la fase de utilización en un estudio posterior habría de traer como resultado una visión integral del proceso de la gestión del conocimiento, al estudiar la forma en que se utiliza el conocimientoque se ha creado y transferido dentro de la organización. De hecho, sería interesante estudiar si las empresas que realizan una gestión integral del conocimiento maximizan sus beneficios por encima de aquellas organizaciones que no se interesan por generar, transferir y utilizar eficiente y efectivamente su conocimiento.

REFERENCIAS

BERGMAN, J., A. JANTUNEN y J.M SAKSA, (2004), “Managing knowledge creation and sharing-scenarios and dynamic capabilities in inter-industrial knowledge networks”, Journal of Knowledge Management, vol. 8, Nº 6, pp. 63-76.

BUENO, E. (2002), “Enfoques principales en dirección del conocimiento(Knowledge Management) y tendencias”, En R. Hernández (ed): Gestióndel Conocimiento: Desarrollos teóricos y aplicaciones, Cáceres: Ediciones La Coria, Fundación Xavier de Salas.

CAMELO, C. (2000), “La estrategia de la diversificación interna:una aproximacióndesde la teoría basada en el conocimiento”, Madrid: Biblioteca CivitasEconomía y Empresa.



procesos estudiados, y que contribuyan a la consecución de la ventaja competitiva.

Por último, en la presente investigación se ha analizado exclusivamente dos fases de la gestión del conocimiento: la generación y la transferencia del conocimiento. Queda comoasignatura pendiente el estudio de la fase de utilización del conocimiento, ya que se deseaba observar los procesos de la gestión del conocimiento que cuenta con un mayor componente tácito. El incluir la fase de utilización en un estudio posterior habría de traer como resultado una visión integral del proceso de la gestión del conocimiento, al estudiar la forma en que se utiliza el conocimientoque se ha creado y transferido dentro de la organización. De hecho, sería interesante estudiar si las empresas que realizan una gestión integral del conocimiento maximizan sus beneficios por encima de aquellas organizaciones que no se interesan por generar, transferir y utilizar eficiente y efectivamente su conocimiento.

REFERENCIAS

BERGMAN, J., A. JANTUNEN y J.M SAKSA, (2004), “Managing knowledge creation and sharing-scenarios and dynamic capabilities in inter-industrial knowledge networks”, Journal of Knowledge Management, vol. 8, Nº 6, pp. 63-76.

BUENO, E. (2002), “Enfoques principales en dirección del conocimiento(Knowledge Management) y tendencias”, En R. Hernández (ed): Gestióndel Conocimiento: Desarrollos teóricos y aplicaciones, Cáceres: Ediciones La Coria, Fundación Xavier de Salas.

CAMELO, C. (2000), “La estrategia de la diversificación interna:una aproximacióndesde la teoría basada en el conocimiento”, Madrid: Biblioteca CivitasEconomía y Empresa.



DAVENPORT, T. H. y L. PRUSAK, (2001), “Conocimiento en acción. Cómo las organizaciones manejan lo que saben”, 1ª Edición. Buenos Aires, Editorial Prentice Hall.

EISENHARDT, K. (1989), “Building theories from case studies research”, Academyof Management Review, vol. 14, Nº 4, pp. 532-550.

EISENHARDT, M. E. y J.A. MARTIN, (2000), “Dynamic Capabilities: What arethey?”, Strategic Management Journal, vol. 21, pp. 1105-1121.

FERNÁNDEZ, Z. (2003), “Estrategias y ventajas competitivas de las PYMES”, en E. Genescá, et al. (coords): Creación de Empresas, Entrepreneurship. Homenaje al profesor José María Veciana Vergés. Universidad Autónoma de Barcelona, Servei de Publicacions.

FIDDLER, L. (2000), “Facilitators and Impediments to the Internal Transfer of Team-Embodied Competences in Firms Operating in DynamicEnvironments”, (Tesis Doctoral, Boston University), ProquestDissertation Abstracts.

GRANT, R. M. (1991), “The resource-based theory of competitive advantage:implications for strategy formulation”, California Management Review,Nº 33, pp. 114-135.

_______(1996), “Toward a knowledge-based theory of the firm”, StrategyManagement Journal, 17(winter special issue), pp. 109-122.

_______ (1997), “The knowledge-based theory of the firm: implicationsfor management practice”, Long Range Planning, vol. 30, Nº 3, pp. 109-122.

_______(1998), “Dirección Estratégica”, 1ª Edición, Madrid: Civitas.

_______(2000), “Shifts in the world economy: the drivers of knowledgemanagement”, en C. Despres y D. Chauvel (eds). Knowledge Horizonts: the present and the promise of knowledge management. Massachussets: Butterworth-Heinemann. 1ª Edición, pp. 27-53.


GRIFFITHS, D.; M. BOISOT y V. MOLE, (1998), “Strategies for Managing Knowledge Assets: a tale of two Companies”, Technovation, vol. 18, Nº 8/9, pp. 529-539.

HANSEN. M.T., N. NOHRIA y T. Tierney, (1999), “What´s your strategy for managing knowledge?” , Harvard Business Review, March-April, pp. 106-116.

KNUDSEN, C. (1995), “Theories of the firm, strategic management, andleadership”, en C. Montgomery (ed). Resources-based and Evolutionary Theories of the Firm. Massachussets: Kluwer Academic Publishers,pp. 179-217.

KOGUT, B. y U ZANDER, (1992), “Knowledge of the firm: combinativecapabilities, and the replication of technology”, en L. Prusak (ed)Knowledge in Organizations. Resources for the Knowledge BasedEconomy.

LAPRÉ, M. A. y L.N. VAN WASSENHOVE, (2001), “Creating and transferring knowledge for productivity improvement in factories”, ManagementScience. Vol. 47, Nº 10, pp. 1311-1325.

MAXWELL, J. A. (1996), “Qualitative Research Design. An Interactive Approach”,1st edition, California: Sage Publications.

MILES, M. B. y A.M. HUBERMAN, (1994), “Qualitative Data Analysis: A sourcebook of new methods”, 1st Edition, California: Sage Publications.

MINISTERIO de CIENCIA y TECNOLOGÍA / SEDISI (1999), “Las Tecnologías de la Información en España”, España.

NONAKA, I. (1991), “The knowledge-creating company”, Harvard Business Review, November-December, pp. 96-104.

_______(1994), “A dynamic theory of organizational knowledge creation”,Organization Science, vol. 5, Nº 1, pp. 14-37.



NONAKA, I. y N. TAKEUCHI, (1995), “The Knowledge Creating Company”,Oxford University Press.

OCDE (1996), “The knowledge based economy”, Paris.

NONAKA, I; R.TOYAMA, y A. NAGATA, (2000), “A Firm as a Knowledge-creating Entity: A New Perspective on the Theory of the Firm”, Industrial and Corporate Change, Vol. 9, Nº. 1, pp. 1-20.

RIALP, J. (1999), “El aprendizaje en los acuerdos de colaboración interempresarial”, Documents de Treball, Departament dʼEconomia delʼEmpresa. Universitat Autónoma de Barcelona.

RODRÍGUEZ, G.; F.J. GIL y J.E. GARCÍA, (1996), “Metodología de la Investigación Cualitativa”, Málaga: Ediciones Aljibe.

RUBIO, M. y M. CASADESÚS, (1999), “Las TIC como factor determinante delaprendizaje organizativo”, Economía Industrial. Nº, 326, pp. 73-94.

SPENDER, J. C. y R.M. GRANT, (1996), “Knowledge and the firm”, StrategicManagement Journal, Vol. 17 (Winter Special Issue), pp. 5-9.

SZULANSKI, G. (1996), “Exploring internal stickiness: Impediments to the transfer of best practices within the firm”, Strategic Management Journal, vol. 17, pp. 27-43.

TEECE, D. J. y G. PISANO, (1994), “The dynamics capabilities of firms:An introduction”, Industrial and Corporate Change, vol. 3, Nº. 3, pp. 537-556.

TEECE, D. J.; G. PISANO, y A. SHUEN, A. (1997), “Dynamic capabilities and strategic management”, Strategic Management Journal, vol. 18, Nº 7, pp. 509-533.

VON KROGH, G., I. NONAKA y M. ABEN, (2001), “Making the most of yourcompany´s knowledge: a strategic framework”, Long Range Planning.Vol. 34, pp. 421-439.



NONAKA, I. y N. TAKEUCHI, (1995), “The Knowledge Creating Company”,Oxford University Press.

OCDE (1996), “The knowledge based economy”, Paris.

NONAKA, I; R.TOYAMA, y A. NAGATA, (2000), “A Firm as a Knowledge-creating Entity: A New Perspective on the Theory of the Firm”, Industrial and Corporate Change, Vol. 9, Nº. 1, pp. 1-20.

RIALP, J. (1999), “El aprendizaje en los acuerdos de colaboración interempresarial”, Documents de Treball, Departament dʼEconomia delʼEmpresa. Universitat Autónoma de Barcelona.

RODRÍGUEZ, G.; F.J. GIL y J.E. GARCÍA, (1996), “Metodología de la Investigación Cualitativa”, Málaga: Ediciones Aljibe.

RUBIO, M. y M. CASADESÚS, (1999), “Las TIC como factor determinante delaprendizaje organizativo”, Economía Industrial. Nº, 326, pp. 73-94.

SPENDER, J. C. y R.M. GRANT, (1996), “Knowledge and the firm”, StrategicManagement Journal, Vol. 17 (Winter Special Issue), pp. 5-9.

SZULANSKI, G. (1996), “Exploring internal stickiness: Impediments to the transfer of best practices within the firm”, Strategic Management Journal, vol. 17, pp. 27-43.

TEECE, D. J. y G. PISANO, (1994), “The dynamics capabilities of firms:An introduction”, Industrial and Corporate Change, vol. 3, Nº. 3, pp. 537-556.

TEECE, D. J.; G. PISANO, y A. SHUEN, A. (1997), “Dynamic capabilities and strategic management”, Strategic Management Journal, vol. 18, Nº 7, pp. 509-533.

VON KROGH, G., I. NONAKA y M. ABEN, (2001), “Making the most of yourcompany´s knowledge: a strategic framework”, Long Range Planning.Vol. 34, pp. 421-439.


WINTER, S.G. (1995), “Four Rs of Profitability: Rents, Resources, Routines, and Replication”, en C. Montgomery (ed,.Resources-based and Evolutionary Theories of the Firm. Massachussets: Kluwer Academic Publishers, pp. 147-175.

WONG, K.Y. y E. ASPINWALL, (2004), “An empirical study of the importantfactors for knowledge-management adoption in the SME sector”, Journalof Knowledge Management, 9/3, pp. 64-82.

YIN, R. K. (1995), “Case study research: design and methods”, California: Sage Publications.

ZÁGARRA, C. y J.M. GARCÍA-FALCÓN, (2003), “Factors favoring knowledgemanagement in work teams”, Journal of Knowledge Management, vol. 7, Nº 2, pp. 81-93.

ZAPATA, L. (2004), “Los determinantes de la generación y la transferencia delconocimiento en pequeñas empresas de tecnologías de la información en Barcelona”, Tesis Doctoral. Universidad Autónoma de Barcelona.


37


Modelos de lógica y lógica borrosa en la predicción del IPSA

Antonino Parisi F.*

Julio Rebolledo*

Edinson Cornejo S.*

Abstract

The methodology of Fuzzy Logic, is based on the idea that variables must be handled not as numbers but rather by the characteristics that they display. A series of historical daily quotations of the “Índice dePrecios Selectivo de Acciones” of the Chilean stock market,corresponding to the period between the 14 of July of 1997 and the07 of January of 2005 was used. It was constructed a model of logic and another one of fuzzy logic, in order to forecast the sign of thevariations of the stock-exchange index already indicated. Themodels of logic and fuzzy logic registered a statistically significantforecast capacity. In addition, both models obtained extranormalreturns statistically significant and positive when they were used in to a trading strategy, transaction costs considered.

Deseo agradecer a Daniel Martínez por su labor como asistente de investigación. También agradezco los comentarios realizados por un árbitro anónimo.

*Facultad de Economía y Negocios, Universidad de Chile. [email protected]@[email protected]



Resumen

La metodología de lógica borrosa, está basada en la idea de que las variables deben ser manejadas no como un número sino más bien por las características que ellas presentan. Se utilizó una seriehistórica de cotizaciones diarias del Índice de Precios Selectivo de Acciones del mercado bursátil chileno, correspondiente al período comprendido entre el 14 de julio de 1997 y el 7 de enero de 2005.Se construyó un modelo de lógica y otro de lógica difusa, para efectos de proyectar el signo de las variaciones de los índices bursátiles ya señalados. Los modelos de lógica y de lógica borrosaregistraron una capacidad predictiva estadísticamente significativa. Además, ambos modelos lograron un retorno extranormalsignificativo y positivo al ser utilizados en una estrategia de trading,aun después de considerar los costos de transacción.

Palabras clave: Lógica borrosa, funciones de pertenencia, conjuntos de pertenencia, reglas de trading, desfuzificación, porcentaje de predicción de signo, test de acierto direccional.

CJEL: G10, G14 y G15

1. Introducción

La predicción de los movimientos de los precios accionarios y de los índices bursátiles ha sido un tópico de gran interés en el área financiera. Diversos estudios muestran que los retornos accionarios son predecibles en algún grado. Por ejemplo, Lo & MacKinlay (1988), utilizando datos de mercados bursátiles desarrollados, registraron una correlación serial positiva entre los retornos semanales; DeBondt & Thaler (1985), Fama & French (1988), Poterba & Summers (1988) y Chopra, Lakonishok & Ritter (1992) encontraron una correlación serial negativa en los retornos de los activos individuales y varios portfolios sobre intervalos de tres a diez años.

Predecir los movimientos de los precios accionarios futuros a partir del análisis de series históricas de cotizaciones bursátiles ha llevado a que los analistas se centren en la psicología del inversor y en la respuesta de éste a los movimientos de los precios accionarios,


Modelos de lógica y lógica borrosa en la predicción del IPSA 39

tal y cual lo muestran Smithson (1987) y también Smithson y Oden (1999), el primer estudio sugiere que el pensamiento y la toma de decisiones se pueden modelar utilizando las técnicas de la lógica borrosa, el segundo estudio muestra que si los agentes económicosforman sus expectativas de acuerdo a los criterios de la lógica borrosa se obtienen patrones de rentabilidades en el mercado con propiedades estadísticas similares a las observadas. La idea detrás de esto es que el precio al cual un inversionista está dispuesto a comprar o vender depende de sus expectativas: si él espera un alza futura en el precio del activo, entonces comprará; por el contrario, si él espera una caída en la cotización bursátil, entonces venderá. Esta conducta que pareciera ser trivial, resulta de gran complejidad ya que responde a las expectativas y actitudes del ser humano. Este estudio busca predecir el comportamiento del mercado bursátil chileno, mapeando las variaciones históricas del IPSA1 a través de un sistema lógico de procesamiento de datos.

En las últimas décadas, en el proceso de predicción se han incorporado nuevas técnicas en base a modelos no paramétricos y no lineales tales como las redes neuronales. A modo de ejemplo, Parisi (2002), al predecir el IPSA, encontró que la red ward recursivaalcanzó una capacidad predictiva extramuestral de 72%, estadísticamente significativa, y una rentabilidad acumuladaextramuestral de 24,42%. También Parisi (2005) aplicó redes neuronales y algoritmos genéticos para construir modelospredictivos del signo de las variaciones semanales del IPSA. Los resultados señalan que la red ward tendría mayor capacidad predictiva que el modelo lineal multivariado dinámico construido por medio de algoritmos genéticos y que el modelo naive, que esta capacidad predictiva sería significativa, y que una estrategia de trading basada en las señales de compra-venta dadas por este modelo permitiría obtener retornos relativamente más altos. Se destaca que la red ward y el modelo de algoritmos genéticos superaron en rentabilidad promedio a la estrategia buy and hold, aun

1Índice de precios selectivo de acciones.



considerando los costos de transacción. Lo anterior se suma a los resultados de Tsibouris & Zeidenberg (1995) y White (1993), quienes trabajaron en la predicción de índices bursátiles y de activos individuales, y confirmaron un mejor rendimiento de las redes neuronales. En la misma línea, Parisi, Parisi & Guerrero (2003) y Parisi, Parisi & Cornejo (2004) utilizaron redes neuronales y algoritmos genéticos para predecir el signo de la variación experimentada por un conjunto de índices bursátiles internacionales y de América del Norte, respectivamente.

Los modelos anteriores, paramétricos o no paramétricos,lineales y no lineales, buscan reconocer patrones de comportamientoy establecer relaciones entre la variable que se desea proyectar y la(s) variable(s) explicativa(s). Estas relaciones se expresan en un lenguaje matemático, a través de la estimación de coeficientes y del análisis de su significancia estadística. Sin embargo, la mayoría de los agentes que participan en el mercado bursátil utiliza un lenguaje que incorpora aspectos de carácter cualitativo para referirse, por ejemplo, al precio de un activo, a la rentabilidad de la inversión, a la volatilidad del mercado, etcétera. Así, es común encontrar expresiones tales como que el precio esta “relativamente alto” o “relativamente bajo”, que la rentabilidad de tal o cual instrumentode inversión es “atractiva”, que la volatilidad del mercado bursátil es “relativamente alta” o que éste se encuentra más bien “estable”, etcétera. En este contexto, los modelos cuantitativos tienen dificultades para absorber esta información de carácter cualitativo, lo que plantea la necesidad de desarrollar y analizar el uso de nuevas técnicas que permitan incorporar este tipo de referencias. La metodología de lógica borrosa (también conocida como lógica difusa o fuzzy logic), basada en la idea de que las variables son de carácter lingüístico y que, por lo tanto, deben ser manejadas no como un número sino más bien por las características que ellas presentan, viene a dar respuesta a esta inquietud.

La importancia de lo anterior radica en que el uso de técnicas avanzadas tales como lógica borrosa, algoritmos genéticos y redes neuronales, pueden ayudar a mejorar el proceso de proyección de



precios, cosa que es vital en la gestión de portfolios de inversión de renta variable. En el caso específico de la lógica difusa, es posible construir un modelo de óptimos computarizados para proyectar el signo de la variación de un determinado índice bursátil, es decir, para realizar un pronóstico con respecto a si éste se moverá al alza o a la baja en el futuro inmediato.

Existe un gran número de trabajos y aplicaciones de lógica difusa en múltiples áreas –principalmente relacionadas a controladores automáticos–, pero ésta ha sido escasamente usada en el área económica. Dourra (2000) evaluó los movimientos de los precios de un conjunto de acciones, aplicando un proceso de lógica borrosa sobre los resultados del análisis técnico, obteniendo una ventaja comparativa en términos de rentabilidad con respecto al mercado. Otro estudio en el campo de la lógica borrosa aplicado a la predicción de movimientos bursátiles, Huarn y Yu (2005).

El documento se divide en cinco secciones: la sección dos presenta un resumen de los conceptos básicos de lógica borrosa; en la sección tres se explica la metodología empleada en la investigación; la sección cuatro aborda el análisis de los resultados y, finalmente, la sección cinco presenta las conclusiones del estudio.

2. Lógica borrosa: conceptos básicos

La teoría de lógica borrosa fue introducida por Loffi A. Zadeh, a mediados de los años 60 (Fuzzy Sets), y desde esa fecha se ha desarrollado como una herramienta elemental para el control de subsistemas y procesos industriales complejos, ya que los sistemasborrosos permiten modelar sistemas no lineales, y aprender de los datos haciendo uso de determinados algoritmos de aprendizaje. La lógica borrosa surge como un perfeccionamiento de la lógica booleana tradicional, en la cual los conjuntos son considerados como sistemas bivalentes, con sus estados alternando entre “pertenencia” o “no pertenencia” (inclusión o exclusión), donde



tradicionalmente se define la función característica, fA –que describe la pertenencia de un elemento x al conjunto A–, como:

(1)AxsiAxsi

f A 01

De esta forma, la pertenencia de un elemento al conjunto A queda fraccionada y las relaciones entre conjuntos quedan categorizadas, siendo la transición entre dos conjuntos (o estados) A y B radical e inmediata.

La lógica borrosa, por su parte, considera la idea de variable lingüística, que capta las propiedades de aproximación o los conceptos de imprecisión en un sistema, permitiendo que un elemento tenga valores intermedios en el grado de pertenencia a un conjunto determinado. Cada elemento del universo tiene asociado una función de pertenencia continua fA –que toma valores entre 0 y 1– que indica el “grado de pertenencia” del elemento x al conjunto A. Así, un conjunto en el universo de discurso U es definido por una función de pertenencia fA: U [0, 1], donde fA (x) [0,1] indica el grado de pertenencia de x al conjunto A.

Bajo este concepto de lógica borrosa reside la idea que los elementos claves del pensamiento no son numéricos, sino que son ideas con cierto grado de vaguedad, donde los elementos pasan de un conjunto a otro de manera suave y flexible, convirtiéndose de esta forma en una herramienta atractiva para manejar la incertidumbre.

La lógica borrosa incorpora tres pasos fundamentales: (1) la elección de los inputs del proceso fuzzy, (2) la designación de funciones y conjuntos de pertenencia y, (3) la determinación de las reglas difusas y de la variable de salida (desfuzificación). Los input del proceso fuzzy se refieren a las variables que se presumen importantes de considerar, ya que el comportamiento de éstas y sus combinaciones influyen sobre la variable que se desea



proyectar. Estas variables son agrupadas en los conjuntos de pertenencia2 al cual pertenecerán en algún grado.

Los conjuntos difusos son determinados por sus funciones de pertenencia. Comúnmente, el número de conjuntos difusos es definido de manera tal que contenga todo el rango de posibles valores que podría adoptar la variable. Este rango de variación es conocido como universo de discurso. Las funciones de pertenencia generalmente son funciones continuas cuyo dominio es el conjunto de discurso y su imagen un valor real entre 0 y 1, el cual representará el grado de pertenencia de la variable al conjunto difuso en cuestión. Estos conjuntos de pertenencia, junto a las reglas difusas, determinarán el comportamiento que tendrá la variable de salida.

Las operaciones con conjuntos requieren el establecimientode reglas para combinar los conjuntos de pertenencia y los conjuntos de unión, intersección y complemento. Estas operaciones entre conjuntos se asociarían a las conexiones lingüísticas “y”/“o”. Así, la intersección se asocia a “y”, mientras que la unión a “o”. De esta manera se pueden conectar y manipular los conjuntos para, a su vez, obtener nuevos conjuntos de pertenencia. En principio, no existen reglas generales o un método de construcción de reglas fuzzy o de funciones de pertenencia, por lo que éstas son determinadas por cada diseñador. No obstante, éstas deben cumplir con las propiedades de t-normas para la intersección y t-conormas para la unión3.

El proceso de proyección es realizado por medio de la elaboración de reglas difusas, las cuales relacionan la correspondencia entre los input y el output a través de las operaciones de conjuntos. La forma usual de las reglas difusas es del tipo: si i1 es f1 y/o i2 es f2 y/o… in es fn, entonces ot es ok. Donde i1,i2… in son los inputs atribuibles a las funciones de pertenencias f1,f2,…, fn, respectivamente; ot es el output; y ok es la clasificaciónatribuible a ot. Finalmente, el output fuzzy debe ser transformado en

2También llamados conjuntos difusos. 3Ver anexo 1.



una variable posible de interpretar, proceso denominadodesfuzificación.

3. Datos y metodología

Se utilizaron series históricas de cotizaciones de cierre diarias del IPSA chileno. Los datos corresponden al período comprendido entre el 14 de julio de 1997 y el 7 de enero de 2005. Se construyó un modelo de lógica y otro de lógica difusa, para efectos de proyectar –en el momento t– el signo de la variación que experimentará el IPSA en el momento t+1. De esta forma, se busca pronosticar si el índice en cuestión se moverá al alza –signo positivo– o a la baja –signo negativo–. Esto, entendiendo que la predicción de la dirección del movimiento del índice accionario es relevante para desarrollar estrategias de transacción efectivas (Leung, Daouk & Chen, 2000). La principal diferencia entre el modelo de lógica y el de lógica difusa radica en que éste último ha sido construido asignando a los inputs funciones de pertenencia, mientras que el primero carece de esta propiedad. En ambos casos se busca mostrarla eficiencia de la técnica en función de dos aspectos: por una parte, en la elaboración de un modelo que maximice el porcentaje de predicción de signo (PPS) y, por otra, en la capacidad para generar una rentabilidad extranormal, es decir, superior a la generada por un benchmark.

A. Modelo de lógica

Bajo este modelo, las asociaciones lógicas y la magnitud de los parámetros serán determinadas a través de un proceso heurístico, valiéndose para ello de un proceso de simulación. El objetivo es generar evidencia que permita analizar si el modelo lógico permitecrear, por una parte, un modelo que maximice el PPS dentro de un



subperíodo de estudio intramuestral4 –para luego evaluar los resultados en una serie extramuestral– y, por otra, una estrategia de trading que genere retornos extranormales. Se consideró comooutput del proceso fuzzy la variación que experimentará el índice bursátil en el período t+1. Por otro lado, se consideraron diez inputs:las variaciones del IPSA correspondientes a los períodos t, t-1, t-2,t-3 y t-4, y las variaciones del índice estadounidense Dow Jones Industry (DJI) en t, t-1, t-2, t-3 y t-4. Para cada uno de los inputs se consideraron cinco conjuntos de pertenencia, donde cada uno de ellos corresponde a un quintil de la distribución de frecuencia absoluta simple de las variaciones de precios históricos. En cuanto al output, los conjuntos de pertenencia son tres: al alza, se mantieney a la baja.

B. Modelo de lógica borrosa

Al igual que en el caso anterior, se consideró como output la variación que experimentará el IPSA en el período t+1. También se consideraron diez inputs: las variaciones en t, t-1, t-2, t-3 y t-4 del índice respectivo y las variaciones del índice DJI en t, t-1, t-2, t-3y t-4. Para cada uno de los inputs se consideraron cinco conjuntos de pertenencia: muy bajo la media (MBM), bajo la media (BM), en la media (EM), sobre la media (SM) y muy sobre la media (MSB). Cada uno de estos conjuntos clasifica el input en función de qué tan lejos o qué tan cerca se encuentre de la media. Los conjuntos difusos fueron definidos por funciones de pertenencia “campana”, debido a que estas funciones son bastante planas alrededor del centro, es decir, permiten pequeñas desviaciones de la posición del centro de la banda conservando valores de pertenencia elevados en ese

4El conjunto intramuestral corresponde al conjunto de datos históricos con los cuales se simularán 1.000.000 de combinaciones lógicas, a fin de encontrar el modelo que maximice el PPS. No obstante, al operar en este conjunto de datos, el modelo proyecta las variaciones en t+1 únicamente a partir de la informacióndisponible entre los períodos t-4 y t.



margen. Así, estas funciones quedaron determinadas por dos parámetros: la media ( ) y la desviación estándar ( )históricas de los j-ésimos conjuntos de pertenencia. La fórmulageneral de la j-ésima función de pertenencia para el input i en el momento t (i

it,j

it,j

t) se define de acuerdo a la expresión (2):

2it,j

2it,jt

tj )(2

iexp)i(f (2)

donde

iti

it

it,j (3)

y

1n

)i(20

1t

2it,jt,j

it,j (4)

it,j es la media del j-ésimo conjunto de pertenencia del input i,

calculada en el momento t a partir de los precios de cierre de las veinte últimas jornadas bursátiles, período que equivale a los días hábiles de un mes de operaciones;

it corresponde a la variación promedio experimentada por el

índice (el input i) al momento t;it es la desviación estándar de las variaciones del índice al

momento t; y j es una constante que permite delimitar los conjuntos de pertenencia, y que puede asumir los siguientes valores: -2, -1, 0, 1 y 2.



Con respecto a la expresión (4),

it,j es la desviación estándar de las variaciones experimentadas

por el índice en cuestión (el input i), variaciones que han sido clasificadas en el conjunto j5;

e ij,t es el input del j-ésimo conjunto de pertenencia registrado en el momento t.

De acuerdo a lo anterior, los valores medios de los conjuntos de pertenencia –que se muestran en la figura 1– quedarán delimitadosde la siguiente manera:

muy bajo la media : it

it 2;

bajo la media : it

it

it

it 1;2

en la media : it

it 1

sobre la media : it

it

it

it 2;1

muy sobre la media : ;2 it

it

Figura 1 Representación gráfica de las funciones

de pertenencia de los inputs

5 it,j

it

it

it,j y,, fueron calculados sobre las variaciones experimen-

tadas por los índices respectivos durante los últimos veinte días de operación bursátil, incluyendo el momento t.



De esta manera, y a modo de ejemplo, el valor de la función de pertenencia muy bajo la media que está asociado al input itrepresenta el grado de pertenencia que tiene dicho input al conjunto o intervalo que está ubicado dos desviaciones estándar bajo la mediadel índice bursátil. Cabe señalar que el precio de un activo financiero en un período determinado puede ser miembro de varios conjuntos de pertenencia en diversos grados y que estas funciones de pertenencia irán cambiando en el tiempo, ya que la media y la desviación estándar serán recalculadas día a día –tanto las totales ( y ) como las relativas a los conjuntos de pertenencia ( y

)–, otorgando así mayor flexibilidad a los conjuntos de pertenencia.

it

it

it,j

it,j

Las reglas son construidas a partir de combinacionesaleatorias de los conjuntos de pertenencia, de donde es elegida la combinación que maximice el PPS intramuestral. La elaboración de las reglas es en sí la parte más compleja y delicada en el proceso de lógica borrosa, ya que son éstas y sus combinaciones (operaciones) las que en definitiva determinarán el output del proceso. Laterminología usada para las operaciones de los conjuntos está determinada por las definiciones de Zadeh. En el caso particular de este trabajo la t-norma y t-conorma están definidas como:

Intersección : fA B(x) = min{fA(x), fB(x) (5) Unión : fA B(x) = max{fA(x), fB(x) (6) Complemento : f A (x) = 1 - fA(x) (7)

Estas reglas generan un output que señala si la variación esperada para el momento t+1 es negativa, neutra o positiva. Para el casoparticular de los outputs también se consideraron funciones de pertenencia que están determinadas por y , como muestrala expresión (8):

ot,k

ot,k



2ot,k

2ot,kt

tk )(2o

exp)o(f (8)

donde (9)o

tkot

ot,k

y

1n

)o(20

1t

2ot,kt,k

ot,k (10)

ot,k es la media del k-ésimo conjunto de pertenencia del output ot,

calculada en el momento t a partir de los outputs de las veinte últimas jornadas bursátiles;

ot corresponde a la variación promedio experimentada por el

output ot al momento t;ot es la desviación estándar de las variaciones del output ot al

momento t; yk es una constante que permite delimitar los conjuntos de

pertenencia de los output, y que puede asumir los siguientes valores: -1, 0 y 1.

En cuanto a la expresión (10),

ot,k es la desviación estándar del output ok,t durante los últimos

veinte días hábiles –incluyendo el momento t–; yok,t es el output registrado en el momento t que ha sido clasificado

en el k-ésimo conjunto de pertenencia. De acuerdo a lo anterior, los conjuntos de pertenencia del output –que se muestran en la figura 2– quedarán delimitados de la siguiente manera:

a la baja : ot

ot 1;



se mantiene : ot

ot 2

al alza : ;1 ot

ot

Figura 2 Representación gráfica de las funciones

de pertenencia de los outputs

El último paso en el proceso fuzzy consiste en la desfuzificación. Tras la aplicación de las reglas si i1 es f1 y/o i2 es f2 y/o… in es fn,entonces ot es ok, lo que se obtiene es la imagen de la función de pertenencia, es decir, el grado de pertenencia del output a un determinado conjunto k, cuya inversa proporciona el valor del output (Ot) correspondiente a ese nivel de pertenencia. Sin embargo,la función exponencial es una función epiyectiva y, por lo tanto, su inversa deberá estar restringida a un subintervalo de la pre-imagen.Los intervalos considerados para la función de pertenencia a la baja son los valores que están sobre la media del conjunto. Para las funciones de pertenencia se mantiene y a la baja se consideraron los valores que están sobre la media. Esto se muestra en la figura 3. Finalmente, si ok es el grado de pertenencia arrojado por las combinaciones de reglas, entonces el valor de desfuzificación (Ot) es el promedio del inverso de la función de pertenencia del output ok,es decir:



3

1k

k1

kt 3

)o(fO (11)

Figura 3 Gráfica de la inversa de la desfuzificación

De esta manera, el valor obtenido tras la desfuzificación es un valor en torno a la media de las variaciones de precio de los últimos veinte días, que indicaría cuál es la tendencia que sigue el movimiento del índice bursátil.

C. Evaluación de la capacidad predictiva

A continuación, se evaluó la calidad de cada modelo en función del porcentaje de predicción de signo alcanzado (PPS)6. Luego se seleccionó el modelo de lógica y de lógica borrosa de mayor PPSintramuestral, a fin de evaluarlos sobre un conjunto extramuestral de 926 datos semanales. Para ello se dividió la muestra total en dos: una de tamaño n (llamado conjunto intramuestral y compuesto por 1.000 observaciones)7 para estimar los parámetros que maximicen el

6Se evaluó la calidad de cada uno de los 1.000.000 de modelos,generados tanto por el proceso de lógica como de lógica borrosa, a partir de los datos del conjunto intramuestral.

7Estas observaciones corresponden al período comprendido entre el 14 de julio de 1997 y el 4 de junio de 2001.



PPS, tanto del modelo de lógica como de lógica borrosa; y otra de tamaño m (denominado conjunto extramuestral y compuesto por 926 observaciones)8 para evaluar la capacidad predictiva de los modelos.Para realizar esto último, se comparó el signo de la proyección con el signo de la variación observada, en cada t-ésimo período, donde t=1, 2, ..., m. Si los signos entre la variación proyectada y la variación observada coinciden, entonces se anota un acierto (hit). En caso contrario, se anota un error de predicción, lo cual disminuye la capacidad predictiva del modelo. El PPS de cada modelo se calculó de la siguiente forma:

m

pPPS

m

1tt

(12)

.m...,,3,2,1t,casootroen,0

0IndexˆIPSAsi,1p tt

t (13)

donde representa la variación observada del IPSA y ˆ la variación estimada. Además, en esta etapa se aplicó el test de acierto direccional9 de Pesaran & Timmermann (1992), con el objeto de medir la significancia estadística de la capacidad predictiva de los modelos analizados.

A continuación se analizó si la capacidad predictiva evidenciada por los modelos se traduce o no en mayores beneficios económicos. Para ello se calculó la rentabilidad acumulada –durante el período de análisis– que hubiera logrado un inversionista de haber seguido las recomendaciones de trading del modelo: comprar si la proyección es al alza y vender si la proyección es a la baja. Para ello

8Estas observaciones corresponden al período comprendido entre el 5 de junio de 2001 y el 7 de enero de 2005.

9Directional Accuracy Test.



se asumió una inversión inicial de $10.000.00010 y que el IPSA puedeser transado como si fuera una acción. Al momento de calcular la rentabilidad de la estrategia de transacción basada en las proyecciones de cada uno de los modelos analizados, se consideró un costo de 0,1% por transacción11, el cual se aplicó sobre el montode dinero transado. Aparte de eso, para propósitos de este modelo,se asume que las transacciones se realizan utilizando órdenes con precios límites, mitigando así los costos asociados con el efectobid-ask spread. Cabe señalar que, para que un modelo predictivo o un indicador de análisis técnico desempeñe su función, éste debe producir un retorno que exceda la suma de los costos de transacción más la rentabilidad negativa originada por sus señales falsas.También se calculó la rentabilidad generada por la estrategia en una situación en la cual el costo de transacción es fijo y asciende a

10La inversión inicial es de $10.000.000. Por lo tanto, no se pueden adquirir más unidades del índice que las que permite la inversión inicial, aun cuando el modelo de proyección siga recomendando “comprar”. De igual manera,sólo puede venderse aquello que ha sido comprado.

11En el mercado bursátil chileno, el costo de transacción es un porcentaje fijo que se aplica sobre el monto de dinero involucrado en la transacción. Este costo de transacción involucra una comisión por los derechos que cobra la Bolsade Valores de Santiago de Chile (que asciende al 0,05%) y una comisión que cobra el corredor (trader). El costo de transacción varía desde los pequeños a los grandes inversionistas, ya que éstos últimos tienen un mayor poder denegociación. Así, por ejemplo, en el mercado bursátil chileno existeninversionistas institucionales (Administradoras de Fondos de Pensiones, Administradoras de Fondos Mutuos y Compañías de Seguros) que enfrentan un costo por transacción equivalente al 0,1% del monto de dinero involucrado en la operación, más IVA (Impuesto al valor agregado). Debido a que las empresas de servicios traspasan el pago del IVA a sus clientes (por lo que no es un costo para la empresa), al momento de calcular la rentabilidad de la estrategia de transacción basada en las proyecciones de cada uno de los modelos analizados, se consideró un costo de 0,1% por transacción.



US$9 12 (independientemente del volumen transado), y el monto de inversión inicial es de US$10.000 13. No se realizaron ventas cortas.

Además, con el objeto de evitar el problema de datasnooping14 –y despejar las dudas respecto de si la capacidad predictiva se debe a la bondad del modelo, a las características de la muestra de observaciones sobre la que ha sido aplicado, o simplemente al factor suerte–, cada modelo se evaluó sobre un total de 1.000 subconjuntos extramuestrales, de 2015 precios de cierre diarios cada uno. Estos 1.000 subconjuntos extramuestrales fueron generados a partir del conjunto extramuestral original, utilizando un proceso de block bootstrap16.

12El costo de transacción en el mercado bursátil estadounidense es fijo, adiferencia del costo de transacción del mercado accionario chileno que es variable y corresponde a un porcentaje del monto transado. El costo de transacción delmercado estadounidense depende del broker utilizado, y puede fluctuar entre US$7 y US$20 por transacción. Para los fines de este estudio, se consideró un costo de US$9 por transacción.

13Para realizar este cálculo se asumió que el valor de cierre del IPSAestaba expresado en dólares estadounidenses.

14El término data snooping (también conocido como data mining),“ocurre cuando un determinado conjunto de datos es usado más de una vez para propósitos de inferencia o selección de modelos. Cuando esta re-utilización de datos ocurre, siempre existe la posibilidad de que cualquier resultado satisfactorio que se haya obtenido pueda deberse simplemente a la suerte, en vez de a algúnmérito inherente al modelo que generó aquellos resultados.” (White, 2000).

15A partir de los datos del conjunto extramuestral, y por medio de un proceso de block-bootstrap, se generaron 1.000 subconjuntos extramuestrales de20 observaciones diarias cada uno. El tamaño de los subconjuntos buscaconformar períodos mensuales de trading (20 días hábiles). De esta manera, sebusca analizar la capacidad de los modelos para generar retornos extranormales en períodos de corto y de largo plazo.

16Una forma de probar la bondad de los modelos y la validez de sus resultados, independientemente de la muestra de datos sobre las que han sido aplicados, es aplicar un proceso de bootstrap. El bootstrap es un proceso de generación de observaciones ficticias a partir de datos históricos, a fin de dar solución al problema de escasez de datos y, de esta forma, poder contar con suficiente información para elaborar diferentes conjuntos extramuestrales sobre loscuales probar la validez de los modelos.



D. Benchmark y test de significancia estadística

Los resultados de ambos modelos –de lógica y lógica difusa– fueron comparados con la rentabilidad generada por una estrategia buy and hold17. Por otro lado, para analizar si existen diferencias estadísticamente significativas entre los PPS de los modelos y entre los retornos extranormales de las estrategias de trading, se realizaron pruebas no paramétricas de hipótesis de diferencias de medias (test de Friedman y de Tukey).

4. Resultados

Al analizar la serie de valores de cierre del IPSA, en primeradiferencia (ver cuadro 1), se encontró que los resultados del test de Jarque-Bera rechazan la hipótesis de que las variaciones semanalesde este índice siguen una distribución normal, con un nivel de significancia del 5%. Además, el coeficiente de autocorrelación para un modelo AR(1) resultó ser estadísticamente significativo, a un nivel de significancia del 10%, por lo que se encontró evidencia de autocorrelación entre la variación experimentada por el índice en el período t y la registrada en el período t-1. Finalmente, los test de Wald-Wolfowitz (de corridas) y Cox-Stuart (de signos no ponderados) no presentan evidencia concluyente sobre la presencia de aleatoriedad en la serie de variaciones del índice accionario18. La razón por la cual se realizó el test de Jarque-Bera, es debido a la importancia de la distribución normal en finanzas, es importanterecordar el teorema del límite central. El test de Wald-Wolfowitz se

17La estrategia buy and hold es una estrategia de inversión pasiva que noaplica gestión alguna. Consiste en comprar el activo en cuestión y mantenerlodurante todo el período de inversión, para venderlo al final de éste. La rentabilidadde esta estrategia está dada por la diferencia entre el valor de venta y el valor de compra del activo analizado.

18El test de Wald-Wolfowitz rechaza la hipótesis nula de aleatoriedad,con un nivel de significancia de 10%. Sin embargo, según el test de Cox-Stuart no se rechaza la hipótesis nula.



utilizó para afirmar que si se trabaja con el objetivo de predecir variables aleatorias y se alcanzan buenos resultados, este test le daría una mayor robustez al modelo. El test de Cox-Stuart se utilizó para presencia de tendencias, en el caso de que se detectasen tendencias, podrían restarle robustez al modelo.

Cuadro 1 Estadísticos descriptivos para la serie de valores de cierre

diarios, en primera diferencia, del IPSAPeríodo: 14 de Julio de 1997 al 7 de Enero de 2005

ESTADÍSTICOS IPSA

Media -0,115Mediana -0,097Máximo 11,029Minimo -14,916 Desviación estándar 3,903 Skewness -0,215Kurtosis 4,027 Jarque-Bera1 14,825* AR(1)1 0,113

(1,917)** Wald-Wolfowitz2 -1,713** Cox-Stuart2 -0,585

Entre paréntesis se entrega el test t.1Los valores críticos de los estadísticos Jarque-Bera y t de Student son 4,43 y 1,96, respectivamente, para un =5%.

2Los valores críticos de los estadísticos Wald-Wolfowitz y Cox-Stuart son 1,96 y 1,64, para un nivel de significancia del 5% y10%, respectivamente.

(*) Significativo al 5%.(**) Significativo al 10%.

El cuadro 2 resume la capacidad predictiva de los modelos,calculada sobre el conjunto intramuestral. También muestra el resultado del test de acierto direccional (DA) y la rentabilidad acumulada que hubiera logrado un inversionista de haber basado su estrategia de trading en las recomendaciones de compraventa de los



modelos, así como el retorno de la estrategia buy and hold. El mejormodelo de lógica registró un PPS extramuestral de 59%, el cual resultó estadísticamente significativo. Por su parte, el PPSextramuestral del modelo de lógica borrosa fue de 56%, tambiénestadísticamente significativo.

Cuadro 2 Resumen de los resultados a partir del conjunto intramuestral*

IPSA

MODELO PPS TEST DA1RENTABILIDADACUMULADA

Lógica 59,0% 2,54** 85,86%Lógica Borrosa 56,0% 2,12** 70,56%Buy and Hold - - 10,32%

*El cuadro muestra el porcentaje de predicción de signo (PPSextramuestral) registrado por los modelos, el test de acierto direccional (DA) y la rentabilidad acumulada obtenida por la estrategia de tradingdurante el período intramuestral.

1El valor de z crítico es de 1,96 y 1,64, para un nivel de significancia del 5% y 10%, respectivamente.

(**): Significativo al 5%.

Se pudo apreciar que la capacidad predictiva de los modelos se tradujo en beneficios económicos. El modelo de lógica obtuvo el mayor PPS y, simultáneamente, el mayor retorno acumulado.Además, independientemente de la significancia estadística de la capacidad predictiva de los modelos, estos superaron en rentabilidad a la estrategia buy and hold. Por lo anterior, siempre fue mejorgestionar la cartera indexada (representada por el índice bursátil) en función de alguno de los modelos de proyección. El cuadro 3 presenta los parámetros estimados para los modelos de lógica y de lógica borrosa –a partir de las observaciones históricas del conjunto intramuestral– y correspondientes al índice de precios selectivo de acciones (IPSA).



Cuadro 3 Resumen de los parámetros estimados para

los modelos de lógica y lógica borrosaIPSA

VARIABLE

MODELODE

LÓGICA

MODELO DELÓGICA

BORROSAIPSAt -0,238 -0,127IPSAt-1 -0,752 -0,892IPSAt-2 -0,936 -0,036IPSAt-3 0,518 0,098IPSAt-4 0,234 0,885DJIt 0,070 0,010DJIt-1 0,385 0,865DJIt-2 0,656 0,736DJIt-3 0,485 0,585DJIt-4 0,562 0,412

Se probó la robustez de estos resultados a fin de evitar el problemade data snooping. Para ello se tomó el mejor modelo de proyección para cada índice y se lo evaluó sobre un total de 1.000 conjuntos extramuestrales de 20 datos de cierre diarios cada uno. Estos 1.000 conjuntos extramuestrales fueron generados a partir del conjunto extramuestral original utilizando un proceso de block bootstrap. El cuadro 4 muestra los estadísticos para el PPS (sección A), el test DA(sección B) y la rentabilidad acumulada de las estrategias de trading(sección C).

Se analizó el PPS extramuestral generado en los 1.000 conjuntos extramuestrales por los modelos de lógica y lógica borrosa. En ambos casos no se rechazó la hipótesis de que el PPSextramuestral sigue una distribución normal, con un nivel de significancia del 5%, de acuerdo al test de Jarque-Bera.



Cuadro 4 Resumen estadístico del PPS extramuestral, del test de acierto

direccional (DA) y de los retornos acumulados,considerando todo el período del análisis

SECCION A: PORCENTAJE DE PREDICCIÓN DE SIGNO

ESTADÍSTICOS MODELO DE LÓGICA MODELO DE LÓGICA BORROSA

Media 58,00% 55,00%Mediana 57,32% 54,75%Máximo 80,79% 78,00%Mínimo 32,71% 30,71%Desv. Estándar 9,85% 11,85%Skewness 0,053 0,053Kurtosis 2,952 2,952Jarque-Bera1 0,057 0,057

SECCION B: TEST DE ACIERTO DIRECCIONAL

ESTADÍSTICOS MODELO DE LÓGICA MODELO DE LÓGICA BORROSA

Media 0,275 0,275Mediana 0,211 0,211Máximo 2,301 2,301Mínimo -2,018 -2,018Desv. Estándar 0,826 0,826Skewness 0,081 0,081Kurtosis 2,844 2,844Jarque-Bera 0,209 0,209Porcentaje de PPS2 55,00% 52,00%

SECCION C: RETORNO ACUMULADO

ESTADÍSTICOS MODELO DE LÓGICAMODELO DE LÓGICA

BORROSA BUY & HOLDMedia 2,79% 1,78% 0,58%Mediana 1,93% 1,64% 0,74%Máximo 10,05% 9,12% 4,12%Mínimo -3,79% -6,10% -5,10%Desv. Estándar 5,35% 5,52% 6,28%Skewness -1,173 0,282 0,282Kurtosis 11,018 2,483 2,483Jarque-Bera1 290,863 2,441 2,441Proporción3 74,00% 68,00%

1: El valor crítico del estadístico Jarque-Bera es de 4,43, para un =5%. 2: Porcentaje de conjuntos extramuestrales en los cuales la capacidad predictiva

resultó ser estadísticamente significativa.3: Porcentaje de las veces en que la rentabilidad del modelo de lógica y de lógica

borrosa supera el retorno de la estrategia buy and hold, considerando las 1.000 series bootstrap.



En la sección A se observa que, en promedio, el PPS extramuestralfue de 58% y 55%, para los modelos de lógica y lógica borrosa, respectivamente. Luego, al calcular el test DA se encontró que la capacidad predictiva fue significativa sólo en el 55% y el 52% de los casos, respectivamente (ver sección B). Sin embargo, al analizar la rentabilidad acumulada que se habría obtenido al llevar a cabo una estrategia de trading en base a las recomendaciones de compra-venta de los modelos de lógica y lógica borrosa se encontró que –de los 1.000 conjuntos extramuestrales– los modelos superaron el retorno de una estrategia buy and hold en el 74% y 68% de los casos, respectivamente, tal como se observa en la sección C del cuadro 4.

Finalmente, los resultados del test de Friedman (cuadro 5) indican que existen diferencias estadísticamente significativas entre los PPS y los retornos anormales generados por los modelosanalizados. De manera más específica, el test de Tukey señala que no hay diferencias significativas entre el modelo de lógica y el modelo de lógica borrosa, en términos de PPS, pero sí la hay a nivel de rentabilidades, superando el retorno del primer modelo a la rentabilidad del segundo. Además, las rentabilidades de los modelospredictivos construidos en función de lógica y lógica borrosa son estadísticamente superiores al retorno de la estrategia buy and hold.

Cabe señalar que los resultados apuntan en la mismadirección que los obtenidos en Parisi (2002) al predecir el IPSA,donde encontró que la red ward recursiva alcanzó una capacidad predictiva extramuestral estadísticamente significativa. TambiénParisi (2005) aplicó modelos de redes neuronales y de algoritmosgenéticos para construir modelos predictivos del signo de las variaciones semanales del IPSA, encontrando que la red ward y el modelo de algoritmos genéticos superaron en rentabilidad promedioa la estrategia buy and hold, aun considerando los costos de transacción.



Cuadro 5 Test de Friedman y de Tuke

TEST DE FRIEDMAN: DIFERENCIA ENTRE MEDIAS

ESTADÍSTICOS

PPS 27,83 Retorno Modelos 50,47TEST DE TUKEY: PPS P-Value Lógica – Lógica Borrosa 0,8084TEST DE TUKEY: RETORNO MODELOS P-Value Lógica – Lógica Borrosa 0,998 Lógica – Buy and Hold 0,999 Lógica Borrosa – Buy and Hold 0,484

Para el caso del PPS, el valor crítico de 2 fue de 19,50, para 336 grados de libertad en el numerador, 2 grados de libertad en el denominador y un nivel de significancia de 0,05. Para el caso de larentabilidad de los modelos, el valor crítico de 2 fue de 8,53, para 336 grados de libertad en el numerador, 3 grados de libertad en eldenominador y un nivel de significancia de 0,05. El nivel de significancia, con el cual es comparado el p-value, es de 0,05.

5. Conclusiones

En este estudio se utilizaron cotizaciones de cierre diarias del IPSAchileno. Los datos corresponden al período comprendido entre el 14 de julio de 1997 y el 7 de enero de 2005. Se construyó un modelo de lógica y otro de lógica difusa, para efectos de proyectar –en el momento t– el signo de la variación que experimentará el IPSA en el momento t+1. El mejor modelo de lógica registró un PPS de 59%, el cual resultó estadísticamente significativo. Por su parte, el PPS del modelo de lógica borrosa fue de 56%, también estadísticamentesignificativo. También se evaluó si el modelo de lógica borrosa como se desempeña en ambas direcciones y se concluyó que el modelo de lógica borrosa está mejor preparado para predecir las alzas que las bajas.

Se pudo apreciar que la capacidad predictiva de los modelosse tradujo en beneficios económicos. El modelo de lógica obtuvo el mayor PPS y, simultáneamente, el mayor retorno acumulado.



Además, independientemente de la significancia estadística de la capacidad predictiva de los modelos, éstos superaron en rentabilidad a la estrategia buy and hold. Al analizar los resultados obtenidos en 1.000 conjuntos extramuestrales se concluyó que, en promedio, el PPS fue de un 58% y 55% para los modelos de lógica y lógica borrosa, respectivamente. Luego, al calcular el test DA se encontró que la capacidad predictiva fue significativa sólo en el 55% y el 52% de los casos, respectivamente. Sin embargo, al analizar la rentabilidad acumulada que se habría obtenido al llevar a cabo una estrategia de trading en base a las recomendaciones de compra-venta de los modelos de lógica y lógica borrosa se encontró que –de los 1.000 conjuntos extramuestrales– los modelos superaron el retorno de una estrategia buy and hold en el 74% y 68% de los casos, respectivamente.

De esta forma, se presenta evidencia de que la capacidad de los modelos de lógica y lógica borrosa podría resultar relevante para predecir el signo de las variaciones del IPSA, lo que los sitúa comouna alternativa al análisis técnico, a los modelos naive, a las redes neuronales y a los algoritmos genéticos aplicados sobre series de tiempo, para efectos de predecir la evolución del mercado bursátil chileno.



Anexo 1

Las operaciones sobre conjuntos establecen las reglas para determinar los conjuntos de unión, intersección y complemento.Estos se construyen por medio de funciones que manipulan los conjuntos para obtener nuevos conjuntos. Cada diseñador puede definir o elegir la operación de unión, intersección o complementoque desee. Estas operaciones deben cumplir con ciertas características:

1. El complemento del conjunto borroso A, C(A), es el conjunto que contiene los elementos que no pertenecen a A. Cumplecon:- Contorno: en los extremos se comporta igual que la

negación nítida. C(1)=0 y C(0)=1. - Monotonía: el complemento es monótono no decreciente. - Involución: C(C(A))= A

2. La intersección “i” asociada a los conjuntos borrosos A y B cumple las siguientes propiedades: - Contorno: en los extremos se comporta igual que la

intersección nítida, es decir i(0,0)=0; i(0,1)=0 y i(1,1)=1. - Conmutatividad: i(A,B) = i(B,A). - Monotonía: la intersección “i” es monótona creciente, es

decir: A A’, B B’ i(A,B) i(A’,B’). - Asociatividad: i(i(A,B), C) = i(A, i(B,C)). - Las funciones que verifican estas propiedades se

denominan t- normas.

3. La unión “u” de los conjuntos borrosos A y B la denotaremospor u(A, B), la cual cumple con las siguientes propiedades: - Contorno: en los contornos se comporta igual que la

intersección nítida. u(0,0)=0; u(0,1)=1; u(1,1)=1. - Conmutatividad: u(A, B)=u(B, A).



- Monotonía: la unión “u” es monótona creciente, es decir: A A’, B B’ u(A, B) u (A’, B’).

- Asociatividad: u(u(A, B), C) = u(A, u(B, C)).

Las funciones que cumplen estas propiedades se denominan t-conormas. La t-normas y la t-conormas se hallan relacionadas. De este modo, fijando una de ellas se puede deducir la otra. A modo de ilustración, en el siguiente cuadro se presentan algunas reglas de t-normas y t-conormas sobre conjuntos difusos.

Cuadro A1 Ejemplo de reglas de t-normas y t-conormas

NOMBRE INTERSECCIÓN UNIÓN COMPLEMENTO

Zadeh Min{fA(x), fB(x)} Max{ fA(x), fB(x)} 1- fA(x)

Producto fA(x)* fB(x) fA(x)+ fB(x) - fA(x)* fB(x) 1- fA(x)

Lukasievicz Max{0, fA(x)+ fB(x)-1} Min{1, fA(x)+ fB(x)} 1- fA(x)



Referencias

CHOPRA, N., J. LAKONISHOk & J.R. RITTE (1992), “Measuring abnormal returns: Do stocks overreact?”, Journal of Financial Economics 31, pp. 235-268.

DE BONDT, W. F. M. & R. THALER (1985), “Does the stock market overreact?”,Journal of Finance 40, pp. 793-805.

DOURRA, H. & P. SIY (2001), “Stock evaluation using fuzzy logic”, InternationalJournal of Theoretical and Applied Finance, Vol. 4, Nº 4, pp. 585-602.

FAMA, E. & K.R. FRENCH (1988), “Permanent and temporary components of stock prices”, Journal of Political Economy 98, pp. 247-273.

HUARN & Yu, (2001), “Fuzzy Sets and Systems”, Physica 2005.

LEUNG MARK T., DAOUK HAZEM, CHEN AN-SING (2000), “Forecasting stock indices: a comparison of classification and level estimation models”,International Journal of Forecasting (16)2, pp. 173-190.

LO, A. & A.C MACKINLEY (1988), “Stock market price do not follow randomwalk: Evidence from a simple specification test”, Review of Financial Studies 1, pp. 41-66.

PARISI, A. (2002), “Evaluación de modelos de redes neuronales de predicción delsigno de la variación del IPSA” Estudios de Administración, Vol. 9, N° 1, pp. 67-103.

______ (2005), “Modelos de algoritmos genéticos y redes neuronales en la predicción del signo de la variación del IPSA”, Estudios de Administración, Forthcoming.

PARISI, A., F. PARISI & J. L. GUERRERO (2003), “Modelos predictivos de Redes Neuronales en índices bursátiles internacionales”, El Trimestre Económico, N° 280, vol. LLX (4), pp. 721-744. México.

PARISI, A., F. PARISI & E. CORNEJO (2004), “Algoritmos genéticos y modelosmultivariados recursivos en la predicción de índices bursátiles de América del Norte: IPC, TSE, Nasdaq y DJI”, El Trimestre Económico,N° 284, vol. LXXI (4), pp. 789-809. México.



PESARAN, M.H. & A. TIMMERMANN (1992), “A simple nonparametric test of predictive performance”, Journal of Business and Economic Statistics 10, pp. 461-465.

POTERBA, J. M. & L.H. SUMMERS (1988), “Mean reversion in stock prices: Evidence and implications”, Journal of Financial Economics 22, pp. 27-59.

SMITHSON M.J. (1987), “Fuzzy Sets analysis for behavioral and social sciences”, Springer-Verlag. New York NY.

SMITHSON M.J. y G.C ODEN (1999), “Fuzzy Set Theory and applications inpsychology”, D. Dubois, and H. Prade, eds. International Handbook ofFuzzy Sets and Possibility Theory. 5 Applications Kluwer. Armsterdam.

TSIBOURIS, G. & M. ZEIDENBERG (1995), “Testing the efficient marketshypothesis with gradient descent algorithms”, In A.P. Refenes (ed.). Neural networks in the capital markets. Chichester, UK, Wiley, pp. 127-136.

WHITE, H. (1993), “Economic prediction using neural networks: the case of IBM daily stock returns”, In R.R. Trippi & E. Turban (eds.). Neural networks in finance and investing. New York, Irwin, pp. 315-328.


67


Estrategias contrarian y momentum:evidencia en Chile

Marcelo González A. Facultad de Economía y Negocios Universidad de Chile [email protected]

Abstract

This study analyses the possibility of getting economical gains (risk-adjusted) through two strategies, based only, in the historical trendof the prices. The Contrarian strategy, De Bondt y Thaler (1985), is based in the reversion of the trend of the prices, and the Momentumstrategy, Jegadeesh y Titman (1993), which is based in the continuation of the trend in the prices. The contrarian strategy classifies the stocks based in their performance during a previous 5years period, and recommends to buy the past losers, to sell the past winners and to keep them during a 3 to 5 years period. In a similarway, the momentum strategy, recommends to buy the past winners,to sell the past losers and to keep them during a 3 to 12 monthsperiod.

Testing the existence of theses anomalies in the Chileanmarket it is found, significant (theoretical) returns for a formation-test period of 24 months, in the case of the contrarian strategy and, significant (theoretical) returns for a formation-test period of 6 months, in the case of the momentum strategy.

Agradezco los comentarios de los árbitros anónimos. También agradezco a Germán Serrano, por su eficiente ayuda de investigación.


PESARAN, M.H. & A. TIMMERMANN (1992), “A simple nonparametric test of predictive performance”, Journal of Business and Economic Statistics 10, pp. 461-465.

POTERBA, J. M. & L.H. SUMMERS (1988), “Mean reversion in stock prices: Evidence and implications”, Journal of Financial Economics 22, pp. 27-59.

SMITHSON M.J. (1987), “Fuzzy Sets analysis for behavioral and social sciences”, Springer-Verlag. New York NY.

SMITHSON M.J. y G.C ODEN (1999), “Fuzzy Set Theory and applications inpsychology”, D. Dubois, and H. Prade, eds. International Handbook ofFuzzy Sets and Possibility Theory. 5 Applications Kluwer. Armsterdam.

TSIBOURIS, G. & M. ZEIDENBERG (1995), “Testing the efficient marketshypothesis with gradient descent algorithms”, In A.P. Refenes (ed.). Neural networks in the capital markets. Chichester, UK, Wiley, pp. 127-136.

WHITE, H. (1993), “Economic prediction using neural networks: the case of IBM daily stock returns”, In R.R. Trippi & E. Turban (eds.). Neural networks in finance and investing. New York, Irwin, pp. 315-328.



Resumen

Este estudio analiza la posibilidad de obtener beneficios económicos(ajustados por riesgo) mediante dos estrategias basadas únicamenteen la serie histórica de precios. La estrategia Contrarian, De Bondt y Thaler (1985), que confía en el cambio de sentido de los precios, yestrategia Momentum, Jegadeesh y Titman (1993), que se basa en la continuación de la trayectoria seguida por el precio. La estrategiacontrarian clasifica las acciones de acuerdo a sus rendimientos enun período previo de cinco años, y recomienda comprar losperdedores pasados y vender los ganadores pasados y mantenerlosdurante un período de tres a cinco años. La estrategia momentum de forma similar a la anterior, pero para períodos de tres a doce mesesrecomienda la compra de ganadores pasados y la venta de perdedores pasados.

Al probar la existencia de estas anomalías en el mercadochileno se encuentra rentabilidades (teóricas) significativas para laestrategia contrarian para un período de formación y prueba de 24meses y rentabilidades significativas para la estrategia de momentumpara un período de formación y prueba de 6 meses.

Palabras clave: Sobrereacción, subreacción, momentum, contrarian.

1. Introducción

Durante los últimos años la evidencia empírica ha arrojado anomalías que no han podido ser explicadas por la teoría financiera tradicional basada en la eficiencia de mercados.

Sin embargo, las últimas dos décadas han visto cómo un grupo de investigadores han propuesto una explicación para estas anomalías a través de una nueva disciplina, las finanzas conductuales, que combinan la teoría financiera con psicología y sociología.

La hipótesis de eficiencia de mercado asume que los precios incorporan toda la información relevante por lo que, en cualquier momento, se puede estimar de manera óptima el verdadero valor de un activo. Esta hipótesis se encuentra estrechamente relacionada con el supuesto de racionalidad de los inversionistas, que considera que


Estrategias contrarian y momentum: evidencia en Chile 69

los individuos tienen capacidad ilimitada para observar y procesar la información disponible en el proceso de toma de decisiones.

Una consecuencia inmediata de la hipótesis de eficiencia es la imposibilidad de obtener niveles anormales de rentabilidad en base a la información existente. A pesar de esto, uno de los tópicos que ha recibido mayor atención por parte de la comunidad financiera es la posibilidad de obtener beneficios económicos (ajustados por riesgo) mediante determinadas estrategias de inversión, siendo especialmente llamativas aquellas que se basan únicamente en la serie histórica de precios. De esta forma estrategias del tipo contrarian, De Bondt y Thaler (1985), que confía en el cambio de sentido de los precios, y la estrategia momentum, Jegadeesh y Titman (1993), que se basa en la continuación de la trayectoria seguida por el precio, son especialmente atractivas por las anomalíasde mercado en el cual se basan.

La estrategia contrarian clasifica las acciones de acuerdo a sus rendimientos en un período previo de tres a cinco años, y recomienda comprar los perdedores pasados y vender los ganadores pasados y mantenerlos durante un período de tres a cinco años. La estrategia momentum se realiza de una manera similar a la anterior, pero para períodos de tres a doce meses y se recomienda la comprade ganadores pasados y la venta de perdedores pasados.

La existencia de estas dos aparentes anomalías del mercado,podrían tener su origen en una explicación conductista, la cual sugiere que estas anomalías surgen porque los inversionistas se preocupan de ciertos atributos de las empresas, además de su riesgo sistemático, o que los inversionistas actúan irracionalmente ante la información de que disponen, o que tengan sesgos psicológicos al interpretar la información.

Las elevadas rentabilidades proporcionadas por las estrategias contrarian y momentum, aparentemente no justificables por su nivel de riesgo, han acaparado la atención de numerososinvestigadores y han dado lugar a un gran número de trabajos a nivel internacional. Sin embargo, estos dos fenómenos han recibido escasa atención en el mercado chileno.



La idea de este estudio es aportar evidencia acerca del comportamiento de estas dos estrategias en nuestro mercado con tal de ampliar el conocimiento existente en nuestro país sobre la materia1.

La metodología utilizada por el autor corresponde a la propuesta de De Bondt y Thaler, considerando los procedimientos:aritmético y buy and hold. Se consideraron períodos no traslapados de formación y prueba de 6, 12, 24, 36, 48 y 60 meses y un análisis de períodos traslapados de 24, 36, 48 y 60 meses. Esto último se realizó considerando la escasez de datos y la necesidad de replicar la estrategia contrarian un mayor número de veces a lo largo de la muestra.

Este artículo está organizado de la siguiente forma: en la sección 2 se presenta una revisión bibliográfica donde se explicará en profundidad las anomalías en las que se basan las estrategias contrarian y momentum, sus causas y características y las consecuencias que provocan en las decisiones de los inversionistas. Posteriormente en la sección 3 se describirán brevemente las estrategias contrarian y momentum, para luego mostrar las metodologías utilizadas para probar su existencia en el mercadoaccionario chileno. En la sección 4 se presentan los resultados obtenidos. Finalmente, las conclusiones se presentan en la sección 5.

2. Revisión bibliográfica

La estrategia de inversión contrarian descansa sobre la esperanza de un cambio en el sentido de los precios y la estrategia de inversión momentum descansa sobre la esperanza de una continuación en la

1La implementación práctica, tanto de estrategias contrarian y momentum, en la forma que se han descrito, requiere el uso del mecanismo de venta corta. Sin embargo, como bien lo ha señalado uno de los árbitros anónimos,para el caso del mercado chileno, la posibilidad de hacer venta corta es muyrestringida, por lo cual, los resultados que se obtienen en este estudio se deben tomar con mucha precaución, pues serían más bien teóricos que prácticos.



trayectoria de los precios. Así de esta forma, la estrategia contrarianestá estrechamente relacionada con una sobrereacción de los precios y la estrategia de momentum está fuertemente relacionada con una subreacción de los precios.

Aunque el efecto subreacción y sobrereacción están bastante bien documentados en la literatura financiera, todavía es difícil de decir por qué ocurren. Un conjunto de explicaciones se relacionan con la manera en que los inversionistas toman sus decisiones, desde el punto de vista psicológico. La subreacción es quizás similar al fenómeno del conservadurismo en el cual los individuos son lentos para cambiar sus creencias. Aunque ajustan sus creencias a la luz de la nueva evidencia, el ajuste es aun demasiado pequeño. La sobrereacción quizás se relaciona con el optimismo y la representatividad heurística, en los cuales los individuos ven patrones ascendentes de comportamiento donde no hay ninguno.

Sin embargo, un serio problema con las explicaciones psicológicas, es que frecuentemente son inconsistentes unas con otras, y son más importantes a posteriori. Cuando el mercadosubreacciona se dice que es causado por el conservadurismo; y cuando hay sobrereacción se dice que es causada por el optimismo.Es decir, si la psicología fuera una explicación útil del comportamiento de mercado, debería identificar la situación bajo la cual es probable que exista subreacción o sobrereacción.

Barberis et al. (1998) intentan unir las ideas de conservadurismo y de optimismo, basándose en lo que ellos llaman“la fuerza y el peso de la evidencia”, donde la fuerza se relaciona con el tamaño de la señal, mientras que el peso nos indica cuánta atención debemos prestarle a ella. Si se asocian estas ideas a las ganancias tenemos que: la fuerza de un anuncio de ganancias es probablemente su tamaño y el peso de un anuncio de ganancias es probablemente sus implicaciones para el pronóstico de las ganancias del próximo período.

Así por lo tanto, podríamos decir que lo que conduce a la sobrereacción y subreacción es que los inversionistas se centran demasiado en la fuerza y muy poco en el peso. Por lo que tendríamos que:



- La subreacción tenderá a ocurrir con señales de baja fuerza y de alto peso.

- La sobrereacción tenderá a ocurrir con señales de alta fuerza y de bajo peso.

Investigaciones previas sugieren que los inversionistas no dan bastante énfasis al peso de una señal. Un ejemplo relativamentereciente es de Sloan (1996) donde se encuentra que el componenteflujo de caja en las ganancias es más estable, y posee mayor poder predictivo que las ganancias acumuladas. Sin embargo, el mercadoparece no hacer caso de esto, y reacciona fuertemente al monto de las ganancias. Donde los inversionistas no distinguen entre las ganancias con un alto componente de flujo de caja y las ganancias con un bajo componente de flujo de caja.

En investigaciones anteriores se ha documentado que el fenómeno de subreacción ocurre durante el período en el cual se anuncia la señal. En los períodos siguientes, entre 1-12 meses, la subreacción se corrige y se aprecian autocorrelaciones positivas en los retornos. Si se piensa que las ganancias tendrán reversión a la media cuando de hecho llevan una caminata aleatoria, entonces poco peso será puesto en un anuncio en particular de ganancias y así por lo tanto habrá subreacción. Mas generalmente, la subreacción ocurrirá si el mercado cree que las ganancias son más estacionarias de lo que realmente son. Por lo tanto, la subreacción se encontrará muy probablemente cuando los acontecimientos sean bajos en fuerza pero altos en peso y este alto peso no sea apreciado por el mercado.

Por otro lado, la sobrereacción ocurre cuando el inversionista responde a lo que parece ser un patrón consistente de noticias que señalan en la misma dirección. El inversionista falsamente cree que el patrón de noticias señala una tendencia, cuando de hecho el supuesto patrón es aleatorio. Por consiguiente, los valores se sobreestiman durante un período de 3-5 años y posteriormente sus retornos decaen. La sobrereacción es conducida por una tendencia de ver un patrón en alza (o caída), donde no existe ninguno,



fenómeno que es llamado representatividad heurística. La sobrereacción ocurrirá con mayor probabilidad, por lo tanto, el patrón de acontecimientos es alto en fuerza, pero bajo en peso. Este fenómeno es una señal que genera varios choques positivos, que los inversionistas falsamente ven como una tendencia. Pero los acontecimientos tienen bajo peso (es decir no indican una tendencia).

Otro acercamiento para explicar estos fenómenoscorresponde al trabajo de Daniel et al. (1998) los que intentan integrar subreacción y sobrereacción usando pruebas psicológicas sobre el comportamiento individual, basándose en dos ideas:

- En primer lugar, el descubrimiento en psicología de que los individuos poseen exceso de confianza en si mismos.

- En segundo lugar, la idea de sesgo de autoatribución.

Se dice que el exceso de confianza es más acentuado para tareas difusas (aquellas que requieren de un juicio) y para aquellas con reacción retardada. También se observa que los expertos tienden a tener más exceso de confianza que los inexpertos.

El sesgo de autoatribución se refiere a cómo los inversionistas ajustan sus creencias cuando la información pública es revelada. Cuando la información pública está de acuerdo con las creencias privadas previas, entonces su confianza crece. Sin embargo, ésta no cae proporcionadamente cuando la informaciónpública contradice sus creencias privadas. Cuando la informaciónpública no confirma su información privada, ellos tienden a interpretar el resultado como mala suerte.

Estas ideas se fundamentan en que cuando se recibe información privada los inversionistas tienden a sobrereaccionar a partir de ésta. Esto da lugar a una sobrereacción de los precios a corto plazo. Cuando la información privada contiene noticias buenas, entonces el precio de la acción se elevará demasiado; del mismo modo, si la información privada contiene malas noticias, entonces el precio de la acción caerá demasiado. Si la información



pública posterior confirma la información privada, entonces la sobrereacción será adicionalmente potenciada. Sin embargo, cuando una nueva información pública indica que el precio de la acción es demasiado alto (o demasiado bajo), entonces habrá un ajuste de precios en la dirección correcta. Pero el ajuste al precio racional será mucho más lento que la sobrereacción anterior.

La idea principal se muestra en la figura 1. Allí hay individuos informados (I) y no informados (U), comercian los unos con los otros. La línea continua gruesa especifica que sucede con el precio de la acción, y la línea continua delgada muestra la senda racional de precios. Nos concentraremos en el caso de las buenas noticias. En la fecha 1, el individuo I recibe una señal privada ruidosa, que es malinterpretada y por lo tanto el precio sube por encima de su valor racional. En la fecha 2, se recibe una señal pública ruidosa la que hace bajar levemente el optimismo anterior; en la fecha 3, se recibe una señal pública inequívoca, reduciendo el precio a su nivel racional.

Figura 1 Precio esperado en función del tiempo,

con inversionistas con excesiva confianza

Pre

cio

Esp

erad

o

1 2 3 4

Tiempo

Valor racional esperado

Valor racional esperado

Señal privada desfavorable

Señal privada favorable



Este ajuste da lugar a que si un precio sube por sobre su nivel racional se producirá una reversión a la media que llevará el precio a su nivel racional (valor justo). Este comportamiento está claramenterelacionado con las reversiones de largo plazo en el precio. Sin embargo, lo que no está claro es que parte de la literatura que muestra estas anomalías se basa en la sobrereacción inicial.

En el modelo básico tenemos una situación en la cual una sobrereacción previa a una señal privada, se revierte gradualmente,primero por una señal pública ruidosa y luego por una señal pública inequívoca. ¿Pero cómo se incrementa esta señal pública ruidosa? Daniel et al. especulan que justo antes de una señal pública ruidosa, los gerentes de compañías o los analistas reciben una segunda señal privada y luego toman medidas en base a ésta, ajustando a largo plazo a la sobrereacción inicial. Veamos algunos ejemplos.

Suponga que los inversionistas en un principio reciben malasnoticias (privadas) sobre la compañía y luego reaccionan de maneraexagerada a ésta. Los gerentes de la compañía entonces reciben la información privada de que la compañía esta siendo seriamentesubvalorada, porque por ejemplo se ha analizado su situación con respecto a sus competidores. A fin de convencer al mercado de que ellos deberían tener un mayor valor de mercado (quizás a fin de no ser despedidos o de obtener bonos), los gerentes deciden inflar sus ganancias. Esta señal pública lentamente hace que el mercado se ajuste hacia el precio racional.

Del mismo modo, los gerentes de compañías sobrevaloradas pueden ajustar ganancias hacia abajo por miedo a la intervención de regulaciones del gobierno. El mercado se adaptará hacia abajo en respuesta al anuncio de ganancias, pero el continuo ajuste hacia abajo es una respuesta a la sobrevaloración inicial más que una subreacción al anuncio de ganancias.

Bajo este punto de vista se muestra que no habrá subreacción para cada anuncio público, pero habrá subreacción sólo para aquellos que están tratando de rectificar la desviación del precio



anterior. Estos anuncios son llamados eventos públicos selectivos porque están relacionados con el desalineamiento de los precios.

Hasta aquí nos hemos concentrado en la idea de que los inversionistas reaccionan de manera exagerada a su informaciónprivada, y que ellos se ajustan lentamente cuando una señal pública los contradice. No se ha hablado mucho respecto de un aspecto de la teoría de autoatribución, que es cuando una señal pública refuerza creencias privadas, por lo que la confianza aumenta aun más. Existe evidencia en las lecturas de psicología que muestra que este aumento de la confianza ocurre en situaciones donde la retroalimentación, en cuanto a información respecta, es lenta o poco concluyente y donde los juicios personales están significativamenteinvolucrados. Si este es el caso entonces sería esperable observar este fenómeno, por ejemplo, en acciones con un alto ratio P/E. Esta situación se ilustra por la línea punteada de la figura 1. Si la señal pública ruidosa confirma las creencias privadas, entonces la sobrereacción seguirá creciendo, y el precio se alejará cada vez másde la línea del valor racional. En este escenario un conjunto de anuncios de ganancias posteriores se pueden ver de una de estas dos formas:

- La continuación de la sobrereacción ocurrida después de una señal pública ruidosa.

- La posterior reversión (a través de nueva informaciónpública) que sufren los precios ante un desalineamiento con la anterior información.

3. Estrategia contrarian y de momentum en el mercado accionario chileno

Uno de los artículos más influyentes y más polémicos publicados sobre este tema, es el de Bondt y Thaler (1985), el cual demuestracambios significativos en la dirección de los retornos en períodos largos de tiempo. Específicamente, las acciones que han mostrado



los retornos más bajos (los perdedores) durante los 3 o 5 años anteriores (período de formación), lo hacen mejor durante los 3 o 5 años siguientes (período de prueba) que los que habían tenido previamente retornos positivos más altos (los ganadores). Si esta hipótesis fuera verdad, la estrategia contrarian, es decir el resultado de la construcción de un porfolio de inversión que tome una posición larga respecto a los perdedores y una corta con respecto de los ganadores, obtendría un significativo retorno positivo en un período dado de prueba.

De Bondt y Richard Thaler (1985) interpretan la evidencia encontrada como resultado del comportamiento irracional de los inversionistas. Estos autores basan sus teorías en los resultados de Kahneman y Tversky (1982) en el campo de la psicología cognitiva, que sugieren que cuando los inversionistas revisan sus perspectivas, tienden a sobreestimar la información reciente y a subestimar la información pasada. Esto conduce a un excesivo optimismo para las buenas noticias (nuevas) y un extremo pesimismo para las malasnoticias (nuevas). Tal situación puede hacer que los precios de las acciones se desvíen temporalmente de sus valores fundamentales.Esta potencial violación de la hipótesis de eficiencia de mercado se conoce como el efecto sobrereacción.

La evidencia empírica presentada hasta ahora, se ha concentrado básicamente en los Estados Unidos. La mayoría de los estudios económicos como es bien sabido se realizan en ese país, y luego se buscan estos mismos fenómenos en otros mercadosinternacionales. Este evento particular también se ha observado en otros mercados financieros que no se basan en acciones. Stein (1989); Mao, Rao y Sears (1989), encuentran que los mercados de las opciones y futuros sobre bonos del tesoro reflejan una sobrereacción de los inversionistas.

Por otra parte, también se han observado ciertos patrones que contradicen totalmente la teoría de la sobrereacción. Jegadeesh y Titman (1993), por ejemplo, detectaron que en el mercado de Estados Unidos, la estrategia de compra de acciones que han proporcionados altos retornos, y vender simultáneamente las que



han experimentado caídas, produce retornos futuros significativamente positivos cuando estos porfolios son formados y mantenidos por períodos de 3 a 12 meses. Estos resultados indican una tendencia o momentum en lo retornos de corto plazo.

Consistente con el fenómeno psicológico conocido comoconservadurismo, (Edwards, 1968), los retornos anormalesobtenidos por las estrategias de momentum podría ser debido a una subreacción de los precios a la información reciente, (de uno a tres meses). Es decir, incorporar el efecto de las noticias gradualmenteen los precios, de modo que tiendan a tener autocorrelaciones positivas durante estos períodos.

Estos dos fenómenos, no son necesariamente contradictorios, por lo que pueden ser perfectamente compatibles el uno con el otro. La hipótesis de subreacción supone que los inversionistas no reaccionan lo suficientemente rápido a las noticias sobre un acontecimiento aislado, lo que significa que los precios después de algún acontecimiento continúan teniendo la misma tendencia (positiva o negativa). La hipótesis de sobrereacción, por otra parte, sugiere que los inversionistas reaccionan con optimismo excesivo, o pesimismo excesivo sobre una serie de buenas o malas noticias. La sobrereacción inicial causa eventualmente una reversión a la tendencia de los precios, ya que cuando los inversionistas hacen sobrereaccionar los precios, ellos causan que se desvíen de sus valores fundamentales.

Asombrosamente, muy pocos estudios se han publicado sobre la existencia del efecto sobrereacción en nuestro mercado. Por lo tanto, el objetivo principal de este estudio, es proporcionar evidencia que apoye la validez de la hipótesis de sobrereacción y subreacción. En el caso de la sobrereacción, si ésta fuese correcta, De Bondt y Thaler (1985) sugieren dos consecuencias fundamentales que podrían ser observadas:

- Cualquier cambio extremo en los precios de una acción dada debe ser seguido por un cambio posterior en la dirección opuesta.



- Cuánto mayor es el cambio inicial del precio original en una dirección, mayor debería ser el reajuste posterior en la dirección opuesta.

A continuación se describen los datos usados y la metodologíaempleada. Los llamados procedimientos aritméticos y buy and hold que se describirán posteriormente son utilizados para la formación y prueba de los retornos.

A. Datos y metodología

La idea básica detrás de la hipótesis de sobrereacción es la posibilidad de que los precios de las acciones se desvíen sistemáticamente de sus valores fundamentales, de modo que usando la información disponible en su retorno pasado, puede ser estimadala dirección de sus cambios.

Nos centraremos en las acciones que han demostradoretornos residuales anormales en períodos de tres años, e identificándolos, formaremos dos porfolios, uno para los ganadores y otra para los perdedores. Antes de hacer esto, sin embargo,debemos elegir un método para obtener los retornos residuales. La literatura financiera existente nos muestra tres métodos básicos que se han empleado generalmente:

- Residuos del modelo de mercado,- Exceso de retornos ajustados por el mercado, y - Excesos de retornos obtenidos por CAPM2.

2Se agradecen los comentarios de uno de los árbitros anónimos, referente al uso de modelos de valoración de activos que serían más apropiados al caso del mercado chileno, como el APT. El CAPM se ha usado en este estudio por ser elmodelo más conocido pero se ha considerado el uso de otros modelos para futurasinvestigaciones.



En esta primera parte del estudio, usaremos el segundo procedimiento de la lista basándonos en el artículo de Bondt y Thaler (1985) para obtener los residuos o retornos anormales. Luego en esta misma sección se procederá a una variación del procedimiento original de Bondt y Thaler, llamado buy and hold,que como se verá mas adelante, nos permitirá solucionar dos posibles problemas del procedimiento original.

a. DATOS

Para el análisis se ha utilizado retornos mensuales, ajustado por dividendos y splits, considerando las acciones del mercado chileno durante el período enero 1989 – diciembre 20033. El número de acciones consideradas fue de 65 a partir de enero de 1989 concluyendo con 138 en enero del 20014. Como retorno de mercadose utilizó el retorno mensual del índice IGPA para el período febrero 1989 y diciembre 2003. Para el retorno del activo libre de riesgo se utilizó un pagaré reajustable del Banco Central de Chile (PRBC) a 90 días, durante el período febrero 1989 hasta agosto 2001. A partir de septiembre 2001 hasta diciembre 2003, se utilizó un pagaré descontable del Banco Central de Chile (PDBC) a 90 días. Ambosfueron considerados en términos nominales.

3Los datos se obtuvieron de la base de datos accionarios del Departamento de Administración de la FEN de la U. de Chile y condicionan el período en estudio, ya que se cuenta con ellos en forma confiable desde 1989.

4Se hace referencia a las acciones consideradas según un horizonte detiempo de 24 meses para sus respectivos períodos de formación. Se debe mencionar que para los horizontes de tiempo de 6, 12, 36, 48 y 60 meses la cantidad de acciones consideradas para los períodos de formación a partir de enerode 1989 a enero de 2003 no varía significativamente con respecto a lo consideradopara un horizonte de 24 meses. Para ver la lista de empresas consideradas para unhorizonte de 24 meses, véase el anexo 1.



b. METODOLOGÍA

Habiendo definido cómo se calculan los residuos o retornos anormales en cada acción, y observando las restricciones impuestaspor los datos que se emplearán en el estudio, nuestro paso siguiente es describir cómo los porfolios de ganadores y de perdedores se forman, y finalmente, los procedimientos estadísticos que permitiránque verifiquemos la validez de la hipótesis de sobrereacción. Para esto, utilizaremos el método empleado por De Bondt y Thaler (1985), que es, en hecho, el que se ha utilizado más extensivamenteen la literatura de este tema hasta la aparición del artículo de Lakonishok, Andrei Shleifer y Robert Vishny, ContrarianInvestment, Extrapolation and Risk (1994).

Comenzando en “Enero de 1989” (fecha de formación, t=0),primero obtendremos las retornos ajustado por el índice de mercado,para cada una de la acciones incluidas en nuestra muestra durante los h meses anteriores, donde h será igual a: 6, 12, 24, 36, 48,60; dependiendo del horizonte de tiempo que se desee probar, lo que queda definido como sigue:

Mtjtji RRu

donde,

jtu es el retorno ajustado por el mercado de la acción j en el mes t,jtR es el retorno de la acción j para el mes t, yMtR es el retorno del índice de mercado utilizado.

Los retornos ajustados por el mercado acumulados se calculan para los h meses anteriores (período de formación), para cada acción:

0

htjtj uCU (1)



Los retornos acumulados de todas la acciones son clasificados, desde el más bajo al más alto, y así los porfolios se forman según esta clasificación. El quintil de acciones con los retornos acumulados más altos se asignan al porfolio ganador (W), y al quintil con los retornos acumulados más bajos a los perdedores (L). Este procedimiento se repetirá, por ejemplo, (de aquí en adelante) 6 veces por cada período de dos años sin traslapo de los períodos de formación entre enero 1989 y diciembre 2001. Así, los porfolios son formados observando el comportamiento de los retornos en exceso acumulados en los períodos anteriores (período de formación).

Posteriormente, los retornos anormales promedios del número total de acciones de ambos porfolios, ganadores y perdedores, se calculan para cada uno de los 6 períodos de prueba de dos años sin traslapo entre diciembre 1990 y diciembre 2003, y para cada uno de los 24 meses de cada período, como sigue:

12,...,2,1;24,...2,1;1

12,...,2,1;24,...2,1;1

itun

AR

itun

AR

jitLit

jitWit

donde,

n representa el número de acciones que se incluye en cada porfolio,

i se refiere al período en consideración, yAR a los retornos anormales en un porfolio determinado.

Si el retorno de una acción desaparece en cualquier mes dado después de la formación del porfolio, es calculado con el promediode los retornos residuales disponibles. Por lo tanto, cuando una acción para de transar, se hace una liquidación de ésta y se invierte el dinero obtenido en las acciones restantes del porfolio.



El paso siguiente es calcular los retornos anormalesacumulados para cada grupo de 24 meses de los 6 períodos de la prueba:

12,...,2,1;24,...,2,1;

;12,...2,1;24,..2,1;

1

1

itARCAR

itARCAR

t

LiLt

t

WiWit

(2)

Una vez que hayamos obtenido los CAR´s para los diversos períodos de prueba, entonces calculamos el CAR promedio para cada porfolio y para cada mes del período de prueba, entre t=1 y t=24.Éstos se denotan como y , y se calculan comosigue:

wtACAR LtACAR

24,...2,1,1

24,...2,1,1

1

1

tCARN

ACAR

tCARN

ACAR

N

iLitLt

N

iwitwt

(3)

donde,

N representa el numero de períodos de prueba, 6 en este caso.

Si existe una sobrereacción5, esperaríamos observar lo siguiente durante el período la prueba:

.24,...,1,0.24,...,2,1,0;24,...,2,1,0

tACARACARACARtACARtACAR

WtLtEC

Lt

wt

5En el caso de una relación inversa de estas inecuaciones estaríamosfrente a un fenómeno de subreacción, lo que según anteriores investigaciones es de esperarse ocurra para períodos de formación-prueba de 3 a 12 meses.



Si, por otra parte, el mercado es eficiente, las desigualdades anteriores deberían desaparecer6.

Para verificar si los ACAR' s son significativamentediferentes de cero en los primeros dos casos, utilizamos la prueba estándar t en y , ya que la varianza de la población es desconocida.

LtACAR WtACAR

Para verificar la validez de la estrategia contrarian, la hipótesis nula prueba si los perdedores y los ganadores tienen el mismo ACAR:

Ns

ACARACARt

t

WtLtt 22

)(

donde,

)1(2

)()(1 1

22

2

N

ACARCARACARCARs

N

i

N

iLtLitWtWit

t

pero la principal prueba de igualdad, aplicada por De Bondt y Thaler (1985), supone que las dos muestras, WitCAR y LitCAR son independientes una de otra. Para solucionar este problema tambiénprobamos el CEt , es decir, la diferencia entre y R es significativamente distinta de cero:

ACAR WitCAR LitCAR

Ns

ACARt

CEt

CEtLt

donde,

6EC corresponde al porfolio producto de la estrategia contrarian.



)1(

)(1

2

N

ACARCARs

N

iCEtCEit

CEt

Finalmente, si deseamos evaluar la influencia de los retornos anormales medios, AARʼs, en el ACARʼs durante un mes dado t,debemos verificar si los anteriores son significativos o no.

Con este método, hemos hecho un primer acercamiento hacia la existencia o no de un efecto de sobrereacción. Ahora consideraremos la posibilidad de que el cambio de la dirección observado en los retornos en la estrategia contrarian puede, de hecho, ser debido a los diversos niveles de riesgo entre los porfolios ganador y perdedor, así como a cambios en el nivel del riesgo entre el período de formación y período de prueba. Para verificar si esta posibilidad es verdadera o no, utilizamos el método propuesto por Chan (1988), en el cual la siguiente regresión se hace para los períodos de formación y prueba:

;)(

)()1(

ptitiftiMtipD

ftiMtipFtipTtipFfitpti

DRR

RRDDRR(4)

t =-23,...,0,...,24; p =L,W; F = formación; T = prueba; i = 1, 2, 3,...,6.

donde,

ptR son los retornos de los porfolios ganadores o perdedores durante el mes t;

ftR es retorno libre de riesgo durante el mes t;MtR son los retornos del índice de mercado durante el mes t;tD es una variable Dummy, que toma el valor uno durante el

período de prueba (t>0) y cero durante el período de la formación ; lo que permite que estimemos diversos intercepciones y betas durante ambos períodos;

)0(t



pF y pT son retornos anormales ajustadas por riesgo, o alfas de Jensen, para el período de formación y el período de prueba respectivamente;

pF es el riesgo sistemático del porfolio p durante el período de la formación;

pD mide el cambio observado en el riesgo sistemático del porfolio p entre el período de formación y el período de prueba, de modo que el beta para el período de la prueba es )( pDpF ;

pt es el término de error, que se asume que esta distribuido normalmente con media cero y varianza durante el período de formación y durante el período de prueba.

2pF

2pT

La hipótesis nula, , implica la ausencia de sobrereacción de los inversionistas. Un significativo

0Tp

0pT )0( pT para losperdedores durante el período de prueba, indica un cambio (o una continuación) en la dirección del precio, y viceversa para los ganadores.

Esta ecuación indicará si la estrategia contrarianproporciona retornos anormales o no:

;)(

)()1(

CEtitiftiMtiCED

fitMtiCEFtiCEFtiCEFWtiLti

DRR

RRDDRR(5)

t = -23,...,0,...,24; i = 1, 2, 3,...,6.

B. Análisis del procedimiento usado para calcularlos retornos de largo plazo

El método empleado para calcular los retornos promedio para un cierto período es una operación mas delicada de lo que parece ser a primera vista, y podría ser el origen de muchas anomalíasobservadas dentro del mercado, particularmente cuando se consideran los retornos a largo plazo. A lo largo de estas líneas, Blume y Stambaugh (1983) sugieren que, dado la divergencia



existente entre los precios de cierre observados y los precios verdaderos, los retornos calculados con los precios de cierre estén sesgados en forma ascendente como consecuencia del bid-ask bias.Por lo tanto dependiendo del método empleado en calcular los retornos, este sesgo puede hacer que resultados normales parezcan anormales. En su estudio, Blume y Stambaugh (1983) demostraronque este sesgo puede ser eliminado casi completamente cuando los retornos se calculan con el método buy and hold.

En vista de la evidencia anterior, Conrad y Kaul (1993) observan que la estrategia contrarian podría exagerar falsamentetales retornos, puesto que, cuando los retornos de largo plazo se calculan con el método aritmético, acumulan no solamente los retornos a corto plazo verdadero, sino también, un sesgo ascendente en cada uno de los retornos para cada período individual.

Además, Conrad y Kaul (1993) y Ball et al. (1995) detectan un mayor sesgo ascendente en los retornos de acciones de menorprecio que en las más caras. Por lo tanto, si la acciones perdedoras, en promedio, tienen precios mas bajos que los ganadores, los retornos de los porfolios contrarian demostrarán obviamente un sesgo ascendente que no es de manera alguna relacionada con una sobrereacción del mercado. Para resolver este problema, Conrad y Kaul (1993) proponen medir los retornos a largo plazo de la estrategia contrarian por medio del procedimiento Buy and Hold.

Considerando estas observaciones, aplican la metodología de De Bondt y a Thaler (1985) otra vez, pero substituyendo ecuaciones (1) y (2) por:

;1)1(1)1(0

35

0

35

&

tMt

tjt

HBj RRCU (6)

;1)1(1)1(111 1

&,,

t

M

n

j

t

JHBtip RR

nCAR (7)

t = 1,...36 p = L,W i = 1,…N



Un problema experimentado cuando se utilizan los procedimientosanteriores es el requisito de que los diferentes períodos de prueba sean no traslapados, para asegurar independencia al calcular los estadísticos.

Esta restricción causa la reducción de un gran número de períodos disponibles de prueba, que alternadamente reduce la relevancia de los estadísticos obtenidos. En un esfuerzo de superar este problema, Ball y Kothari (1989) proponen un procedimientoque permite un traslapo entre los períodos de formación y prueba.

Siguiendo las recomendaciones de estos autores, al principio de cada año calendario a partir de 1989 a 2003 (un total de 12 porfolios de formación) las acciones ahora se clasifican según sus retornos acumulativos buy and hold (la ecuación (6)) por los dos años anteriores (si el horizonte a probar es de 24 meses), y, de nuevo, los quintiles extremos se asignan igualmente a sus dos portfolios (los ganadores y los perdedores).

4. Resultados

Una vez explicada la metodología, presentaremos los resultados obtenidos por los portfolios ganador y perdedor de los quintiles superior e inferior respectivamente, cuando son considerados horizontes de tiempo de 12, 24, 36, 48 y 60 meses. Utilizando las metodologías aritméticas y buy and hold.

A. Resultados iniciales con metodología aritméticade formación y prueba de datos

Tanto en la tabla 1A como 1B se muestran los resultados obtenidos a través de la metodología original de Bondt y Thaler. En estas tablas consideramos períodos de formación y prueba de 6, 12, 24, 36, 48, y 60 meses para la primera, y 24, 36, 48, y 60 para la segunda.



Tabla 1A ACARʼs aritméticos sin traslapo durante el período de prueba

Mes después de la fecha de formación del portfolio PORTFOLIO 6 12 24 36 48 60

Panel A: periodos de formación y prueba de 6 mesesLosers -0,0019P-value 0,9561 Winners 0,0829P-value 0,0772 Loser-Winner -0,0848P-value 0,1234 Panel B: períodos de formación y prueba de 12 mesesLosers 0,0639 0,1411P-value 0,0068 0,0097Winners 0,0987 0,1316P-value 0,0050 0,0082Loser-Winner -0,0347 0,0095P-value 0,3825 0,8549Panel C: períodos de formación y prueba de 24 mesesLosers 0,0358 0,1201 0,3558P-value 0,0937 0,1417 0,0265Winners 0,0236 0,0041 0,1073P-value 0,2146 0,8110 0,0114Loser-Winner 0,0122 0,1160 0,0248P-VALUE 0,7167 0,1101 0,1028Panel D: períodos de formación y prueba de 36 mesesLosers 0,0337 0,2609 0,2929 0,3536P-value 0,1453 0,0598 0,0777 0,0333Winners 0,0274 0,0454 0,0814 0,0602P-value 0,2034 0,0688 0,2585 0,1999Loser-Winner 0,0063 0,2155 0,2115 0,2934P-value 0,8291 0,1948 0,1132 0,0164Panel E: períodos de formación y prueba de 48 mesesLosers 0,0034 -0,0017 0,0743 0,2310 0,1993Winners -0,0093 0,0325 0,0802 0,0846 0,2027Loser-Winner 0,0126 -0,0342 -0,0059 0,1464 -0,0035Panel F: períodos de formación y pueba de 60 mesesLosers 0,0472 -0,0384 0,3547 0,1897 0,3701 0,4208Winners 0,0322 0,0109 0,1127 0,2237 0,2567 0,2731Loser-Winner 0,0150 -0,0493 0,2420 -0,0340 0,1133 0,1476Los pvalues mostrados corresponden a la hipótesis nula

WLWLPACARH P ,,,0:0

En la tabla 1A se observan los resultados sin traslapo y en la tabla 1B se muestran resultados con traslapo, los que se incluyeron de manera ilustrativa en este estudio ya que dado su construcción (traslapado) impiden la inclusión de estadísticos que corroboren la significancia de los mismos.



Puede ser fácilmente verificado, en el caso sin traslapo (tabla 1A y gráficos 1A), la estrategia contrarian produce retornos positivos cuando se consideran períodos de 24 y 36 meses,diluyéndose su preponderancia a partir de los 48 meses. Por otro lado, la estrategia momentum produce retornos positivos sólo cuando se considera un período de formación y prueba de 6 meses y débilmente positivo cuando se consideran 12 meses.

Gráficos 1A ACAR´s obtenidos con método aritmético sin traslapo

ACAR LOSER V/S ACAR WINNER SIN TRASLAPO (6 meses)

-10%

-8%

-6%

-4%

-2%

0%

2%

4%

6%

8%

10%

1 2 3 4 5 6

ACAR LOSER ACAR WINNER ACARL-ACARW

ACAR LOS ER V/ S ACAR WI NNER S I N TRAS LAP O ( 12 me se s)

-10%

-5%

0%

5%

10%

15%

20%

1 2 3 4 5 6 7 8 9 10 11 12

ACARL ACARW ACARL-ACARW

(Continúa)



ACAR LOSER V/S ACAR WINNER SIN TRASLAPO (24 meses)

-5%

0%

5%

10%

15%

20%

25%

30%

35%

40%

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24


ACAR LOS ER V/ S ACAR WI NNER S I N TRAS LAP O ( 3 6 me se s)

-5%

0%

5%

10%

15%

20%

25%

30%

35%

40%

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35



-10%

-5%

0%

5%

10%

15%

20%

25%

30%


(Continúa)




-20%

-10%

0%

10%

20%

30%

40%

50%

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59


En el caso con traslapo (tabla 1B y gráficos 1B), la estrategia contrarian también produce retornos positivos cuando se consideran períodos de formación y prueba de 24 y 36 meses, pero luego, cuando se consideran períodos de formación y prueba de 48 mesesse revierte y finalmente en el período de formación y prueba de 60 meses presenta una débil ganancia. Se debe hacer hincapié que en el caso de los resultados con traslapo son solamente ilustrativos dado la imposibilidad de ser probada su significancia.

Tabla 1B ACARʼs aritméticos con traslapo durante el período de prueba

Mes después de la fecha de formación del portfolio PORTFOLIO 6 12 24 36 48 60

Panel C: períodos de formación y prueba de 24 mesesLosers 0,0377 0,1366 0,3173Winners 0,0063 -0,0067 0,0423Loser-Winner 0,0315 0,1432 0,2751Panel D: períodos de formación y prueba de 36 mesesLosers 0,0372 0,1275 0,2268 0,3556Winners 0,0211 0,0232 0,0432 0,0668Loser-Winner 0,0160 0,1043 0,1836 0,2888Panel E: períodos de formación y prueba de 48 mesesLosers 0,0382 0,0967 0,1602 0,2663 0,2858Winners 0,0081 0,0179 0,0444 0,1180 0,1750Loser-Winner 0,0301 0,0787 0,1157 0,1484 0,1109

(Continúa)



Panel F: períodos de formación y prueba de 60 mesesLosers 0,0348 0,0983 0,2084 0,1834 0,2595 0,3366Winners 0,0095 0,0251 0,0628 0,1447 0,2201 0,2772Loser-Winner 0,0254 0,0732 0,1457 0,0387 0,0395 0,0594Los pvalues mostrados corresponden a la hipótesis nulaH0: ACARp = 0,P = L,W,L-W

Gráficos 1B ACAR´s obtenidos con método aritmético con traslapo

ACAR LOS ER V/ S ACAR WI NNER CON TRAS LP O ( 2 4 me se s)

-5%

0%

5%

10%

15%

20%

25%

30%

35%

40%

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24


ACAR LOS ER V/ S ACAR WI NNER CON TRAS LAP O ( 3 6 me se s)

- 5 %

0 %

5 %

10 %

15 %

2 0 %

2 5 %

3 0 %

3 5 %

4 0 %

1 3 5 7 9 11 13 15 17 19 2 1 2 3 2 5 2 7 2 9 3 1 3 3 3 5


(Continúa)



ACAR LOS ER V/ S ACAR WI NNER CON TRAS LAP O( 4 8 me se s)

0%

5%

10%

15%

20%

25%

30%

35%


ACAR LOS ER V/ S ACAR WI NNER CON TRAS LAP O ( 6 0 me se s)

-5%

0%

5%

10%

15%

20%

25%

30%

35%

40%

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59


B. Resultados con metodología buy and holdde formación y prueba de datos

Como se mencionó anteriormente, los resultados iniciales obtenidos con la metodología aritmética pueden verse seriamente afectados por los sesgos de microestructura señalados por Conrad y Kaul (1993), especialmente para estrategias con largos períodos de prueba, ya que los retornos han sido acumulados usando el procedimiento aritmético. Para evitar este problema y ademásobtener mayores réplicas de la estrategia, dado los pocos períodos que se poseen en el caso accionario chileno, los cálculos son realizados nuevamente, usando el procedimiento buy and bold, para



los horizontes de tiempo de 24, 36, 48 y 60 meses, no pudiendo probar la significancia para el horizonte de 60 meses dado su reducido número de réplicas. Los resultados obtenidos (tabla 1C y gráficos 1C) muestran una caída de la rentabilidad obtenida por la estrategia contrarian, como era esperado, aunque continúa siendo una estrategia atractiva cuando se considera un horizonte de 24 meses.

Tabla 1C ACARs BH durante el período de prueba

Mes después de la fecha de formación del portfolio

PORTFOLIO 6 12 24 36 48 60Panel A: períodos de formación y prueba de 24 mesesLosers 0,0726 0,1186 0,4404P-value 0,1766 0,2065 0,0547Winners 0,0477 0,0320 0,0776P-value 0,4038 0,6390 0,1234Loser-Winner 0,0248 0,0865 0,3628P-value 0,5195 0,3429 0,0908Panel B: períodos de formación y prueba de 36 mesesLosers 0,0114 0,0899 0,2592 0,4006P-value 0,5909 0,1936 0,0177 0,0025Winners 0,0330 0,0552 0,1284 0,2331P-value 0,1315 0,2970 0,1164 0,0441Loser-Winner -0,0215 0,0327 0,1308 0,1675P-value 0,4242 0,6908 0,2690 0,1547Panel C: períodos de formación y testeo de 48 meses Losers 0,0420 0,0969 0,1441 0,1838 0,2187P-value 0,0999 0,4016 0,1445 0,1434 0,2152Winners 0,0214 0,0248 0,0742 0,2034 0,2373P-value 0,2896 0,6648 0,3580 0,1281 0,2358Loser-Winner 0,0206 0,0721 0,0699 -0,0196 -0,0186P-value 0,4522 0,5572 0,5417 0,8201 0,9328Panel D: períodos de formación y testeo de 60 meses Losers 0,0250 0,0873 0,1270 0,1098 0,2316 0,3941Winners 0,0268 0,0255 0,1098 0,2592 0,3841 0,4913Loser-Winner -0,0018 0,0617 0,0173 -0,1493 -0,1525 -0,0971Los p-values mostrados corresponden a la hipótesis nula

WLWLPACARH P ,,,0:0



Gráficos 1C ACARʼs obtenidos con método buy and hold

ACAR LOS ER V/ S ACAR WI NN ER BU Y AND HOLD ( 2 4 me se s)

-10%

0%

10%

20%

30%

40%

50%

60%

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24


ACAR LOS ER V/ S ACAR WI NNER BUY AND HOLD ( 3 6 me se s)

-10%

0%

10%

20%

30%

40%

50%

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36


ACAR LOS ER V/ S ACAR WI NNER BUY AND HOLD ( 4 8 me se s)

-15%

-10%

-5%

0%

5%

10%

15%

20%

25%

30%

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47


(Continúa)



ACAR LOSER V/S ACAR WINNER BUY AND HOLD (60 meses)

-30%

-20%

-10%

0%

10%

20%

30%

40%

50%

60%

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59


A. Retornos ajustados por riesgo

Una vez analizado el comportamiento de los retornos brutos de las estrategias contrarian y momentum para los distintos horizontes de tiempo, el siguiente paso es verificar si estos retornos positivos observados en las estrategias momentum y contrarian pueden ser explicados por sus niveles de riesgo. Para hacer esto, utilizamos el método propuesto por Chan (1988).

Los portfolios formados con el procedimiento aritmético, son mostrados en la tabla 2. Como era esperado, los portfolios ganador y perdedor tienen retornos anormales (alfas de Jensen) significativos durante el período de formación, los que son positivos y negativos respectivamente. Además, durante el período de formación el portfolio Losers-Winners muestra retornos anormales negativos significativos. Esto es cierto para todos los portfolios, sin importar la duración de los períodos de formación y prueba.

Observando el riesgo sistemático, se aprecia una evolución desde el período de formación al de prueba para los portfolios perdedor y ganador, hasta el punto de que el beta de los perdedores en el período de prueba es ahora considerablemente menor que el de los perdedores durante el período de formación, lo mismo para los ganadores, pero los riesgos sistemáticos (betas) del período de prueba de los portfolios perdedores resultan aun ser mayores que los de los ganadores durante el período de prueba, para todos los



horizontes de tiempo, sin embargo, se debe considerar que los betas del período de prueba para los horizontes de 24, 36 y 48 meses son no significativos a un nivel de confianza de 90%, para el portfolio perdedor de horizonte de 24 meses, y para el portfolio perdedor y ganador de horizontes de 36 y 48 meses.

En lo que se refiere a los retornos anormales durante el período de prueba (alfas de Jensen), podemos observar como, para los horizontes de 2 y 3 años, estos son positivos para los portfolios perdedor y Losers-Winners, pero sólo significativos para el portfolio perdedor al 95% de confianza. Además, para horizontes de 6 y 12 meses, los retornos anormales son positivos para el portfolio ganador y negativos para el portfolio Losers-Winners, obviamentepositivo para el porfolio Winners-Losers, donde sólo el retorno anormal (alfa de prueba) del portfolio Losers-Winners a 12 meses es no significativo al 90% de confianza.

La disminución del riesgo (beta) experimentado por los perdedores y ganadores cuando se pasa de un período a otro (de formación a prueba), ni el diferencial de riesgo entre los dos portfolios (mayor para los perdedores) es suficientemente fuerte para explicar la reversión vista en los retornos del portfolio perdedor o el exceso en los retornos obtenidos por la estrategia contrarian a 2 y 3 años. Sin embargo, las estadísticas obtenidas con este métododebe ser interpretado con precaución, ya que el número de réplicas de la estrategia contrarian se limita a 6 para un horizonte de 24 meses y a 4 cuando se considera un horizonte de 36 meses.

Por otro lado, se puede observar como, para períodos de 6 y 12 meses, la estrategia momentum produce retornos anormalespositivos y claramente significativos para el horizonte de 6 meses.Este resultado fue bastante esperado si consideramos que los ganadores poseen retornos significativamente mayores que los perdedores, siendo además, significativamente menos riesgosos a un nivel de confianza de 90%. Por lo tanto, de acuerdo con los resultados obtenidos con el método propuesto por Chan, el nivel de riesgo soportado por los portfolios ganador y perdedor no puede explicar la rentabilidad obtenida desde la estrategia momentum a 1 año o la obtenida por la estrategia contrarian a 2 y 3 años.


Tabl

a 2

.6

,...,

3,2,1

;,

;,

,;

24,..

.,0

,...,

23

)4(;

)(

)(

)1(

ipr

ueba

Tfo

rmac

ión

FW

LW

Lp

t

DR

RR

RD

DR

Rpt

iti

ftiM

tipD

ftiM

tipF

tipT

tipF

fitpt

i

Don

de so

n lo

s ret

orno

s de

los p

orfo

lios

gana

dore

s, pe

rded

ores

y L

oser

s - W

inne

rs d

uran

te e

lm

est;

es r

etor

no li

bre

de

riesg

o du

rant

e el

mes

t; s

on lo

s re

torn

os d

el ín

dice

de

mer

cado

dur

ante

el m

es t;

es

una

varia

ble

Dum

my,

que

tom

ael

valo

r uno

dur

ante

el p

erío

do d

e pr

ueba

(t>0)

y c

ero

dura

nte

el p

erío

do d

e la

form

ació

n )0

ptR

ftR

Mt

Rt

D (t. *

*Ecu

ació

n de

eje

mpl

o pa

ra u

n ho

rizon

te d

e 24

mes

es.

LW

OSE

RS

INN

ERS

LOSE

R-W

INN

ERS

Fp,ˆ

Tp,ˆ

Fp,ˆ

Tp,ˆ

Fp,ˆ

Tp,ˆ

Fp,ˆ

Tp,ˆ

Fp,ˆ

Tp,ˆ

Fp,ˆ

Tp,ˆ

Perí

odo

de fo

rmac

ión

y pr

ueba

de

6 m

eses

Coe

ficie

nte

-0,0

421

0,00

270,

7328

0,34

430,

0821

0,01

351,

4111

-0,4

859

-0,1

291

-0,0

212

-0,6

765

0,83

09D

esvi

ació

nEs

tánd

ar0,

0046

0,00

440,

0740

0,10

220,

0079

0,00

770,

1278

0,17

640,

0089

0,00

860,

1433

0,19

78

Esta

díst

ico

t -9

,176

80,

6060

9,89

913,

3686

10,3

621,

7644

11,0

43-2

,754

3-1

4,53

8-2

,470

3-4

,721

94,

2007

p-va

lue

0,00

000,

5453

0,00

000,

0009

0,00

000,

0794

0,00

000,

0065

0,00

000,

0145

0,00

000,

0000

Perí

odo

de fo

rmac

ión

y pr

ueba

de

1 añ

o

Coe

ficie

nte

-0,

0415

0,01

130,

7725

0,14

240,

0657

0,00

971,

2213

-0,2

151

-0,1

123

-0,0

034

-0,4

474

0,35

87D

esvi

ació

nEs

tánd

ar0,

0037

0,00

350,

0597

0,08

230,

0052

0,00

500,

0848

0,11

690,

0061

0,00

590,

0995

0,13

72

Esta

díst

ico

t -

11,3

603,

2109

12,9

481,

7306

12,6

611,

9446

14,4

07-1

,840

5-1

8,44

1-0

,579

7-4

,496

42,

6141

p-va

lue

0,00

000,

0015

0,00

000,

0845

0,00

000,

0527

0,00

000,

0666

0,00

000,

5625

0,00

000,

0094

(Con

tinúa

)




Peri

odo

de fo

rmac

ión

y pr

ueba

de

2 añ

osC

oefic

ient

e -0

,026

70,

0139

0,73

890,

0986

0,04

460,

0055

1,14

05-0

,276

9-0

,076

70,

0033

-0,3

995

0,37

55D

esvi

ació

nEs

tánd

ar0,

0039

0,00

370,

0588

0,08

430,

0041

0,00

400,

0627

0,09

000,

0052

0,00

510,

0799

0,11

45Es

tadí

stic

o t

-6,9

358

3,70

2512

,565

1,16

9710

,858

1,38

8118

,179

-3,0

785

-14,

669

0,64

61-5

,002

83,

2797

p-va

lue

0,00

000,

0003

0,00

000,

2431

0,00

000,

1662

0,00

000,

0023

0,00

000,

5188

0,00

000,

0012

Peri

odo

de fo

rmac

ión

y pr

ueba

de

3 añ

osC

oefic

ient

e -0

,019

10,

0107

0,80

96-0

,019

70,

0387

0,00

210,

9656

-0,0

554

-0,0

632

0,00

38-0

,154

10,

0380

Des

viac

ión

Está

ndar

0,00

310,

0030

0,04

630,

0707

0,00

410,

0041

0,06

230,

0952

0,00

440,

0043

0,06

660,

1017

Esta

díst

ico

t -6

,202

83,

5494

17,4

96-0

,279

39,

3335

0,50

5715

,493

-0,5

818

-14,

265

0,88

27-2

,313

70,

3734

p-va

lue

0,00

000,

0005

0,00

000,

7802

0,00

000,

6135

0,00

000,

5612

0,00

000,

3781

0,02

140,

7091

Peri

odo

de fo

rmac

ión

y pr

ueba

de

4 añ

osC

oefic

ient

e -0

,011

40,

0047

0,84

45-0

,057

40,

0437

0,00

470,

8510

-0,0

700

-0,0

604

-0,0

056

-0,0

058

0,01

45D

esvi

ació

nEs

tánd

ar0,

0041

0,00

390,

0592

0,08

790,

0063

0,00

600,

0899

0,13

350,

0075

0,00

710,

1071

0,15

91Es

tadí

stic

o t

-2,7

439

1,18

3514

,270

-0,6

526

6,93

750,

7937

9,46

75-0

,524

4-8

,041

4-0

,779

0-0

,054

60,

0911

p-va

lue

0,00

670,

2381

0,00

000,

5148

0,00

000,

4283

0,00

000,

6006

0,00

000,

4370

0,95

650,

9275

Peri

odo

de fo

rmac

ión

y pr

ueba

de

5 añ

osC

oefic

ient

e -0

,012

50,

0077

0,88

22-0

,275

20,

0348

0,00

491,

0023

-0,2

049

-0,0

528

-0,0

020

-0,1

176

-0,0

67D

esvi

ació

nEs

tánd

ar0,

0045

0,00

440,

0636

0,10

390,

0044

0,00

430,

0618

0,10

110,

0054

0,00

530,

0761

0,12

43Es

tadí

stic

o t

-2,7

730

1,75

7313

,875

-2,6

480

7,93

981,

1502

16,2

08-2

,027

0-9

,806

0-0

,380

8-1

,545

8-0

,541

p-va

lue

0,00

600,

0802

0,00

000,

0086

0,00

000,

2512

0,00

000,

0438

0,00

000,

7037

0,12

350,

5888


5. Conclusiones

En las últimas dos décadas, la literatura financiera existente se ha visto plagada de estudios que muestran anomalías en los mercados,lo que ha llevado a los investigadores no sólo a cuestionarse los métodos de valoración de activos utilizados, sino que también la hipótesis de mercados eficientes. Uno de los tópicos que ha atraído más la atención es la posibilidad de que los inversionistas sean capaces de predecir los retornos futuros de algunas acciones. Las estrategias contrarian y momentum son las dos fórmulasque se basan en estas predicciones que han llamado nuestra atención. La estrategia contrarian está basada en la hipótesis de sobrereacción, que sugiere que las acciones que han obtenido los peores (mejores) resultados en el pasado reciente tendrán mejores(peores) resultados en el futuro, y por lo tanto una estrategia de inversión que compra las acciones perdedoras y vende las ganadoras obtendrá retornos anormales significativos. La estrategia momentum,por su parte, está basada en la hipótesis de subreacción, la que asume exactamente un comportamiento opuesto en los retornos de las acciones, y por lo tanto recomienda comprar a los ganadores y vender a los perdedores.

En este estudio se ha buscado la posible existencia de estos tipos de comportamiento en el mercado de capitales chileno. Para hacer esto, se consideró períodos de formación y prueba de diferentes duraciones (6, 12, 24, 36, 48 y 60 meses), como tambiéndistintos métodos para calcular los retornos (aritmético y buy and hold). Los resultados obtenidos ofrecen indicadores para un mejorentendimiento del mercado chileno. Por un lado, se encontró que para horizontes de tiempo de 6 y 12 meses, tal como lo esperábamos, la estrategia momentum produce retornos positivos significativos. Y por el otro lado, la estrategia contrarian tambiénproduce resultados positivos significativos al considerarse períodos de 24 y 36 meses, revirtiéndose esta situación al considerar períodos de 48 meses. Las rentabilidades obtenidas, son teóricas más que prácticas, pues la implementación de estrategias contrarian o de



5. Conclusiones

En las últimas dos décadas, la literatura financiera existente se ha visto plagada de estudios que muestran anomalías en los mercados,lo que ha llevado a los investigadores no sólo a cuestionarse los métodos de valoración de activos utilizados, sino que también la hipótesis de mercados eficientes. Uno de los tópicos que ha atraído más la atención es la posibilidad de que los inversionistas sean capaces de predecir los retornos futuros de algunas acciones. Las estrategias contrarian y momentum son las dos fórmulasque se basan en estas predicciones que han llamado nuestra atención. La estrategia contrarian está basada en la hipótesis de sobrereacción, que sugiere que las acciones que han obtenido los peores (mejores) resultados en el pasado reciente tendrán mejores(peores) resultados en el futuro, y por lo tanto una estrategia de inversión que compra las acciones perdedoras y vende las ganadoras obtendrá retornos anormales significativos. La estrategia momentum,por su parte, está basada en la hipótesis de subreacción, la que asume exactamente un comportamiento opuesto en los retornos de las acciones, y por lo tanto recomienda comprar a los ganadores y vender a los perdedores.

En este estudio se ha buscado la posible existencia de estos tipos de comportamiento en el mercado de capitales chileno. Para hacer esto, se consideró períodos de formación y prueba de diferentes duraciones (6, 12, 24, 36, 48 y 60 meses), como tambiéndistintos métodos para calcular los retornos (aritmético y buy and hold). Los resultados obtenidos ofrecen indicadores para un mejorentendimiento del mercado chileno. Por un lado, se encontró que para horizontes de tiempo de 6 y 12 meses, tal como lo esperábamos, la estrategia momentum produce retornos positivos significativos. Y por el otro lado, la estrategia contrarian tambiénproduce resultados positivos significativos al considerarse períodos de 24 y 36 meses, revirtiéndose esta situación al considerar períodos de 48 meses. Las rentabilidades obtenidas, son teóricas más que prácticas, pues la implementación de estrategias contrarian o de



momentum, de la forma descrita, requiere el poder realizar venta corta de acciones, que en el mercado chileno es algo muy difícil de hacer en términos prácticos.

Las conclusiones obtenidas en este trabajo deben tomarsecon mucha cautela, ya que son sólo una primera aproximación al tema de los fenómenos contrarian y momentum en el mercadochileno. Se deja para futuras investigaciones el uso de metodologíasmás sofisticadas y apropiadas a nuestro mercado.

Anexo 1

Acciones consideradas para el horizonte de 24 meses durante el período de formación 89-90 (primer período analizado):

PERÍODO DE FORMACIÓN 89-90, 65 EMPRESAS

ALMENDRAL COLOSO ENDESA LUCCHETTI SPORTFRAN

ANDINA CONCHATORO ENERSIS MADECO SUD AMER A

CAMPOS COPEC ENTEL MADERAS VAPORES

CAP CRISTALES EPERVA MARINSA VICONTO

CAROLINA A CTC A FOSFOROS MASISA VOLCAN

CCT CTC B GENER MELON

CEM CTI GOLF MINERA

CEMENTOS EDELNOR HIPICO PASUR

CERVEZAS ELECTA HORNOS PIZARRENO

CGE ELECMETAL IANSA PORTADA B

CHILECTRA ELIQSA IANSAGRO PUERTO

CHOLGUAN EMELARI INDIVER SINTEX

CLUBUNION EMELAT INFORSA SIPSA

CMPC EMILIANA IQUIQUE SM CHILE A

COLBUN ENACAR LABCHILE SM CHILE B



Acciones consideradas para el horizonte de 24 meses durante el período de formación 2000-2001(último período analizado):

PERÍODO DE FORMACIÓN 2000-2003, 138 EMPRESAS

AGUAS A CERVEZAS CTI ENTEL KOPOLAR PUCOBRE A SOQUICOM

ALMENDRAL CGE CUPRUM EPERVA LABCHILE PUERTO SQM A

ANDINA A CHILE D&S ESVAL A LAN CHILE QUEMCHI SQM B

ANDINA B CHILECTRA DETROIT FALABELLA LUCCHETTI QUILICURA STA ISABEL

ANTARCHILE CHOLGUAN DUNCANFOX FASA MADECO QUINENCO SUD AMER A

BANMEDICA CIC EDELMAG FOSFOROS MARINSA QUINTEC TATTERSALL

BANVIDA CINTAC EDELNOR FROWARD MASISA REBRISA A TELEX

BBVACL CLUBUNION EDELPA GASCO MELON RIO MAIPO TELSUR

BESALCO CMPC EDWARDS GENER MINERA SAN PEDRO TRICAHUE

BICECORP COLBUN ELECTA GOLF NORTEGRAN SANTA RITA VAPORES

BSANTANDER COLINA ELECMETAL HABITAT NTERRANOVA SANTAMARIA VENTANAS

CADENA COLOSO ELIQSA HIPICO OROBLANCO SANTANDER ZOFRI

CALICHERA A CONCHATORO EMBONOR A IANSA P&S SANTANGRUP

CALICHERA B CONOSUR EMBONOR B IANSAGRO PACIFICO SECURITY

CAMPOS COPEC EMEL INDIVER PARAUCO SIEMEL

CAP CORESA EMELARI INFORSA PARIS SIPSA

CAROLINA A CREDITO EMELAT INGSALUD PASUR SM CHILE A

CAROLINA B CRISTALES EMILIANA INVERCAP PEHUENCHE SM CHILE B

CCT CTC A ENAEX INVERNOVA PILMAIQUEN SM CHILE D

CEM CTC B ENDESA ITATA PIZARRENO SM CHILE E

CEMENTOS CTC MUNDO ENERSIS JUCOSA PROVIDA SM UNIMARC



Referencias

BARBERIS, N., A SHLEIFE y R. VISHNY, “A model of investor sentiment”, Journalof Financial Economics, Vol. 49, 1998, pp. 307-343.

BALL, RAY, S.P. KOTHARI, y JAY SHANKEN. (1992), “Problems in MeasuringPortfolio Performance: An Application to Contrarian InvestmentStrategies”, Working Paper, University of Rochester.

BLUME, M. y R. STAMBAUGH, “Biases in computed returns: an application tothe size effect”, Journal of Financial Economics, Vol. 12, 1983, pp. 387-404.

CHAN, K. C. (1988), “On the contrarian investment strategy”, Journal of Business, 61, pp. 147-163.

CONRAD, J. y G. KAUL, “Long-term market overreaction or biases in computedreturns”, Journal of Finance, Vol. 48, 1, 1993, pp. 39-63.

CONRAD, J. y G. KAUL, “Mean reversion in short-horizon expected returns”,Review of Financial Studies, Vol. 2, 1989, pp. 225-240.

DANIEL, K., D. HIRSHLEIFER y A. SUBRAHMAYAM, (1998), “Investor Psychology and Security Market Under-and Overreactions”, Journal of Finance, 53, pp. 1839-1886.

DANIEL, K., D. HIRSHLEIFER, y A. SUBRAHMANYAM, (1998), “A theory ofoverconfidence, self-attribution, and security market under-and over-reactions”, Journal of Finance, 53, en prensa.

DE BONDT, W. F. M., y R. H. THALER, (1985), “Does the stock marketoverreact?”, Journal of Finance, 40, pp. 793-905.


De BONDT, W. F. M., y R. H. THALER, (1987), “Further evidence on investor overreaction and stock market seasonality”, Journal of Finance, 42,pp. 557-581.

JEGADEESH, N., y S. TITMAN, (1993), “Returns to buying winners and selling losers: implications for stock market efficiency”, Journal of Finance, 48,pp. 65-91.

KAHNEMAN, D., y A. TVERSKY, (1982), “Intuitive prediction: biases and corrective procedure”, in D. Kahneman, P. Slovic, and A. Tversky, eds.:Judgment under uncertainty: heuristics and biases (CambridgeUniversity Press, London).

LAKONISHOK, J., A. SHLEIFER y R. VISHNY, (1994), “Contrarian investment,extrapolation, and risk”, Journal of Finance 49, pp. 1541-1578.

ROBERT J. SHILLER (2002), “From Efficient Market Theory to Behavioral Finance”, Yale University.


107

Estudios de Administración, vol. 13, NE 1, 2006

Índicede contenido

Volumen 13 N 1, 2006

“Generación y transferencia de conocimiento en pequeñas empresas: estudio de casos en el sector de las tecnologías de la información”, LAURA ZAPATA, JOSÉ LUISPINEDA

“Modelos de lógica y lógica borrosa en la predicción del IPSA”, ANTONIO PARISI F.,JULIO REBOLLEDO, EDINSON CORNEJO S.

“Estrategias contrarian y momentum: evidencia en Chile”, MARCELO GONZÁLEZ A.


“Características de la publicidad infantil chilena en tiempos de mayor acceso a losmedios y a los bienes de consumo”, RODRIGO URIBE B.

“Adjustment of the WACC with Subsidized Debt in the Presence of Corporate Taxes: The Fiite-Horizon Case”, IGNACIO VÉLEZ-PAREJA, JOSEPH THAM, VIVIANAFERNÁNDEZ.

“Efectos de las características psicográficas en la intención de compra de marcasprivadas en Chile”, ENRIQUE MANZUR M., PEDRO HIDALGO C., SERGIOOLAVARRIETA S., PABLO FARÍAS N.




“Un modelo de valoración de bonos con rescate anticipado”, AUGUSTO CASTILLO R.,ALEJANDRO VALENZUELA D.

“Determinants of Firm Leverage in Chile: Evidence from Panel Data”, VIVIANAFERNÁNDEZ.

“Determinantes de la inversión a nivel de la empresa: un análisis de panel para Chile”, OMAR F. CARRASCO, CHRISTIAN A. JOHNSON, HUGO A. NÚÑEZ.


“Costos de agencia y costos de transacción como determinantes de la tasa depago de dividendos en Chile: extensión”, CARLOS MAQUIEIRA V., INGRIDMONCAYO M.

“Tipo de cambio en Chile, periodo de flotación 1999-2002: modelos de retorno yvolatilidad”, JORGE GREGOIRE C., FRANCISCO OBILINOVIC P.

“La utilización de opciones en los pactos de accionistas de las SociedadesAnónimas”, MARCELO GONZÁLEZ A., LESLIE TOMASELLO W.


“Detection of Breakpoints in Volatility”, VIVIANA FERNÁNDEZ.

“Capital de trabajo, gestión de tesorería y valuación de empresas”, GUSTAVOGENONI, SALVADOR ZURITA L.

“Modos de algoritmos genéticos y redes neuronales en la predicción del signo de la variación del IPSA”, ANTONINO PARISI F.

Índice de contenido 109


“Valuation of Investment Companies in Chile”, CARLOS MAQUIEIRA V., SALVADORZURITA L., VALERIA GARCÍA O., MARÍA LUISA VELASCO D.

“El impacto de la cultura nacional en la administración de equipos de trabajos en Chile”, ANDRÉS RAINERI B.

“Análisis técnico: un estudio de la eficiencia de diferentes técnicas aplicadas sobreacciones pertenecientes a los índices bursátiles estadounidenses Dow Jones Industrial Average y Nasdaq”, ANTONINO PARISI F.


“Exchange Rates Exposure and Optimal Hedging Strategies when Interest Rates areStochastic: a Simulation-Based Approach”, AUGUSTO CASTILLO R.

“Modelos de redes neuronales aplicados a la predicción del tipo de cambio del dólar observado en Chile”, ANTONINO PARISI F., FRANCO PARISI F., JOSÉ LUISGUERRERO.

“Satisfacción del consumidor en Chile: una aplicación a la metodología de índices nacionales de satisfacción”, PABLO MARSHALL, MARÍA DOLORES DÍAZ,RODRIGO CASTRO.

Volumen 9 N 2, 2002

“Sobre la cobertura de mínima varianza con futuros”, SALVADOR ZURITA L.

“Contribuciones de la literatura para el estudio de organizaciones”, EDUARDOACUÑA A.

“Reglas simples de análisis técnico y modelos autorregresivos en el mercadocambiario chileno entre1995 al 2001”, ANTONINO PARISI F., FRANCO PARISIF., ENRIQUE CAÑAS I.




“Valuation of Investment Companies in Chile”, CARLOS MAQUIEIRA V., SALVADORZURITA L., VALERIA GARCÍA O., MARÍA LUISA VELASCO D.

“El impacto de la cultura nacional en la administración de equipos de trabajos en Chile”, ANDRÉS RAINERI B.

“Análisis técnico: un estudio de la eficiencia de diferentes técnicas aplicadas sobreacciones pertenecientes a los índices bursátiles estadounidenses Dow Jones Industrial Average y Nasdaq”, ANTONINO PARISI F.


“Exchange Rates Exposure and Optimal Hedging Strategies when Interest Rates areStochastic: a Simulation-Based Approach”, AUGUSTO CASTILLO R.

“Modelos de redes neuronales aplicados a la predicción del tipo de cambio del dólar observado en Chile”, ANTONINO PARISI F., FRANCO PARISI F., JOSÉ LUISGUERRERO.

“Satisfacción del consumidor en Chile: una aplicación a la metodología de índices nacionales de satisfacción”, PABLO MARSHALL, MARÍA DOLORES DÍAZ,RODRIGO CASTRO.

Volumen 9 N 2, 2002

“Sobre la cobertura de mínima varianza con futuros”, SALVADOR ZURITA L.

“Contribuciones de la literatura para el estudio de organizaciones”, EDUARDOACUÑA A.

“Reglas simples de análisis técnico y modelos autorregresivos en el mercadocambiario chileno entre1995 al 2001”, ANTONINO PARISI F., FRANCO PARISIF., ENRIQUE CAÑAS I.



Volumen 9 N 1, 2002

“Cláusulas restrictivas (covenants) en los contratos de bonos: evidencia empírica enChile”, ALVARO ARAYA I., GONZALO ISLAS R., CARLOS MAQUIEIRA V.

“Lealtad y herencia en los noticieros centrales de la televisión chilena”, PABLOMARSHALL, IGNACIO ARNOLD.

“Evaluación de redes neuronales de predicción del signo de la variación del IPSA”,ANTONINO PARISI F.

“Comentarios de libros”.

Volumen 8 N 2, 2001

“Administración del cambio organizacional en empresas chilenas”, ANDRÉSRAINERI B.

“The Announcement Effect of Junk Bond Issues: an Analysis of the 1976-1989Period”, AUGUSTO CASTILLO R.

“Estructuras impositivas óptimas y el problema de la doble tributación del capital eneconomías pequeñas y abiertas”, FERNANDO DÍAZ H.

Volumen 8 N 1, 2001

“Análisis de la conducta temporal de los ADRs latinoamericanos”, JORGE L.URRUTIA, JOSEPH VU.

“Times Prices and the Demand for Primary Health Care in Chile”, RICARDOHENRÍQUEZ H.

“Determinantes de la estructura de endeudamiento de empresas latinoamericanasemisoras de ADRs”, JORGE CHANG R., CARLOS MAQUIEIRA V.



Volumen 7 N 1, 2000

“Anuncios de cambios en pagos de dividendos y su impacto en la riqueza de losaccionistas: evidencia empírica en Chile”, CARLOS MAQUIEIRA V.

“The Determinants of the Choice of Preferred Providers among the Publicly Insured in Chile: an Empirical Analyses”, RICARDO HENRÍQUEZ.

“Mercados financieros y predicción del producto: evidencia chilena 1989-1997”, SERGIO ZÚÑIGA, KARLA SORIA


Volumen 6 N 1, otoño 1999

“El movimiento de protección al consumidor y los efectos de la Ley 19.496”, MIGUEL MENDOZA M.

“Estimación de la estructura temporal de tasas de interés en Chile, 1994-1997”, SERGIO ZÚÑIGA, KARLA SORIA.

“El rol de las expectativas y deseos en la satisfacción del cliente: una aplicación de modelación de ecuaciones estructurales”, SERGIO OLAVARRIETA, ALEJANDRAGUTIÉRREZ, ARACELLY ZÁRATE.

Volumen 5 N 2, primavera 1998

“Intereses de carrera de una muestra de administradores en Chile”, ANDRÉSRAINERI B.

“La organización saludable”, ERIC MILLER.

“Costos de agencia y costos de transacción como determinantes de la tasa de pago de dividendos en Chile”, CARLOS MAQUIEIRA V., MÓNICA DANÚS S.





“Tres perspectivas teóricas para el estudio del cambio en organizaciones”, EDUARDOACUÑA A.

“The Financial and Operating Performance of Newly Privatized Firms: an International Empirical Analysis”, WILLIAM L. MEGGINSON, ROBERT C.NASH, MATTHIAS VAN RANDENBORGH.

“Reemplazos y transiciones estructurales en organizaciones complejas”, FRANCISCOFERNÁNDEZ M.


“Evaluation of Eight Project Selection Methods: the Case of Information Systems”,EELKO K.R.E. HUIZINGH, HANS C.J. VROLIJK.

“Bonos convertibles”, SALVADOR ZURITA L., IVÁN HUERTA G.

“Organizaciones sindicales y la modernización de las relaciones laborales en Chile”, EDUARDO ACUÑA A.


“Tendencias, magnitud y causas de las huelgas de trabajadores dependientes de un empleador en Chile”, ALBERTO J. ARMSTRONG V.

“Política de dividendos en Chile, 1993 y 1994”, CARLOS MAQUIEIRA V., OLGAMARÍA FUENTES C.

“El proceso de administración publicitaria en Chile; investigación a los principales avisadores”, PEDRO HIDALGO CAMPOS.




“Privatizaciones en Chile; eficiencia y políticas financieras”, CARLOS MAQUIEIRA V.,SALVADOR ZURITA L.

“Diagnóstico de culturas organizacionales; evidencia empírica en Chile”, ANDRÉSRAINERI B., ANDREA MARTÍNEZ DEL CANTO.

“Un enfoque evolutivo-dinámico de estrategia: más allá del atractivo de los mercadosy de los recursos distintivos”, SERGIO A. OLAVARRIETA, ROBERTO FRIEDMAN.

“Algunas hipótesis sobre modernización de las relaciones laborales en las empresaschilenas”, EDUARDO ACUÑA A., MARIO ALBURQUERQUE F.


“Un enfoque coevolutivo del aprendizaje organizacional y la competencia en losmercados”, SERGIO OLAVARRIETA SOTO.

“Risk-Based Premiums for Pension Insurance”, SALVADOR ZURITA L.

“Las leyes de la organización social”, OSCAR JOHANSEN B.

“The ADR Market and the Effects of ADR Issue on the Underlying Security: a Survey”, FRANCO PARISI F.


“Valuation of Natural Resources”, CARLOS MAQUIEIRA V.

“El enfoque de estrategia basado en los recursos; síntesis”, SERGIO OLAVARRIETA S.

“Habilidades de dirección de personal de los supervisores como determinantes de lacalidad de vida de sus subordinados en la organización”, ANDRÉS RAINERI B.,CLAUDIO FUCHS B.

“Price and Variance Transmission from the U.S. Capital Market to Foreign Capital Markets; Evidence in the Financial Times Actuaries World Indices from 1991to 1993”, FRANCO PARISI F.




“Habilidades de dirección de personal como un determinante de la calidad en elservicio interno”, ANDRÉS RAINERI B., CLAUDIO FUCHS B.

“Limited- and Nonrecourse Project Finance: a Survey”, STEFANIE KLEIMEIER.

“Medición, confiabilidad y validez en investigaciones en marketing y disciplinas de empresas relativas al comportamiento humano”, SERGIO OLAVARRIETA S.

“Nota técnica, Derivación del modelo de precios por arbitraje (APT)”, JORGEGREGOIRE C., SALVADOR ZURITA L.

Volumen 1 N 2, septiembre 1994

“Time Series Properties of Four Latin American Equity Markets: Argentina, Brazil, Chile and Mexico”, JORGE L. URRUTIA.

“Arbitraje en futuros de IPSA”, CARLOS DÍAZ C., SALVADOR ZURITA L.

“El beneficio tributario debido al endeudamiento en empresas chilenas”, CARLOSMAQUIEIRA V., JORGE NIÑO T.

“Efectos económicos de la publicidad”, MIGUEL R. MENDOZA H., JUAN P. MUÑOZ C.

Volumen 1 N 1, marzo 1994

“Diseño de servicios financieros vía análisis conjunto”, JUAN PABLO MUÑOZ C.

“Equilibrio del mercado financiero”, JORGE GREGOIRE C., SALVADOR ZURITA L.

“Evidencias de economías de escala en las administradoras de fondos de pensiones”, ERNESTO MIRANDA R.

“Why Do OTC Traded Companies Initiate Dividends?”, CARLOS MAQUIEIRA V.


Estudios de Administración is published twice a year by the Department of Management,University of Chile. The objective of this academic journal is to publish papers on empiricalresearch and theoretical essays which are an original contribution in topics related, primarily,to the operation of enterprises, market structure and behavior, and regulations thereto.

All manuscripts submitted will be evaluated by the Editorial Board and two anonymousreferees.

Written permission from the editor of Estudios de Administración should be requested for any intended reproduction of a complete article. Such requirement will not apply to partial reproductions, on condition that the source is cited.

All papers and correspondence should be sent to the editor, at the following address:

Revista Estudios de AdministraciónFacultad de Economía y Negocios

Universidad de Chile Diagonal Paraguay 257, oficina 1101

Santiago de Chile

Correspondence may also be sent by telefax to No (562)2220639.


STYLE INSTRUCTIONS

1. Authors are requested to submit three copies of their papers, either in English or Spanish. If approved, contributions will be published in the original language. Only under very special circumstances, and at the request of the author, an English version could be translated into Spanish.

2. All manuscripts should be typed double-spaced on one side of the paper only, allowing for wide margins (right margin with a minimum of 3 centimeters).

3. The first page should include the title of the paper, the name and membership of the author(s), and an abstract or summary, not exceeding 100 words.

4. Contributors should consider three subheading levels, at the most, differentiating them by order of subordination, using the notation 1, A, a, corresponding to the concepts of main, intermediate and secondary levels.

5. Footnotes should be restricted to a minimum and be numbered in sequential order, typed double-spaced and avoiding mathematical formulas to the extent possible.

6. Mathematical formulas should be numbered in sequential order, using Arabic numerals in parentheses, and aligned to the right margin. Should it be necessary, an annex may be submitted containing the detailed derivation of a formula.

7. Graphs and tables should be submitted on separate pages and be numbered. Sources of data and related information should not be omitted.

8. References in the text should include the surname of the author cited and the year of publication in parentheses. The bibliography or list of references should include all materials quoted, arranged alphabetically by name of authors, without omitting any relevant bibliographic information.In the specific case of quotations from periodical publications the following information is essential: volume, number in the volume (in parentheses), period or month of the year, whichever the case may be, and year, as well as the numbers of the starting and last page of the article cited. Books and other publications that could be considered as such (theses, proceedings, reports) should be mentioned by additionally indicating, whenever applicable, the edition number, city of publication, agency or publishing company. Entries corresponding to papers contained in collective editions or compilations should include as well the name(s) of editor(s) or compiler(s), in addition to the title of the complete work.

INSTRUCCIONES PARA LOS AUTORES

1. Los artículos deberán ser escritos en español o inglés, en tres ejemplares. Si son seleccionados se publicarán en el idioma original; sólo en casos calificados, y a petición del autor, se traducirán del inglés al español.

2. Los manuscritos han de digitarse a doble espacio, en un solo lado de la hoja y con márgenes amplios (mínimo 3 centímetros al lado derecho).

3. En la primera página irán el título del artículo, el nombre y filiación del autor (autores) y un extracto o resumen del trabajo, de no más de 100 palabras.

4. Se sugiere considerar como máximo tres niveles de subtítulos, distinguiéndolos en orden de subordinación mediante la notación 1, A, a, correspondiente a los conceptos de principal, intermedio y secundario.

5. Las notas al pie de página han de restringirse al mínimo posible y enumerarse correlativamente, escritas a doble espacio, en lo posible sin fórmulas matemáticas.

6. Las fórmulas matemáticas deberán ser numeradas en forma secuencial, con números árabes entre paréntesis y alineados con el margen derecho. Si es necesario, podrá presentarse en un anexo aparte la derivación detallada de una fórmula.

7. Los cuadros y gráficos se presentarán en hojas aparte e irán numerados, con inclusión de fuente de datos e información necesaria.

8. Las referencias bibliográficas en el texto deberán indicar el apellido del autor citado y entre paréntesis el año de publicación. La bibliografía o lista de referencias deberá incluir todos los trabajos citados, y seguirá orden alfabético por apellido de autores y nombre completo, sin omitir ningún dato bibliográfico.En el caso específico de las citas de trabajos aparecidos en publicaciones periódicas, se encarece indicar volumen, número dentro del volumen (entre paréntesis), período o mes del año, según corresponda, y año, además de páginas inicial y de término del artículo citado.Los libros y obras asimilables a tal condición (tesis, actas, informes) se citarán indicando, además, número de la edición, ciudad de edición, institución o casa editora. Al citar trabajos incluidos en obras colectivas o recopilaciones, se deberá incluir adicionalmente nombre(s) de editor(es) o compilador(es), así como el título de la obra global.


INSTRUCCIONES PARA LOS AUTORES

1. Los artículos deberán ser escritos en español o inglés, en tres ejemplares. Si son seleccionados se publicarán en el idioma original; sólo en casos calificados, y a petición del autor, se traducirán del inglés al español.

2. Los manuscritos han de digitarse a doble espacio, en un solo lado de la hoja y con márgenes amplios (mínimo 3 centímetros al lado derecho).

3. En la primera página irán el título del artículo, el nombre y filiación del autor (autores) y un extracto o resumen del trabajo, de no más de 100 palabras.

4. Se sugiere considerar como máximo tres niveles de subtítulos, distinguiéndolos en orden de subordinación mediante la notación 1, A, a, correspondiente a los conceptos de principal, intermedio y secundario.

5. Las notas al pie de página han de restringirse al mínimo posible y enumerarse correlativamente, escritas a doble espacio, en lo posible sin fórmulas matemáticas.

6. Las fórmulas matemáticas deberán ser numeradas en forma secuencial, con números árabes entre paréntesis y alineados con el margen derecho. Si es necesario, podrá presentarse en un anexo aparte la derivación detallada de una fórmula.

7. Los cuadros y gráficos se presentarán en hojas aparte e irán numerados, con inclusión de fuente de datos e información necesaria.

8. Las referencias bibliográficas en el texto deberán indicar el apellido del autor citado y entre paréntesis el año de publicación. La bibliografía o lista de referencias deberá incluir todos los trabajos citados, y seguirá orden alfabético por apellido de autores y nombre completo, sin omitir ningún dato bibliográfico.En el caso específico de las citas de trabajos aparecidos en publicaciones periódicas, se encarece indicar volumen, número dentro del volumen (entre paréntesis), período o mes del año, según corresponda, y año, además de páginas inicial y de término del artículo citado.Los libros y obras asimilables a tal condición (tesis, actas, informes) se citarán indicando, además, número de la edición, ciudad de edición, institución o casa editora. Al citar trabajos incluidos en obras colectivas o recopilaciones, se deberá incluir adicionalmente nombre(s) de editor(es) o compilador(es), así como el título de la obra global.


Revista Estudios de Administración

VALORES DE SUBSCRIPCIÓN ANUAL

Chile Extranjero

Instituciones $ 6.000 América Latina US$ 35 Individuos $ 3.500 E.U.A. US$ 35 Estudiantes $ 2.200 Europa US$ 40

Incluye costo de franqueo. Incluye envío aéreo.

El precio de venta de números sueltos a público en general es de $ 3.500 por ejemplar.

Los pedidos de subscripción se recibirán entre abril y diciembre de cada año. Para estos efectos, se solicita a los interesados enviar fotocopia de esta página, incluyendo los datos solicitados más abajo.

Cada pedido deberá enviarse, acompañado de cheque o giro (libres de comisiones y gastos bancarios) extendido a nombre de Facultad de Ciencias Económicas y Administrativas, Universidad de Chile, a la siguiente dirección:

DIAGONAL PARAGUAY 257OF. 1101 SANTIAGO DE CHILE

Nombre __________________________________________________

R.U.T. __________________________________________________

Firma __________________________________________________

Dirección __________________________________________________

Ciudad ___________________ Código postal _________________

Estado _________________________________________________

País _________________________________________________

Sólo para despachos en Chile.

Rev

ista

Estu

dios

de

Adm

inist

raci

ón

V

ALO

RES

DE

SUB

SCR

IPC

IÓN

AN

UA

L

C

hile

Ex

tran

jero

Inst

ituci

ones

$ 6.

000

Am

éric

a La

tina

US$

35

Indi

vidu

os$

3.50

0E.

U.A

.U

S$ 3

5 Es

tudi

ante

s$

2.20

0Eu

ropa

US$

40

Incl

uye

cost

o de

fran

queo

.In

cluy

e en

vío

aére

o.

El p

reci

o de

ven

ta d

enú

mer

ossu

elto

sa

públ

ico

en g

ener

al e

s de

$ 3

.500

por

ej

empl

ar.

Los

pedi

dos

de s

ubsc

ripci

ón s

e re

cibi

rán

entre

abr

il y

dici

embr

e de

cad

a añ

o.

Para

est

os e

fect

os, s

e so

licita

a l

osin

tere

sado

s en

viar

fot

ocop

ia d

e es

ta p

ágin

a,

incl

uyen

do lo

s dat

os so

licita

dos m

ás a

bajo

. C

ada

pedi

do d

eber

á en

viar

se,

acom

paña

do d

e ch

eque

o g

iro (

libre

s de

co

mis

ione

s y

gast

os b

anca

rios)

ext

endi

do a

nom

bre

de F

acul

tad

de C

ienc

ias

Econ

ómic

as y

Adm

inis

trativ

as, U

nive

rsid

ad d

e C

hile

, a la

sigu

ient

e di

recc

ión:

DIA

GO

NA

LPA

RA

GU

AY

257

OF.

110

1 SA

NTI

AG

O D

E C

HIL

E

Nom

bre

____

____

____

____

____

____

____

____

____

____

____

____

__

R.U

.T.

____

____

____

____

____

____

____

____

____

____

____

____

__

Firm

a __

____

____

____

____

____

____

____

____

____

____

____

____

Dire

cció

n __

____

____

____

____

____

____

____

____

____

____

____

____

Ciu

dad

____

____

____

____

___

Cód

igo

post

al

____

____

____

____

_

Esta

do

____

____

____

____

____

____

____

____

____

____

____

____

_

País

__

____

____

____

____

____

____

____

____

____

____

____

___

Sólo

par

a de

spac

hos e

n C

hile

.

Rev

ista

Estu

dios

de

Adm

inist

raci

ón

V

ALO

RES

DE

SUB

SCR

IPC

IÓN

AN

UA

L

C

hile

Ex

tran

jero

Inst

ituci

ones

$ 6.

000

Am

éric

a La

tina

US$

35

Indi

vidu

os$

3.50

0E.

U.A

.U

S$ 3

5 Es

tudi

ante

s$

2.20

0Eu

ropa

US$

40

Incl

uye

cost

o de

fran

queo

.In

cluy

e en

vío

aére

o.

El p

reci

o de

ven

ta d

enú

mer

ossu

elto

sa

públ

ico

en g

ener

al e

s de

$ 3

.500

por

ej

empl

ar.

Los

pedi

dos

de s

ubsc

ripci

ón s

e re

cibi

rán

entre

abr

il y

dici

embr

e de

cad

a añ

o.

Para

est

os e

fect

os, s

e so

licita

a l

osin

tere

sado

s en

viar

fot

ocop

ia d

e es

ta p

ágin

a,

incl

uyen

do lo

s dat

os so

licita

dos m

ás a

bajo

. C

ada

pedi

do d

eber

á en

viar

se,

acom

paña

do d

e ch

eque

o g

iro (

libre

s de

co

mis

ione

s y

gast

os b

anca

rios)

ext

endi

do a

nom

bre

de F

acul

tad

de C

ienc

ias

Econ

ómic

as y

Adm

inis

trativ

as, U

nive

rsid

ad d

e C

hile

, a la

sigu

ient

e di

recc

ión:

DIA

GO

NA

LPA

RA

GU

AY

257

OF.

110

1 SA

NTI

AG

O D

E C

HIL

E

Nom

bre

____

____

____

____

____

____

____

____

____

____

____

____

__

R.U

.T.

____

____

____

____

____

____

____

____

____

____

____

____

__

Firm

a __

____

____

____

____

____

____

____

____

____

____

____

____

Dire

cció

n __

____

____

____

____

____

____

____

____

____

____

____

____

Ciu

dad

____

____

____

____

___

Cód

igo

post

al

____

____

____

____

_

Esta

do

____

____

____

____

____

____

____

____

____

____

____

____

_

País

__

____

____

____

____

____

____

____

____

____

____

____

___

Sólo

par

a de

spac

hos e

n C

hile

.


Andros Impresoreswww.androsimpresores.cl

CONTENIDO

Volumen 13 N° 1 2006

Estudios de AdministraciónISSN 0717-0653

Universidad de ChileFacultad de Economía y NegociosDepartamento de Administración

ES

TU

DIO

S D

E A

DM

INIS

TR

AC

ION

V

OL

UM

EN

13

Nº

1

Volumen 13 N 1 2006

CONTENIDO

Generación y transferencia de conocimiento en pequeñas empresas: estudio de casos en el sector de las tecnologías de la información Laura Zapata José Luis Pineda

Modelos de lógica y lógica borrosaen la predicción del IPSAAntonino Parisi F. Julio Rebolledo Edinson Cornejo S.

Estrategias contrarian y momentum:evidencia en Chile Marcelo González A.

Índice de contenido

21235_ Portada Admin.indd 1 13/9/07 16:57:06

Comité editorial Editorial board

Editor

JORGE GREGOIRE C. Universidad de Chile

Editores asociados

EDUARDO ACUÑA A. Universidad de Chile AUGUSTO CASTILLO R. Universidad Católica de Chile

ROBERTO FRIEDMANN Universidad de Georgia, EE.UU.FRANK HELLER Instituto Tavistock, Londres, Inglaterra

OSCAR JOHANSEN B. Universidad de Cs. de la Informática, ChileCHRISTIAN A. JOHNSON Universidad Adolfo Ibáñez, Chile CARLOS MAQUIEIRA V. Universidad de Chile

MIGUEL MENDOZA H. Universidad de Chile ANDRÉS RAINERI B. Universidad Católica de Chile

EDUARDO S. SCHWARTZ Universidad de California, EE.UU.FERNANDO SUÁREZ L. Boston University, EE.UU.SALVADOR ZURITA L. Universidad Adolfo Ibáñez, Chile

La revista Estudios de Administración es publicada semestralmente por el Departamento de Administración, de la Facultad de Economía y Negocios de la Universidad de Chile. El objetivo de esta revista académica es la publicaciónde artículos correspondientes a investigaciones empíricas y ensayos teóricos que seanun aporte original en temas relativos, fundamentalmente, al funcionamiento de la empresa, los mercados y sus regulaciones.

Todo artículo propuesto para publicarse será evaluado por el comité editorial y árbitros anónimos.

Para la reproducción total de cualquiera de los artículos publicados en la revistaEstudios de Administración, solicítese previamente autorización al editor. En el casode reproducciones parciales, bastará sólo citar la fuente.

Los trabajos y correspondencia deberán enviarse al editor, a la dirección postalde la publicación:

Revista Estudios de AdministraciónFacultad de Economía y Negocios

Universidad de Chile Diagonal Paraguay 257, oficina 1101

Santiago de Chile

La correspondencia también podrá enviarse al fax (562) 2220639.

21235_ Portada Admin.indd 2 13/9/07 16:57:06