revista de estadística, econometría y finanzas aplicadas

Revista de Estadística, Econometría y FinanzasAplicadas-Vol. I, No. 0, julio-diciembre 2003

Title Revista de Estadística, Econometría y Finanzas Aplicadas-Vol. I,No. 0, julio-diciembre 2003

Issue Date 2015-08-17

Abstract Revista del Departamento de Finanzas y la Escuela de Negociosdel Tecnológico de Monterrey, Campus Estado de México

Downloaded 01/04/2018 15:05:47

Link to Item http://hdl.handle.net/11285/574163

http://hdl.handle.net/11285/574163

TECNOLÓGICODE MONTERREY.

REVISTA DE ESTADÍSTICA,ECONOMETRÍA Y

FINANZAS APLICADASRevista del Departamento de Finanzas y la Escuela de Negocios del

Tecnológico de Monterrey. Campus Estado de México

ARTÍCULOS:Valuación del Rendimiento de la Acción de Grupo Bimbo:Una Estimación Econométrica del Modelo CAPM

Administración de Activos Financieros dentro del MercadoBursátil Mexicano: Una Estimación del Valor en Riesgo (VaR)

Valuación del Rendimiento de la Acción de Kimberly-Clark:Una Estimación Econométrica del Modelo APT Fundamental

Networks And Clusters: A Short Essay OnTheir Importance For Regional DevelopmentOctavio A Palacios

Pronóstico del Precio de la Acción Serie A deKimberly-Clark México: Una Estimación con Modelos ARIMA

Editor y Creador

PRESENTACIÓN

La investigación científica implica un trabajo muy importante que refleja el nivel de

la academia que lo genera y de sus integrantes. El hacer esta investigación cientí-

fica representa un esfuerzo intelectual que pocas veces tiene su inmediata réplica

en un medio de difusión como una revista de divulgación. Este esfuerzo, lo quere-

mos hacer patente mediante la publicación de esta revista, la Revista de

Estadística, Econometría y Finanzas Aplicadas. La naturaleza de la investi-

gación que se realiza en el Tecnológico de Monterrey y en el Campus Estado de

México, nos ha rebasado y ahora nos exige dar y tener un mayor nivel académico.

En los años recientes, ha sido una necesidad permanente de la comunidad docente

e investigadora del Campus Estado de México el integrar esta investigación con su

inmediata publicación y difusión. Esta revista, representa esa oportunidad que

todos los profesores y alumnos integrantes de esta comunidad tienen al concluir

un semestre. El integrar todos estos trabajos de alumnos y profesores no ha sido

una tarea sencilla, pues el nivel de los trabajos, la selección de los mismos y la pos-

terior revisión técnica y académica han representado un gran esfuerzo para el

Departamento de Finanzas y en particular para el editor de la revista, MF. Pablo

López.

En este contexto en que tengo el honor de presentarle a la comunidad científica,

académica y estudiantil un gran esfuerzo intelectual: la publicación de la primera

revista de índole académico del Tecnológico de Monterrey, Campus Estado de

México, cuyo principal objetivo es promover y difundir la investigación estadística,

econométrica y de finanzas aplicadas y generar un espacio de discusión en torno

a los mismos temas.

ME Eduardo Carbajal HuertaDirector del Departamento Académico deFinanzas Escuela de Negocios

EDITORIAL

La Revista de Estadística, Econometría y Finanzas Aplicadas (REEFA) es un esfuerzo semestral delDepartamento de Finanzas del Instituto Tecnológico Superiores de Monterrey, Campus Estado deMéxico y su Escuela de Negocios de tener un medio de difusión de las investigaciones de ¡os pro-fesores y alumnos del Campus, así como de las Universidades Nacionales e Internacionales intere-sadas en los temas que aborda la revista.

La revista es de tipo multidisciplinaria y se encuentra abierta a alumnos, profesores e investi-gadores de nivel profesional y postgrado (maestría y doctorado) interesados en publicar trabajosde investigación inéditos y que tengan especial énfasis en la parte aplicada en cualquier área delas matemáticas, economía, econometría, series de tiempo y finanzas.

Algunas de las áreas de interés de la revista son:Ecuaciones Diferenciales y Sistemas Dinámicos. Estadística Multivariada. Análisis de Regresión.Series de Tiempo Univariadas y Multivariadas. Muestreo, Redes Neuronales. Econometria,Crecimiento Económico. Macroeconométria. Microeconométria. Finanzas Públicas. PolíticaMonetaria. Administración de Riesgos. Administración Financiera. Futuros. Opciones, Derivados.Matemáticas Financieras y Teoría Financiera por mencionar algunos.

Aprovecho este primer número de la revista para invitar a la comunidad del Campus Estado deMéxico y de todo el Sistema Tecnológico de Monterrey, así como a los interesados de otrasUniversidades Nacionales e Internacionales a mandar sus trabajos de investigación bajo los li-neamientos que aquí se adjuntan.

Me permito agradecer a todos los profesores y alumnos que han dedicado parte de su valioso tiem-po en apoyar este esfuerzo y muy en particular a los miembros del comité asesor que han aporta-do su experiencia y conocimiento, a través de sus comentarios para mejorar los artículos y todo loreferente a la revista.

Finalmente, debo agradecer a todos los directivos del Campus Estado de México por creer en esteproyecto académico y de investigación, muy en especial al Maestro Eduardo Carbajal Huerta. Directordel Departamento de Finanzas quien fue un entusiasta impulsor del proyecto desde que presente laidea para crear esta revista, sin duda el apoyo de todos ello es invaluable y ha dado fruto en esteprimer número de nuestra ya querida Revista de Estadística. Econometría y Finanzas Aplicadas queestamos seguros que tendrá una larga y fructífera vida para el beneficio de toda la comunidad inves-tigadora y muy en especial de los alumnos interesados en los temas que se presentan.

MF Pablo López SarabiaEditor y Creador de la REEFA

Tecnológico de Monterrey.Campus Estado de México

Pronóstico del Precio de la Acción Serie Ade Kimberly-Clark México:

Una Estimanción con Modelos ARIMALizet Ancheyta y Lourdes Palos

II

ÍNDICE

Valuación del Rendimiento dela Acción de Grupo Bimbo:

Una Estimación Econométrica del Modelo CAPMLaura Saldaña, Ximena Montes

Administración de Riesgos Financieros dentrodel Mercado Bursátil Mexicano:

Una Estimación del Valor en Riesgo (VaR)Alonso Rodríguez Bedolla.Osear Qonzález Caballero,María Elisa Dávila Ortíz y

Angelina Caballero Qarcía

Valuación del Rendimiento de laAcción de Kimberly-Clark:

Una Estimación Econométrica del Modelo

APT FundamentalRoberto Carlos Torres Robles,

Qerado Septién

Networks and Clusters: A Short Essay on A.KTheir Importance for " ^

Regional DevelopmentOctavio Palacios

34

74

4

Escuela de Negocios Tecnológicode Monterrey, Campus Estado de México

Valuación del Rendimiento de la Acciónde Grupo Bimbo:

Una Estimación Econometríca del Modelo CAPM

¿aura SaldañaEstudiante LAF. Tecnológico de Monterrey.

Campus Estado de México

Ximena MontesEstudiante LAF, Tecnológico de Monterrey,

Campus Estado de MéxicoPablo López Sarabia

RESUMENEn este artículo se estima mediante un modelo econométrico de Mínimos Cuadrados Ordinarios elcomportamiento de la acción de Grupo Bimbo. a través del modelo de valuación de acciones cono-cido en la literatura económica y financiera como Capital Asset Princing Model (CAPM). El traba-jo concluye que el rendimiento de la acción de grupo Bimbo es proporcional al riesgo de mercado;la beta estimada en el CAPM fue del 0764 y fue estadísticamente significativa, lo que demuestraque la acción es defensiva para el período de estudio. La muestra que se utilizó fue semanal, lo quehizo que el modelo tuviera un buen ajuste.

INTRODUCCIÓNEl presente artículo tiene como objetivo analizar el caso específico del comportamiento del preciode la acción de Grupo Bimbo en el mercado bursátil mexicano, mediante la estimación del mode-lo Capital Asset Princing Model (CAPM), mediante la técnica econométrica denominada MínimosCuadrados Ordinarios.

El modelo CAPM se emplea de manera cotidiana en casas de bolsa, por citar un ejemplo, en la for-mulación de estrategias de inversión y consejos de administración financiera, así como en la esti-mación del WACC o costo de capital promedio ponderado.

La selección de la acción de Bimbo para este artículo, se debe a que se quiso estudiar una empre-sa 100% mexicana con una fortaleza tal que le permite cotizar en mercados internacionales, ycuyos productos fuesen parte rutinaria de la vida nacional. Grupo Bimbo es una empresa que con-trola, casi en su totalidad, el mercado de pastelería y repostería en nuestro país, con empresas yproductos como, Suandy, Frexport. Wonder. Carmel; y además cuenta con presencia en México,Chile. Alemania. España, Perú, Venezuela y Guatemala.

1 Vol. I. No. O.Julio-Diciembre 2003


MARCO TEÓRICOEl modelo CAPM trata de fijar el precio de un activo financiero, mediante la relación del riesgo con-tra los rendimientos esperados, bajo el entendido de que el riesgo de una acción se divide en diver-sificable o riesgo específico de una compañía y no diversificable o sistemático. Este último es elmás importante para el CAPM y está medido por su coeficiente beta que está representado ¿h laecuación de regresión por la pendiente. Dicho coeficiente relaciona el exceso de rendimiento de laacción respecto de la tasa libre de riesgo y el exceso de rendimiento de mercado respecto a la tasalibre de riesgo.

En este modelo, desarrollado por William Sharpe en 1990, se afirma que el premio al riesgo de laacción i es proporcional al premio al riesgo en el portafolio del mercado. El coeficiente beta seobtiene por medio de una regresión lineal de dos variables según el supuesto de que el rendimien-to en exceso de la acción, analizada como una serie de tiempo, tiene varianza condicionalhomoscedástica. La beta representa entonces la volatilidad de la acción o, dicho de otra forma,mide la sensibilidad del rendimiento de la acción con respecto a la variación del mercado. De estaforma, un valor menor que uno indicaría una acción defensiva, mientras que la acción agresiva sepodría identificar por un valor en el coeficiente de pendiente mayor a uno, es decir por arriba delportafolio de mercado.

La siguiente ecuación es la expresión del modelo CAPM que muestra que la tasa de rendimiento espe-rada sobre un activo es igual a la tasa libre de riesgo(Rf), más una tasa de premio por el riesgo:

Ri = Rf + ( Rm - Rr) 11

La beta de está ecuación mide el riesgo sistemático o no diversificable. Puesto que todas las empre-sas se ven afectadas simultáneamente por estos factores, este tipo de nesgo no puede ser elimina-do por diversificación. Desde el punto de vista estadístico, los valores de la beta se calculan pormedio de una regresión lineal.

El modelo econometrico para estimar el CAPM es el siguiente:

Ri - Rf = a + B ( Rm - Rf) + e

Como la tasa libre de riesgo se restó de ambos lados de las ecuaciones, la interpretación del tér-mino (Ri - Rf) sería el exceso del rendimiento del í-ésimo título o acción. Así, según el CAPM, elexceso de rendimiento de la acción debe ser igual al exceso de rendimiento del mercado multipli-cado por su beta.La variable e es el componente aleatorio del modelo o error.

METODOLOGÍASe estimó la regresión lineal para el modelo CAPM propuesto mediante la técnica de MínimosCuadrados Ordinarios (MCO), para estar en posibilidades de que los estimadores que arroje la

Departamento de Finanzas '

Escuela de Negocios Tecnológicode Monterrey. Campus istado de México

ecuación de regresión sean estimadores MELI (mejores estimadores linealmente insesgados. cono-cidos en la literatura como BLUE por sus siglas en inglés), preocupándonos prioritariamente pordetectar y corregir las violaciones a los siguientes supuestos:

Supuesto # I. No existe autocorrelación entre los errores, es decir cov (u¡ . u¡) = 0 cuando i =j.

Supuesto # 2. Homoscedasticidad o igual varianza entre los errores.

Supuesto # 3. Covarianza cero entre los errores y la variable X¡. es decir, no existe la presencia de

un regresor estocástico.

Supuesto # 4. Los residuales se distribuyen normalmente.

La regresión se estimo en los paquetes computacionales de E-views y adicionalmente nos apo-yamos en los software SPSS para Windows y Office Excel. Las pruebas de hipótesis de lossupuestos de regresión se realizaron a un nivel de significancia de 0.05.

DESARROLLOPrimero definimos tres datos a investigar: La acción libre de nesgo, la acción a estudiar y elrendimiento del mercado.

a) Rf: La acción libre de riesgo la obtuvimos del precio semanal de los Cetificados de Tesoreríareportado por la base de datos de Economática, a partir de enero del 2000 y hasta julio del 2002.

b) R¡: La acción seleccionada fue Grupo BIMBO y su precio histórico coincidiendo con las fechasde registro de los precios de los CETES (cada martes, semanalmente, en el mismo rango) fueigualmente obtenido de la base de datos de Economática.

c) Rm: Para calcular el rendimiento del mercado empleamos la variable proxy del precio del IPC dela Bolsa Mexicana de Valores, del sistema de consulta del INECI.

Para calcular el rendimiento de cada variable, estimamos su variación Comparando el valor en eltiempo I con el valor en el tiempo 0 y restándole la unidad. Posteriormente, estimamos la ecuaciónde regresión para observar empíricamente el cumplimiento del modelo CAPM. Es importanteseñalar que debido a la disponibilidad de los datos, el modelo CAPM se estimó de forma semanaldurante el período del 11 de enero del 2000 hasta el 2 de julio del 20002. Esto incluyó 130 obser-vaciones para las que creamos un grupo con nuestras variables:

y= ri - rfX= rm - rf

• Vol. I, No. 0, Julio-Diciembre 2003


HIPÓTESIS Y PLANTEAMIENTO DEL PROBLEMAComprobar empíricamente el modelo CAPM, es decir, determinar el rendimiento esperado de laacción Grupo Bimbo, observando su comportamiento en un periodo determinado de tiempo, através del exceso de rendimiento y basándonos en un relación unifactorial (exceso de rendimientodel mercado).

Hipótesis: En el modelo CAPM, el premio al riesgo de la acción Grupo Bimbo es proporcional al ries-go en el portafolio de mercado, por lo que es posible y preciso determinar el rendimiento esperado através de un solo factor.

ESTIMACIÓN DEL MODELO

Dependen! Variable: YMethod: Least SquaresSarnple: l/l 1/2000 7/02/2002¡ncluded observations: 130

Variable CoefficientX 0.754909R-squared 0.660674Adjusted R-squared 0.660674S. E. oí regression 0.04884Sum squared resid 0.307707Log likelihood 208.5372

Y = 0.7549085152*X

Std. Error t-Statistic0.047473 15.90198

Mean dependent varS.D. dependent var

Akaike info criterionSchwarz criterion

Durbin-Watson stat

Prob.0

0.0055980.083843-3.19288

-3.1708221.593827

VERIFICACIÓN DE LOS SUPUESTOS DE MCO* Autocorrelacion.

Gracias a la gráfica de residuales se puede intuir que sí existe autocorrelación, lo cual confirmare-

mos con la prueba Durbin-Watson (cuyo estadístico fue 1.593).

Con los siguientes datos obtenidos de la tabla Durban-Watson, se tiene que:

« = 0 . 0 5 n =130 k= I Limite inferior d = 1.654 Limite superior d = 1.694

Autocorr. + Indecisión No autocorrelación Indecisión Autocorr. -

0 1.654 1.694 2 2.306 2.346

Departamento de Finanzas <


Las hipótesis planteadas para este caso:Ho: No existe autocorrelación entre dos errores diferentes.Ha: Si hay autocorrelación entre dos errores diferentes.

En este caso se rechaza Ho, ya que el estadístico Durbm Watson cae en la región de autoco-rrelación positiva, por lo que afirmamos que existe autocorrelación entre los términos de error delmodelo. Al corregir la autocorrelación mediante un AR(I). tenemos la siguiente ecuación:

Dependent Variable: YMethod: Least SquaresSample(adjusted): 1/18/2000 7/02/2002Included observations:Convergence achieved

129 after adjustingafter 4 iterations

Variable CoefficientX

AR(I)R-squaredAdjusted

R-squaredS.E. of regression

Sum squared resid

Log likelihood

0.768432

0.1790530.678671

0.6761410.0479

0.291387

209.9501

endpoints

Std. Error t-Statistic0.04695 16.36706

0.088562 2.021792Mean dependent var

S.D. dependent varAkaike info criterion

Schwarz criterion

Durbin-Watson stat

Y = 0.7684315414*X + [AR( 1 )=0.1790530545]

Prob.0

0.04530.005589

0.084169

-3.224032

-3.1796941.908287

* Heteroscedasticidad.

A partir de la gráfica de dispersión de x y y. se pudo observar intuitivamente que no existe hete-roscedasticidad proporcional, ya que los componentes no llevan un patrón de distribución específico.

• Vol. I. No. O.Julio-Diciembre 2003

Escuela de Negocios Tecnológicode Monterrey. Campus Estado de México

Posteriormente hicimos la prueba de heteroscedasticidad particionada obteniendo las vananzas delas dos mitades de la muestra, después de ordenarlas de manera descendente.

Sigma primera mitad = 0.45Sigma segunda mitad= 0.51Cociente de vananzas = 0.782920F= 1.513287

Ho: Los residuales no son heterocedasticos.Ha: Los residuales son heterocedasticos.

En este caso no se rechaza Ho pues el valor de F es mayor al cociente de vananzas. por lo que losresiduales resultan homoscedásticos.

* Muiticolinealidad.

Debido a que sólo existe una variable explicativa, no puede existir multicolinealidad. es decir, unarelación en un algún grado entre las variables explicativas.

* Normalidad.

Tenemos las siguiente prueba de hipótesis para un nivel de significancia del 0.05%, y un p-valuepara el estadístico Jarque-Bera de 0.208.

Ho: Los residuales se distribuyen normalmente.Ha: Los residuales no se distribuyen normalmente.

En este caso no se rechaza Ho. por lo que podemos concluir que los residules sí se distribuyen nor-malmente ya que el (p-value es mayor que alfa).

PRONÓSTICOSPrueba de significancia de la beta, a través de su (p-value).Ho: B = 0 p-value = 0Ha: B * 0 a= 0.05

p < c t En este caso, concluimos que B es estadísticamente significativa.

Si la variación promedio del exceso de rendimiento del mercado es: 0.00376914 y el último datoobservado es -0.0248828, la nueva x es -0.024976.



Y = 0.76843 15414*(-0.024976) + [AR( I )=0.1790530545]Y = -0.01919+0.1 790y= 0.1598El exceso de rendimiento esperado para el siguiente período sería de 0.1598

CONCLUSIONESSe logro comprobar empíricamente el modelo CAPM y así determinar el rendimiento esperado dela acción Grupo Bimbo. Nuestra hipótesis mostró ser cierta para el período de referencia, con lasconclusiones que a continuación se mencionan.

CAPM: El premio al riesgo de la acción Grupo Bimbo es proporcional al premio al riesgo en elportafolio del mercado, medido a través del rendimiento del IPC. por lo que es posible y precisodeterminar el rendimiento esperado a través de un sólo factor.

Observando y analizando la salida, sabemos que la acción Grupo BIMBO sería defensiva, ya quesu cambio seria menor al que tiene el mercado, y además sabemos, gracias a la ecuación de regre-sión, que por cada cambio en una unidad en el exceso de rendimiento del mercado, el exceso derendimiento de Grupo BIMBO varía en 0.7684.

Ahora podemos concluir que el exceso de rendimiento del mercado explica al exceso de rendimien-to de GRUPO BIMBO en un una proporción de 0.67, o que el porcentaje de variación del excesode rendimiento de GRUPO BIMBO alrededor de su media, explicado por el modelo de regresión,es de 67%. Con un nivel de confianza del 95% podemos afirmar que existe una relación estadís-tica significativa entre ambas variables.

BIBLIOGRAFÍA• Cárter R. HUÍ Qeorge Judge. WÜHam Qriffiths;

"Undergraduate Econometrics", 2a edición. John Wiley 6 Sons, 2000.• Qrinblatt y Tttman, "Financial Markets", McGraw-Hül. 2000.

Electrónica• http://www.inegi.gob.mx , Consultada 20 de julio 2002.• http://www.bimbo.com.mx. Consultada 20 de julio 2002.• http://www.patagon.com. Consultada 20 de julio 2002.• http://www.bmv.org.mx, Consultada 20 de julio 2002.• http://www.banxico.org.mx, Consultada 20 de julio 2002.

10 • Vol. I. No. 0, Julio-Diciembre 2003


Administración de Riesgos Financieros dentrodel Mercado Bursátil Mexicano:

Una Estimación del Valor en Riesgo (VaR)

Rodríguez BedollaEstudiante LAF, Tecnológico de Monterrey.

Campus Estado de MéxicoOsear Qonzáíez Caballero

Estudiante LAF. Tecnológico de Monterrey,

Campus Estado de MéxicoMaría Elisa Dáuila orüz

Estudiante LEC. Tecnológico de Monterrey,Campus Estado de MéxicoAngelina Caballero Qarcía

Estudiante LEC, Tecnológico de Monterrey,Campus Estado de México

RESUMENEl presente artículo aborda la importancia de la administración de riesgos en la inversión de activosfinancieros en el mercado mexicano. La metodología propuesta se basa en la estimación deldenominado Valor en Riesgo (VaR por sus siglas en inglés) en forma Histórica, es decir, sin supo-ner ninguna distribución de probabilidad en particular, mientras que después se hará el supuestode que se tiene una distribución normal. Los resultados que se presentan se basan en la confor-mación de un portafolio de tres activos que suman una inversión total de $ 700,000 pesos. La evi-dencia parece mostrar que la diversificación mediante un portafolio de inversión hace que las per-didas potenciales disminuyan de forma significativa, además de que la medida del VaR permitetomar diferentes estrategias de cobertura de riesgos al contemplar la perdida máxima que se puedetener en un horizonte dado con determinada probabilidad.

INTRODUCCIÓNEn México, a raíz de la crisis económica que sufrimos a partir de diciembre de 1994, las autoridadesfinancieras han inducido a las instituciones financieras a crear una unidad de administración deriesgos que se encuentre libre de conflictos de interés y esté en posibilidad de detectar y medir losriesgos tanto de crédito como de mercado.

El Valor en Riesgo (VaR por sus siglas en inglés) es un método que permite cuantificar el montode dinero que se tendría en riesgo en una determinada posición. En otras palabras, el VaR mide la


Escuela de Negocios Tecnológicode Monterrey. Campas Estado de México

máxima pérdida que se podría sufrir en condiciones normales de mercado en un horizonte de tiem-po específico y con un cierto nivel de confianza.

El Valor en Riesgo se está convirtiendo en un instrumento estándar de gestión en institucionesfinancieras alrededor de todo el mundo o, a partir del acuerdo de Basilea. Su principal atractivo radi-ca en su sencillez de estimación y fácil comprensión, ya que un solo número ofrece informaciónsobre la pérdida potencial a la que se puede tener en una posición financiera en un determinadoperíodo y con cierta probabilidad.

La rentabilidad de las empresas está directa o indirectamente vinculada con los precios de activosfinancieros: la supervivencia misma de las compañías depende de los movimientos en dichos mer-cados. Razón por la cual, se ha tornado cada vez más relevante poder anticipar las posibles varia-ciones de las tasas de intereses, las cotizaciones de las acciones en los mercados bursátiles y el tipode cambio, entre otras variables. No habría ninguna decisión financiera que tomar, si se pudieradeterminar con precisión los cambios en estas variables. En la medida en que se enfrenta a la incer-tidumbre del futuro de estas variables, es necesario considerar los distintos cursos de acción posi-bles y las consecuencias que cada uno de ellos tiene si se presentan diferentes escenarios. Por estemotivo el análisis de riesgos está íntimamente relacionado con el proceso de toma de decisionesde portafolio, de hecho en el área financiera se estudian de manera paralela.

El problema en la administración de riesgos se torna más complejo al tener que diferenciar entredistintos riesgos financieros. Una clasificación de los tipos de riesgo que se puede realizar es lasiguiente:

1. Riesgos de mercado, los cuales están asociados con los movimientos en precios de los activosque componen un portafolio.

2. Riesgos de crédito, los cuales están relacionados con la probabilidad de impago de la contra-parte.

3. Riesgos de liquidez, son los riesgos relacionados con la probabilidad de no poder comprar ovender los activos o instrumentos que se tengan o se deseen tener en posición en las canti-dades requeridas.

4. Riesgos operacionales se refiere a las pérdidas potenciales resultantes de sistemas inadecuados,fallas administrativas, controles defectuosos, fraude, o error humano.

5. Riesgos Legales se presenta cuando una contraparte no tiene la autoridad legal o regulatoriapara realizar una transacción.

En todos los casos, el riesgo consiste en movimientos adversos de los precios de los instrumentosfinancieros. Si se analizan los riesgos de liquidez, interesa los posibles cambios de precio quesufriría una posición si se intentara liquidar cuando el mercado es poco profundo, mientras que al



estudiar riesgos de mercado interesan las fluctuaciones normales de precios. El riesgo crediticio estádirectamente asociado a una posible disminución del precio que sufre un título financiero cuandoexiste la posibilidad de que el suscriptor incumpla.

OBJETIVOEl objetivo del presente trabajo es cuantificar la exposición al riesgo de mercado de un portafoliode inversión conformado por las acciones de GCARSO A l . ALFA A y una posición en dólares esta-dounidenses que en total representan una inversión de $700.000 pesos. La medida de riesgo quese estimará será el denominado Valor en Riesgo (VaR), en sus versiones histórica y normal con ho-rizontes de inversión a uno y diez días; así como un nivel de confianza asociado (en el caso delnormal) del 95% y 99%.

JUSTIFICACIÓNLa elección de los activos, en ambos casos de acciones, se dio por su alta bursatilidad e importan-cia en la conformación de los índices -IPyC y Dow Jones- a los cuales pertenecen, dentro de losmercados en los que operan. Mientras que la posición en dólares se tomo al ser una moneda dereferencia para muchos mexicanos que pretenden obtener ganancias significativas.

METODOLOGÍALa determinación de los pesos de cada activo dentro del portafolio mediante un análisis Media-Varianza, que permitió graficar la frontera eficiente y con ello determinar el portafolio de mayorrendimiento dada la varianza más pequeña.

Uno de los supuestos utilizados es el de que el individuo al cual se le hace un análisis de riesgo,es Indiferente al riesgo; por lo que se toma una o promedio de la combinanción lineal generada pormedio del Análisis Media-Varianza. En este caso es igual a 0.01487764

La combinación óptima del portafolio de inversión, se calculó mediante el SOLVER del paquetecomputacional Excel. Ésta se obtiene maximizando la siguiente expresión que no permite ventasen corto:

max 2 Wi Risujeto a:SWi= I

W1.W2.W3 a O

Donde: Ri = E( Ri ) y Wi = Ponderación dentro del Portafolio

A partir de los pesos estimados se conformo la cartera respectiva y se estimó el VaR Histórico yNormal para cada activo y para el portafolio de inversión para el período del 24 de septiembre de2002 al 23 de septiembre de 2003.

Departamento de Finanzas • 13


RESULTADOSEl rendimiento promedio de cada uno de los activos y su volatilidad diaria para el período de análi-

sis se presenta en el siguiente cuadro:

HistóricaActivos

Grupo Carso A1Alfa A

Tipo de CambioPesos/Dolar

RendimientoDiario

.14%

.27%

.03%

PromedioDiaria

Volatilidad

1.47%1.66%

.57%

Las ponderaciones obtenidas mediante el Solver de Excel para el análisis Media-Varianza fue el siguiente:

0.003

0.0025™-

O+> 0.002-c<D•H6 0.0015-TJC£ o .oo i -

0.0005-

Bartafolio

0 . 0 1 0 . 0 2 0 . 0 3 0 . 0 4 0 . 0 5

Riesgo

El portafolio seleccionado fue el siguiente:

Monto Invertir: S 700,000 W % En$W lW2W3

0.2004142310.4641834820.335402288

20.0414%46.4183%33.5402%

140,289.96324,928.44234781.60

Multiplicamos las matrices de Varianza-Covarianza y las de la ponderación - incluyendo sutranspuesta, para obtener la varianza del portafolio:

14 • Vol. I. No. O.Julio-Diciembre 2003


x=

X T =

Q=

XT*

XT*

0.2004142310.4641834820.335402288

0.200414231

0.0011686270.000308206-3.I9974E-05

Q = 0.000366542

Q * X = 0.000435249

0.464183482

0.000308206

0.001492324-I.96984E-05

0.000747874

0.335402288

-3.I9974E-05-I.96984E-050.000176502

4.36427E-05

Con base en la volatilidad del portafolio se logro estimar el Valor en Riesgo Normal con la si-guiente expresión: VaR = Valor de la posición * cuantil de la normal * desviación estándar delportafolio * raiz del periodo de tiempo u horizonte.

En el siguiente cuadro resumen se presentan dichas estimaciones para todo el portafolio y por acti-vo y además se presenta la perdida potencial que se logra eliminar gracias a la diversificación queprovocó el portafolio de inversión.

La volatilidad, entonces será de:

VaR aVaR a

un díadiez días

a = 0.02086262V o = $ 700.000.00

k(a) = 2.326347

Portafolio$33.973.58

$ 107,433.91

Beneficios Diversificar$ 3.804.03

$43.652.17

Departamento de Finanzas < 15


Valor en Riesgo por Activo:GCARSOAI ALFA A Dólares0.034185194 0.038630616 0.013285395$139,353.66 $328,478.98 $232,167.36

2.326347 2.326347 2.326347

VaR a un día$ I 1.082.33 $29.519.82 $ 7,175.47

VaR a diez días35.045.39 93.349.87 22,690.82

A partir de no considerar ninguna distribución de probabilidad en particular, se estimó el VaR Histórico,teniendo los siguientes resultados para el portafolio y para los activos en forma individual.

Con unNo. de

a =observaciones =

CCARSO AI440.81216.00

-$ 6,228.42

02

.01

.4

-$

ALFA A67.8033.22

11,877.32

Tipo de Cambio1 18.16

57.90

-$ 2,526.52

Total466.29228.48

-$ 12,314.24

Se espera a un nivel de confianza de 99%, una pérdida máxima de $6.228.42 en CCARSO A l . deALFA A en $11,877.32; mientras que la posición en dólares tendrá una perdida potencial de $2,526.52y finalmente el Portafolio de Inversión puede registrar una perdida máxima de $12,314.24; en un hori-zonte de inversión igual a un día.

VaR GCARSOAI =VaR ALFA A =VaR Dólares =

VaR Portafolio =

6.228.42I I . 877.322,526.52

12,314.24

El beneficio de la diversificación es de 8,318.02 ; ya que el VaR del portafolio presenta una perdida menor a la suma de los VaR' s individuales.

CONCLUSIONESEl éxito de las empresas en el ámbito financiero dependerá de la capacidad de análisis de las múlti-ples y crecientes alternativas que ofrecen los mercados financieros, dentro de un contexto cada vezmás complejo, en el que el análisis de la interrelación dinámica de los factores de riesgo y la sis-tematización de los procesos de toma de decisiones jugarán un papel muy importante. Tanto los



intermediarios financieros como las áreas financieras de las empresas industriales y comerciales queaspiren a ocupar los primeros lugares de rentabilidad en el mercado, deberán tener acceso a sistemade gerencia de riesgo en manejo de portafolios y análisis de riesgos en su sentido más amplio, queincluye desde el manejo de fondos, hasta la estructura óptima de financiamiento y capital.

A medida que avanza la Globalización será cada vez más importante la gerencia integral de riesgo.Hoy los gerentes financieros tienen una serie de herramientas, tanto analíticas como de sistemas,que permiten enfrentar estos retos. Sería prácticamente imposible que una institución financieramultinacional pudiera sobrevivir sin este tipo de enfoque sobre riesgos. Pero estas metodologías ysistemas no sólo aplican a las multinacionales financieras, sino a cualquier institución o individuoque se enfrenta a los riesgos de mercado, es por esta razón que se presenta en este artículo, un sis-tema de gerencia de riesgo que no requiere grandes inversiones para una empresa, pero que cumplecon las necesidades básicas de las pequeñas organizaciones financieras.

Adicionalmente, las autoridades regulatorias de todos los países han comenzado a exigir enalgunos países, a las entidades financieras, sistemas para la administración de riesgos, incluyendomecanismos para el monitoreo de las posiciones y órganos de control interno especializados atodos los niveles dentro de la organización. Se ha enfatizado en el involucramiento del Consejo deAdministración en la implantación de las políticas de riesgo. Los intermediarios que no incorporenen su organización sistemas de riesgo, probablemente, las autoridades regulatorias pudiesen revo-carles la autorización de operar en los mercados.

Finalmente, se logro estimar el VaR mediante dos metodologías diferentes (Histórico y Normal) yambas lograron captar los beneficios de la diversificación para aminorar las perdidas potenciales alinvertir en activos financieros y muy en particular en el caso de México. Por lo que el VaR mostróser una herramienta confiable para la determinación y cuantificación del riesgo que se asume enuna posición financiera.

BIBLIOGRAFÍA• Butler. Cormac. Mastering Valué at Risk, Financial Time Management. Londres. 1999.• Hull. john. "Options Futures and other Derivativs", Prentice-Hall, New Jersey, 1997.•joño. Philipe. "Valor en Riesgo: El nuevo paradigma para el control de riesgos con derivados".

Editorial Limusa, S.A. de C.V. México,1999.• Kolb. Robert C. "Financial Derivatives". New York Press. 1993.• Philipe¡orion. "Valué at Risk", Irwin Prof. Publications, 1997.



ANEXO A Estimación VaR Normal

Cuando el nivel de significancia es _ - 9996

Multiplicamos las matrices de Varianza-Covarianza y tas de la ponderación - incluyendo su transpuesta-para obtener la volatilidad del portafolio.

0.200414231X . 0.464183482

0.335402288

X T- 0.200414231 0.464183482 0.335402288

0.001168627 0.000308206 -3.19974E-050.000308206 0.001492324 -1.96984E-05

-3.19974E-05 -1.96984E-05 0.000176502

XT*. O.OOO366542 0.000747874 4.36427E-05

XT*_*X - 0.000435249

La volatilidad, entonces será de: GCARSO Al ALFA A Dólares

0.034185194 0.038630616 0.013285395

$ 700.000.00 $ 139,353.66 $ 328.478.98 $232 ,167 .36

k(-) - 2.326347

Vfjí.m-.miíl^^tif.t~-m

18 ' Vol. I, No. O.Julio-Diciembre 2003


ANEXO B Estimación VaR Histórico

n123456789

101112131415

16171819202122232 4252627282930313233343536373839404142434 44 54647484950515253

1Fecha ¡Precio GCARSO

9/24/029/25/029/26/029/27/029/30/0210/1/0210/2/0210/3/0210/4/0210/7/0210/8/0210/9/02

10/10/0210/11/02

10/14/02

10/15/02

10/16/0210/17/0210/18/0210/21/0210/22/0210/23/0210/24/0210/25/0210/28/0210/29/0210/30/0210/31/0211/1/0211/4/0211/5/0211/6/0211/7/0211/8/02

11/11/0211/12/0211/13/0211/14/0211/15/0211/18/0211/19/0211/21/0211/22/0211/25/0211/26/0211/27/0211/28/0211/29/0212/2/0212/3/0212/4/0212/5/0212/6/02

Al $ Precio23.8625.1026.0126.0125.7626.5426.2426.6726.5626.6727.3625.6925.1224.50

24.01

24.56

24.5024.5824.5524.5424.7325.1424.9924.5824.8924.4524.7924.6824.7624.3124.4524.5024.5724.5424.7124.7024.2024.6724.1124.4024.0324.1824.0624.3124.3925.6225.5425.4624.9025.2225.6825.4925.19

ALFA A $13.8914.6214.8814.8614.4614.8615.2615.2715.1715.2715.3015.1215.09

15.22

15.27

15.55

15.28

15.4015.4815.69

15.8816.2915.7916.0415.9615.9716.2816.1316.3616.2716.3316.4516.8116.6416.3115.6915.1715.2715.1214.5714.2614.8214.5315.1015.2815.8915.8615.7815.7516.0516.4016.3016.35

Tipo de Cambio!pesos por dólar|B«mjimlmto»

10.2310.3610.2410.2610.1710.1810.2310.1610.1210.1410.1810.2210.16

10.20

10.22

10.16

10.11

10.0710.0810.00

9.98

9.94

9.97

10.019.95

9.98

10.0010.1610.2310.1610.2010.1810.2110.1710.2410.3010.3310.3410.2810.2110.2510.1810.1610.0910.1310.1110.1510.1510.1210.1510.1010.1410.23

Departamento de Finanzas

GCAftSO Al

0.05090.03560.0000

-0.00950.0298

-0.01 160.0164

-0.00410.00410.0256

-0.0630-0.0226-0.0251-0.0204

0.0228

-0.00240.0032

-0.0012-0.0004

0.00760.0166

-0.0059-0.0167

0.0128-0.0180

0.0136-0.0044

0.0032-0.0181

0.00570.00200.0028

-0.00120.0068

-0.0004-0.0202

0.0190-0.0227

0.0118-0.0155

0.0066-0.0049

0.01020.00320.0490

-0.0031-0.0031-0.0220

0.01260.0182

-0.0077-0.0117

• 19



Facha Precio GCARSO Al * Precio ALFA A $Tipo de Cambiapesos por d6lar|Rendtml»nto« SCAUSO A1

54555657585960616263646566676869707172737475767 77 87 98 0818283848586878889909192939495969 79899

1 0 01 0 11021031041051 0 61 0 7

12/9/0212/10/0212/11/0212/13/0212/16/0212/17/0212/18/0212/19/0212/20/0212/23/0212/24/0212/26/0212/27/0212/30/0212/31/02

1/2/031/3/031/6/031/7/031/8/031/9/03

1/10/031/13/031/14/031/15/031/16/031/17/031/20/031/21/031/22/031/23/031/24/031/27/031/28/031/29/031/30/031/31/032/3/032/4/032/6/032/7/03

2/10/032/11/032/12/032/13/032/14/032/17/032/18/032/19/032/20/032/21/032/24/032/25/032/26/03

25.2425.3925.3825.2425.5924.6324.9124.7024.7124.8024.9925.1924.9925.0525.2925.6825.6625.6825.4725.4425.6825.9326.1926.2826.1325.9725.1925.2924.9224.8625.6825.3624.9923.8424.3724.0424.0124.5024.0123.9824.0623.8323.7824.3324.3724.7024.8424.8824.8024.9925.9325.6724.8124.69

16.1016.0216.1616.0916.4016.2216.0316.0015.9715.9715.9716.2715.9816.0516.0916.3316.2416.2816.2216.1916.3816.5116.2816.5116.3616.4316.1115.9715.8715.6915.6915.5715.3215.3815.5415.6015.5515.5815.3515.1515.3915.2114.6614.4814.7014.8415.0115.2315.2915.2215.4815.3015.2315.49

10.2510.2710.1910.1710.1810.1910.2010.2110.2510.1910.1810.1910.2010.2510.3110.3610.4410.3610.3910.4210.3310.3610.4110.4710.5410.5310.4910.5110.5910.6210.6910.8310.7710.8310.8910.8810.9910.8610.9110.8810.9810.8710.9010.9910.9410.9810.9710.8810.7710.7710.8410.9010.9810.98

0.00200.0059

-0.0004-0.0055

0.0136-0.0382

0.0116-0.0088

0.00040.00360.00790.0079

-0.00790.00240.00940.0155

-0.00080.0008

-0.0085-0.0012

0.00970.00960.00990.0034

-0.0057-0.0061-0.0305

0.0039-0.0146-0.0024

0.0324-0.0128-0.0145-0.0473

0.0221-0.0135-0.0016

0.0204-0.0204-0.0012

0.0037-0.0099-0.0021

0.02300.00160.01330.00560.0020

-0.00360.00790.0369

-0.0100-0.0344-0.0048

2 0 | • Vol. I. No. O.Julio-Diciembre 2003



Fecha Precio GCARSO Al Precio ALFA ATipo de Cambiopesos por d6lar|ft«m)im)»«tos GCARSO A I

1081091 1 01 1 11121131141151 161 17118119120121122123124125126127128129130131132133134135136137138139140141142143144145146147148149150151152153154155156157158159160161

2/27/032/28/03

3/3/033/4/033/5/033/6/033/7/03

3/10/033/11/033/12/033/13/033/14/033/17/033/18/033/19/033/20/033/24/033/25/033/26/033/27/033/28/033/31/03

4/1/034/2/034/3/034/4/034/7/034/8/034/9/03

4/10/034/11/034/14/034/15/034/16/034/21/034/22/034/23/034/24/034/25/034/28/034/29/034/30/03

5/2/035/5/035/6/035/7/035/8/035/9/03

5/12/035/13/035/14/035/15/035/16/035/19/03

24.7024.9224.8024.8024.9425.1124.8525.0924.8925.3425.2924.8824.8925.0224.9425.1925.0625.2325.0024.9925.0525.6325.6826.1826.3825.8025.8826.1026.2426.6827.3627.9028.6528.4528.9129.1429.3229.3228.1628.2828.6929.0629.0429.1329.4628.7728.6528.6228.4528.5528.4128.5129.0128.84

15.6215.5615.5315.4215.2915.3615.3115.5615.2215.2915.7616.0416.4916.4516.2616.5216.0616.0516.2416.0215.9515.4415.4815.6415.6515.8515.9315.8615.8015.6015.4715.7415.8015.9616.0616.5316.8316.5216.4516.9017.6317.5517.5917.6517.3817.6817.4317.6517.6217.7817.9018.1018.0017.88

11.0611.0311.0311.0310.9911.1411.1911.2311.1111.1011.0110.9110.8210.8510.8710.8110.8610.8710.8010.7210.7510.7710.6710.7910.7410.6710.6610.6810.6910.7410.7510.7710.7010.6110.6410.6210.5510.5510.5110.4310.4310.4310.3510.3010.2010.1810.2710.2110.1710.1110.1810.1610.1410.29

0.00040.0092

-0.00520.00000.00600.0067

-0.01030.0095

-0.00790.0177

-0.0020-0.01610.00040.0051

-0.00320.0099

-0.00510.0067

-0.0090-0.00040.00240.02260.00230.01900.0075

-0.02200.00310.00840.00530.01680.02520.01930.0266

-0.00690.01580.00820.00610.0000

-0.04020.00420.01420.0130

-0.00070.00310.0111

-0.0238-0.0041-0.0010-0.00590.0035

-0.00490.00350.0174

-0.0059

Departamento de Finanzas« 21



Fecha Precio GCARSO Al í ITipo de Cambiopesos por d6l»r|R»ndimi««o« GCAUSO AI

1621631641651661671681691 7 01 7 117217317417517617717817918018118218318418518618718818919019119219319419519619719819920020120220320420520620720820921021 1212213214215

5/20/035/21/035/22/035/23/035/26/035/27/035/28/035/29/035/30/03

6/2/036/3/036/4/036/5/036/6/036/9/03

6/10/036/11/036/12/036/13/036/16/036/17/036/18/036/19/036/20/036/23/036/24/036/25/036/26/036/27/036/30/03

7/1/037/2/037/3/037/4/037/7/037/8/037/9/03

7/10/037/11/037/14/037/15/037/16/037/17/037/18/037/21/037/22/037/23/037/24/037/25/037/28/037/29/037/30/037/31/03

8/1/03

28.0028.1428.4128.4828.5029.2329.7230.2832.0732.3631.8732.3132.3031.8030.4330.6530.8131.4632.0332.1432.5632.4132.2531.8131.5032.0031.7832.0031.9131.6032.0031.7231.9232.0031.8132.2532.0132.1032.2032.3932.3032.1031.8031.7032.0332.5132.7633.0032.9032.8432.1032.3032.9932.80

17.4217.4817.6017.8017.7018.0418.0517.8317.9118.3018.4218.7918.5918.6518.7518.9919.0919.1518.6618.7019.2319.2319.1519.2419.5420.7321.6521.9821.7020.9521.1520.9520.9521.2221.1021.1421.1020.8420.6721.0121.0020.6520.6420.6021.0721.3421.5421.7921.9121.2721.6521.6021.6221.70

10.3810.3510.2710.2510.2410.2510.2510.3210.4110.3210.3410.2410.2610.3910.5610.5610.7410.7110.6110.5810.5910.5010.5010.5910.4910.4710.4810.5210.4710.4810.4210.4410.4510.4810.4510.4110.3910.5410.4810.4510.4210.3810.4310.4110.3510.3610.4110.4410.5210.5210.5110.4610.4910.49

-0.02960.00500.00950.00250.00070.02530.01660.01870.05740.0090

-0.01530.0137

-0.0003-0.0156-0.0440

0.00720.00520.02090.01800.00340.0130

-0.0046-0.0049-0.0137-0.0098

0.0157-0.0069

0.0069-0.0028-0.0098

0.0126-0.0088

0.00630.0025

-0.00600.0137

-0.00750.00280.00310.0059

-0.0028-0.0062-0.0094-0.0031

0.01040.01490.00770.0073

-0.0030-0.0018-0.0228

0.00620.0211

-0.0058

22 • Vol. l. No. 0. Julio-Diciembre 2003



Facha Prado GCARSO Al $ Precio ALFA A $Tipo de Cambiopegos por dotar Rendimientos GCARSO Al

216217218219220221222223224225226227228229230231232233234235236237238239240241242243244245246247248249250

8/4/038/S/038/6/038/7/038/8/03

8/11/038/12/038/13/038/14/038/15/038/18/038/19/038/20/038/21/038/22/038/25/038/26/038/27/038/28/038/29/03

9/1/039/2/039/3/039/4/039/5/039/8/039/9/03

9/10/039/11/039/12/039/15/039/17/039/18/039/19/039/22/03

32.9033.0132.8432.0031.7932.0132.3032.5032.5032.5032.8932.8133.0033.2333.1533.0433.2833.0033.0033.0033.0033.0033.1633.3033.2333.2933.1733.2533.0932.9832.9033.2033.3033.4133.41

21.6621.8721.9623.5224.3824.3023.9023.6224.2423.8423.9924.7325.2226.2025.7525.4125.3126.3825.7825.9526.2027.0327.3127.0427.0226.7627.2327.4026.8526.7626.8227.3027.4927.3027.19

10.5210.6010.5910.7110.7110.7010.6610.6910.7410.7610.7010.7310.7210.8010.8410.8510.8610.8810.9110.9310.9811.0511.0511.0310.9410.8610.8610.9211.0210.9510.9710.9810.9710.9110.92

0.00300.0033

-0.0052-0.0259-0.00660.00690.00900.00620.00000.00000.0119

-0.00240.00580.0069

-0.0024-0.00330.0072

-0.00840.00000.00000.00000.00000.00480.0042

-0.00210.0018

-0.00360.0024

-0.0048-0.0033-0.00240.00910.00300.00330.0000


Escuela de Negocios Tecnológico

de Monterrey, Campus Estado de México

Rendimientos ALFA A ¡Tipo <

0.05140.0172

-0.0013-0.0269

0.02690.02680.0006

-0.00680.00680.0018

-0.0117-0.0019

0.0081

0.0037

0.0183

-0.01770.00800.00490.01330.01250.0251

-0.03120.0157

-0.00480.00060.0191

-0.00890.0142

-0.00590.00410.00700.0214

-0.0098-0.0198-0.0391-0.0337

0.0063-0.0095-0.0369-0.0220

0.0390-0.0203

0.03900.01140.0395

-0.0018-0.0055-0.0018

0.01940.0213

-0.00590.0029

-0.0154-0.0054

0.0090-0.0042

0.0189-0.0112-0.0119-0.0018

24 • Vol. 1

fa Cambio

0.0128-0.0112

0.0014-0.0088

0.00100.0052

-0.0071-0.0032

0.00150.00430.0031

-0.00570.0046

0.0014

-0.0059

-0.0050-0.0040

0.0007-0.0077-0.0015-0.0046

0.00340.0036

•0.00610.00350.00190.01580.0066

-0.00700.0043

-0.00170.0027

-0.00390.00720.00510.00370.0011

-0.0064-0.0068

0.0038-0.0071-0.0012-0.00750.0045

-0.00260.0046

-0.0004-0.00300.0027

-0.00420.00380.00850.00160.0027

-0.0085-0.00110.00040.00060.00110.0009

Estimación

GCARSO A iJ

35.3534.8233.6033.2834.6233.2134.1633.4633.7434.4731.5532.8532.77

32.92

34.37

33.5233.7133.5633.5933.8634.1633.4033.0434.0333.0034.0633.4533.7133.0033.7933.6733.6933.5633.8333.5932.9334.2432.8534.0033.0833.8233.4433.9433.7135.2933.5033.5032.8734.0334.2233.3433.2133.6733.8033.5933.4234.0632.3433.9933.31

M.FÁÉ*

28.6627.6927.1926.5027.9627.9627.2427.0427.4127.2726.9027.1727.44

27.32

27.72

26.7427.4427.3527.5827.5627.9126.3827.6527.0927.2427.7426.9827.6127.0627.3327.4127.8126.9626.6926.1826.3227.3926.9626.2326.6328.3026.6728.3027.5328.3227.1727.0727.1727.7527.8127.0627.3026.8027.0727.4727.1127.7426.9226.9027.17

No. O.Julio-Diciembre 2003

«Je C«robío

11.0410.77

10.9110.8010.9110.9510.8210.8610.9110.9410.9310.8310.95

10.91

10.83

10.8410.8510.9010.8110.8810.8510.9310.9310.8310.9310.9211.0710.9710.8210.9410.8810.9310.8510.9710.9510.9410.9110.8310.8210.9410.8210.8810.8110.9510.8710.9510.8910.8610.9210.8510.9410.9910.9110.9210.8010.8810.9010.9010.9110.90

GCARSO ;Á1

146,624.29144,399.11139,353.66138,030.50143,574.88137,745.93141,662.26138,785.90139,923.74142,966.53130,851.55136,246.23135,901.32

136,544.09

142,565.11

139,017.34139,803.19139,185.61139,297.57140,419.59141,692.01138,532.27137,040.31141,145.99136,865.16141,268.03138,742.68139,799.95136,851.31140,146.39139,635.22139,746.99139,185.54140,307.38139,297.93136,566.62142,026.97136,228.38141,009.21137,209.76140,270.46138,670.52140,783.82139,806.66146,352.37138,923.72138,922.39136,325.40141,122.59141,919.06138,281.73137,733.28139,626.88140,171.78139,299.43138,594.25141,262.64134,134.60140,974.68138,138.05

Valor de; : • : : • • ; : ; ! ; v • : • • • ' . : • • •

:: AlFA A ¿

345,802.50334,175.19328,064.13319,758.43337,437.36337,407.33328,681.07326,256.97330,716.13329,085.09324,647.69327,867.08331,136.19

329,695.46

334,539.58

322,726.70331,103.52330,081.32332,864.11332,609.49336,812.59318,389.87333,683.50326,902.51328,676.99334,811.07325,566.97333,180.01326,547.78329,838.82330,800.32335,586.44325,282.58322,023.35315,889.74317,603.52330,562.04325,374.30316,568.45321,324.03341,555.92321,871.09341,531.21332,244.99341,717.34327,882.44326,686.30327,878.07334,900.24335,564.21326,552.31329,448.01323,455.10326,713.07331,438.22327,110.24334,762.07324,818.50324,582.41327,887.45

la Posicióni '••¿-•i.&.:4'Í::S<:::;:

ifTIpoidÉÍCembl»

235,148.20229,582.94232,484.70230,134.63232,395.72233,381.04230,519.70231,424.50232,511.32233,179.39232,883.19230,851.45233,248.48

232,501.79

230,797.46

231,006.43231,246.35232,338.00230,395.40231,828.35231,100.02232,961.63232,996.17230,749.94232,979.62232,602.31235,858.71233,698.49230,553.18233,173.28231,775.83232,803.53231,255.51233,833.88233,357.34233,026.54232,421.24230,686.11230,597.55233,058.80230,527.21231,882.17230,428.99233,223.77231,553.33233,247.05232,078.18231,474.26232,791.41231,185.74233,052.04234,149.76232,541.87232,783.74230,196.54231,921.18232,260.91232,315.62232,431.78232,365.45

727,574.98708,157.24699,902.48687,923.57713,407.96708,534.31700,863.03696,467.37703,151.19705,231.00688,382.43694,964.76700,285.99

698,741.34

707,902.14

692,750.47702,153.06701,604.92702,557.09704,857.44709,604.62689,883.76703,719.98698,798.44698,521.77708,681.41700,168.36706,678.44693,952.27703,158.50702,211.37708,136.95695,723.62696,164.60688,545.02687,196.68705,010.26692,288.79688,175.20691,592.60712,353.59692,423.78712,744.02705,275.42719,623.05700,053.20697,686.87695,677.73708,814.24708,669.02697,886.08701,331.04695,623.85699,668.58700,934.19697,625.67708,285.62691,268.72697,988.88698,390.95


«•ndimlantDi ALFA A | Tipo da Cambio

Estimación

GCARSO Al ALFA A Tipo da Cambio

Valor de la Posición I

GCARSO A1 ALFA A Tipo da Cambio Total-0.0018-0.0018

0.00000.00000.0185

-0.01790.00480.00240.0148

-0.00590.0024

-0.0036-0.0018

0.01180.0076

-0.01410.0141

-0.00880.0041

-0.0195-0.0090-0.0060-0.0116

0.0000-0.0074-0.0162

0.00380.01000.0043

-0.00310.0019

-0.0149-0.0132

0.0157-0.0119-0.0367-0.0125

0.01520.00980.01100.01460.0044

-0.00500.0169

-0.0113-0.0050

0.01690.0087

-0.0037-0.0025-0.0068-0.0081

0.0044-0.0031

0.0162-0.0225

0.00500.02970.01760.0278

-0.0023-0.0116

0.00090.0046

-0.0059-0.0008

0.00070.00100.00450.00630.00470.0075

-0.00740.00220.0033

-0.00880.00330.00480.00540.0066

-0.0009-0.0038

0.00200.00770.00300.00600.0130

-0.00510.00520.0056

-0.00030.0093

• 0 . 0 1 1 20.0040

-0.00220.0090

-0.01000.00230.0089

-0.00500.0039

-0.0010-0.0082-0.0107

0.00050.00630.00550.00730.00020.0070

-0.00230.0000

-0.0001-0.0038

0.01320.00500.0029

-0.0106-0.0006-0.0086-0.0089-0.0083

0.00280.0021

33.3133.6133.7233.8733.8733.3433.6833.9234.1233.5733.6333.3233.5633.9333.9233.9333.7133.4133.4032.5933.7333.1133.5234.7133.1733.1232.0534.3533.1533.5434.2932.9233.5633.7233.2733.5334.3833.6534.0533.7933.6733.4833.8734.8633.2732.4633.4433.6133.9133.4333.6033.8033.8333.2633.9233.3434.2033.5333.0633.6133.7733.49

27.1727.1727.2227.2227.7326.7427.3527.2927.6327.0627.2827.1227.1727.5427.4326.8427.6126.9827.3326.6926.9827.0626.9127.2227.0226.7827.3227.4927.3427.1427.2726.8226.8627.6526.9026.2426.8827.6427.4927.5227.6227.3427.0827.6826.9227.0827.6827.4627.1227.1527.0327.0027.3427.1327.6626.6127.3628.0427.7027.9927.1626.91

10.9010.9510.8310.8910.9010.9110.9510.9610.9510.9810.8210.9210.9310.8010.9310.9510.9510.9710.8910.8510.9210.9810.9310.9611.0410.8410.9510.9610.8911.0010.7710.9410.8710.9910.7910.9210.9910.8410.9410.8810.8110.7810.9010.9610.9610.9810.9010.9710.8710.9010.8910.8511.0410.9510.9310.7810.8910.8010.8010.8110.9310.92

138,138.05139,409.41139,855.14140,464.02140,455.30138,260.66139,684.18140,672.47141,531.01139,246.50139,460.89138,174.52139,191.53140,706.56140,693.61140,733.94139,826.76138,567.83138,510.68135,166.15139,900.16137,339.52139,022.27143,948.93137,584.98137,345.02132,909.24142,472.22137,489.63139,124.62142,221.04136,544.09139,181.65139,870.37137,980.77139,064.74142,595.80139,579.95141,217.74140,134.03139,630.85138,855.76140,464.02144,586.31137,973.43134,635.25138,687.66139,409.43140,635.71138,635.64139,353.66140,186.44140,291.89137,928.31140,682.95138,256.41141,842.10139,082.03137,121.81139,408.99140,072.53138,913.53

327,887.45327,886.38328,478.98328,478.98334,613.18322,651.51330,061.15329,266.07333,387.60326,544.57329,257.21327,314.30327,894.47332,382.50330,986.40323,884.80333,138.33325,607.70329,830.83322,132.33325,537.41326,500.08324,696.48328,478.98326,062.28323,203.96329,716.05331,765.81329,902.82327,466.35329,088.44323,612.56324,157.07333,692.81324,578.28316,636.24324,383.76333,499.00331,703.55332,097.99333,322.01329,931.60326,826.16334,085.25324,804.26326,827.20334,081.71331,335.28327,265.32327,666.88326,240.36325,815.1 5329,924.99327,450.71333,843.47321,170.42330,140.16338,395.26334,294.68337,740.16327,727.50324,685.00

232,365.45233,243.42230,795.09231,976.01232,329.22232,411.13233,225.62233,630.88233,266.00233,915.12230,461.57232,682.66232,925.18230,128.55232,924.91233,276.47233,416.14233,711.12231,960.24231,287.42232,627.82233,972.41232,873.29233,574.94235,202.35230,977.17233,372.30233,471.15232,096.99234,345.22229,574.41233.092.73231,665.00234,277.14229,860.95232,696.90234,231.70231,010.20233,084.14231,936.95230,263.01229,701.10232,285.96233,628.61233,448.13233,871.37232,203.30233,793.15231,631.99232,175.78232,148.42231,279.30235,262.16233,334.79232,837.35229,714.35232,029.39230,188.67230,102.04230,251.66232,828.41232,663.88

698,390.95700,539.21699,129.21700,919.02707,397.70693,323.29702,970.96703,569.42708,184.61699,706.19699,179.68698,171.48700,011.18703,217.62704,604.92697,895.21706,381.24697,886.65700,301.75688,585.90698,065.39697,812.02696,592.04706,002.85698,849.62691,526.15695,997.59707,709.17699,489.43700,936.19700,883.89693,249.37695,003.72707,840.31692,420.00688,397.89701,211.26704,089.14706,005.43704,168.97703,215.87698,488.46699,576.14712,300.17696,225.83695,333.82704,972.67704,537.86699,533.02698,478.29697,742.44697,280.88705,479.04698,713.81707,363.77689,141.18704,011.66707,665.97701,518.53707,400.81700,628.43696,262.41



Rendimientos ALFA A

0.0159-0.028Z-0.00060.0118

-0.0136-0.0044-0.03250.00260.01030.00060.01270.0050

-0.0044-0.0038-0.0127-0.00840.01730.00380.01010.00620.02880.0180

-0.0186-0.00420.02700.0423

-0.00450.00230.0034

-0.01540.0171

-0.01420.0125

-0.00170.00900.00670.0111

-0.0055-0.0067-0.02610.00340.00680.0113

-0.00560.01900.0006

-0.01230.00450.02150.00650.0199

-0.01070.00320.00530.01270.00530.0031

-0.02590.00210.02790.0000

-0.0042

26 •

Tipo de Cambio

-0.00520.00450.0009

-0.0067-0.00750.00280.0016

-0.00910.0111

-0.0049-0.0064-0.00050.00190.00070.00470.00130.0010

-0.0059-0.00860.0028

-0.0016-0.0064-0.0002-0.0036-0.0076-0.0003-0.0001-0.0082-0.0044-0.0097-0.0018

0.0084-0.0055-0.0041-0.0062

0.0070-0.0017-0.00170.01470.0081

-0.0025-0.0081-0.0013-0.0014

0.00090.00040.00630.0087

-0.00830.0017

-0.00950.00190.01240.01640.00010.0171

-0.0027-0.0096-0.0032

0.0016-0.0091

0.0003

GCARSO Al

33.9333.4333.8333.3033.5933.6834.3733.6834.2533.8532.8733.7033.8833.7834.1734.4634.2634.5033.3734.1433.8833.8133.6032.2833.7434.0834.0433.5833.7033.9832.8133.4633.5733.4033.7233.4433.7234.1933.4032.6233.7733.9233.6833.6234.4634.1634.2335.5933.9033.0934.0633.5933.0832.1533.8433.7834.3134.2133.7234.0433.4533.43

Estimación

ALFA A1 Tipo de Cambio

27.66 10.8426.46 10.9427.20 10.9127.54 10.8226.85 10.8127.10 10.9326.35 10.9127.29 10.8027.50 11.0227.24 10.8427.57 10.8327.36 10.8927.10 10.9227.12 10.9026.88 10.9526.99 10.9127.70 10.9127.32 10.8327.50 10.8027.39 10.9328.02 10.8827.71 10.8326.72 10.8927.10 10.8627.96 10.8128.40 10.8927.10 10.8927.28 10.8127.31 10.8526.80 10.7927.69 10.8826.84 10.9927.56 10.8427.17 10.8527.47 10.8327.40 10.9727.52 10.8827.07 10.8827.04 11.0626.52 10.9827.31 10.8727.41 10.8127.53 10.8827.07 10.8827.74 10.9127.24 10.9026.89 10.9627.34 10.9927.81 10.8127.40 10.9127.77 10.7926.93 10.9227.31 11.0327.37 11.0827.57 10.9027.36 11.0827.31 10.8726.52 10.7927.28 10.8627.99 10.9127.22 10.8027.11 10.90

Vol. I, No. 0, Julio-Diciembre 2003

GCARSO Al

140,733.41138.643.25140,287.40138,098.71139,298.59139,684.18142,540.73139,675.97142,033.56140,405.41136,326.48139,780.47140,523.79140,092.08141,714.73142,913.59142,070.29143,103.95138,392.62141,579.44140,496.68140,203.97139,353.66133,860.23139,940.23141,349.30141,177.15139,258.91139,780.26140,913.07136,082.45138,779.37139,209.53138,535.90139,837.49138,678.60139,838.21141,797.60138,537.04135,294.81140,050.43140,690.74139,697.01139,451.52142,923.07141,689.73141,979.43147,591.54140,613.79137,243.54141,277.59139,310.53137,196.48133,350.06140,361.14140,081.12142,293.61141,878.50139,832.24141,174.71138,711.67138,665.70

Valor de la Posición

ALFA A Tipo de Cambio

333,731.42 230,958.61319,332.48 233.210.69328,274.45 232,383.21332,367.52 230,617.21324,029.15 230,430.53327,043.68 232,812.75317,975.89 232,540.99329,329.97 230,069.31331,874.12 234,758.89328,689.01 231,033.30332,676.80 230,683.90330,136.92 232,043.30327,035.57 232,611.58327,236.31 232,326.01324,321.02 233,257.65325,741.66 232,476.49334,211.97 232,404.83329,731.13 230,806.50331,805.35 230,175.86330,537.12 232,815.05338,092.01 231.789.86334,440.49 230,681.14322,428.57 232,123.36327,087.12 231,335.71337,464.73 230,403.14342,667.72 232,100.61326,988.44 232,136.20329,227.65 230,266.46329,599.44 231,157.45323,454.09 229,920.07334,148.93 231,744.01323,834.20 234.130.65332,625.02 230,894.35327,920.66 231,223.82331,461.77 230,724.59330,695.94 233,786.84332,149.14 231,784.11326,664.18 231,762.91326,289.12 235,598.55320,028.18 234,046.31329,610.37 231,581.12330,733.99 230,294.28332,211.70 231,866.58326,633.60 231,834.49334,788.75 232,371.45328,661.07 232,271.58324,475.36 233,632.57329,952.81 234,185.99335,631.79 230,253.14330,632.94 232,554.28335,077.10 229,977.67324,982.67 232,611.73329,539.16 235,072.90330,240.27 236,002.47332,683.52 232,189.34330,208.73 236,175.02329,511.40 231,549.29320,074.04 229,944.17329,183.12 231,414.75337,788.82 232,542.69328,478.98 230,057.06327,112.46 232,235.91

Total

705,423.43691,186.41700,945.06701,083.45693,758.27699,540.61693,057.62699,075.25708,666.56700,127.72699,687.18701,960.70700,170.94699,654.41699,293.41701,131.74708,687.10703,641.58700,373.84704,931.61710,378.55705,325.59693,905.59692,283.06707,808.11716,117.63700,301.79698,753.03700,537.14694,287.23701,975.39696,744.22702,728.89697,680.39702,023.84703,161.38703,771.46700,224.70700,424.71689,369.31701,241.92701,719.01703,775.30697,919.61710,083.26702,622.37700,087.37711,730.34706,498.72700,430.77706,332.35696,904.93701,808.55699,592.79705,234.00706,464.87703,354.29691,896.71700,430.11711,506.21697,247.72698,014.07


Rendimientos ALFA A Tipo de Cambio

Estimación

GCARSO Al ALFA A Tipo de Cambio

Valor de la Posición I

GCARSO Al ALFA A Tipo de Cambio Total

0.00470.01550.05910.04340.01510.0128•0.03520.00950.00950.00000.01280.00570.0019

•0.0019•0.0124•0.00820.0163

•0.0005• 0 . 0 1 6 8•0.0005•0.00190.02260.01270.00930.01150.0055

-0.02960.0177

•0.00230.00090.0037

-0.00180.00960.00410.06860.0359

•0.0033-0.0166• 0 . 0 1 1 80.0259

-0.01660.00630.03040.01960.0381

-0.0173-0.0133-0.00390.0414

-0.02300.00660.00960.03120.0103

-0.0099-0.0007-0.00970.01740.0062

-0.0203-0.0034

0.0022

0.0082-0.0097-0.00180.00120.0037

-0.00430.0007

-0.00600.00190.00120.0027

-0.0030-0.0037-0.00140.0142

-0.0060-0.0030-0.0026-0.00380.0047

-0.0022-0.00570.00110.00490.00250.00760.0004

-0.0010-0.00430.0022

-0.00010.00360.0071

-0.00130.0118

-0.0006-0.0005-0.00350.00270.00500.0011

-0.00560.0029

-0.00040.00720.00340.00120.00100.00130.00340.00200.00430.0061

-0.0001-0.0013-0.0084-0.00740.00040.00520.0096

-0.00670.0021

33.1433.2734.1333.3733.8333.5133.2734.0333.3133.8133.6833.4034.0633.3533.6933.7033.8033.5133.3933.2933.4933.9534.1033.8633.8533.5033.5432.8433.8134.3233.4133.7033.7133.4332.7433.3833.8333.9033.8133.6033.6034.0033.5233.7933.8333.5233.4933.8433.3233.6033.6033.6033.6033.7633.7433.5333.6633.4833.6833.4433.4933.52

27.3527.6428.8828.4327.6326.8726.2827.4826.9627.2227.5727.0727.2727.1726.8827.0027.6727.2126.7727.2127.1727.8427.5727.4827.5427.3726.4227.7127.1627.2527.3227.1727.4827.3329.1528.2227.1326.7726.9027.9326.7727.3928.0627.7628.2826.7526.8627.1128.3726.6027.4027.4828.0827.5026.9527.2026.9627.7027.3926.6727.1327.28

10.9910.7910.8810.9110.9410.8510.9010.8310.9210.9110.9310.8610.8610.8811.0510.8310.8610.8710.8510.9510.8710.8310.9110.9510.9210.9810.9010.8810.8510.9210.8910.9310.9710.8811.0210.8910.8910.8610.9210.9510.9110.8310.9310.8910.9710.9310.9110.9110.9110.9310.9210.9410.9610.8910.8810.8010.8110.9010.9511.0010.8210.92

137,452.40137,995.61141,565.62138,395.60140,318.35138,961.73137,999.86141,117.63138,134.31140,232.31139,702.92138,526.25141,281.22138,316.61139,745.47139,787.78140,175.93138,966.44138,490.79138,051.29138,915.44140,804.34141,442.00140,425.28140,374.56138,931.37139,099.52136,213.53140,221.90142,330.56138,551.08139,778.52139,819.58138,635.99135,789.19138,439.15140,318.04140,616.16140,216.53139,353.66139,353.66141,025.90139,014.70140,160.64140,324.91139,018.17138,891.25140,365.91138,181.21139,353.66139,353.66139,353.66139,353.66140,029.31139,942.00139,060.72139,605.27138,851.33139,689.75138,683.08138,890.41139,015.63

330,022.75333,600.80348,483.59343,056.92333,485.82324,294.54317,126.02331,614.82325,372.80328,478.98332,712.37326,621.42329,101.69327,857.45324,431.38325,799.45333,882.12328,322.64323,004.33328,319.91327,842.40335,973.41332,688.25331,557.51332,291.41330,287.96318,883.98334,347.44327,720.37328,783.13329,694.45327,873.49331,663.68329,830.75351,813.56340,489.70327,401.12323,071.92324,630.70337,101.21323,058.54330,545.76338,611.31334,987.46341,243.04322,837.17324,141.79327,186.27342,365.69321,007.89330,645.06331,643.52338,885.00331,881.65325,231.48328,236.03325,318.19334,248.23330,529.72321,885.43327,377.94329,215.48

234,088.56229,919.86231,748.89232,449.06233,035.80231,165.30232,331.40230,767.37232,599.71232,445.42232,798.35231,482.68231,316.20231,852.86235,481.93230,769.02231,473.92231,569.62231,294.05233,256.40231,657.65230,853.48232,414.13233,299.06232,740.50233,942.62232,262.29231,929.02231,173.25232,684.30232,149.65232,993.13233,830.69231,876.05234,915.28232,039.48232,043.75231,347.19232,790.11233,337.87232,413.68230,870.13232,844.58232,074.29233,849.67232,966.99232,441.56232,398.44232,462.34232,946.56232,633.32233,163.24233,581.85232,135.83231,858.39230,216.37230,446.04232,263.58233,375.00234,395.79230,627.76232,665.61

701,563.71701,516.27721,798.10713,901.58706,839.97694,421.57687,457.28703,499.82696,106.82701,156.71705,213.63696,630.35701,699.1 1698,026.92699,658.77696,356.26705,531.98698,858.70692,789.18699,627.60698,415.49707,631.24706,544.39705,281.85705,406.48703,161.95690,245.79702,489.99699,115.53703,797.99700,395.17700,645.14705,313.96700,342.79722,518.03710,968.33699,762.91695,035.26697,637.34709,792.74694,825.88702,441.79710,470.59707,222.40715,417.61694,822.33695,474.59699,950.62713,009.24693,308.12702,632.04704,160.42711,820.51704,046.80697,031.87697,513.12695,369.51705,363.15703,594.47694,964.30696,896.11700,896.72

Departamento de Finanzas ' 27


Estimación Valor de la Posición

R«ndim»ntO3 ALFA A|Tlpo de Cambio 6CAKSO Al ALFA A Tipo d» Cambio ALFA A Tipo d« cambio Total

0.01770.00690.00690.0040

0.0005-0.0007-0.0060

0.0010

33.9133.7033.7133.60

27.7127.4127.0327.11

10.9010.8910.8310.91

140,624.36139,773.40139,813.99139,353.66

334,357.80330,765.10326,208.67327.155.44

232,285.84 707,268.00231,998.19 702,536.69230,772.83 696,795.48232,399.41 698,908.51

Pérdidas/Ganancias

GCARSO A I ALFA A |Tlpo de Cambio Total

: Jerarquización

GCARSO Al ALFA A | T I P O d» Cambio Total

7,270.635,045.45

-1,323.164,221.221,607.732,308.60

567.76570.08

3,612.878,502.1 13,107.433,452.33

2,809.57

3,21 1.45

336.32449.53168.05

56.091,065.932,338.36

821.392,313.351,792.332,488.501,914.37

610.98446.29

2,502.35792.74281.56393.33168.12953.72

55.732,787.042,673.313,125.281,655.562,143.89

916.80683.14

1,430.16453.00

6,998.72429.94431.27

3,028.26

17,323.515,696.21 -

414.86• 8,720.55 -

8,958.388,928.35

202.09 -- 2,222.02 -

2,237.15606.10

- 3,831.29611.91 -

2,657.20

1,216.48

6,060.59 -

- 5,752.28 -2,624.54 -1,602.334,385.13 -4,130.51 -8,333.60 -

- 10,089.125,204.52

- 1,576.48 -198.01

6,332.08- 2,912.02

4,701.02- 1,931.21 -

1,359.842,321.34 -7,107.46

- 3,196.41 -- 6,455.64- 12,589.24- 10,875.46

2,083.06- 3,104.68 -• 1 1 , 9 1 0 . 5 4 -

- 7,154.9513,076.94 -

- 6,607.89 -13,052.23 -

3,766.0013,238.36 -

596.55- 1,792.69 -

600.91 -

2,980.842,584.42

317.342,032.72

228.361,213.681,647.66

742.86343.96

1,012.03715.83

1,315.901,081.12

334.44

1,369.90

1,160.93921.01170.64

1,771.95339.01

1,067.33794.27828.81

1,417.42812.26434.95

3,691.351,531.131,614.181,005.92

391.53636.17911.85

1,666.521,189.99

859.19253.88

1,481.251,569.81

891.451,640.15

285.191,738.371,056.42

614.021,079.69

89.18693.10

27,574.988,157.24

97.52- 12,076.43

13,407.968,534.31

863.03- 3,532.63

3,151.195,231.00

- 1 1,617.57- 5,035.24

285.99

- 1,258.66

7,902.14

- 7,249.532,153.061,604.922,557.094,857.449,604.62

- 10,116.243,719.98

- 1,201.56- 1,478.23

8,681.41168.36

6,678.44- 6,047.73

3,158.502,21 1.378,136.95

- 4,276.38- 3,835.40• 1 1 , 4 5 4 . 9 8- 12,803.32

5,010.26- 7,711.21- 11,824.80- 8,407.40

12,353.59- 7,576.22

12,744.025,275.42

19,623.0553.20

- 2,313.13- 4,322.27

- 8,502.11- 6,444.41- 6,003.60- 5,493.43- 5,219.06- 4,718.41- 4,187.50- 4,058.84- 3,564.47- 3,452.33- 3,271.21- 3,140.13- 3,125.28

- 3,107.43

- 3,028.26

- 3,027.18- 2,809.57- 2,809.57- 2,787.04- 2,502.35- 2,488.50- 2,313.35- 2,231.85- 2,157.18- 2,143.89- 2,110.1 1- 2,014.14- 2,008.64- 1,901.26- 1,864.03- 1,768.68- 1,620.38- 1,607.73- 1,425.35- 1,380.23- 1,372.89- 1,358.05- 1,353.80- 1,323.16- 1,302.37- 1,254.94- 1,219.34- 1,215.60- 1,179.14- 1,172.45- 1,097.25- 1,093.00- 1,071.93

- 1 2 , 5 8 9 . 2 4 •- 1 1,910.54 -- 1 1,842.74 -- 1 1,352.96 -- 10,875.46 -- 10,503.09 -- 10,089.12 -- 9,595.00 -- 9,146.51 -- 8,720.55 -- 8,450.80 -- 8,404.95 -- 7,471.09 -

- 7,308.56 -

- 7,154.95 -

- 6,607.89 -- 6,593.56 -- 6,455.64 -- 6,346.66 -- 6,050.42 •- 5,827.48 -- 5,752.28 -- 5,641.81 -- 5,474.65 -- 5,420.45 -• 5,407.06 -- 5,275.03 -- 5,024.89 -- 5,023.89 -- 4,866.43 -- 4,644.78 -- 4,594.18 -- 4,449.84 -- 4,337.20 -- 4,321.92 -- 4,184.45 -- 4,157.96 -- 4,095.23 -- 4,047.61 -- 4,003.62 -- 3,900.70 -- 3,896.57 -• 3,848.29 -- 3,831.29 -- 3,793.98 -- 3,782.50 -- 3,674.72 -- 3,660.48 -

2,592.952,584.422,466.262,453.012,306.412,247.502,247.292,223.192,189.692,110.292,098.052,065.312,038.80

2,032.72

,991.49

,978.69,970.81,950.99,915.70,914.22,904.35,900.89,873.08,771.95,764.21,738.37,736.83,721.31,705.79,647.66,640.15,614.18,569.81,550.15,539.60,486.22,483.46,481.25,442.77,417.42,399.99,398.33,394.53,372.27,369.90,360.86,315.90,313.87

-$-$-$-$-$-$• $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

- $

12,803.3212,542.7212,076.4311,824.801 1,617.5711,602.1111,454.981 1,414.1010,858.8210,630.6910,1 16.24

9,754.218,813.59

8,731.28

8,473.85

8,407.408,103.297,716.947,711.217,580.007,576.227,249.537,210.826,942.386,750.636,691.886,676.716,241.736,094.416,047.735,712.775,578.435,177.675,174.125,035.705,035.244,996.284,964.744,666.184,630.494,525.414,376.154,322.274,276.384,002.413,893.183,835.403,774.17

28 • Vol. I, No. 0, Julio-Diciembre 2003


Pérdidas/Ganancias

GCARSO A l

1,768.932,565.40

• 1 , 0 7 1 . 9 3

- 1,620.38273.22818.12

54.23- 759.41

1,908.98- 5,219.06

1,621.02- 1,215.60

55.75501.48

1,110.361,101.64

- 1,093.00330.53

1,318.812,177.35

- 107.15107.24

- 1,179.14- 162.13

1,352.901,339.951,380.28

473.11- 785.82- 842.97- 4,187.50

546.50- 2,014.14- 331.39

4,595.27- 1,768.68- 2,008.64- 6,444.41

3,118.56- 1,864.03- 229.04

2,867.38- 2,809.57- 172.01

516.71- 1,372.89- 288.91

3,242.14226.29

1,864.09780.37277.19

• 497.901,110.365,232.65

- 1,380.23- 4,718.41- 666.00

55.771,282.05

ALFA A

6,421.267,085.23

- 1,926.67969.02

- 5,023.89- 1,765.92

2,959.24- 1,368.74

6,283.08- 3,660.48- 3,896.57

591.53592.60

6,134.19- 5,827.48

1,582.17787.09

4,908.61- 1,934.42

778.23- 1,164.69

584.523,903.522,507.42

- 4,594.184,659.35

- 2,871.291,351.84

- 6,346.66- 2,941.57- 1,978.90- 3,782.50

-- 2,416.70- 5,275.03

1,237.073,286.821,423.83

- 1,012.63609.46

- 4,866.43- 4,321.92

5,213.82- 3,900.70- 11,842.74- 4,095.23

5,020.013,224.563,619.014,843.021,452.61

- 1,652.825,606.26

- 3,674.72- 1,651.78

5,602.722,856.29

- 1,213.66

Tipo dt Cambio

624.05981.62884.68

1,982.40374.51616.38

- 1,970.81246.1893.56

148.26264.42198.09

1,076.06- 1,372.27

191.35161.87243.77

1,058.261,463.521,098.641,747.76

- 1,705.79515.30757.83

- 2,038.80757.56

1,109.111,248.791,543.76

207.12879.94460.46

1,805.06705.93

1,407.583,035.00

- 1,190.181,204.941,303.79

70.372,177.86

- 2,592.95925.37502.36

2,109.78- 2,306.41

529.542,064.34

- 1,157.16916.79230.41

- 1,904.35- 2,466.26

118.601,461.261,280.781,704.01

35.951,625.80

535.36

Total

8,814.248,669.02

- 2,113.921,331.04

- 4,376.15331.42934.19

- 2,374.338,285.62

- 8,731.28- 2,011.12- 1,609.05

539.21870.79919.02

7,397.70- 6,676.71

2,970.963,569.428,184.61

293.81820.32

- 1,828.521 1.18

3,217.624,604.92

- 2,104.796,381.24

- 2,113.35301.75

- 1 1,414.10- 1,934.61- 2,187.98- 3,407.96

6,002.85- 1,150.38- 8,473.85- 4,002.41

7,709.17510.57936.19883.89

- 6,750.63- 4,996.28

7,840.31- 7,580.00• 1 1,602.1 1

1,211.264,089.146,005.434,168.973,215.87

- 1,511.54423.86

12,300.17- 3,774.17- 4,666.18

4,972.674,537.86

466.98

Jerarquización

GCARSO Al

- 1,037.05- 961.04- 958.06- 914.51- 862.87- 842.97- 827.41- 821.39- 817.75- 816.62- 802.58- 785.82- 759.41- 718.01- 717.67- 710.41- 687.95- 683.14- 675.06- 670.57- 666.00- 641.99- 610.98- 574.29- 567.76- 502.33- 497.90- 463.25- 462.41- 440.12- 438.22- 431.27- 429.94- 422.28- 391.93- 387.21- 338.96- 338.03- 336.32- 335.49- 331.39- 292.94- 288.91- 271.62- 254.14- 229.04- 172.01- 168.12- 168.05- 162.13- 144.13- 107.15

94.7556.0955.7355.0754.2343.13

-

ALFA A Upa

- 3,496.32 -- 3,247.50 -- 3,196.41 -- 3,160.79 -- 3,106.18 -- 3,104.68 -- 2,941.57 -- 2,912.02 -- 2,871.29 -- 2,737.32 -- 2,679.53 -- 2,663.84 -- 2,416.70 -- 2,270.32 -- 2,238.62 -- 2,222.02 -- 2,189.86 -- 1,978.90 -- 1,934.42 -- 1,931.21 -- 1,926.67 -- 1,857.56 -- 1,845.39 -- 1,814.80 -- 1,792.69 -- 1,765.92 -- 1,652.82 -- 1,651.78 -- 1,576.48 -

,490.55 -- 1,443.41 .- 1,435.30 -- 1,391.86 -- 1,368.74 -- 1,366.53 -• 1,323.54 -- 1,292.72 -- 1,242.67 -- 1,213.66 -- •

- •

,164.69 -,101.05 -

- 1,077.86 -- 1,028.27 -- 1,012.63 -

812.11 -758.61 -751.48 -636.59 -621.53 -611.91 -605.49 -600.91 -596.55 -592.60 -591.53 -584.52 -558.32 -414.86 -242.96 -204.53 -

da Címblo

,297.23,273.01,208.75,190.18,160.93,157.16,134.06,067.33,009.91,002.05994.10981.62943.54921.01911.85888.06879.94873.30851.15831.64820.17752.60742.86693.43693.10684.68618.07614.02597.74586.24535.36509.71502.36423.35418.47404.44391.53383.25377.50339.01332.86314.50308.97300.77291.31285.19246.18238.34230.41207.12191.35169.17137.97127.88124.051 2 3 . 6 1

93.0689.1870.3766.75

Total

-$ 3,737.59-$ 3,643.74-$ 3,532.63-$ 3,407.96-$ 3,369.65-$ 3,255.78-$ 3,204.52-$ 3,103.89-$ 3,095.07-$ 2,968.13-$ 2,752.28-$ 2,719.12-$ 2,486.88-$ 2,374.33-$ 2,362.66-$ 2,319.61-$ 2,313.13-$ 2,257.56-$ 2,187.98-$ 2,113.92-$ 2,113.35-$ 2,104.79-$ 2,080.39-$ 2,011.12-$ 1,985.93-$ 1,973.08-$ 1,934.61-$ 1,828.52-$ 1,609.05-$ 1,584.51-$ 1,521.71-$ 1,511.54-$ 1,478.23-$ 1,286.19-$ 1,258.66-$ 1,246.97-$ 1,201.56-$ 1,150.38-$ 1,141.30-$ 1,091.49-$ 924.75-$ 884.47-$ 870.79-$ 820.32-$ 706.59-$ 510.57-$ 466.98-$ 459.39-$ 423.86-$ 407.21-$ 372.40-$ 345.59• $ 3 4 1 . 2 3-$ 331.42-$ 312.82-$ 293.81-$ 237.09-$ 97.52-$ 49.38

$ 11.18



Pérdidas/Ganancias

GCARSO A l

- 718.01

832.79938.23

- 1,425.351,329.29

- 1,097.252,488.44

- 271.62- 2,231.85

55.33718.87

- 440.121,379.75

- 710.41933.74

- 1,254.9455.07

330.533,187.08

322.322,679.901,051.76

- 3,027.18426.81

1,170.13738.43

2,361.083,559.932,716.643,750.30

- 961.042,225.781,143.03

850.31-

- 5,493.43586.57

1,995.651,823.49

94.75426.60

1,559.41- 3,271.21- 574.29- 144.13- 817.75

483.83- 675.06

484.552,443.94

- 816.62- 4,058.84

696.771,337.08

343.3697.86

3,569.412,336.072,625.78

30

ALFA A

812.11- 2,238.62- 2,663.84

1,446.00- 1,028.27

5,364.49- 7,308.56

1,661.189,916.285,815.699,261.18

751.48- 3,793.98

5,252.43- 9,146.51

204.533,888.54

- 4,449.84- 1,435.30- 10,503.09

850.983,395.13

210.024,197.811,657.94

- 1,443.41- 1,242.67- 4,157.96- 2,737.32

5,732.991,252.143,326.372,058.149,613.025,961.51

- 6,050.42- 1,391.86

8,985.7514,188.74

- 1,490.55748.67

1,120.45- 5,024.89

5,669.95- 4,644.78

4,146.03558.32

2,982.782,216.963,670.16

- 1,814.80- 2,189.86- 8,450.80

1,131.392,255.003,732.72

- 1,845.396,309.77

182.08- 4,003.62

Tipo de Cambio

8.4218.94

888.063,094.801,167.43

669.99- 2,453.01

137.97- 1,978.69- 2,065.31- 1,915.70

661.05496.52

- 1,208.751,043.33

215.85- 1,550.15- 1,736.83

645.39373.63

- 2,098.052,591.53

- 1,134.06- 1,483.46

124.05444.22158.66

1,090.29309.13237.48

- 1,360.86- 1,991.49

647.69377.50

- 1,486.2243.99

831.64- 1,764.21

66.7531.16

- 1,900.89- 1,009.91- 2,247.29

423.351,963.29

- 1,273.01943.54

- 1,442.771,619.48

383.25404.44

3,431.191,878.96

586.24- 1,873.08

300.77332.86204.09104.22

1,465.21

Total- 1,521.71- 2,257.56- 2,719.12

5,479.04- 1,286.19

7,363.77- 10,858.82

4,011.667,665.971,518.537,400.81

628.43- 3,737.59

5,423.43- 8,813.59

945.061,083.45

- 6,241.73459.39

- 6,942.38924.75

8,666.56127.72312.82

1,960.70170.94345.59706.59

1,131.748,687.103,641.58

373.844,931.61

10,378.555,325.59

- 6,094.41- 7,716.94

7,808.1116,1 17.63

301.79- 1,246.97

537.14- 5,712.77

1,975.39- 3,255.78

2,728.89- 2,319.61

2,023.843,161.383,771.46

224.70424.71

- 10,630.691,241.921,719.013,775.30

- 2,080.3910,083.262,622.37

87.37

• Vol. 1, No. O.Julio-Diciembre 2003

Jerarquizad ón

GCARSO Al

--

-

-

55.3355.7555.7797.86

107.24226.29251.62273.22277.19281.56322.32330.53330.53336.10343.36349.26391.81393.33419.74424.86426.60426.81434.12446.29449.53453.00460.33465.92473.11478.58483.83484.55501.48516.71546.50570.08586.57588.34675.65696.77718.87727.46738.43780.37792.74806.99818.12822.27832.79850.31862.87868.25

ALFA A Tipo de Cambio

159.07 - 43.99156.34 - 31.52

31.1618.9417.71

8.4221.99

182.08 35.95198.01 68.56202.09 93.56210.02 94.93304.15 96.22606.10 104.22609.46 118.48622.71 118.60704.14 148.26736.50 158.66748.67 161.87778.23 164.04787.09 170.64850.98 198.09969.02 204.09

1,032.41 215.851,060.18 228.361,120.45 231.081,131.39 232.051,215.46 237.481,216.48 243.771,237.07 246.321,252.14 246.771,351.77 253.881,351.84 264.421,359.84 274.201,423.83 278.061,446.00 281.701,452.61 294.981,473.83 309.131,543.77 317.341,582.17 334.441,602.33 343.961,657.94 373.631,661.18 374.511,729.75 375.331,761.28 386.931,808.97 432.352,050.73 434.952,058.14 444.222,066.77 444.372,083.06 460.462,153.96 465.962,166.08 496.522,216.96 498.252,237.15 515.302,255.00 516.942,286.12 529.542,321.34 573.142,507.42 616.382,624.54 622.752,657.20 624.052,856.29 630.99

$$$$

$

$$$

$$$$

$$$

$$$

$$$$

$$

$$

$

$$$$

$$$

$

$$

$$$

$$$$$$

$$

s$$$$$$$$$$$ .

Total53.2087.37

127.72168.36170.94224.70285.99301.75301.79342.79373.84395.17424.71430.11430.77537.14539.21628.43645.14863.03883.89896.72919.02934.19936.19-945.06

,083.45,131.74,156.71,211.26,241.92,331.04,516.27,518.53,563.71,604.92,699.11,719.01,808.55,960.70,975.39

2,023.842,153.062,211.372,441.792,489.992,536.692,557.092,622.372,632.042,728.892,970.963,151.193,158.503,161.383,161.953,215.873,217.623,354.29¡,499.82


Pérdidas/Ganancias

GCARSO Al

8,237.881,260.14

- 2,110.111,923.93

43.13- 2,157.18- 6,003.60

1,007.49727.46

2,939.952,524.84

478.581,821.05

- 641.99- 687.95- 1,901.26- 1,358.05

2,211.96- 958.06

964.69- 391.93- 1,353.80

1,763.97- 1,219.34

878.65349.26

- 827.411,927.56

- 1,037.05391.81434.12822.27

- 387.21- 862.87- 1,302.37- 438.22

1,450.682,088.351,071.621,020.91

- 422.28- 254.14- 3,140.13

868.252,976.90

- 802.58424.86465.92

- 717.67- 3,564.47- 914.51

964.391,262.50

862.87

-1,672.24

- 338.96806.99971.25

ALFA A

1,473.837,152.812,153.966,598.11

- 3,496.321,060.181,761.284,204.531,729.751,032.41

- 8,404.95704.14

9,309.83-

- 1,366.531,543.775,121.81

20,004.6114,577.945,006.84

- 4,184.45- 11,352.96

3,135.84- 3,106.18

4,233.38- 1,857.56

622.71621.53

- 4,047.61- 2,679.53

5,403.14156.34

- 5,474.65159.07636.59

7,494.424,209.273,078.533,812.431,808.97

- 9,595.005,868.45

758.61304.15

1,215.46605.49

3,184.701,351.77

23,334.5712,010.71

- 1,077.86- 5,407.06- 3,848.29

8,622.23- 5,420.45

2,066.7710,132.326,508.48

12,764.05

Tipo de Cambio

2,018.63- 1,914.22

386.93- 2,189.69

444.372,905.543,835.11

21.994,007.66

618.07- 2,223.19

752.60375.33

- 2,110.2968.56

1,921.21- 2,247.50

418.47281.70868.45

- 1,002.05164.04

- 1,399.99432.35278.06630.99684.68851.15314.50

3,314.57- 1,398.33

693.43597.74873.30

1,089.04509.71

- 1,313.87246.77

1,131.70573.14

1,775.2694.93

238.34994.10516.94

17.71825.77

1,663.33291.31

2,747.92127.88123.61820.17622.75

1,170.51246.32

- 1,297.23677.2293.06

1,682.31

Total

Jerarquizado**

GCARSO Al

11,730.34 878.656,498.72 916.80

430.77 933.746,332.35 938.23

- 3,095.07 953.721,808.55 964.39

407.21 964.695,234.00 971.256,464.873,354.29

- 8,103.29430.11

11,506.21- 2,752.28- 1,985.93

1,563.711,516.27

21,798.1013,901.586,839.97

- 5,578.43- 12,542.72

3,499.82- 3,893.18

1,156.715,213.63

- 3,369.651,699.11

- 1,973.08341.23

- 3,643.745,531.98

- 1,141.30- 7,210.82

372.40- 1,584.51

7,631.246,544.395,281.855,406.483,161.95

- 9,754.212,489.99

884.473,797.99

395.17

,007.49,012.25,020.91,051.76,065.93,071.62,101.64,110.36,110.36,143.03,170.13,260.14,262.50,270.70,282.05,318.81,329.29,337.08,339.95,352.90,379.75,380.28,430.16,450.68,559.41,621.02,655.56,672.24,763.97.768.93,792.33,821.05,823.49,864.09,908.98,914.37,923.93,927.56

645.14 1,995.655,313.96 2,088.35

342.79 2,177.3522,518.03 2,211.9610,968.33 2,225.78

237.09 2,308.60- 4,964.74 2,336.07- 2,362.66 2,338.36

9,792.74 2,361.08- 5,174.12 2,443.94

2,441.79 2,488.4410,470.59 2,524.847,222.40 2,565.40

15,417.61 2,625.78

ALFA A

2,959.242,982.783,078.533,135.843,164.543,184.703,224.563,286.823,326.373,395.133,402.673,619.013,670.163,732.723,766.003,812.433,888.543,903.524,130.514,146.034,197.814,204.534,209.274,233.384,385.134,659.354,701.024,843.024,908.615,006.845,020.015,121.815,204.525,213.825,252.435,364.495,403.145,602.725,606.265,669.955,696.215,732.995,769.255,815.695,868.455,878.825,961.516,060.596,134.196,283.086,309.776,332.086,421.266,508.486,598.117,085.237,107.467,152.817,494.428,333.60

Tipo de Cambio

636.17645.39647.69661.05669.99677.22705.93715.83757.56757.83779.21794.27799.64812.26825.77828.81859.19868.45884.68891.45916.79925.37995.88

,005.92,012.03,043.33,056.42,058.26,076.06,079.69,081.12,089.04,090.29,098.64,109.1 1,131.70,167.43,170.51,189.99,204.94,207.65,213.68,248.79,280.78,303.79,407.58,414.49,461.26,463.52,465.21,531.13,543.76,619.48,625.80,663.33,666.52,682.31,704.01,747.76,775.26

Departamento de Fina

Total$ 3,569.42$ 3,594.47$ 3,641.58$ 3,719.98$ 3,771.46$ 3,775.30$ 3,797.99$ 4,011.66$ 4,046.80$ 4,089.14$ 4,160.42$ 4,168.97$ 4,537.86$ 4,604.92$ 4,857.44$ 4,931.61$ 4,972.67$ 5,010.26$ 5,213.63$ 5,231.00$ 5,234.00$ 5,275.42$ 5,281.85$ 5,313.96$ 5,325.59$ 5,363.15$ 5,406.48$ 5,423.43$ 5,479.04$ 5,531.98$ 6,002.85$ 6,005.43$ 6,332.35$ 6,381.24$ 6,464.87$ 6,498.72$ 6,544.39$ 6,678.44$ 6,839.97$ 7,222.40$ 7,268.00$ 7,363.77$ 7,397.70$ 7,400.81$ 7,631.24$ 7,665.97$ 7,709.17$ 7,808.11$ 7,840.31$ 7,902.14$ 8,136.95$ 8,157.24$ 8,184.61$ 8,285.62$ 8,534.31$ 8,666.56$ 8,669.02$ 8,681.41$ 8,687.10$ 8,814.24

nzas • 31


Pérdidas/Ganancias

GCARSO A1

- 335.49- 462.41

1,012.25- 1,172.45

-

675.65588.34

- 292.94251.62

- 502.33336.10

- 670.57- 463.25- 338.03

1,270.70419.74460.33

1 ALFA A

- 5,641.81- 4,337.20- 1,292.72

13,886.71- 7,471.09

2,166.083,164.54

10,406.013,402.67

- 3,247.50242.96

- 3,160.795,769.252,050.73

- 6,593.56- 1,101.05

736.505,878.822,286.12

- 2,270.32- 1,323.54

(Tipo

1

-- 1- 1

12

- 1

- 1

d« Ctmblo

799.64274.20231.08294.98779.21465.96995.88

,414.4931.52

308.97,950.99,721.31

96.22,207.65,228.43,539.60498.25118.48169.17

,394.53232.05

Total

- 5,177.67- 4,525.41

49.3813,009.24

- 6,691.882,632.044,160.42

1 1,820.514,046.80

- 2,968.13- 2,486.88- 4,630.49

5,363.153,594.47

- 5,035.70- 3,103.89

896.727,268.002,536.69

- 3,204.52- 1,091.49

Jerarquizacíón

GCARSO Al

2,673.312,679.902,716.642,867.382,939.952,976.903,118.563,187.083,21 1.453,242.143,559.933,569.413,612.873,750.304,221.224,595.275,045.455,232.656,998.727,270.638,237.88

ALFA A

8,622.238,928.358,958.388,985.759,261.189,309.839,613.029,916.28

10,132.3210,406.0112,010.7112,764.0513,052.2313,076.9413,238.3613,886.7114,188.7414,577.9417,323.5120,004.6123,334.57

Tipo <M Cambio

1,805.061,878.961,921.211,963.291,982.402,018.632,064.342,109.782,177.862,228.432,591.532,747.922,905.542,980.843,035.003,094.803,314.573,431.193,691.353,835.114,007.66

Total

$ 9,604.62$ 9,792.74$10,083.26$10,378.55$10,470.59$10,968.33$1 1,506.21$1 1,730.34$11,820.51$12,300.17$12,353.59$12,744.02$13,009.24$13,407.96$13,901.58$15,417.61$16,1 17.63$19,623.05$21,798.10$22,518.03$27,574.98



Numero de observaciones totaleN - 249

Con un nivel de significancia __ =.'l"lii!JM.[;«.].>.-ty»-ri«[.].[;l.»«JIU

GCARSO A l ALFA A Tipo

440.81 67.80216.00 33.22

0.01

2.49

de Cambio

118.1657.90

Total

466.29228.48

- $ 6 , 2 2 8 . 4 2 - $ 1 1 , 8 7 7 . 3 2

Se espera a un nivel de confianza de 99%, una pérdida máxima de $6,228.42en GCARSO A l , de ALFA A $11,877.32,en la posición en dólares $2,526.52 y en el Totaldel Portafolio de $12,314.24; en un horizonte de inversión Igual a un día.

VaR Televlsa =

VaR CEMEX =

VaR D6lares =V a R P =

6,228.421 1,877.32

2,526.5212,314.24

El beneficio de la diversi f icación es de: 8 , 3 1 8 . 0 2

El beneficio se da ya que el VaR del portafolio es de menor cuantíaque la suma de los VaR's individuales



Valuación del Rendimiento de la Acciónde Kimberly-Clark:

Una Estimación Econometrica del Modelo APT Fundamental

Roberto Carlos Torres Robles

Estudiante LAF. Tecnológico de Monterrey,Campus Estado de México

Qerardo Septién

Estudiante LAF, Tecnológico de Monterrey,Campus Estado de México

RESUMENEn este artículo se estima mediante un modelo econométnco de Mínimos Cuadrados Ordinarios elcomportamiento de la acción de Kimberly-Clark Serie A, a través del modelo de Valoración porArbitraje de acciones conocido en la literatura económica y financiera como APT por sus siglas eninglés de Arbitrage Pricing Theory. El modelo APT que se presenta incluye variables fundamentalesde la empresa Kimberly como son la razón precio/utilidad, el Rendimiento sobre Capital (ROE), laDeuda Financiera Total, el Volumen, el tamaño de la empresa (size) y el capital de trabajo, a fin deconstruir un modelo multifactorial que explique el rendimiento de la acción. Los resultadosobtenidos indican que sólo algunas variables consideradas son significativas y por tanto son unelemento clave para la determinación del rendimiento de la acción de Kimberly y por ende de sunivel de riesgo.

INTRODUCCIÓNSe analiza el rendimiento de la acción de Kimberly Clark, ya que es una empresa de gran tradiciónen México. La empresa se encuentra dentro de nuestro país desde 1931. cuando se inició la ventade los pañuelos Kleenex y la venta de las toallas femeninas Kotex.

A su vez, es una empresa que tiene 13 marcas registradas a su nombre (Kleenex®, Pétalo®, Kotex®,Fems®. Kleen-Bebé®, Huggies®, Scribe®. Leeds®, Kimlark®, Sanitas®, Duplicador®, Couche® yLustrolito®).

Y que además es el líder en los diferentes mercados en los que participa (desde bebés con los pro-ductos Kleen-Bebé y Huggies hasta gente de la tercera edad con Pétalo y Kleenex. pasando portodas las edades con sus demás productos).

34 ' Vol. I, No. O.Julio-Diciembre 2003

Escuela de Negocios Tecnológicode Monterrey, Campas Estado de México

También es una empresa enorme en nuestro país, ya que cuenta con 10 plantas de producción, 11centros de distribución y 7,700 empleados y obreros.

El objetivo de este trabajo es analizar los factores microeconómicos que influyen en el rendimien-to de la acción Serie A de Kimberly-Clark de México que cotiza en el mercado bursátil mexicano,mediante el instrumental econometrico convencional generalmente aceptado como es la técnica deMínimos Cuadrados Ordinarios (MCO).

JUSTIFICACIÓNLa mayoría de los inversionistas que participan en el mercado financiero mexicano, se encuentraninteresados en conocer las variables que pueden influir en el desempeño de una empresa y con elloen el rendimiento y niveles de riesgo de la misma. Por lo que sí sabemos el grado de sensibilidadpara cada factor, podemos tomar una decisión mejor fundamentada.

Escogimos la empresa de Kimberly- Clark México, porque es una empresa líder en su ramo de pro-ducción y por lo tanto tiene gran participación en el mercado nacional como internacional, Estohace que sea una empresa con un alto nivel de bursatilidad y capitalización, por lo tanto sabemosque son muchas las variables que pueden influir en su rendimiento.

Kimberly-Clark de México, S.A. de C.V. (KCM) se dedica a la producción y mercadeo de diversosproductos, que son utilizados por millones de consumidores en México: pañales, toallas femeni-nas, papel higiénico, servilletas, pañuelos, toallas para cocina, toalla de manos, cuadernos esco-lares y productos para oficina. Por otro lado, KCM es el mayor productor mexicano de papeles finospara Escritura e Impresión que satisfacen diversas necesidades en las industrias Editorial y de ArtesGráficas.

KCM es líder en todos los mercados donde participa gracias a la funcionalidad y calidad de sus pro-ductos, a una constante innovación y al apoyo de nuestro socio tecnológico, Kimberly-ClarkCorporation(KCC).

KCM, con ventas anuales superiores a los $15,000 millones de pesos, es una empresa públicacuyas acciones cotizan en la Bolsa Mexicana de Valores con clave de pizarra KIMBER. Exportamosalrededor de US$ 100 millones al año a 14 países.

MARCO TEÓRICOEl Modelo de Valuación por Arbitraje (Arbitrage Pricing Theory, APT) fue desarrollado por StephenRoss (1976) y puede considerarse como una ampliación del CAPM en la que se tienen en cuentaun determinado conjunto de factores entre los que se encuentra la rentabilidad esperada del mer-cado. Para el modelo del APT la rentabilidad esperada de un título dependerá linealmente de unconjunto de coeficientes que medirán la sensibilidad de la rentabilidad de un título ante variaciones

Departamento de Finanzas c 35


de los distintos factores de riesgo. Por tanto el APT considera distintas fuentes de riesgo sis-temático.

La expresión de la rentabilidad del activo i será:

R¡= d|+ <*\f\+<*2f2...+ cxn Fn + ERROR

"Este modelo supone que la cartera óptima estará constituida por aquellos valores que proporcio-nen un rendimiento máximo para el riesgo soportado, definido éste por su sensibilidad a los cam-bios económicos inesperados, tales como los cambios imprevistos en la producción industrial, enel ritmo de inflación y en la estructura temporal de los tipos de interés."'

El modelo APT comienza suponiendo que la rentabilidad de cada acción depende en parte de fac-tores o influencias y en parte de sucesos que son específicos de esa empresa (micoreconómicos).

"En definitiva, el APT establece que los inversionistas desean ser compensados por todos los fac-tores que sistemáticamente afectan el rendimiento del activo. Esta compensación es la suma de losproductos de la cantidad de riesgo sistemático por cada factor, por el premio del riesgo asignadopor los mercados financieros a cada uno de esos factores."^ El modelo APT no establece cuáles sonesos factores, algunas acciones serán más sensibles a un determinado factor que a otro.

"Para una acción individual hay dos fuentes de riesgo. La primera es el riesgo que proviene de losperniciosos factores macroeconómicos que no pueden ser eliminados por la diversificación. Lasegunda es que el riesgo proviene de posibles sucesos que son específicos para la empresa. Ladiversificación hace eliminar el riesgo único, y los inversores diversificados pueden, por consi-guiente, ignorarlo cuando están decidiendo si comprar o vender una acción. La prima por riesgoesperado de una acción es afectada por el factor o riesgo macroeconómico, no viene afectado porel riesgo único.

"La teoría de la valoración por arbitraje manifiesta que la prima por riesgo esperado de una accióndebe depender de la prima por riesgo asociada con cada factor y la sensibilidad de la acción a cadauno de los factores ..."•'

Para concluir, hay que destacar que el APT tiene aspectos que lo hacen promisorio para determinarel rendimiento esperado de un activo financiero. No obstante, cambia los problemas del CAPM dedeterminar la cartera de mercado verdadera por el problema de establecer cuáles son los factoresde riesgo sistemático y la medición de los factores.

METODOLOGÍAResumiremos las etapas en que se divide este modelo:

1. Identificar los factores microeconómicos que afectan a la acción Kimberly serie A.2. Obtener los datos de las variables a utilizar, por medio de la serie de datos Economato.

' MONCHON MORCILLO. Francisco y Aparicio Rafael

• Vol. I, No. O.Julio-Diciembre 2003 2 PASCRLE. Ricardo3 BREALEY. Richard ñ y MYERS

36


Optimizar los datos, ya que algunos están expresados en millones, en días, en porcentajesy en número de veces.3. Estimar la sensibilidad de la acción a estos factores corriendo el modelo utilizando el pro-grama E-views para obtener las salidas y se deberán observar los cambios ocurridos en elprecio de una acción y ver cuan sensibles han sido a cada uno de los factores.4. Se verificara que el modelo cumpla con los supuestos de regresión y las propiedades delos estimadores para garantizar que estos sean BLUE (Best Linear Unsesgated Estimators).

Los datos fueron tomados con una periodicidad trimestral. Desde el último Trimestre de 1991 hastael tercero del 2003.

Las variables que utilizaremos y para estimar el modelo son:

- Volumen (variaciones %)- Precio utilidad- Roe (rendimiento sobre capital)- Size (log capital bursátil)- Deuda Financiera Total (variaciones %)- Capital de trabajo (variaciones %)- Plazo promedio de inventarios (variaciones %)- Plazo promedio de cobro (variaciones %)- Pasivo- activo- Liquidez acida- Liquidez

HIPÓTESISNuestra hipótesis es que el rendimiento de la acción de Kimberly-Clark serie A, está influido por elvolumen de acciones operadas, por variables de actividad, apalancamiento. liquidez, rendimiento,deuda, roe y capital bursátil.

PLANTEAMIENTO DEL PROBLEMA¿Qué factores microeconómicos afectan al rendimiento de la acción de Kimberly-Clark serie A?Existe la posibilidad de estimar de forma eficiente los elementos que pueden influir en el rendimien-to accionario de la Serie A de Kimberly-Clark México.



ESTIMACIÓNDependent Variable: RKIMBERLYMethod: Least SquaresSample: 1 47Induded obseruations: 47

Variable

CVOLUMEN

PRECIOJJTILIDADSIZE

DEUDA_FIN_TOTALRPñLAUCñM

CflPITAL_DE_TRABAJOUQ,UIDEZ_ACIDA

ROEPLAZO_PROM_COBRO

PLAZO_PR0M_INV

R-squaredAdjusled R-squaredSI of regressíonSum squared residLog ÜkelihoodDurbin-Watson stat

Ramsey RESET Test:F-statisticLog likelihood ratio

Coefficient

-39.990650.0429370.1579142.6180550.0057320.1216280.0005241.3026640.0859300.053525

-0.008747

0.7769280.7149633.185067365.2075-114-87261.909189

15.0556716.81602

Std. Error

22.3/2520.0040710.1578642.6108240.0025730.0712530.0054311.5773260.1908930.0386490.029072

Mean dependent

t-Statistic

-t.79229710.546051.0003181.0027702.2278011.7069820.0965810.8258680.4501481.384919

-0.300863

uarS.D. dependent uarftkaike injo criterionSchwarz criterionF-statisticProb(F-statistic)

ProbabilityProbability

Prob.

0.08150.00000.32380.32270.03220.09640.92360.41430.65530.17460.7652

0.1714325.9657915.3562805.78929312.538260.000000

0.0004410.000041

Con los datos originales y antes de realizar las pruebas para ver si cumplen las propiedades de lossupuestos de regresión para poder asegurar que son BLUE podemos ver que únicamente Volumeny la Deuda Financiera Total resultan significativos al 95% de confianza para explicar el rendimien-to de Kimberly A.

Pero, observemos el p-value de la prueba F que nos indica qué tan significativo es el modelo enconjunto es .000 comparado con un .05 _entonces el modelo es bueno en conjunto.

También tomemos en cuenta la R2 de .716928, es decir, las variables independientes explican en71% a el rendimiento de la acción Kimberly A. Ya estimada la ecuación hicimos la prueba RamseyRESET para identificar errores de especificación del modelo. Como tenemos un p-value menor a unalfa de .05, rechazamos Ho. Por lo que la especificación del modelo no es lineal.



Ho: Linealidad Forma Funcional

Ha: No linealidad

A pesar del resultado, la teoría del modelo APT nos dice que las variables deben ser lineales por

lo que no haremos cambios en nuestras variables.

Multicolinealidad

APALAN CAPITALCAMIENTO DE TRABAJO

APALANCAM 100

CAPITALJ)E_TRABA QQJQ

DEUDAJINJOTAL -0.004

LIQ,UIDEZ_ACIDA .0.430PLAZO_PROM_COBRO -0.029

PLAZO JROMJNV 0.147

PRECIOJUTIUDAD -0.309

ROf 0.526

S'Zf 0.387VOLUMEN -0 .2/2

0.078

1.000

-0.070

0.184

0.031

•0.225

-0.105

-0.010

0.039

-0.138

y la Matriz de

DEUDAFIN TOTAL

-0.004

-0.070

1.000

0.005

-0.083

•0.050

-0.037

-0.1 1 1

0.039

-0.099

LIQUIDEZACIDA

-0.430

0.1840.0051.000

-0.359•0.308

0.237

-0.234-0.009-0.032

Correlación

PLAZOPROM

COBRO

-0.029

0.031

-0.083

-0.359

1.000

0.201

-0.108

0.023

-0.214

0.153

PLAZOPROM

INV

0.147

-0.225

-0.050

-0.308

0.201

1.00

0.010

0.033

0.006

0.172

PRECIOUTILIDAD

-0.309

-0.105

-0.037

0.237

-0.108

0.010

1.000

-0.523

0.227

0.021

ROE

0.526

•0.010

-0.1 II

-0.2340.0230.033-0.523

1.000.498-0.118

SIZE

0.387

0.039

0.039

-0.009

-0.21

0.006

0.227

0.498

1.000

-0.282

VOLUMEN

•0.212

0.138

-0.099

-0.032

0.153

0.172

0.021

-0.118

-0.282

1.000

Para probar la existencia de multicolinealidad imperfecta utilizamos la matriz de correlaciones. Y

como ningún valor esta cercano a I podemos descartar que nuestras variables dependientes estén

relacionadas entre sí. Por lo tanto no es necesario utilizar el método backward para discriminar va-

riables por presencia de multicolinealidad

Redundant Variables: ROE CAPITAL_DE_TRABA UQ(JIDEZ_ACIDAPLAZO PROM INV

F-statistic 0.309225 Probabiíity 0.869908Log likelihood raüo 1.587720 Probabiíity 0.810998

Test Equation:Dependent Variable: RKIMBERLYMethod: Least SquaresSample: I 47Included obseruations: 47



Variable

CVOLUMEN

SIZEDEUDñJINJVTAL

APRLANCñMPLAZO_PROM_

COBROPRECIOJJTIUDAD

R-squaredñdjusted R-squaredS.E. of regressionSum squared residLog ükelihoodDurbtn-Watson stat

Coeíficient

-44331820.0426403.5859380.0053190.095965

0.0412670.106013

0.7692630.7346533.073090377.7554

-115.66641.851063

Std. Error

16.693430.0038211.7513980.0023640.060387

0.0333990.101845

Mean dependent var

S.D. dependent var

Akaike info criterion

Schwarz criterion

F-statistic

Prob(F-statistic)

t-Stalistic

•7.655644i 1.15844

2.0474712.2498601.589 ¡55

1.2355961.040928

0.1714325.9657915.2198495.49540322.226290.000000

Prob.

0.01130.00000.04720.03000.1199

0.22380.3042

Para optimizar el modelo decidimos realizar una prueba de redundancia de variables RedundantLikelihood Ratio Test. Probamos con las variables con P-values más altos, como eran:.

Ho: roe. capital de trabajo, liquidez acida y plazo promedio de inventarios = 0Ha: al menos una diferente de cero

El p-value de la prueba (.81) resulta mayor que el alfa de .05. Entonces aceptamos Hoy por lo tantono es necesario incluir estas variables para explicar el rendimiento de la acción.

Para verificar esta hipótesis, realizamos pruebas backward quitándolas una por una. y vimos quenuestra R* iba incrementándose a medida que quitábamos dichas variables. Por lo que ahora tene-mos una R' de .734653.

Prueba de NormalidadHo: residuales se distribuyen como normalesHa: residuales no se distribuyen como normal



10..

2 -

O..IEJ

Series ResidualsSample 1 47

Observations 47

Mean

MedianMáximumMinimum

Std.Dev.SkewnessKurtosis

Jarque-BeraPrcbability

1.52E-14

0.5285316.255970

-9.480835

2.817675-1.025581

5.131471

17.136270.000190

* _8 -6 -4 -2 0 2 4 6

Como el p-value del estadístico Jarque-Bera es menor que alfa, entonces rechazamos la hipótesisde que los residuales se distribuyen como normales.

Prueba de AutocorrelaciónObtuvimos un estadístico Durbm Watson de 1.851063

Comenzando con una prueba de dedo, podríamos decir que no hay evidencia de autocorrelaciónde orden I puesto que el estadístico se aproxima a 2. Pero para asegurarnos realizamos la pruebaformal.

di: 1.23 Ho: no hay autocorrelación +/-du: 1.83 Ha: sí hay autocorrelación

El valor de nuestro estadístico se encuentra en zona de no aceptación, por lo tanto, podemos ase-gurar que no existe autocorrelación serial de orden I.

Prueba de White Cross Heteroskedasticity

Whiíe Heteroskedasticity Test:

F-staüstic 9.715808 Probabiliiy 0.000002Obs*Rsquared 43.82576 Probability 0.021551



Modelo CorregidoDependen! Variable: RKIMBERL)Method: Least Squaresiample: 1 47Induded obseruations: 47

f

White Heteroskedasticity-Consistent Standard

Variable Coefficient

CVOLUMEN

SIZEDEUDAJIN_TOTAL

APMLANCAMPLAZO J>ROM_COBRO

PRECIOjmUDRD

R-squaredñdjusted R-squaredS.E. o[ regression

Sum squared resid

Log likelihood

Durbin-Watson stat

-44.331820.0426403.5859380.0053190.0959650.0412670.106013

0.7692630.7346533.073090377.7554

-115.66641.851063

Errors & Couariance

Std. Error t-Statistic

17.541220.0080911.5992600.0025430.0735040.0469070.085749

Mean dependen) vaS.D. dependent uarAkaike injo criterionSchwarz criterionF-statisticProb(F-statistic)

-2.5272945.2699552.2422482.0919031.3055720.8797751.236324

Prob.

0.0/550.00000.03060.04280.19920.38420.2235

0.1714325.9657915.2198495.49540322.226290.000000

Hicimos la prueba de White Cross Heteroksedasticity. para detectar si las varianzas son iguales, talcomo lo dice el supuesto de regresión.

Nuestra hipótesis es:Ho: No hay heterocedasticidadHa: Sí hay heterocedasticidad

Nuestro p-value es de .021. por lo que es más pequeño que alfa a un ivel de significancia de 5%.Por lo tanto rechazamos Ho. Para corregirlo usamos White Heteroskedasticity-Consistent StandardErrors b Covariance. Y obtuvimos el modelo final.

ANÁLISISLa ecuación que obtuvimos con los datos de salida de nuestro modelo para explicar el rendimien-to de la acción Kimberly-Clark serie A es la siguiente:

RK1MBERLY = -44.33 182 + 0.042640(VOLUMEN) + 3.585938(SIZE) +0.0053 19(DEUDA_FIN_TOTAL) + 0.095965(APALANCAM) +0.04I2678(PLAZO_PROM_COBRO) + O.I060I3(PRECIO_UTILIDAD)

42 • Vol. I, No. O.Julio-Diciembre 2003


Al ver los coeficientes nos damos cuenta de que todas las variables incluidas en el modelo tienenuna relación positiva con el rendimiento. Es decir, cuando aumentan el rendimiento que nos da laacción también se incrementa.

El volumen nos dio como resultado lo que se esperaba, ya que si los precios se rigen por la ofertay demanda, entonces entre mayor sea el número de acciones vendidas el precio aumentará y porlo tanto el rendimiento será mayor.

La variable size como sabemos es el logaritmo del capital bursátil, el cual nos dice qué tan impor-tante o llamativa resulta la empresa para los inversionistas. Lo que les proporciona confianza parainvertir su capital en ella. Por lo tanto entre más bursátil resulte la empresa, entonces mayor será lainversión y por consiguiente el rendimiento también. Cabe resaltar que este coeficiente es el quemás influye en nuestra variable dependiente, ya que es de 3.58. Por lo que deducimos que la ima-gen que tiene esta empresa entre el público inversionista es de suma importancia para su mejorcolocación e el mercado accionario. No es difícil pensar que al ser una empresa que cualquier per-sona conoce, entonces la percepción que se tiene de ella es que es una empresa exitosa por lo tantode confianza para arriesgar tu capital con ella.

Para el caso de la deuda financiera y el apalancamiento, el cual sabemos que nos indica qué tanendeudada está la empresa, creemos que la relación directa que obtuvimos se debe a que siKimberly tiene pasivos financieros son percibidos como aspectos positivos para ella. Ya que unpréstamo o deuda pública se traduce en aumento de capital y por lo tanto en crecimiento de laempresa. Entonces si una empresa esta en expansión, su deuda crece pero su productividad conella. Con mayor producción es factible que el mercado valore más la acción.

El plazo promedio de cobro según los resultados obtenidos y nuestro punto de vista nos muestrala solidez de la empresa, ya que entre más grande sea la misma el plazo será mayor. Ya que cuen-ta con la solvencia necesaria para su operación y financiamiento. Esto al igual que las variablesantes mencionadas se convierte en confianza para el inversionista.

Por último, tenemos el precio utilidad. El cual es el segundo que más actúa sobre el rendimiento.El resultado nos parece lógico, ya que como sabemos esta variable nos dice la cantidad de divi-dendos que reparte la empresa. Evidentemente, entre más grande sea la gente se interesará más eninvertir en ella. Todos los que participan en el mercado de valores buscan una acción de empresasque ofrezcan los mejores dividendos o expectativas que tienen de ellos. A nuestro criterio tendríaque ser de las variables más significativas para cualquier acción.

CONCLUSIONESDespués de ver la influencia de cada variable, llegamos a la conclusión de que el modelo sí ayudaa explicar el rendimiento de la acción mencionada. Aunque no todas las variables iniciales nos ayu-daron a conocer el comportamiento del rendimiento, y de hecho algunas que considerábamos que



serían muy importantes como el roe y el capital de trabajo tuvieron que ser eliminadas para mejo-rar la estimación final. Pero aún así creemos que debemos aceptar nuestra hipótesis planteada alinicio del trabajo.

Al realizar este trabajo nos dimos cuenta de la gran utilidad que tiene la econometría en las finan-zas, ya que si tenemos idea de los factores que más intervienen en una acción aún sin hacer unmodelo para cada una, podemos tener una idea más clara de la proporción de los efectos que tienenlas variables en el rendimiento de cada acción. Aunque también sabemos que cada acción estadeterminada por diferentes aspectos, dependiendo de su actividad, giro, tamaño etc.

Si tuviéramos que tomar una decisión de sí es conveniente invertir en Kimberly o no. tomando encuenta los resultados, nosotros sí lo haríamos.

BIBLIOGRAFÍA• Cárter R. HUÍ Qerogejudge. William Gnffiths;

"Undergraduate Econometrics", 2a edición. John Wiley b Sons, 2000.• Qujarati, Damodar N. Econometría, 3a. Ed. Colombia, Me. Graw Hill, 2001.



Networks And Clusters:A Short Essay On Their Importance For Regional Development

Octavio A. PalaciosDepartment oí Economics,

Tecnológico de Monterrey. Campus Estado de México

ABSTRACTThe present essay summarises some of the ¡deas on, first. the evolution towards the present phaseof capitalist development; secondly. today's tensión, on the one hand, between money manage-ment and systemic competitiveness visions of economic development. and on the other hand,between globalisation and regionalism. Then ¡t argües that the economic evolutionist visión onnetworking and clustering has several advantages. due to the need to keep ¡n sight aspects such asinstitutions, routines, extemalities and the fact that firms do not compete alone. Finally, ¡t propos-es the concept of systemic competitiveness as a way to overeóme the paradoxes being faced by thepresent paradigm of money management capitalism.

RESUMENEl presente artículo sintetiza en primera instancia algunas de las ideas sobre, la evolución que noscondujo a la presente fase del desarrollo del capitalismo. En segundo lugar, trata sobre la tensiónexistente entre dos visiones distintas de la forma "correcta" de administrar la presente fase deldesarrollo capitalista: el capitalismo del tesorero y la competitividad sistémica. Seguido, se expo-nen algunos aspectos de la visión evolucionista de las redes de empresas y regiones nodales queconsideran aspectos tales como instituciones, rutinas, externalidades, y sobre todo, en que lasempresas no compiten solas. Por último, este ensayo propone que el concepto de competitividadsistémica es útil en superar algunas de las principales paradojas enfrentadas por el actual paradig-ma del capitalismo del tesorero.

THE FIVE STACES OF CAPITALISM SINCE THE INDUSTRIALREVOLUTION (1776 - 2000).This section is based on the work of Christopher Freeman, Carlota Pérez and Hyman Minsky onthe stages of capitalism development since the first industrial revolution of the late eighteenth cen-tury. This event is chosen as an initial moment because it coincides with the "birth" of economicsas an independent field of study and "modern" society. and thus signáis the link of economics asa science to industrial capitalism, and the compromise of economics to sustain capitalism as thedominant mechanism of production coordination and social evolution.

Departamento de Finanzas > 45


These three authors ¡dentify five distinctive phases of capitalist evolution. but based upon highlydifferent cnteria. and observed from entirely different continents and stages of development. The¡nterestmg aspect being that the five phases are perfectly coincidental in time penods. On the onehand, Chnstopher Freeman and Carlota Pérez base their theonsing on the concept of "Techno-eco-nomic Paradigm" and thus emphasise the co-evolution of technologies and institutions. and clear-ly belong to the evolutionist visión of economics. (Freeman and Soete, 1997. pp. I to 25).Chnstopher Freeman writes from a European perspective. while Carlota Pérez writes from a LatínAmerican point of view. On the other hand. Hyman Minsky is a completely U.S.-centred authorthat emphasises the financial theory of investment and the investment theory of business cycles.also called the financial instability hypothesis (Whalen. 2001, p. 805). He can best be described asbelonging to the Post Keynesian tradition.

Each of these authors searches to answer different questions on the evolution of capitalism. ForChristopher Freeman the main questions to be asked are:

• What are the technological. market. managerial and social issues that arenot being solved by the present technology and institutions7

• What are the technological and organlsational issues considered as mostimportant and urgent ¡o be solved7

• Which are thought to be the proper solutions to those problems7. and.• How are these solutions going to be implemented7

The answer to these questions will créate a coherent set of knowledge and beliefs that will becomethe paradigm of an era. And these paradigms are substituted by new paradigms when they faceunsolved paradoxes.^ So. how the search for a new paradigm is done and how finally one deve-lops are also a matter of research.

For Carlota Pérez the outstanding issue is how paradigm changes can be used for "leapfrogging"into higher levéis of material well-being, and ¡nto a superior technological, organisational and com-petitive position among the nations of the world. And how the "windows-of-opportunity" createdby paradigm changes créate the rísk of falling further behind or to be displaced as a leader power.All of these topics are not completely alien to people living in underdevelopment conditions.

For Hyman Minsk the important questíons to be asked about capitalist development are (Whalen.

2001. p.809):

• What is being financed?• What is the pivotal source of external financing?. and.• What is the balance of economic power between those in business and

those in finance?

46 • Vol. I. No. 0. Julio-Diciembre 2003


A summary of the ideas of these three authors is attempted ¡n table I.

Table I

THE FIVE STACES OF CAPITALISM(Freeman and Soete. ¡997. pp. 65 ¡o 70: and Whalen. 2001. p. 811)

Main"carnet

branches"

Infrastruc-ture

What ísbeing

¡¡nance d?

StrategícInpuis

EARLYMECHANI-

SATION

(I770S TO¡840sj

TextilesTextiíe chemi-

calsTextile

machineryIron-workingIron-casting

Water powerPotteries

Trunk cañáisTurnpike roads

Transport-ation o¡ goods

InuentoriesManufacturtng

CottonP\g ¡ron

INDUS-TRIAL

CAPITA-LISM

(I830S TO

¡890s)

Steam enginesSteam-sri¡ps

Machine-tools

RaitwayEquipment

RailwaysShipping

Industrialexpansión

CoalTransport

BANKERCAPITA-

USM

(¡880s TO¡940s)

Electrlcalengineering

Eléctrica!machinery

Heauy engi-neering

Syntheticdyestuffs

Steel manu-¡actunng

Eleclricitysupply anddistribution

Industrialconsolidation(mergers and

take-ouers)

Steel

MASSPRODUC-TION OR

MANAQE-RIAL CA-PITAUSM

(I930S TOI990S)

AutomobllesTractors

LorriesAircraft

ConsumerdurablesSyntheticmaterials

Petrochemicals

MotorwaysAirports

Maaoeconomic growth and

stability

Energy (spe-cialty oil)

MONfY-MANAQER

CAPITA-LISM

(I980S TO?J

ComputersElectronic capital

goodsSoftware

TelecommunicationsEquipment

Optical fibresRobotics

CeramicsData banks infor-

mation services

Digital telecommu-nicationsSatellites

Increase oj stock-market valué andcorporate projits

"Chips (micro-elec-tronics)



Distinctiueproduction

¡actor

Qrowthsectors

Umitaüonsof preuious

paradigm tobe solued

Ways 0/ouercoming

thoselimitations

Labour

Steamengines

Machinery

Transport-ation of goods

InventoriesManufacturing

ScaleProcess control

Limitations ofhand tools

MechanisationFactory

organisalíon

Machinery

SteelElectricity

QasSynthetlcDyestujfs

Heauy engi-neering

Limitations ofwater power

in terms ofinflexibility of

location.scale of pro-

duction, relia-bility and

range ofapplications

Steam enginesand newtransponsystems.

Management(Coordination

of firm andindustry)

flutomobilesAircraft

Telecommu-nications

RadioAlumintum

Consumerdurables

OÜPlastics

Limilations of¡ron as an

engineeringmaterial.

Limitations ofinflexible

belts, pulleys.etc. driven by

steamengines.

Auailabilityof cheap steel

and alloys.Unit and

group electa-cally powered

machineryand machine-

tools, andoverhead

cranes.Standardisati

on ofcomponents

Economic poíi-cy and busi-

ness managers

Software

Scale limita-tions of batch

manufactur-ing.

Flow processesand continu-

ous assemblyUne.

New patternsof urbanisa-

tion andindustrial loca-

tion allowedby automo-

biles.

finance andaccountancy

experts

Biotechnologyproducís and

processesFine chemicals

Qeneticengineering

Space activities

Diseconomies ofscale and inflexi-

bility of dedicatedassembly-line and

process plants.Limitations of

energy and materi-al intensity.

Limitations of hier-archical depart-

mentalisation.

Flexible manufac-turing systems,

networking andeconomies of

scope.Electronic control

systems and com-ponents.

Systematisation,networking and

integration ofdesign, production

and markeling.

48 1 Vol. I. No. 0. Julio-Diciembre 2003


Organisationwithin firms

Competitionand co-opera-

iion

Piuotal sourceof external

jinance

Fundamentalentity being

financed

Qroup ofgreatest eco-nomic power

IndividualentrepreneurSmall firms

Co-operationbetween inno-

uators andmerchant-capi-

taltsts.

Commercial ormerchant

bank.

Proprietor-shipand

partnership.

Merchants andbankers.

Limiled liabili-ty and jointstock ¡irms.

flrms-length.short-termcontraéis.

Cosíreduclion.

Inuestmentbank.

Industrialf'trm.

Industrial-istsand

Inuestmentbankers.

Cariéis andtrusts.

Concentraronof banking

and financecapital.

Emergence ofspecialised

"middle man-agement".

Oligopolisüccompetition.

Regulation orstate owner-

ship of "natu-ral" monopo-

lies and "pub-lie utilities".

Inuestmentbank.

CombinedCorporation.

Investmentbankers.

Mulünaüonalcorporations

based ondirect foreign

inuestment.Diuisionalisation and hierar-chical control.

Technocracy.Vertical

integration.

Oligopolisüccompetition.Competttiue

subcontractingbased on

arms-lengthcontraéis.

Central bank.International

banks.

Priuate con-glomérales.

Nationalgouernments.

Corporatemanagers.

Flattening ofcontrol.

Selj-responsibilityand multi-task

labour.Employment insta-

bility throughpermanent firmre-engineering.

Networks of small.médium and big

¡irms coordinatedthrough (he

internet.Inter-firm networkswith cióse co-oper-ation in lechnolo-

gy, quality control.traming. invest-ment planning

and productionplanning

(just-in-time).

Insütuüonalinuestment [unds.

MultinationalCorporation.

Money-fundmanagers.



National Laissez-faireregulation established as

system dominantprincipie.

International Emergenceregulation of British

system supremacy.

National inno- Encourage-vation system ment o¡ science

through natio-nal and local

academies.Part-time training

and on-the-jobtraining.Transjer o¡ technolo-

gy by migra-tion of skilled

workers. Development of pro-¡essional edu-

catión andtraining of

engineers andskilled workers.Internationalisation of patent

system.

Minimalistgovernment.

flcceptance ofcraft unions.Early sociallegislaüon

and pollutioncontrol.

"PaxBritannica".

Internationalfree trade.

Qoldstandard.

"In-house"R&D depart-

ments.Recruitmentof un'wersity

scientists andengineers and

graduales ofthe new

TechnischeHochschulen.

NationalStandard

Institutionsand nationallaboratortes.

Uniuersal

p i IIIIUI y

education.

Stateregulation orownership of

basteinfrastructure.

Sociallegislatíon.Qrowth of

statebureaucracy.

Destabilisationof financia!

and trade sys-tems leadinglo the "Qreat

depression"and WWII,

Large scalestate involve-

ment inscience andtechnology.

Rapid expan-sión of second-

ary and terü-ary educationand of indus-trial traimng.

Transfer oftechnology

through exten-siue licensing

and know-hoiv agree-ments and

inuestmenl bymultinationalcorporatíons.

Welfare andwarfare state.

Stateregulation of

inuestment.growth and

employment.High leuels ofstate expendí-

ture andinuoluement

Socialpartnership

with unions.

"PaxAmericana"

DecolonisaüonCold war

belween theU.S. andU.S.S.R.

Horizontalintegration ojR&D. design.

manufactur-ing, processengineering

and marketing.

Integration ofprocess designwith multi-skill

training.

Regulation ofstrategic

telematicsinfrastructure.

Deregulation andre-regulation of

financia!institutions and

financial markets.

Regional tradingblocks.Problems of

deuelopingappropriate inter-

national institu-tions capable of

regulaüng globalfinancia! capital.

ICT. andmultinationalcorporatíons.

Computernetworking and

collaborativeresearch.

State support forgeneric

technologies and

university-industrycollaboration.

SO • Vol. I. No. O.Julio-Diciembre 2003


Terüary sector

Represent-aüvecountries

Represent-etíve

entrepre-nuers

Represent-atiue econo-

mists andphtlosophers

Rapid expan-sión o[ retail

and wholesaleIrade.

BritainFrance

Belgium

ArkwrightBoulton

WedgwoodOwen

BramanMaudslay

SmithSay

Owen

Rapid growtho¡ domesüc

service fornew middle

cíass.Qrowth o¡

transpon andd'tstribuüon.

Universalpostal and

communica-tion services.

Qrowth o{financia!seruices.

BritainFrance

BelgiumQermany

USA

StephensonWhitworth

BrunelArmstrong

WhitneySinger

RicardoList

Marx

Peak ofdomestic

serviceindustry.

Rapid growthof state and

local bureau-cracies.

Departmentstores and

chain stores.Education.

tourism andentertainment

expandingrapidly.

QermanyUSA

BritainFrance

BelgiumSwitzerlandNetherlands

SiemmensCarnagie

NobelEdisonKruppBosch

MarshallVaretaLenin

VeblenWeber

Sharp declineof domestic

service.Selfservice fast

food. super-markets and

hypermarkets.petrol service

stations.Qrowth of

social services.Rapid growth

of researchand profes-

sions and¡inancial serv-ices, packaged

tourism andair travel.

USAQermany

OtherEuropean

Unionmembers

¡apanSweden

SwitzerlandUSSR

CanadáAustralia

SloanMcNamara

FordAgnelli

NordhoffMatsuchita

KeynesSchumpeter

KaleckiPolanyi

Samuelson

Rapid growth ofnew Information

services. dalabanks and soft-ware industries.

Integration ofservices and

manvfacturing.Rapid growth of

professionalconsultancy.

New ¡orms of craftproducüon linked

to distribution.

USAjapan

QermanySweden

Other EuropeanUnionRussia

TaiwanKorea

CanadáAustralia

Chile

KobayashiUenohara

BarronBenneton

NoyceQates

SchumacherAoki

BertanlanyFriedmann

Qiddens


Escuela de Negocios Tecnológicode Monterrey. Campus listado de México

The rest of this essay will concéntrate on the fifth Kondratiev cycle, the money-manager capita-lism. This understanding is ¡mportant for the opportunities to advance at each paradigm aredependent upon (i) what was achieved under the previous paradigm and (ii) the correct identifi-cation of the mam characteristics and trajectories of the present paradigm (Pérez, 2001, p. I 15).

It should be noticed that several authors such as Nick von Tunzelmann or Alvin Toffler havetended to group this five stages into three periods, calling the first two Kondratiev cycles into theera of mechanisition, the third and fourth Kondratiev are grouped into the era of standardisation,and the fifth Kondratiev is the first wave of what Toffler has called the "Third Wave" (vonTunzelmann. 1995 . pp. 99 and 100).

HOW DID THE MONEy-MANACER CAPITALISM CAME INTO BEINC?As always, it carne into being because the previous paradigm finally reached its limits and facedparadoxes that was unable to solve, the first of which was its dependence on ever cheaper sourcesof petroleum. Also, it was unable to solve the taste for variety that manifested more intensely associeties became wealthier, and the apparently ever increasing size of national governments.

Money-manager capitalism carne into being through a multi-staged process of múltiple and simul-taneous proposition. checking, selection and correction (learning by trail and error) in whichseveral options appeared and were compared against each other, surviving that which (i) was viableand (ii) supported by a powerful clout. This process of trail and error began after the 1973 OPEC(Organisation of Petroleum Exporting Countries), ¡nduced world recession and its aftermath ofstagflation, the simultaneous occurrence of high inflation and high unemployment rates, and forwhich the then fashionable Neoclassical synthesis had no answer,

Several alternatives were found to be viable: money management on the financial side; systemiccompetitiveness on the business management área; new materials on the engineering part; andtelematics as a way enhancing management and engineering. Of these. the easier to implementwas money management, and, besides, it gave immediate profit to capitalists. Thus, it offered via-bility and was able to gather a very important clout behind it. And became the dominant charac-teristic of the present techno-economic paradigm, while incorporating a few elements of the otheralternatives that it either found convenient (telematics), or could not elimínate (networking andinterna! capital markets of systemic competitiveness).

The change from the mass production or managenal capitalism paradigm to the money-managerparadigm open what Carlota Pérez described as a "window of opportunity" dunng which countriescould "leap-frog" into higher standards of welfare and progress. or could be left behind. These win-dows of opportunity during the transition phase between paradigms come to be due to the factthat knowledge about the previous paradigm becomes public as firms find it less valuable, whileknowledge on the new paradigm is still public and discussed mainly at universities and scientificjournals. Once the new paradigm has established itself and begins its diffusion phase, knowledge



about it becomes increasingly privatised and the window of opportunity closes fairly swiftly. leav-¡ng behind those that were not able to understand the changes that had come into being.

WINDOW OFOPPORTUNrrY

PERCENTAGE OFACnvrrESUNDERPARA -DtGM

OLDPARACXGM

WINDÓWOF

OPPOfrRJNTTY

TIME

BASED ON C. PÉREZ. 2001. P 125

Two possible roads are upon during the window of opportunity: one ¡s to use oíd knowledge as ¡tbecomes public: the other one is to learn and créate new knowledge while it is still public. The useof oíd knowledge is a low cost route that will render low productivity gains as its technologicaldynamism has been already fully used and thus is helpful only for the most laggard competitors.Central and semi-peripherical economies need to choose the learning and development of newknowledge route if they want not to be left behind.

The window of opportunity opened by the last paradigm transition existed from the I980S up to,perhaps, the mid I990S. Those countries that due to the existence of foreign debt crises. the adop-tion of economic policies that neglected the need for an active industrial policy. and in which littlediscussion of the change in the general conception of what are considered the best-practice waysof conducting business. the new main problems to be solved and the proper way to solve them.have already been left behind or even out of the money-manager paradigm.



It all seems to indícate that IMF ¡nspired economic pólices were favourable to the adoptiondependent entrance through oíd knowledge, so countries that have obediently followed thoserecommendations have taken the risk of being left behind. In those countries the role of the finan-cial services as a support activity for other industries (and thus a locational advantage) has notbeen discussed; International competitiveness is still conceived as a microeconomic issue and thinkthat competitiveness can be achieved by stand-alone firms; and knowledge seems to be limited toblueprints and ¡s easily available to all agents. (Isaksen, 1998. pp. 9 and 13).

Those countries that have fully adopted the visión of money-manager capitalism have developed afixation with achieving a zero inflation rate as the one objective of economic "stabilisation" policy;in them deregulation of markets as the road to economic prospenty: and the dominance of share-holders over other stake-holders for all business is the only thing that matters. These are the domi-nant charactenstics of money-manager capitalism and of the monetarist development strategy.

At the International level. the best manifestation of this coordinating paradigm is the "WashingtonConsensus", a list of ten elements that are considered to be both necessary and sufficient condi-tions for adjustment and growth (Bradford, 1994. p. 49):

• Fiscal discipline, meaning fiscal equilibrium or. even better, fiscal surpluses;• Public expenditure reform. impiying a reduction of investment and the mcrease

of charity;• Tax reform, impiying a reduction of taxes on meóme and an enhanced

dependence on taxes on consumption;• Foreign trade deregulation. to ease globalisation;• Deregulation of foreign direct investment. also to ease capital flows and the

repatriation of profits;• Privatisation of public enterpnses;• Deregulation of product, services and labour markets; and• Full regulation of property rights.

ENTRANCE POSSIBILITIES ACCORDING TO PHASE OF TECHNO-ECONOMICPARADIGM TABLE 2 (C. Pérez. 2001. p. 127)

CompetitionfaetónCompetition andpou/er

Introduction

Product quality:market testMany competitors;unpredictable results

INDEPENDENT ENTRANCE

Size of windouiof opportunityBasis to attemptautonomousentranceCharacter ofentrance

Wide

Knowledge

Free competition

Fast Crowth

Process efjiciency:market accessQrowing firms: íesscompetitors: marketleaders are dejined

Narrow

Knowledge plusexperience

ñggressive rivalry

Late Crowth

Production scaleand market shareMultinacional,multiproductoligopolies

Very narrow

Experience: marketshare: and finan-cial capabilityflbsorption orelimination o¡weaker riuats

Maturity

Low costFinancial power

Widening

Cost advantage

Cosí rivalry orrejuvenatinginnovation

54 • Vol. I. No. 0. Julio-Diciembre 2003


DEPENDEN T tNTRANCE

Size of windowof opportunity

Basis tonegotiateentrance

Charaeter ofdependententrance

Narrow

Complementar-/Resources: dynamiccomparativeaduantage

Miances

Very narrow

Attractiue localmarket: access toscarce resources:reliable andtechnological activesupplier

Supplier orrepresentatiue

Wideníng

Locaüonaladuantages[rom externaliües

As part ofstructure

Wíde

Learning capabilí-ties: cosí aduan-tages.acceses tofinancia! resources

joint ventures ormanufacturingcontraéis

In several ways, money-manager capitalism is a movement of the capitalists to regain control of firmsfrom professional managers and once again bring into front that the mam objective of firms has to beto maximise profits. Institutional investors. by commanding considerable funds with the ability tomobilise them worldwide at short notice, have played a major role. Other more speculative agentshave been more aggressive in the use of financial markets to "impose discipline" upon non-financialactors. And this was done despite their lack of managerial expertise (Ridley. 1992, p. 423).

What has come to happen is the evaluation of all economic activity is in financial terms, disre-garding other considerations. And. even more, the stock and money markets have become theguidmg criteria. These evolution has benefited the news broadcasts. as financial markets offer day-today movements. while industrial and consumer markets tend to move at a much slower pace.

Under these circumstances. firms and the whole economy carne to be evaluated in terms ofchanges in the prices of shares. Thus company managers and public servants began to adapt theirbehaviour in ways that increased the market prices of shares and the índex that valuates the evo-lution of stock exchange. And finance began to be used for financial purposes: to increase sharemarket pnce (Marsh. 1992, pp. 448 to 451).

The money-manager paradigm has several other implications. among which the most important isthat factors of production (labour, physical capital and knowledge) are seen as geographically per-fectly mobile and as homogeneous in space, in a way similar to financial capital. A corollary of thisinterpretaron is that international competitiveness is exclusively based upon factor pnces and thusthe locations with low wages and public subsidies on ¡nvestment have to be identified(Isaksen.l998. pp.9 and 10). Firms are seen as untied to their surroundmgs and thus footloose. Inthis case, local authonties can only adapt to the requirements of multinational firms.

At the same time, the share of labour costs in manufacturing and delivery cost has been droppmgfor the last thirty years and interest rates for the last ten years. So further cost reduction necessa-rily implies a race towards the bottom.



The money-manager capitalism paradigm is based upon the perceptions that:• Humans are rational, and thus have a correct model of the working of the economy and

use all available information

• Markets are efficient• Markets clear through pnce adjustments• Pnces are flexible• All agents have the same information

Fortunately, the bankruptcy of firms like Enron and Global Communications, and the involvementof accountancy consultants such as Andersen in the creation of "imaginative accountancymethods" to hide information on the financial condition of firms, as well as the massive failure ofeconomic reforms in Russia and Argentina, gave support to the view that:

• Humans are rationally bounded and thus have only partial models of the economy andare unable to compute all available information

• Information is always asymmetric• Some agents intentionally hide or distort information, so moral hazard does exist• With asymmetric information, adverse selection and moral hazard. markets are never

fully efficient

These problems in financial markets as well as the difficulties faced with the development of appro-priate international institutions capable of regulating global financial capital. ICT,-> and multina-tional corporations, and the increasing short-termism induced by institutional investors on inter-national financial markets and corporate management have slowed the pace of economic growth,innovation and productivity enhancement, while inducing an increasing income concentrationworldwide, have implied a lost of confidence on the paradigm. This loss of confidence has induceda recovery of interest in "systemic competitiveness". which is the industrialist view of the desir-able characteristics of doing business and government involvement.

SYSTEMIC COMPETITIVENESSThe systemic competitiveness visión that all elements of economic Ufe should fit together as toenhance productivity, flexibility and swift reaction to changes. The key elements for systemic com-petitiveness are (Dahlman, 1994. pp. 69 to 95):

* Microeconomic level:• Technical quality• Responsiveness to customers' needs• Quick delivery• Aggressive marketing• Efficient distribution networks• Efficient suppliers of inputs and services• Effective choice and efficient use of technology

56 • Vol. I, No. O.Julio-Diciembre 2003 ¡ Information and teleCommunication Tecnologies


* Mesoeconomic level:• Efficient physical infrastructure services (logistics. telematics, electricity, water)• Speedy customs procedures• Human skills enhancement infrastructure• Developed technical support ¡nfrastructure

* Macroeconomic:• Full employment with low inflation• Balance of payments equilibrium• Growing per capita ¡ncome with flattening income distribution• High rate of investment that incorporates improved technology

* Metaeconomic:• Supportíve business environment with well functioning commercial. legal and financial

institutions

Notice that the possibility of developing efficient inter-firm networks (distribution and suppliers),is clearly dependent on the availability of efficient physical ¡nfrastructure that allows for communi-cation and transport; and on a supportive business environment that upon other things impliesthat society highly valúes the honouring of deals and contracts, punctuality. and honesty. In fact,the success criteria are (Isaksen. 1998, p. 14):

• Mutual trust and cooperation between firms• Local traditions in the establishment and running of small enterpnses• Work-force competence gained through long-term experience• Collective learning processes and the free flow of information between firms• Different kinds of technological centres conductive to economic development

In the systemic competitiveness view, firms are deeply rooted in local environments: "...economicactivity is dependent on resources which are specific to individual places. In these places interac-tive learning occurs in which tacit information and knowledge is created and absorbed in a waythat creates competitiveness for firms and local production systems" (Isaksen. 1998, p.13).

Central elements in this view are entrepreneurship and the national and regional Systems ofInnovation. Systems of innovation "are defined by the interaction of the production system, theR&D system, the national education and training system, the system of governance and the finan-cial system" (Bradford. 1994. p. 59). While entrepreneurship is the ability to:

• Introduce new products or services into the market.• Introduce new processes,• Open new sources of demand.• Use new sources of inputs. and• Establish new routines or institutions


Escuela de Negocios Tecnológicode Monterrey, Campus listado de México

At the macroeconomic level this approach attempts to "embrace the Smithsian search for the suf-ficiency of domestic savings. a Keynesian focus on the transmission of financial savings into realinvestment. a Neoclassical emphasis on efficiency critena in the allocation of investment. and moredynamic Schumpeterian considerations of the roles of innovation, education and institutions."(Bradford. 1994. p.50)

Countries in which systemic competitiveness has become dommant have adopted the view thatfirms compete as part of networks and that these inter-firm networks belong to regional clustersand thus are highly embedded in national systems of production and innovation. Thus, the com-petitiveness of a firm is influenced by the competitiveness of its network. and the competitivenessof the network is influenced by that of cluster. And the same as in chains which strength is deter-mined by the strength of the weakest link, the competitiveness of a company is limited by the lesscompetitive element of the regional system with which it works. (Isaksen. 1998. pp. 13 to 21)

SYSTEMIC COMPETmVENESS

MACROECONOMICSFiscal poNcy

Monetary policyCompetition policy

MOA-ECONOMíCSCultural and social factors

EthtcsPolítica I and strategic capabilrty

Dístribution of power

COMPETfTIVENESSACHIEVED THROUGH

INTERACTION OF:

MICRO -ECONOMICSManagenal capability

EntreprenuershipInnovation managment

Knowledge managementNetworking

MUS® -ICONOMICIPhysicat mfrastructure policy

Education policyTechnological policy

Industrial ¡nfrastructure policyEnvironmental policy

Regional policyExport promotion policy

Import control policy

This visión was mainly followed by Scandinavian, Continental and East-Asia economies. Thesenations seemed to have the upper hand during the I980S and early I990S. However, the 1997Asian financial crisis weakened their image and the model was conceived as a failure by year 2000,especially when compared to the very high growth rates of the U.S.A., the main promoter of the



money-manager paradigm. Thus, talkon systemic competitiveness carne to a halt (Dove, 1998, pp.

773 to 787).

Fortunately. the Alan Greenspan induced world-wide recession.6 the prívate corruption scandals inthe U.S. stock market. and the collapse of Russia and Argentina, are bringing doubts upon themoney-manager paradigm and revitalising interest on systemic competitiveness. as shown byVillarreal's "México Competitivo 2020". And thus. a renewed interest in inter-firm and clusters is seen.

Also with a local flavour, Javier Delgadillo. Felipe Torres and José Gasea, argüe that ¡n the Mexicancontext there are at least to positions: One of them departs from the theoretical stance that regionsdo not exist and that it is the virtual networks. the techno-poles and that the integration will beamong cíties. without any relations to their immediate surroundings (hinterland). The otherdeparts from the theoretical stance that regions have an objective existence derived from endoge-nous social and economic processes which identities are being reinforced by the present phase ofglobalisation. (Delgadillo. 2002: 29 and 30)

To summarise. the main difference between the money-manager paradigm and the systemic com-petitiveness paradigm is that while the first exclusively emphasises the opening of domestic mar-ket to international competition. the systemic competitiveness paradigm focuses on internalchange and insertion of the national economy into the world economy (Bradford. 1994. p. 58).And that the theoretical understanding gained with the systemic competitiveness paradigm is that"yields are to be obtained not of maximisation behaviour by individual agents but from inter-rela-tionships between them." (Bradford. 1994.p. 58). Thus policy focus has to be on how to enhancegrowth by improving inter-relationships between all agents of the economic system (Bradford,1994. p. 59).

In the final analysis. in the one hand. the money-manager capitalism considers that firms. knowl-edge and all economic activity is footloose and thus. that employees and all humans are expend-able Ítems. On the other, the systemic competitiveness paradigm considers that knowledge is cul-turally and geographically bounded, that knowledge creation and economic activity is locally root-ed, and that the origin and end-destiny of all economic activity ¡s the human being.

CLUSTERS AND INTER-FIRM NETWORKS"A regional cluster may be defined as a geographically bounded concentration of interdependentfirms. which means that the firms form a local production or social system" (Isaksen, 1998. p.14).And interdependence refers to "active channels for business transactions, dialogue, and commu-nication between firms ¡n the área, and that firms collectively share common opportunities andthreats" (Isaksen, 1998, p.14)- Other concept of cluster is: "Industrial clusters are dense sectoraland geographical concentrations of inter-linked firms which .... have the intrinsic potential to bedynamic and innovative." (Albu, 1997, p. I)

6 Remember that m year 2000 ñ. Qreenspan as presiden! of the Fed. increased ¡nterest rales in order to "avoid the risk of infla-üon" at a moment when (i) the U.S. economy was already slowing down and (ii) the increase o¡ labour productiuity was ¡ásterthat the growth rale of QDP. so inflation was highly improbable. His decisión seems to be related to his electoral preferences.



The concepts of cluster and inter-firm networks are closely related to the concepts of productionchain and production system. "The production chain is a concept of the production process thatincludes research and development (R&D). product design. the organisation of production, pro-duction itself, distribution. marketing and service. This concept emphasises organisational aspectsand inter-relationships because each aspect of the production chain could be undertaken by sepá-rate firms or institutions. even as competitiveness is determined by the integrated behaviour of pro-duction chain as a whole. The production system ¡s the notion that different types of industries orsectors ¡nteract to form a complex production process." (Bradford, 1994, p. 47).

ÍNTER -FIRM NETWORK

EXAMPLE ROM AN ASSEMBLYINDUSTRY

RAW MATERIALS

I FIRST PROCESSING ~j« -

PARTS MANUFACTURÍÑG ~~U

fCOMPONENfASSEMBUÑG

WHOLESALE DISTRIBUTION

1 PRODUCT ASSEMBLING \*-\

"~L_ - '•

DETAILSALE

[AFTER -SALE SERVICES >

An inter-firm network can also be conceptualised as a "...set of reciprocal, reputational or custom-ary trust and co-operation-based linkages among actors that coalesces to enable its members topursue common interests after which it may continué with new projects, evolve with changemembers or disappear." (Cooke, 2001, p. 953) "Industrial networks can be conceived as institu-tionally structured arrangement which enable an efficient organisation of economic activities,through the co-ordination of systematic links that are established among firms ¡nserted in produc-tive chains." (Britto, 1998, p.l)."...these type of systems only opérate properly when they arebacked-up by conventions. habits and unwritten rules." (Espina, 1996, p. 82)



CLUSTERS: NETWORKS OF NETWORKS

R4D ÍPARTSANDCOMPONENTS ;" V "'""" """ " v ; AFTER -

ÁSSEMBLY • [ DISTRIBUTION ' i SALE

S ~7* : SERVICES

^ ^ | | ^ ^ | |

PARTS ANO COMPONENTS

A

ÁSSEMBLY

....

DISTRBimON

A

AFTER-SALE

SERVICES

Environment Conditions that Favour or Deter theFormation of Inter-Firm Networks(Cooke. 2001. p. 961)

Meta-eeonomie

Macro-economic

High Potential for Inter-firmNetworks

Co-operative cultureInteractive learningAssociative consensus

flutonomous taxing andspendingRegional prívate ¡inanciaiinstitutionsLocal inftuence on infrastructurepolicyRegional industry-universitystrategy

Low potential for Inter-firmNetworks

Individüalistic compeütivecultureInstiiutionai dissension

Centraíised spendingNational financial organisationsLimited local influence ofinfrastructure policyPiecemeal innovation policies



Miero-eeonomie

Political organisation

Harmonious labour relationsWorker mentorlngExternalisationInteractive innovation

InclusiveMonitoringConsultativeNetworking

flntagonistic labour relationsSelf-acquired skillsInternalisaüonStand alone K&D

ExclusiveReactingfluthoritatiueHierarchical

An inter-firm network is a coordinated group of firms that belonging to different industries and thusin different stages of product manufacturing or service delivery, join their different output scales,skills. knowledge and resource basis to cater for a same demand segment in a certain group of mar-kets. The objective of networking ¡s múltiple, and among the most important are:''

• Obtain an assured source of demand and/or supply• Specialisation in core abilities• Increased flexibility and accountability• Enhancement of skills and knowledge base• Cost reduction

In as much as possible it should be a self-contained confederacy. Now, a network may be multi-national. and thus have downstream or upstream firms in different countries. Ideally, overseas sup-pliers are those that offer lower cost or different knowledge and skill bases not available at home;and overseas sales should offer additional sources of demand that can ease the enhancementdynamic scale and scope economies.

Civen that coordination in investment and particularly ¡n design. development and research requiremore frequent and cióse contad than output coordinaron, the more dynamic technology is, thegreater the advantages of geographic concentration of the inter-firm network. So technologicallydynamic industries offer the greater opportunities for clustering.^

According to Jorge Britto, inter-firm network can be classified by (i) the complexity of the techno-logical system in terms of product architecture and the interconnectedness of production activities,and (IÍ) the complexity of technological regimes in terms of knowledge-base diversity, competen-cies and skills needed (Britto. 1998. pp. I I and 12). The use of these two criteria give four differ-ent types of inter-firm networks (Britto, 1998. p. i):

7 Inter-firm networks involve the consolidation of information shared among lis members. requiring the development o\language codes and communication channels that make the transference of knowledge viable (Britto. 1998. p. 5)8 ..."...there is a process of co-evolution between the characteristics of technologicat regimes. the technological strategiesadopted by firms and the (Ínter) organisational forms suitable to the acceleration of innovative processes. We can identi-[y three characteristics of the technological regimes that can affect more directly the possibilities of co-operation betweenfirms: (i) the cumulativeness of technological knowledge in each regime: (ii) condiüons of appropiablity related to theinnovations generated: (iii) characteristics of the relevant knowledge base that has to be activated to genérate technologi-cat innouations." (Britto. 1998. p. 9)

62 1 Vol. I. No. 0. Julio-Diciembre 2003


• Traditional Subcontracting Networks

• Modular Assembly Networks

• Complex Product Networks

• Technology Based Networks

Regardless the degree of local integration and technological complexity of the ¡nter-firm network.

the firms operating within a national or local environment need the presence of support indus-

tries.^ The quality and productivity of support industries will influence the productivity and com-

petitiveness of the firms of the network established in the location and through them. of the entire

inter-firm network. "... the cluster exists because of the enhanced knowledge creation stemming

the variation developed along the horizontal dimensión of the cluster. supported by the reduced

costs of co-ordinating dispersed knowledge, of overcoming problems of asymmetnc information

and incentives aligning, as well as easing of transactions taking place along the vertical dimensión."

(Makel, 2001: p. 937)

MAIN CHARACTERISTICSTraditional

SubcontractingNetworks

Main 'FunctionalCharacteristics specialisalion of sup-

pliers indifferenl stages o¡ theproduction process•The mam soutce oftechnologi-ealprogress is ¡rom out-stde thenetwork

OF INTER-FIRMModular

Assembly

Networks

• Subcontractingarrangements mmass productionenuíronment• Comptexhierarchy ofcomponents andsubsystems• Hierarchical inter-change of information• Innovation incriticalcomponents•Competitive gainsdue lo cosí reductionin components• Scope economies• Producttechnologicaldeuelopment basedupon mcreasingmodularity

NETWORKSComplex

Product

Networks

• Organised in atemporary projectbasis• Production ofhigh-cosl.engineenngintenswe. clientoriented producís• Small batches• Competitivenessbased on highperformance of cus-tomised solutionsattending specificdemands of sophisti-caled buyers• ñcüve inuotvementof users• Innovation basedon complex ínter-faces betweensemi-autonomoussubsystems' Integration of dif-ferent knowledgebasis• Cosí and lead-timereduction throughparallel engineering

BY TYPETechnology-basedNetworks• Products based onneiu technologtes• Integration of com-plex knowledge• Large tnvestmentnR&D• Low complexity ofproduction acüvities• Qains based onthe integration ofcomplementarycapabütties• High horizontaland low verticalinterchange ofinformation• The properties ofthe product aredefmed with basis inmutual interactionsand learning mecha-nisms betweenproducen, suppliersand customers



MaterialFlows

InformationFlows

TechnologicalComplexity

' Co-ordination pro-moted by dealersthrough the definí-tion of new designs' Co-ordinaüonpromoted by assem-bly firms al the endof the productionchain

' Non-systematlcexchange of informa-tion aboutperformance andquality ofcomponems• Information flowstend to assume aone-way direetioncoming from dealersor assembly firms

' Low technicalcomplexity•Simplicity ofknowledge base• High tolerancemarglns ¡n tems ofproductive proce-dures and qualitylevel

• Widespread use ofprotocols based injust-in-timeprincipies• Projects orlented tothe co-developmentof new componentsand sub-systemsbetween assemblersand suppíier

• Information flowsassume a two-waycharacter• Intensiue use oftelematics' Deuelopment ofspecific codes ofcommumcation

• High valué, highvolume. high uarietyand high technnicalcomplexity• Complex designsbased on llnear-linked mechanisms' Modular architec-tures that permitdifferent combina-tions of componentsand subassembliesin similar plataforms

' Specific projectmanagementtechniques• Transactions basedon incompletecontracts• Intensiue use ofnon-market coordi-nation mechanismsbased on ex-anteco-operationagreements• Negotiation oftechnical issuesrelated to the stagesof design.development andmanufacture

• Intensiue involve-menl of users todefine their needsand customise theproduct' Intense interchangeof Information aboutsub-systemsproperties• Two-way characterof information flowsimportan! to inté-grate intangibletechnologies' Techntcal assis-tance between usersand systemintegralors

• High levéis oftechnical complexity• Extremelyengineermgintensiue• Non-lineararchitecture•Very low tolerancemargins

• Usually uery com-plex. inuoluing feed-back loops betweendifferent R&D stages• Flows based oninter-personal andinter-team relaüons.through which trans-mission of tacúknowledge can beobtained

• The technologicalcomplexity of pro-duction is relatwelylow• Products with highualue and lowvolame' Based upon highiyintensiue R&D efforl

1 Vol. I, No. O.Julio-Diciembre 2003


Interactive •Strengthening ofLearning competencies that

eases product andcomponentupgrading' Diffusion o\ moresophisücated techni-ca¡ standares andmore rigid qualitycontrol procedures

tnnouative • Non SystemicEfforts • Incremental

mnovation• Centralisaüon ofdesign acüvities massembty firms ordealers

Qovernance • Dispersedstructures with lowlevel of hierarchisa-tion that euolved¡rom trie putting-outsystem

¡. Britto. 1998. pp. 17 tolA

• Continuousimprovement ofexisting components• Development of

new Lüíripunerusand sub-systems tobe incorporated inthe exisüngarchiteclure• Deveíopment ofnew product vari-eties based on thesame architecture' Penodic re-defint-tions and adapta-tions of the architec-ture itself

' "Programmedmnovations"• Design of somesub-assemblies andcomponents done by

suppliers incoordínation withassemblers

• Based on the cen-tral role performedby a core assembler

in the apex of thenetwork• Hierarchísa-üon ofsuppliers of sub-sys-tems and compo-

nents accordmg totechnical experüseand the intensity oftheir interaction withthe core assemble

' Customisation ofproducís accordingto costumers' needs* Reinforce the com-petencies of systeminlegrators* Consolidaüon ofmarkets that cannotbe based on arms-¡ength transactions

' Complex interfacesbetween suppliersand users' Involves makingcompatible thetechnicat attributesrelated to differentcomponents' Changes in theways componentsand sub-systems areconfigured ío form aproduct architeclure• Innovation pathtends to be agreedex-ante

• System integratorand its suppliers' Relatively ¡luidgovernance structurebased upon speciftcprojects' Hierarchisaüon inaccordance to

sub-systems andcomponents

• División of work interms of innovatiueefforts• Closer connecüonsbetuieen technology-based andend-user firms• Definilion ofappropiabili-ty' Definition o]language codesbetween differentcognitive back-

grounds

• InterdiseiplinaryR&D process involv-ing strong inlercon-nec-tions betweenthe technologi-caiand the scientificinfra-structures

• Based upon thedefinition of tosksaccording to require-ments reíated to theintegration of differ-ent stages of R&Dprocess• Coordinaron of¡nter-networks flowshas three allerna-tives: (i)User-sectorinduced: (ii) the tech-nology-based firmacts as leader, or (iii)consoiidation [rom aprevious social milieu• High uncertainty• Incomplete con-tracts• The interpenetrationof ownership rightsbetween lechnologyfirms and end-usersact as incentive tosustain some coopera-tinn



Thus. even under the assumptions of footloose industries, temporary location will be influencedby temporary competitiveness of support industries. At the end, systemic competitiveness isimportant to attract investment, reduce costs, enhance profits and for employment creation. how-ever temporary. And it should be noticed that international competitiveness is not a short termphenomena.

The permanence of geographical competitiveness differences will depend on:• the useful life of investment of support industries• the ratio of tacit knowledge to explicit knowledge in the required knowledge base• the importance of human skills relative to capital intensity

Industries that require larger investment in human and physical infrastructure. and that are inten-sive users of human skills and tacit knowledge will be more geographically fixed. This has been areason for the relative geographical ¡mmobility of knowledge intensive or skill intensive industries,and why in the last two centuries there has only been one change among the most innovativenations: the drop-out of Austria and the rise of Japan.

A cluster will thus be coincidental with one city or a group of highly inter-related cities. with theMarshalian concept of "industrial district" and with the development of concentraron and agglom-eration economies(Maskell. 2001: 922 and 923). l 0 Clusters can be highly specialised ¡n one indus-trial activity around which all complementary activities develop: or they can be diversified. with sayfour leading activities around which ancillary and complementary industries develop. "The bound-aries of a cluster might therefore be defined by the fit between the economic activities carried outby the related firm of the cluster on the one hand and the particular endowment developed over-time to assist these activities on the other." (Maskel. 2001. p. 936)

' Support industries are activities required for the functioning o¡ the ínterjirm network bul that do not belong to theindustry. As an example, for the consumer electronics assembly industry. banks. uniuersíties, transport ¡inris, transportand telecommunications infrastructure do no belong to the network but are necessary for the working of the consumerelectronics manufacturing industry.On the other hand. ancillary industries are activities that are needed to créate the inter-firm network. and that impliesthat the client-supplier links are highly important in an input-output matrix. and the evolution of one activity cannot berealised ñor understood without the development of the other. fís an example. CD players and láser readers.' " fí group of highly ¡nter-related cities constitute an nuclear región or nucleus. If one city has a clear pre-emmence overthe other cities of the región it is called a centred nucleus and the leading city ¡s a development pole. If. on the otherhand, in a nuclear región there is no leading city. ¡t is called a diffuse nucleus. Finally. if we have a stand-alone city withlittle influence on i(s surroundings. it is classified as an ísolated [ocus.Strictly speaking. a "Marshalian district'' is a geographical cluster dominated by supplier dominated industries integratedin traditional subcontracting networks.



TABLE 5TECHNOLOGY BASED CLASSIF1CATION OF ECONOMIC ACTIVITIES

TypicalIndustries

Size of Firm

Type ofUser

Main focus

oíTechnologícal Activilies

MainSources ofTechnologicalAccumulation

MainDirection ofTechnologicalAccumulation

NaturalResoureeIntensive

AgricultureMiningFisheries

Variable

Price-sensitiue

Cosíreduction

SuppliersProductionlearningAdvisoryservices

Processtechnotogyand relatedequipment

SupplierDominated

HousingRetail TradeClothManufacturing

Small

Price-sensitiue

Cosíreduction

SuppliersProductionlearningMduisoryservices

Processtechnologyand relatedequipmenl

ScaleIntensive

CarassemblySteel manu-facturingCivil engi-neering

Lar ge

Mixed

Mixed

ProductionengineeringProductionlearningSuppliers

Processtechnologyand relatedequipment

Informa-tionIntensive

FinancePublishingTransponservices

Large

Mixed

Mixed

Corporatesoftwareand systemsengine-eringFquipmentand soft-wareEngine-eringDesign

Processtechnologyandsoftware

SpecialisedSupplier

IndustrialmachineryMetres andcountersSoftware

Small

Perfor-mancesensitive

Productimprove-ment

Design anddeuelop-mentAdvancedusers

Productimprove-ment

KnowledgeIntensive

Micro-electronicsCliemicalsAireraft

Large

Mixed

Mixed

CorporateR&DBasicresearchProduction

Technologyrelatedproducís



MainChannels ofImitationandTechnologicai Transfer

MainMethods ofProtectionQgainstImitation

MainStrategicManagement Tasks

Purchase ofequipmentand relatedservices

None

Use techno-logy gene-rated else-where toreinforceothercompetitiveadvanlages

Purchase ofequipmentand relatedservices

Non-techni-cal(marketing.trade-marks)

Use technoiogy generat-ed else-where toreinforceother com-petitiueaduanlages

Purchase ofequipmentKnow-howlicensingand relatedtrainingReverseengineering

ProcesssecrecyDesign andoperaüngknow-how

Incrementalintegrationof new tech-nology incomplexsystems¡mprovement and diffu-sion of bestpracttceExploitprocesstechnologyadvantages

Purchase ofequipmentand soft-wareReverseengine-ering

CopyrightDesign andoperatingknow-how

Design andoperation ofcomplexinforma-tionprocessingsystemsDevelop-ment ofrelatedproducís

ReverseengineeringLearning¡romadvanceusers

Designknow-howPatentsKnowledgeof users 'needs

Monitoradvancedusers 'needsIntégratenew tech-nology inproducís

Reverseengine-ering

R&DHiring expe-ríencedengineersand scien-tists

R&D know-howPatentsDesign andoperatingknow-how

DevelopretatedproducísExploitbasicscienceOblain com-plementaryassetsReconfiguredivisionalresponsi-bilities

Source: Based on M. Bell and K. Pavitt, 1997, pp. 104 and 105

As a regional phenomena, clusters are a local manifestation of the national production and inno-vation systems. Thus, part of their characteristics are determined by the country in which they arelocated. and form a local or regional production and innovation system.

Clusters have a horizontal dimensión. "Co-localized firms undertaking similar activities find them-selves in a situation where every difference in the solutions chosen however small will be observedand compared"(Maskel, 2001: 928 and 929). As well as an vertical dimensión. Some firms willmove towards particular processes were they posses or can develop capabilities dissimilar to oth-ers, and this división of labour between upstream and downstream processes is associated with anacceleration of the knowledge base within the cluster (Makel. 2001: 931). "While suppliers and



customers simply need to interact with each other to do business. competitors don't. Most rela-tionships in the cluster will therefore be on the vertical dimensión." (Maskel, 2001: 930)

Clusters may thus be classified by their innovativeness. by the dominating technological sector inthem. and by their relationship with other clusters. Highly innovative and leading clusters, domi-nated by knowledge intensive, information intensive or specialised supplier industries organised intechnology-based or complex-product inter-firm networks, tend to be located in the tweive centralor fully developed countries.' '

In semi-developed or semi-peripherical countries such as Spain. Turkey, South África, Brazil.México, India or Taiwan, local clusters will tend to show complementary or dependent relations toclusters localised in developed or central countries, and will tend to be dominated by scale inten-sive. information intensive. or supplier dominated industries organised in modular-assembly or tra-ditional subcontracting networks.

Finally. clusters located in under-developed or peripherical countries will show dependent relationswith clusters of the central or developed countries. complementary or dependent relations withclusters localised in semi-peripherical or semi-developed countries. and rivalry relation with clus-ters of other underdeveloped or peripherical countries. These clusters of peripherical countries tendto be centred in supplier dominated or natural resource intensive industries organised in tradition-al subcontracting networks.

A non-dependent cluster includes industries from all six technological sectors. An innovative clus-ter is a clusters that sells new technology to other clusters and thus its activity is dominated interms of added valué, investment and employment by knowledge intensive or specialised suppliersectors.

When central or dominant clusters are non-innovative. their activity is linked or dominated byinformation intensive industries. In this case, they are ¡mportant financial centres, with a high con-centration of multinational headquarters, consultancy firms and universities. They can also spe-cialise in scale-intensive industries, in which case they can become isolated cities with global reach.

A complementary cluster has an economic activity closely linked to that of a central (innovative ornon-innovative) nucleus, but that has a presence of specialised supplier industries that allows it tohave technology adaptation capacities and thus can be a technology supplier to other regions.

Dependent cluster obey to the raw materials or cost reduction needs of central clusters. Their activ-ity is centred on natural resource intensive. labour intensive phases of scale intensive, supplierdominated or information intensive industries. And the knowledge intensive and specialised sup-plier sectors are absent or limited to the most simple assembly operations.

' ' for the división of economic activity in techrtological sectors please refer to table 3 on page 21 and 22.



These dependent clusters are coinadental with the concept of isolated focus or industrial enclave,as related to the country in which they are localised. These dependent clusters or isolated focusesusually belong to a nuclear región which central city or industrial district is located in another coun-try: a typical example are the cities along the Mexico-U.S. border on the Mexican side.

Interpreted in this sense. a nuclear región is a system of clusters in which there is a central cluster,complementary clusters and dependent clusters that give it a hierarchical organisation and anorganic or systemic character to the city system of the nuclear región.

Clusters also include a rural región that supplies them with food and raw materials and thus areregions of superior prosperity and economic integration relative the national or macro-regional aver-age.12

A geographically integrated national economy is that in which its different clusters have comple-mentary relationships between them.

SOME ECONOMIC POLICY IMPLICATIONSIf the money-manager capitalism alternative is taken. then cluster should outsource some of theiroperations to other industrial districts specialising in rival trades and subcontract the rest to lowwage locations. This would lead to the disappearance of the strong vertical integration reached(Ciraud, 1996. p. 95).

If the systemic-competitiveness view is adopted, clusters need to constantly improve their mainproductive resource: manpower (Giraud. 1996, p. 96). In as much tacit knowledge and direct expe-rience are relevant knowledge bases, then outsourcing is much more difficult. So the promotion ofclient-supplier linkages and co-operation as well as the improvement of tacit knowledge becomethe basis of local prosperity (Giraud. 1996, p. 96)

In this view. "In an mcreasingly global economy with high levéis of mobility of capital, the abilityto produce goods and services of the workforce and local suppliers is vital m attracting and retain-ing investment. At the same time, developing innovative small and médium enterpnses (SMEs).ultimately depends upon the creation and transfer of knowledge embedded in the skiMs and com-petences of individuáis..." (Goddard. 1997. p. 178). "One has to note that successful regions areoften characterised by a high level of cultural awareness. Indeed. a thriving cultural sector isa majorasset in economic developments" (Goddard, 1997. p. 182)

'^ Here a macroregion is interpreted as a región made of several countries. while a región is a división of a nation-state.ñl this momenl the used regionaíísaüon is o¡ the nuclear type. based upon the intensity of trade. finance and informationflows. It has the advantage ouer other regionalisations of reflecting the economic organisation of the geographical space.Regions obtained ¡rom nuclear regionalisation are time-bounded as are all results of human acüuíty.



The conditions for higher Regional Innovation System potential are (Cooke, 2001: 961):• Infrastrutural level

* Autonomous taxing and spending* Regional prívate finance* Policy influence on ¡nfrastructure* Regional university-industry strategy

• Superstrutural level* Co-operative culture* Interactive learning* Associative-consensus

• Firm organisational dimensión* Harmonious labour relations* Worker mentonng* Externalisation* Interactive innovation

• Policy organisational dimensión* Inclusive* Monitoring* Consultative* Networking



Pronóstico del Precio de la Acción Serie A deKimberly-Clark México:

Una Estimación con Modelo ARIMA

Lizet AncheytaEstudiante LAF, Tecnológico de Monterrey,

Campus Estado de MéxicoLourdes Palos

Estudiante LAF. Tecnológico de Monterrey,Campus Estado de México

RESUMENEl presente artículo se estima de manera detallada e interesante el precio de la acción de KimberlyClark México que cotiza en la Bolsa Mexicana de Valores, mediante un modelo ARIMA, el artícu-lo muestra una comparación del pronóstico con un dato real observado en la muestra y que no fueincluido, a fin de probar la calidad del pronóstico a través de éstos modelos.

INTRODUCCIÓNAplicando la metodología Box-Jenkins para senes de tiempo univariadas denominada como mo-delos ARIMA. se intenta pronosticar el precio de la acción serie A de Kimberly Clark de México paraun momento futuro.

En el mundo actual se ha hecho cada vez más necesario el realizar estimaciones cada vez más exac-tas sobre rendimientos, riesgos y demás elementos financieros. Ya que de ellos depende la tomade decisiones tanto micro como macroeconómicas. Siendo importantes para obtener mayoresganancias, conocer si una acción es agresiva o defensiva, conocer su volatilidad o simplemente dis-minuir pérdidas inevitables.

La información entonces es parte esencial para la correcta toma de decisiones en cualquier ámbito,y si está es la mejor entonces se obtendrán mayores beneficios.

MARCO TEÓRICOEl análisis de las series de tiempo puede ser usado para relacionar los valores actuales de una va-riable económica con sus valores pasados o con los valores de errores actuales y pasados.



Existen tres tipos de análisis para las series de tiempo:• Autorregresivo (AR)• Media Móvil (MA)• Proceso integrado (I)• Autorregresivo de media móvil (ARIMA)

Para poder identificar el posible modelo ARIMA que sigue la sene, se requiere: decidir qué trans-formaciones aplicar para convertir la serie observada en una serie estacionaria: determinar un mo-delo ARMA para la serie estacionaria, es decir, los órdenes p y q de su estructura autorregresiva yde media móvil y, si el proceso es estacional, los órdenes P.Q de la estructura ARMA estacional.

Los parámetros AR y MA del modelo se estiman por máxima verosimilitud y se obtienen sus erroresestándar y los residuos del modelo.

Para correr un modelo ARIMA de forma correcta se debe comprobar que los residuales no tenganestructura de dependencia y representan un proceso de ruido blanco, por medio de la aplicaciónde la prueba de raíces unitarias. Si aceptamos que los residuos no contienen información el proce-so termina, mientras que si existe, el modelo se modifica para incoporarla y se repite lo anterior.

Anteriormente, la estimación de los parámetros de un modelo ARMA requería mucho tiempo decálculo, por lo que era conveniente asegurarse que el modelo a estimar podía ser el adecuado. Enla actualidad, la estimación de un modelo ARIMA por máxima verosimilitud es inmediata, por loque es más simple estimar todos los modelos que consideremos posibles para explicar la serie, ydespués elegir entre ellos con un criterio de selección. Esta es la filosofía de los criterios automáti-cos de selección de modelos ARIMA, que funcionan bien en la práctica en muchos casos, y queson imprescindibles cuando se desea modelar y obtener predicciones para un gran conjunto deseries. Sin embargo, cuando el número de series a modelar sea pequeño, es conveniente realizar laetapa de identificación para comprender mejor y familiarizarse con la estructura dinámica de lasseries de interés. El objetivo no es seleccionar un modelo para la serie, sino más bien identificar unconjunto de modelos posibles que sean compatibles con el gráfico de la serie y sus funciones deautocorrelación simple y parcial.

METODOLOGÍAI.- Obtener los datos del precio de cierre de la acción serie A de Kimberly Clark con una

periodicidad semanal de los años 2001 a 2003. utilizando la base de datos deEconomática.

2.- Verificar que la serie de datos sea estacionaria, por medio de la gráfica, el correlogramay la prueba de raíces unitarias.

3.- Si la serie es no estacional hay que diferenciarla, generando una nueva variable.4.- Verificar que la nueva serie ya sea estacionaria con las pruebas antes mencionadas.



5.- Ver en el correlograma los AR y MA que debemos incluir en el modelo.6.- Realizar la estimación del modelo.7.- Verificar los resultados ya que los residuales deben ser White Noise, esto mediante la

prueba de raíces unitarias.8.- Realizar el pronóstico a corto plazo para el precio de dicha acción.

HIPÓTESISNuestra hipótesis es que según el comportamiento histórico, el precio de KIMBER A será más altopara la semana 154 del 24 al 28 de Noviembre del 2003.

PROBLEMA¿Cuál es el precio esperado de la acción de Kimberly Clark serie A para la próxima semana?

ESTIMACIÓN:Para correr un modelo ARIMA, la serie debe ser estacional. Para saber si lo es, tenemos que realizar3 pruebas la primera de ellas es la gráfica.

GRÁFICA:

18100 1 2 5 150

PRECIO

Al ver la gráfica, podemos decir que no es estacionaria, ya que no tienen un comportamientohomogéneo sino que tiene muchas variaciones grandes.

76 1 Vol. I, No. O.Julio-Diciembre 2003


CORRELOGRAMALa segunda prueba es el correlograma. El cual para que una serie sea estacional debe bajar a cerogradualmente.

Date: 12/04/03 Time: 22:33Sample: I 153Included observattons: 152

Autocorrelation

.|*******|• 1 •" 1• 1 " " " 1

j * * * * * |

•1**

*

*

*

....

***

* *

**

Partial Correlation

.... . . . . .

•!• i1 *

• I *

-

-•1-• I -•1-

•1-• 1 -1 *

• •

-1•

--•

Departamento de Finanzas • TT


Como en esta serie el correlograma no baja a cero rápidamente decimos que la serie no es esta-cionaria.

Las pruebas anteriores son subjetivas, entonces necesitamos realizar una prueba formal que es lade raíces unitarias.

PRUEBA DE RAÍZ UNITARIA:Augmented Dickey FullerADF Test Statistic 5%

-1.249077 Cntical Valué-2.881.

Ho: No estacionariaHa: Estacionaria

Como | 1.241 < 2.88 entonces no se rechaza Ho y por lo tanto hay una raíz unitaria podemos con-firmar que la sene es no estacionaria.

Para corregir esta sene a estacionaria, debemos diferenciarla generando la variable new=dprecio

Realizamos las pruebas correspondientes para verificar que corriéndola con la nueva variable dife-renciada ya fuera estacionaria

Nueva Serie:GRÁFICA:

5 0 7 5 1 0 0 1 2 5 1 5 0

N E W

Ahora vemos que la gráfica tiene un comportamiento dentro de un intervalo, por lo quesuponemos ya es estacionaria.


Escuela de Negocios Tecnológicode Monterrey. Campia Estado de México

CORRELOCRAMA:Volvemos a sacar el correlogama como segunda prueba para ver si es estacionaria.

Date: 12/04/03 Time: 22:43

Sample: t 153

Included obseruations: 151

Autocorrelation Partial Correlation

"I



Viendo el correlograma podríamos pensar que ya es estacionaria.

PRUEBA DE RAÍZ UNITARIAAugmented Dickey Fuller:ADF Test Statistic- 5% -2.8812

-5.955839 Critica! Valué

Ho: No estacionariaHa: Estacionaria

Como 5.29 > 2.88 entonces se rechaza Ho y por lo tanto la serie ya es estacionaria.

Ya que verificamos que la serie sea estacionaria, vemos en el correlograma los autorregresivos y deMedia Móvil que vamos a utilizar para nuestro modelo.

Para correr el modelo ARIMA utilizamos las siguientes variables ya que son los que más salen delcorrelograma:

MA129II1422232729

AR129II1418222527303134

Corrimos la regresión con los AR que mencionamos y los de media móvil.

Viendo ya la salida de la regresión con todos los autorregresores y MA , decidimos quitar una poruna las variables comenzando con las que tienen P-value más alto hasta que el criterio de Akaikedeje de disminuir.

Quitamos de una en una las siguientes variables hasta que Akaike dejo de disminuir: MA(I).MA(2), AR(9), y así quedo la estimación del modelo:

80 1 Vol. I, No. O.Julio-Diciembre 2003


Dependent Variable: D(PRECIO)Method: Least SquaresDate: 11/27/03 Time: 11:17Sampie(adjusted): 36 152Included obseruations: 117 after adjusting endpointsFailure to improue SSR ajter 11 iterationsBackcast: 7 35

Variable Coefficient Std. ErrorC 0.038468 0.056348

AR(2) -0.089773 0.088807M(l 1) -0.203553 0.096367AR(I4) -0.518056 0.095335m(l8) -0.126138 0.075023AR(25) -0.190806 0.090016flR(27) 0.025017 0.077088AR(34) 0.029452 0.071930

M(l) -0.038937 0.083570m(22) 0.118160 0.080552AR(3i) -0.053035 0.071478flR(30) 0.023 i 72 0.079404Mfl(9j 0.257853 0.087242

Mfl(ll) 0.114901 0.059674MA(I4) 0.529211 0.093557Mñ(22) -0.237896 0.080587Mfl(23) 0.072530 0.095647MA(27) 0.120990 0.051833MA(29) -0.264385 0.078179

R-squared 0.353900ndjusted R-squared 0.235228

SI. of regression 0.764159Sum squared resid 57.22607

Log (ikelihood -124.1787Durbin-Watson stat 2.073560

t-Statistic0.68269/-1.010876-2.112268-5.434086•1.681333•2.1196970.3245260.409449

•0.4659231.466875

-0.7419780.2918252.9556121.9254945.656583-2.9520390.7583132.334255

•3.381792Mean dependenl uarS.D. dependenl varñkaike info criterionSchwarz criterionF-statisticProb(F-statistic)

Prob.0.49640.31460.03720.00000.09590.03660.74620.68310.64230.14560.45990.77100.00390.05710.00000.00400.45010.02160.0010

0.0289030.8738122.4474992.8960572.9821820.000285

El modelo ARIMA que obtuvimos es entonces un: ARIMA (34.1.29)

Entonces vemos que es autorregresivo de orden 34. una vez diferenciado y un orden 29 de mediamóvil.



VERIFICACIÓN:PRUEBA WHITE NOISE PARA LOS RESIDUALES

ADF Test Statistic - 5%

4.987401 Critical

Valué

-2.8872

Ho: los residuales no son estacionarios

Ha: los residuales son estacionarios

Como 14.98741 > 12.88721 entonces se rechaza Ho y por lo tanto los residuales son estacionarios.

PRONÓSTICO

Dinámico

125 150

Forecast: PRECIOFActual: PRECIOForecast sample: 1 154Adjusted sample: 36 154Included observations 117

Root Mean Squared ErrorMean Absolute ErrorMean Abs. Percent ErrorTheil Inequality Coefticient

Bias ProportionVariance ProportionCovariance Proportion

23743331.9874108.4980260.0477950.2706420.1370810.592277

PRECIOF



Estático

50 75 125 150

Forecast: PRECIOFActual: PRECIOForecast sampie: 1 154Adjusted sample; 36 153Included observations: 117

Root Mean Squared ErrorMean Absolute ErrorMean Abs. Percent ErrorTheil Inequality Coefficient

Bias ProportionVariance ProportionCovariance Proportion

0.6993650.5563342.3269150.0144170.0000320.0014950.998473

•PRECIOF

Para obtener el pronóstico del precio de la acción la próxima semana, lo primero que hicimos fuecambiar el rango de los datos aumentando uno. Después en forecast elegimos el pronósticodinámico.

El precio pronosticado que nos resultó para la semana 154 es de: 27.6800029175

AnálisisAl realizar el modelo ARIMA. pudimos probar nuestra hipótesis nula la cual aceptamos. Ya que el

precio pronosticado resultante fue de 27.68. lo que significaría un rendimiento de 0.1029492.

Consultando la base de datos de Económatica encontramos que el precio de la acción KIMBER Apara la semana que nosotros pronosticamos fue de 27.85, lo cual nos lleva a pensar que nuestromodelo es bueno hasta cierto punto. Ya que aunque la variación es "pequeña", si habláramos deuna cartera constituida por acciones como esta, el rendimiento sería mínimo.

Cabe mencionar que estamos conscientes de que estos modelos no son 100% confiables, ya queen el mundo real hay factores que no podemos modelar. Pero de definitivamente las expectativasdeben ser lo más cercanas a la realidad para poder tomar la mejor decisión de inversión. Y mode-los como el ARIMA son de gran ayuda para estimar estos precios esperados.

Personalmente nos parece que este tipo de modelo, aunque puede parecer sencillo, es uno de losque a nuestro criterio es muy útil y que seguramente será una herramienta que nos ayudará en elejercicio de nuestra profesión.



BIBLIOGRAFÍA• Cárter R. Mil. Qeroge judge. William Qriffitrts: "Undergraduate Econometncs". V edición. John Wiley &

Sons. 2000.

• QujaratL Damodar N. Econometría, 3a. Ed. Colombia. Me. Graw Hill. 2001.



INSTRUCCIONES A LOS AUTORES YPOLÍTICA EDITORIAL

Revista de Estadística, Econometría y Finanzas Aplicadas (REEFA).Editor y Coordinador: Pablo López [email protected]

La Revista de Estadística. Econometría y Finanzas Aplicadas (REEFA) es un esfuerzo semestral delDepartamento de finanzas del Instituto Tecnológico Superiores de Monterrey, Campus Estado deMéxico y su Escuela de Negocios de tener un medio de difusión de las investigaciones de los pro-fesores y alumnos del Campus, así como de las Universidades nacionales e Internacionales intere-sadas en el tema.

La revista es de tipo multidisciplinaria y se encuentra abierta a alumnos, profesores e investigadoresde nivel profesional y postgrado (maestría y doctorado) interesados en publicar trabajos de inves-tigación inéditos y que tengan especial énfasis en la parte aplicada en cualquier área de lasmatemáticas, economía, econometría. series de tiempo y finanzas.

Instrucciones para la presentación de trabajos de investigación en la Revista de Estadística,Econometría y finanzas Aplicadas (REEFA).

1) La REEFA es una publicación semestral que se encuentra disponible en los meses de enero yjulio de cada año y es distribuida por el Departamento de Finanzas del Tecnológico deMonterrey Campus Estado de México.

2) La REEFA recibe trabajos de investigación inéditos en cualquiera de las áreas de matemáticas,estadística, econometría, series de tiempo, economía y finanzas, siempre que se trate de inves-tigaciones empíricas o aportaciones teóricas de frontera. Se admiten trabajos en español einglés y en otros idiomas, siempre y cuando se anexe traducción respectiva del texto original.

3) El envío de artículos para su consideración compromete a los autores a no someter de manerasimultánea dicho artículo en otras publicaciones. Los autores otorgan permiso para que suartículo se difunda por los medios de comunicación pertinentes, tanto impresos, magnéticos.Internet, radio, televisión, etc.

4) Los trabajos de investigación se reciben en el editor del texto Word y en Scientific Word en nomás de 25 cuartillas a espacio seguido incluyendo cuadros y gráficas. El tipo de letra a utilizardebe ser Arial 12 con un espacio entre cada renglón de 1.5 puntos. Se remitirá original y copiaen papel tamaño carta por una sola cara y un disquete de tres y media pulgadas o disco com-pacto que incluya el texto, gráficas y cuadros, especificando el nombre de los archivos.

5) Los cuadro y gráficas deben ser elaborados en Excel. Los cuadros, gráficas y tablas se debenexplicar por sí mismos sin recurrir al texto, las unidades de medida y las fuentes deben estarcompletas y sin abreviaturas.



6) Las personas que radiquen fuera de la Ciudad de México y su área Metropolitana, pueden enviarsus archivos sin necesidad de imprimir el documento a la siguiente dirección de correoelectrónico: plopezsaitesm.mx

7) Las siglas que se utilicen en cualquier parte del documento deben ser explicadas al menos unavez.

8) Se sugiera la siguiente estructura para los artículos: introducción. Marco Teórico. Planteamientodel problema. Hipótesis. Metodología. Desarrollo o Modelo. Resultados y Conclusiones.

9) La primera página debe contener: a) título del trabajo: b) nombres (s) del ( de los) autor (es):c) institución de adscripción: d) breve curriculum académico y profesional: e) resumen de nomás de 100 palabras: f) pie de página con dirección, teléfono y correo electrónico del autor querecibirá correspondencia.

10) Las gráficas, cuadros, tablas y fórmulas se numerarán consecutivamente.I I) La bibliografía debe presentarse al final, de acuerdo al siguiente ejemplo:

- Mendenhall, A. A. (1997). Introducción a la Estadística. 2da. Edición, John Wiley. New York.12) El dictamen del Comité Editorial será inapelable en todos los casos. El proceso de dictamen se

efectúa conforme el método de doble ciego, un dictamen en contra resultará en el rechazo depublicación. Los resultados de los dictámenes se entregarán a los autores en no más de un mesy medio después de la recepción del trabajo. Las fechas límites de entrega para el primer semes-tre de publicación es el último día del mes de mayo de cada año y para el segundo semestre esel día último del mes de noviembre también de cada año hasta las 24 hrs. La revista se reservael derecho de hacer los cambios editoriales requeridos ara adecuarse al as políticas de REEFA.

13) La omisión de cualquier requisito puede ser motivo de que el trabajo no sea considerado. Nose devolverán originales.

14) Toda la correspondencia referente a la revista y solicitud de ejemplares deberá remitirse alCoordinador Mtro. Pablo López Sarabia a la siguiente dirección: instituto Tecnológico y deEstudios superiores de Monterrey. Departamento de Finanzas. Carretera Lago de GuadalupeKm. 3.4. Colonia Margarita Maza de Juárez. Atizapán de Zaragoza. Código Postal 52926,Estado de México. Teléfono 58- 64-55-55 Ext. 3161 y 3180. Fax: 58-64-56-36.


revista de estadística, econometría y finanzas aplicadas

Documents