tesis de magÍstereconomia.uc.cl/wp-content/uploads/2015/07/tesis_fvaras.pdf · cipio con la...
TRANSCRIPT
D O C U M E N T O D E T R A B A J O
Instituto de EconomíaTESIS d
e MA
GÍSTER
I N S T I T U T O D E E C O N O M Í A
w w w . e c o n o m i a . p u c . c l
Elección de Portafolio en Presencia de Mercados Ilíquidos
Luis Felipe Varas Greene.
2005
Elección de Portafolio en Presencia de Mercados
Ilíquidos
Luis Felipe Varas Greene1
1Agradezco los comentarios de Rodrigo Cerda, Ricardo Guzmán, Victor Lima, FelipeZurita y todos lo participantes en el Seminario de Titulo de Economía Financiera delInstituto de Economía de la Pontificia Universidad Católica de Chile
Resumen
El objetivo de esta tesis es estudiar el efecto que tiene la liquidez en las decisiones de
portafolio de los individuos. Para esto analizo un modelo de elección de portafolio en
el cual existe la posibilidad de que el individuo no sea capaz de realizar transacciones
del activo ilíquido en cada período porque el mercado de este puede encontrarse
cerrado en un determinado momento. En este contexto encuentro que la probabilidad
de que el mercado esté abierto y la persistencia con que éste se encuentra abierto o
cerrado son determinantes importantes en la elección de portafolio. Mientras menor
sea la probabilidad de apertura y mayor sea la persistencia de los shocks de liquidez,
menor es la inversión en el activo ilíquido. Por último, calculo el efecto en bienestar
de la iliquidez y encuentro el descuento implícito en el precio del activo producto de
la iliquidez de este.
Índice
1. Introducción 2
2. Importancia de la Liquidez 3
3. Problema de Elección de Portafolio 53.1. Modelo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3.2. Liquidez del Mercado . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
4. Metodología Numérica 8
5. Valor de los Parámetros 8
6. Resultados 106.1. Shocks de Liquidez Independientes en el Tiempo . . . . . . . . . . . . 10
6.2. Shocks de Liquidez con Autocorrelación . . . . . . . . . . . . . . . . . 16
6.3. Descuento en Precio por Liquidez . . . . . . . . . . . . . . . . . . . . 19
7. Conclusiones 21
Apéndice 23
A. Apróximación del Proceso de Precios delActivo Riesgoso 23
B. Cálculo Distribución Estacionaria 27B.1. Distribución Estacionaria . . . . . . . . . . . . . . . . . . . . . . . . . 27
B.2. Coeficiente de Autocorrelación . . . . . . . . . . . . . . . . . . . . . . 27
Anexo 31
1
1. Introducción
En esta tesis estudio el problema de elección de portafolio de un consumidor que
enfrenta mercados de activos ilíquidos. Para esto analizo el efecto que tiene en la
elección de portafolio el hecho de que en ciertas ocasiones el mercado, por ciertos
activos, enfrente shocks de liquidez que hagan que no sea posible para el consumidor
alterar la composición de su cartera en lo que a dichos activos se refiere. Esto implica
que junto con el riesgo asociado a los pagos del activo, el consumidor también debe
considerar el riesgo de no poder cambiar su posición en el futuro cuando así lo desee.
Uno de los supuestos fundamentales de la teoría tradicional de elección de portafo-
lio (Samuelson (1969); Merton(1969)) es que los individuos pueden transar en cada
momento del tiempo la cantidad de activos que deseen, de esta manera pueden
controlar la proporción de su riqueza que invierten en cada activo. Las estrategias
de inversión óptimas en dichos modelos requieren que los consumidores realicen
una gran cantidad de transacciones en cada período, sin embargo, en presencia de
mercados ilíquidos puede que dichas estrategias ya no sean factibles y que los con-
sumidores no puedan realizar las transacciones requeridas de manera instantánea.
Producto del carácter irreversible de las inversiones en activos poco líquidos, los
individuos consideran no sólo el riesgo asociado al pago de los activos sino también
el riesgo de no poder modificar su posición en dichos activos. En dichos ambientes
puede que la estrategia óptima de inversión difiera de la estrategia no restringida y
que el consumidor invierta menos en dichos activos debido al riesgo asociado a la
incapacidad de modificar su cartera en el futuro.
Para estudiar el efecto de la liquidez en la demanda de activos, analizo un mo-
delo intertemporal de elección de portafolio con un activo libre de riesgo líquido y un
activo riesgoso ilíquido. En cada período existe la probabilidad de que el mercado del
activo ilíquido se encuentre cerrado y el consumidor no pueda realizar transacciones
de dicho activo. Esto hace que la inversión en el activo riesgoso tenga cierto grado
de irreversibilidad ya que el individuo no sabe cuando el mercado volverá a estar
abierto y será posible realizar transacciones nuevamente.
La probabilidad de que el mercado esté cerrado tiene dos posibles interpreta-
ciones: la primera es que el consumidor enfrenta la posibilidad de que exista un
shock de liquidez en el mercado del activo de manera que no sea posible realizar
transacciones en éste (esto es consistente con lo sucedido en varios mercados luego
de crisis financieras); la segunda interpretación es que las transacciones no se pueden
realizar de manera instantánea y que el tiempo que le toma vender un activo es
incierto para el consumidor.
En este contexto encuentro que mientras menor sea la probabilidad de apertura
2
del mercado menor es la demanda por el activo. Además encuentro que la magnitud
del efecto de la ilíquidez en la demanda de activos depende de la persistencia de los
shocks de liquidez que enfrenta el mercado. Mientras mayor sea la autocorrelación
de los shocks de liquidez que enfrenta el mercado mayor será el efecto de ésta en la
demanda de activos. Si dichos shocks presentan suficiente autocorrelación entonces
el efecto de estos puede ser considerable.
2. Importancia de la Liquidez
La liquidez es un tema que ha sido considerado por los economistas desde hace
muchos años. Keynes fue uno de los primeros en referirse a la preferencia por liquidez
como uno de los principales determinantes de la demanda por dinero y define ésta
como la capacidad de vender un activo en un corto tiempo sin incurrir en mayor
pérdida. Como muestra esta definición la liquidez ha estado asociada desde un prin-
cipio con la necesidad de flexibilidad frente a la llegada de nueva información. En
la misma linea Marschak (1949) entiende la liquidez en términos del grado de irre-
versibilidad de la inversión y estudia el efecto que tiene ésta en el nivel de inversión
realizado. Él encuentra que mientras más iliquido sea el activo menor es la inver-
sión en éste, además encuentra que mientras mayor sea la incertidumbre respecto
al futuro mayor será el efecto de la iliquidez. Kreps (1979) señala que una de las
condiciones necesarias para que las personas presenten preferencias por flexibilidad
es que exista incertidumbre respecto al futuro y a las decisiones que tomaremos en
éste. Así observamos que uno de los principales beneficios de la liquidez es aumen-
tar el conjunto de elecciones disponibles en el futuro lo que nos permite reaccionar
de mejor manera a la llegada de nueva información. De esta manera, una de las
principales razones por las cuales demandamos liquidez es porque queremos tener la
flexibilidad necesaria para adaptarnos a lo que nos ocurra en un futuro desconocido.
En relación más directa con la elección de portafolio, y siguiendo la linea anterior,
Hahn (1990) señala que mientras mayor sea la incertidumbre que los agentes esperan
se resuelva en el futuro mayor será la liquidez que demanden y que los principales
efectos de la falta de ésta es la incapacidad de asegurarnos frente a futuros cambios
en nuestro entorno. Baldwin y Meyer (1979) analizan el caso en el cual los agentes
deben tomar decisiones de inversión las cuales son temporalmente irreversibles. De
esta manera, al elegir una inversión hoy renuncio a la posibilidad de realizar otra
mejor mañana. En este contexto encuentran que los inversionistas exigirán un pre-
mio por liquidez el cual será creciente respecto a la duración de la irreversibilidad.
Una línea alternativa de investigación es la desarrollada por Longstaff (2001). Él
3
estudia la elección de portafolio cuando los consumidores están restringidos en el
número de acciones que pueden transar en cada período, de manera que la propor-
ción de cada activo en la cartera ya no es una variable que éste pueda controlar. En
este caso los individuos se comportarán de manera muy distinta a la predicha por
la teoría tradicional de elección de portafolio. Encuentra que generalmente los indi-
viduos invertirán una menor fracción de su riqueza en el activo respecto al caso en
que no enfrentan restricciones en la cantidad que pueden transar. En una dirección
similar Longstaff (2004) analiza un modelo de equilibrio general en el que existen
períodos de iliquidez en los que no es posible realizar transacciones de ningún activo.
La imposibilidad de modificar la composición de la cartera hace que el equilibrio sea
considerablemente distinto al caso en que los mercados son completamente líqui-
dos, los consumidores ya no demandan la cartera de mercado sino que invierten en
carteras muy poco diversificadas.
Un enfoque alternativo para estudiar la liquidez ha sido el estudio de los efectos
de los costos de transacción en las decisiones de portafolio y en el equilibrio del
mercado (Constantinides y Magill (1976); Constantinides (1986)). Estos autores
encuentran que la presencia de costos de transacción implica la existencia de un
rango de precios en el cual el consumidor no participa en el mercado. En este caso
el consumidor solamente realiza transacciones cuando el precio del activo es muy
alto o muy bajo. Esto produce que los agentes solamente realicen transacciones de
manera esporádica y a intervalos irregulares de tiempo.
Un aspecto común en los modelos anteriores es que la iliquidez implica un grado
de irreversibilidad de la inversión en el activo. En este aspecto, mi tesis difiere a los
trabajos anteriores ya que considera el caso en que la duración de dicha irreversi-
bilidad es desconocida por el consumidor y difiere entre activos.
Por otro lado, existe una gran cantidad de evidencia de que la liquidez de un
activo es un importante determinante del valor de éste y que los consumidores e-
xigen un premio considerable por mantener activos ilíquidos. Por ejemplo, Pastor
y Stambaugh (2003) estudian si la liquidez puede explicar el corte transversal del
retorno de los activos. Estos autores encuentran que aquellos activos que son más
sensibles a la liquidez del mercado presentan mayores retornos. Amihud y Mendelson
(1991) encuentran que instrumentos de renta fija con la misma madurez e idénticos
flujos que difieren solamente en el grado de liquidez tienen una diferencia de retornos
promedio de más de 35 puntos base. Esta evidencia implica que la liquidez es un
importante determinante de las decisiones de inversión y debe ser considerado al
analizar el problema de elección de cartera de los individuos.
Por lo anterior el estudio de la elección de portafolio cuando existen merca-
4
dos ilíquidos puede dar alguna luz sobre distintos puzzles asociados a la baja par-
ticipación de las personas en los mercados de activos. Mankiw y Zeldes (1991) y
Bertaut (1998) encuentran que apróximadamente un cuarto de las personas en Es-
tados Unidos posee acciones, y aquellas personas que participan en el mercado fi-
nanciero solamente invierten una pequeña cantidad de su riqueza en éste. Por otro
lado, Guiso, Sapienza y Zingales (2005) muestran evidencia de que el nivel de par-
ticipación sería aún menor en otros países desarrollados como Alemania, Canadá,
Francia e Italia.
Esta baja participación se mantiene incluso cuando se consideran solamente las
personas de altos ingresos y no ha podido ser explicada por la existencia de costos
de transacción. En este aspecto la consideración de la liquidez de los mercados en
las decisiones de inversión puede arrojar un poco de luz sobre las causas de la baja
participación de las personas en estos mercados.
3. Problema de Elección de Portafolio
3.1. Modelo
Supongamos que existen solamente dos activos en la economía, un activo libre
de riesgo y un activo riesgoso. En cada período el activo libre de riesgo entrega un
retorno bruto cierto de (1+ r) y los precios del activo riesgoso siguen una cadena de
markov. En cada período el mercado del activo riesgoso se encuentra en el estado
st ∈ {0, 1}, donde st = 0 indica que el mercado del activo riesgoso se encuentra
cerrado y st = 1 indica que el mercado de éste se encuentra abierto. La evolución
del estado st está dado por las probabilidades de transición
Pr(st+1 = 1 | st = 0) = π0 y Pr(st+1 = 1 | st = 1) = π1 (1)
En cada período el agente tiene un ingreso laboral constante y. Además recibe
ingreso del retorno en las inversiones en bonos y en el activo riesgoso. Para sim-
plificar el análisis supondré que el activo riesgoso no entrega dividendos de manera
que las ganancias por su mantención se deben exclusivamente a las ganancias de
capital asociadas a éste. El agente transa estos dos activos con el objeto de suavizar
su consumo a través del tiempo. Las transacciones de estos dos activos no tienen
ningún costo. Las transacciones que puede realizar el individuo están limitadas por
restricciones a la venta corta y al endeudamiento.
5
En el período t , las preferencias del individuo sobre el consumo están dadas por
Ut ≡ E
( ∞Xt=0
βtc1−γt − 11− γ
| Ft
)(2)
donde Ft es el conjunto de información en el período t generado por las variables de
estado (pt, st).
En cada fecha t el agente elige el nivel de consumo ct, la cantidad demandada
del activo riesgoso at y la cantidad de dinero mantenida en bonos bt de manera de
maximizar (2) sujeto a la siguiente restricción presupuestaria
ct + bt ≤ y + pt(at−1 − at)st + (1 + r)bt−1 (3)
las restricciones a la venta corta y al endeudamiento
at ≥ 0 t = 1, 2, . . . (4)
bt ≥ −φ t = 1, 2, . . . (5)
y la restricción de que en el estado en que el mercado del activo a se encuentra
cerrado se debe cumplir que at−1 = at
El consumidor tiene una riqueza inicial dada por y, a0, b0 y enfrenta un precio
inicial para el activo riesgoso p0.
El término multiplicativo st en la restricción (3) refleja el hecho de que cuando
el mercado del activo a se encuentra cerrado no es posible realizar transacciones de
dicho activo y por lo tanto el individuo no puede modificar su ingreso mediante la
compra o venta de éste.
Sea vs(at−1, bt−1, pt) la función de valor asociada a las estrategias óptimas de
(ct, at, bt) cuando el mercado se encuentra en el estado s. Entonces el problema de
maximización del individuo se puede expresar a través de las siguientes ecuaciones
de Bellman.
v0(at−1, bt−1, pt) = max(ct,at,bt)
c1−γt − 11− γ
+ β
(π0E [v1(at, bt, pt+1) | pt ] +
(1− π0)E [v0(at, bt, pt+1) | pt ]
)
sujeto act + bt+ ≤ y + (1 + r)bt−1
at = at−1bt ≥ −φ
6
y
v1(at−1, bt−1, pt) = max(ct,at,bt)
c1−γt − 11− γ
+ β
(π1E [v1(at, bt, pt+1) | pt ] +
(1− π1)E [v0(at, bt, pt+1) | pt ]
)
sujeto act + bt + ptat ≤ y + ptat−1 + (1 + r)bt−1
at ≥ 0bt ≥ −φ
Del problema anterior se encuentran las estrategias óptimas de consumo e inver-
siónct = c(at−1,bt−1,pt, st)
at = a(at−1,bt−1,pt, st)
bt = b(at−1,bt−1,pt, st)
las cuales nos dan el nivel de consumo y la elección de portafolio óptima a partir de
las variables de estado (at−1,bt−1,pt, st).
A partir de las funciones de política podemos definir el porcentaje de la riqueza
invertido en el activo riesgoso como w = ptatptat−1+(1+r)bt−1+y
. Más adelante analizaré el
efecto que tiene el grado de liquidez del activo en la fracción de la riqueza invertida
en el activo riesgoso.
3.2. Liquidez del Mercado
En este modelo el grado de iliquidez de un activo está definido como la probabi-
lidad de que su mercado se encuentre cerrado y no sea posible realizar transacciones.
Sea T el primer período que abre el mercado luego de t, o sea:
T = mın {τ > t : sτ = 1} (6)
Entonces el tiempo T que pasa antes de que se abra el mercado por primera vez
es un stopping time y la esperanza de T es una función decreciente de la probabilidad
de apertura del mercado. Por lo tanto, ésta definición de liquidez es consistente con
la dada por Lippman y McCall (1986) quienes definen la liquidez de un activo como
el tiempo esperado para que el agente venda el activo dada una política de venta
óptima. En este contexto un activo es más líquido mientras menor es el tiempo
esperado de venta. Esto es consistente con que un activo es más líquido mientras
mayor sea la probabilidad de apertura del mercado.
7
4. Metodología Numérica
Para simular el modelo discretizaré el espacio de estados y luego utilizaré el
método de iteración de la función de valor (Ljungqvist y Sargent (2004)). Uno de
los principales problemas del método de discretización del espacio de estados es la
llamada maldición de la dimensionalidad. Esta señala que al aumentar la dimensión
del problema el número de operaciones requeridas por los métodos de discretización
hace que los tiempos computacionales aumenten de manera exponencial. Dado el
gran número de variables de estados presentes en este modelo el tiempo requerido
para su simulación es considerable. Debido a lo anterior he utilizado una grilla
con un número de puntos más bien reducido que contiene solamente 75 puntos.
El principal problema asociado al tamaño de la grilla es la dificultad para poder
distinguir entre óptimos locales y globales. Existen métodos alternativos a la discre-
tización del espacio de estados que podrían evitar la maldición de la dimensionalidad,
en particular, se podría utilizar una apróximacion de la función de valor mediante
la utilización de un spline que preserve la concavidad de ésta (vease Judd (1998)).
Sin embargo, la utilización de dichos métodos se encuentra fuera del alcance de esta
tesis.
5. Valor de los Parámetros
La selección de parámetros la haré tomando un intervalo de tiempo real entre
dos períodos consecutivos de un trimestre. La elección de dicho intervalo se debe
principalmente a dos motivos. Primero, un trimestre parece un intervalo de tiempo
razonable para estudiar el efecto de la líquidez en la elección de portafolio. La se-
gunda razón para elegir dicho intervalo es por conveniencia númerica. Si tomo una
distancia temporal muy pequeña entre dos períodos consecutivos la convergencia
del operador de Bellman es muy lenta producto del bajo factor de descuento entre
períodos.
Lo primero que necesito hacer es calibrar la cadena de markov de los precios
del activo riesgoso. Para esto aproximaré los precios por un proceso autorregresivo
para luego discretizarlo utilizando el método desarrollado por Tauchen (1986). Un
problema que presenta este método de aproximación es que solamente permite la
aproximación de procesos estacionarios. Por otro lado, es un hecho bien documentado
que los precios de las acciones siguen procesos no estacionarios, sin embargo, si podré
utilizar el estimador puntal del proceso.
El supuesto de estacionaridad de precios no es fundamental ya que los resultados
detrás del modelo no dependen de éste. Para entender esto resulta conveniente revi-
8
sar el efecto que tiene la clausura de los mercados sobre la elección de portafolio
en el modelo estándar. Merton (1969) y Samuelson (1969) encuentran que si los
momentos de la distribución de retornos del activo riesgoso son constantes en el
tiempo y los individuos tienen preferencias con aversión relativa al riesgo constante,
entonces, el porcentaje invertido en cada activo también será constante. El hecho de
que los precios y la riqueza sean aleatorios hacen que sea necesario realizar un gran
número de transacciones en cada período para mantener una proporción constante
invertida en cada activo. Por lo tanto, la restricción impuesta por la clausura de
los mercados es activa debido a que la estrategia de inversión original ya no es
factible. Esto implica que la estrategia de inversión se verá modificada cuando e-
xiste la posibilidad de que el mercado se encuentre cerrado en algunos períodos.
Esto sucede independientemente de si los precios son estacionarios o no (i.e. si los
retornos son independientes en el tiempo o no).
Para estimar los momentos de la cadena de markov estimaré el siguiente proceso
autorregresivo.
log(pt) = µ+ λ log(pt−1) + t , t ∼ N(0, σ2) (7)
Para estimar los parámetros del proceso anterior utilicé datos mensuales entre
diciembre de 1996 y julio del 2005 del índice de precios construido por Morgan Stan-
ley para el mercado accionario chileno. Los valores estimados de (7) y la cadena de
markov finita utilizada en las simulaciones se encuentran en el apéndice. El retorno
anual promedio de dicho índice es de apróximadamente un 7%, cabe señalar que
dicho valor se encuentra influenciado por una gran caída en los retornos durante
el período comprendido entre fines del año 1997 y principios de 1999. Por último,
consideraré un retorno anual de un 5% para el activo libre de riesgo.
El suavizamiento intertemporal del consumo se puede ver afectado por restric-
ciones a la cantidad de activos que un individuo puede transar, estas restricciones
están representadas en (4) y (5). El supuesto de que no se permiten las ventas cor-
tas está motivado por la observación de que los individuos rara vez toman tales
posiciones producto de su alto costo y de los márgenes de mantenimiento exigidos.
Calibrar la cota inferior al endeudamiento es una tarea un poco más difícil ya
que no existe un límite obvio para éste. Siguiendo a Heaton y Lucas (1996) supondré
un límite al endeudamiento igual a un 10 por ciento del ingreso. Cuando el mercado
del activo riesgoso se encuentra abierto esta cota casi no es restrictiva, la restricción
toma un mayor rol cuando el mercado del activo riesgoso se encuentra cerrado, ya
que en este caso el endeudamiento es la única forma de suavizar el shock. También
analicé el caso en el que el consumidor no tiene la posibilidad de endeudarse, sin
9
embargo, esto no tuvo efectos significativos en los resultados.
Para los parámetros que representan las preferencias utilizaré un factor de des-
cuento anual β igual a 0,96 y un coeficiente de aversión al riesgo γ igual a 2. Este
coeficiente de aversión al riesgo está en el rango de valores generalmente utilizados
en la literatura (por ejemplo, Heaton y Lucas (1996), Carrol (1997), Longstaff (2001,
2004)).
Una razón adicional para utilizar un coeficiente de aversión al riesgo relativa-
mente reducido es para poder centrarme exclusivamente en el efecto de la irreversi-
bilidad y poder separar el efecto de ésta del efecto de la aversión al riesgo.
6. Resultados
6.1. Shocks de Liquidez Independientes en el Tiempo
En esta sección presento los resultados de la simulación del modelo presentado
anteriormente para el caso en que los shocks de liquidez no tienen persistencia en el
tiempo, o sea, son independiente (i.e. π0 = π1 = π). A continuación se presentan los
resultados promedios para el estado en que ambos mercados se encuentran abiertos,
donde el promedio se toma respecto a todas las variables de estado del problema.
Para ver el efecto de la iliquidez en la elección de portafolio, analizaré el comporta-
miento del portafolio cuando ambos mercados se encuentran abiertos. Como se ve en
el cuadro 1 mientras menor sea la liquidez del mercado (i.e., menor valor de π) menor
es el porcentaje promedio w invertido en el activo ilíquido. Esto se debe a que una
menor probabilidad de que el mercado se encuentre abierto implica un mayor grado
de irreversibilidad, lo cuál disminuye las posibilidades de cambiar de posición frente
a la llegada de nueva información. Esto le agrega una dimensión intertemporal a la
evaluación del riesgo del activo distinta a la del caso líquido. Cuando los mercados
son completamente líquidos solamente me importa el riesgo asociado a los pagos del
próximo período ya que luego de eso puedo hacer los cambios en mi cartera que yo
estime convenientes dada la nueva información. Por lo tanto, para mi decisión en t
solamente influyen mis expectativas respecto a t+1. En cambio, cuando el mercado
es ilíquido el agente debe considerar sus expectativas respecto a todo el período
esperado de mantención, o sea, debe considerar el riesgo asociado a los pagos entre
t + 1 y T , donde T se define de acuerdo a (6). Una manera alternativa de ver
el problema está asociada con el efecto de la liquidez en el conjunto de elecciones
factibles que dispondrá el consumidor en el futuro si compra el activo. Mientras más
ilíquido sea el activo, menor es el conjunto de alternativas que tendrá en el futuro ya
10
Cuadro 1: Porcentaje promedio invertido en el activo riesgoso
π E(T ) w
1 1 0,42830,9 1,11 0,42500,5 2 0,41130,25 4 0,38800,1 10 0,34010 ∞ 0
Porcentaje promedio invertido en el activo riesgoso para distintos valores de la probabilidad π de
apertura del mercado.
que puede que no sea posible realizar transacciones de éste, por lo tanto, se demanda
una menor cantidad.
Para entender el efecto de unamenor probabilidad de apertura del mercado es útil
analizar la distribución de probabilidad del tiempo T antes que abra el mercado por
primera vez. Dado el supuesto de independencia T sigue una distribución geométrica
con una función de probabilidad P (T ) = (1 − π)T−1π. Por lo tanto, el tiempo
esperado para que el mercado esté abierto está dado por.
E(T ) =∞Xτ=1
τ(1− π)τ−1π =1
π
De manera que el tiempo esperado antes de que abra el mercado es una función
decreciente de la probabilidad de apertura. Esto implica que el riesgo asociado al
período esperado de mantención del activo aumenta a medida que π disminuye. Esto
produce que el agente invierta menos en el activo mientras menor sea el valor de π.
Cuando los shocks son independientes en el tiempo el efecto no es económica-
mente significativo. En el cuadro 1 se aprecia que cuando el tiempo esperado antes
de que abra el mercado es de un semestre, el porcentaje invertido en el activo dismin-
uye solamente un 1%, y cuando este tiempo esperado es igual a un año disminuye
solamente 4% respecto al caso en que los mercados son completamente líquidos.
Otro aspecto que es interesante analizar es la concavidad de w respecto a π. La
figura 1 muestra claramente que el efecto marginal de una mayor probabilidad de
apertura es decreciente. En el cuadro 1 podemos notar que cuando la probabilidad
de apertura disminuye desde 1 hasta 0.5, el porcentaje invertido en el activo ilíquido
disminuye en poco más de un 1% frente a una disminución de un 7% cuando la
probabilidad de apertura disminuye desde 0.5 a 0.1.
11
Esto se debe a que el tiempo esperado de apertura es una función convexa de la
probabilidad de apertura. La figura 2 muestra que el aumento en el tiempo esperado
al pasar desde una probabilidad de apertura de 1 a una probabilidad de apertura
de 0.5 es mucho mayor que el aumento de pasar de una probabilidad de apertura
de 0.5 a una de 0.1. Por ejemplo, al pasar de una probabilidad de 1 a una de 0.5
el tiempo esperado aumenta de 1 período a 2 períodos. En cambio, al pasar de una
probabilidad de apertura de 0.5 a una de 0.1 el tiempo esperado aumenta desde 2 a
10 períodos. Esto hace que el aumento en el riesgo asociado de una disminución en
la probabilidad de apertura de 1 a 0.5 es mucho menor que el aumento en el riesgo
asociado en una disminución de la probabilidad desde 0.5 a 0.1.
En la figura 3 se grafica el porcentaje invertido en el activo ilíquido en función
del tiempo esperado antes de que abra el mercado por primera vez. Como se puede
observar se da una relación casi lineal entre ambas variables. Esto refleja que la
concavidad de w respecto a π se explica por la convexidad del tiempo esperado E[T ]
respecto a π .
12
Figura 1: Efecto de la probabilidada de apertura en el porcentaje promedio invertido en el activoriesgoso.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
Probabilidad Apertura
w
13
Figura 2: Tiempo esperado para que el mercado del activo riesgo se encuentre abierto en funciónde la probabilidad de apertura.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
5
10
15
20
25
30
35
Probabilidad Apertura
E[T
]
14
Figura 3: Portafolio promedio en función del tiempo esperado para que abra el mercado.
1 2 3 4 5 6 7 8 9 100.34
0.36
0.38
0.4
0.42
0.44
E[T]
w
15
6.2. Shocks de Liquidez con Autocorrelación
Como se vió en la sección anterior el efecto de la iliquidez no es muy significa-
tivo cuando los shocks de liquidez son independientes en el tiempo, el paso natural
entonces es considerar el caso en que el proceso de la variable st no es independiente
en el tiempo (i.e. π0 6= π1). En particular, en esta sección analizaré el caso en que los
shocks son persistentes π1 > π0, o sea, la probabilidad de que mañana el mercado
se encuentre abierto es mayor si hoy día el mercado está abierto.
Para realizar el análisis de estática de comparativa modificaré la distribución
estacionaria del proceso st manteniendo constante el coeficiente de autocorrelación
de éste. Dadas la probabilidades de transición π0 y π1 se obtiene que la distribución
estacionaria del proceso está dada por la probabilidad de apertura.
πss =π0
1 + π0 − π1(8)
El siguiente paso consiste en calcular el coeficiente de autocorrelación, para esto
se necesita la distribución conjunta Pr(st+1, st). La distribución conjunta en estado
estacionario la puedo obtener mediante el Teorema de Bayes utilizando la distribu-
ción estacionaria encontrada anteriormente y las probabilidades de transición dadas
por (1). Luego, utilizando dicha distribución conjunta calculo el coeficiente de au-
tocorrelación ρ para la distribución estacionaria. Realizando los pasos señalados
anteriormente encuentro que el coeficiente de autocorrelación está dado por.
ρ = π1 − π0 (9)
(En el apéndice se encuentran los cálculos de la distribución estacionaria y del
coeficiente de autocorrelación).
Claramente si fijo πss y ρ las ecuaciones (8) y (9) determinan π0 y π1 de acuerdo
a las siguientes expresiones.
π0 = (1− ρ)πss
π1 = πss + ρ(1− πss)
A continuación analizo el efecto que tiene en la elección de portafolio una dis-
minución de la probabilidad de apertura en estado estacionario πss manteniendo el
coeficiente de autocorrelación ρ constante. Esto me permite ver el efecto que tiene
una menor probabilidad de apertura del mercado cuando la apertura de éste tiene
16
Cuadro 2: Inversión promedio en activo riesgoso con shocks s autocorrelacionados
πss ρ = 0,9 ρ = 0,5 ρ = 0
1 0,4283 0,4283 0,42830,9 0,4238 0,4229 0,42500,5 0,3767 0,3995 0,41130,25 0,3315 0,3674 0,38800,1 0,3072 0,3126 0,34010 0 0 0
Porcentaje promedio invertido en el activo riesgoso para distintos valores de la probabilidad
estacionaria de apertura πss y distintos coeficientes de autocorrelación ρ del proceso de apertura
del mercado del activo riesgoso st.
distintos grados de persistencia.
El cuadro 2 muestra el porcentaje promedio w invertido en el activo ilíquido para
distintos valores de πss y ρ. Como se puede ver la persistencia del shock afecta la
decisión de elección de portafolio del individuo.
El cuadro 2 muestra que en el caso de shocks independientes la disminución en
el porcentaje invertido cae en apenas un 1% cuando la probabilidad de apertura cae
de 1 a 0.5. En cambio cuando el shock tiene una autocorrelación de 0.9 el individuo
disminuye el porcentaje invertido en el activo ilíquido en un 5% frente a la misma
disminución de la probabilidad de apertura. Más aun, cuando la probabilidad de
apertura es igual a 0.25 el individuo disminuye el porcentaje invertido en un 9%
cuando existe persistencia frente a un 4% cuando no la hay. Así mismo tambien se
puede ver que para una misma probabilidad de apertura el efecto es mayor mientras
mayor sea la persistentencia. Este mayor efecto disminuye en los extremos del rango
de πss, i.e. a medida que πss se acerca a cero o a uno. Esto sucede ya que a medida
que la distribución se degenera, i.e. colapsa en un punto, la varianza del proceso
tiende a cero. Por lo tanto, en estos casos la persistencia del shock pierde sentido.
Esto hace que a medida que πss se aproxima a los extremos el efecto de la persistencia
sea menor.
La figura 4 muestra como la persistencia de los shocks de liquidez afecta la
decisión del inidividuo y como cuando dichos shocks son persistentes la liquidez
puede tener efectos económicamente significativos.
El mayor efecto de los shocks de liquidez cuando estos son persistentes es bastante
intuitivo. Si el shock presenta persistencia entonces la probabilidad de que el mercado
se encuentre cerrado mañana dado que hoy está cerrado es mucho mayor. Esto
17
Figura 4: Efecto de la probabilidada de apertura en el porcentaje promedio invertido en el activoriesgoso para distintos coeficientes de autocorrelación de st. La linea continua representa la inversiónpara ρ = 0,9 mientras que la linea punteada representa los valores para ρ = 0.
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 10
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0.45
Probabilidad Apertura
w
rho = 0rho = 0.9
18
produce que períodos largos en que el mercado del activo ilíquido se encuentra
abierto sean seguidos por períodos largos en que éste se encuentra cerrado. Esto
hace que el efecto en el bienestar una vez que se cierra el mercado sea mayor. Por lo
tanto, el riesgo asociado a la iliquidez también es mayor. El individuo espera tener
aún menos flexibilidad para modificar su cartera en el futuro y por lo tanto el riesgo
asociado a la mantención del activo es mayor. Esto hace que la inversión en el activo
ilíquido sea menor cuando los shocks de liquidez presentan persistencia.
6.3. Descuento en Precio por Liquidez
A continuación analizaré cuál es el efecto que tiene la iliquidez del activo riesgoso
en el bienestar del individuo, para esto calcularé el excedente de éste para distintas
especificaciones del proceso de apertura y clausura del mercado del activo riesgoso.
Denotemos vπ1 (at−1, bt−1, pt, y) como la función de utilidad indirecta asociada al
problema de optimización del individuo cuando el mercado se encuentra abierto,
existe una probabilidad π de apertura y el ingreso laboral es y. Sea ηπ la utilidad
marginal del ingreso en el estado en que el mercado se encuentra abierto y la proba-
bilidad de apertura es π, entonces, por el teorema de la envolvente sabemos que la
utilidad marginal del ingreso está dada por:
∂vπ1 (y)
∂y= ηπ (10)
(Donde por simplicidad de ahora en adelante omitiré (at−1, bt−1, p))
Utilizando la expresión anterior puedo calcular la pérdida de excedente cuando
existe una probabilidad π de que el mercado se encuentre cerrado. La pérdida de
excedente está dada por:
∆ECπ =v11(y)
η1− vπ1 (y)
ηπ(11)
O sea, la diferencia en los niveles de utilidad escalados por la utilidad marginal del
ingreso. Dado que la utilidad marginal del ingreso está expresada en utiles por peso,
entonces, al dividir el nivel de utilidad del individuo por su utilidad marginal del
ingreso dejo expresado todo en una medida monetaria (pesos).
Lo primero que debo hacer para poder calcular numéricamente el excedente es
calcular la utilidad marginal del ingreso aproximando numéricamente la derivada en
(10). Para esto aproximaré la derivada a través de la diferencia ∂vπ1 (y)
∂y$ vπ1 (y+1)−
vπ1 (y).
Tal como se puede ver en el cuadro 3 mientras menor es la probabilidad de
apertura menor es el excedente del consumidor. Esto es natural ya que mientras
19
Cuadro 3: Variacion porcentual excedente del consumidor
πss ρ = 0,9 ρ = 0
0,9 0,06 0,010,5 0,3 5 0,100,1 1,06 1,02
Variacion porcentual excedente del consumidor para distintos valores de la probabilidad
estacionaria de apertura πss y distintos coeficientes de autocorrelación ρ del proceso de apertura
del mercado del activo riesgoso st.
menor sea la probabilidad de apertura menor es el conjunto de asignaciones factibles
para el consumidor. Por lo tanto, menor debe ser el nivel de utilidad que obtenga
el individuo. Además, se observa que el efecto marginal de una mayor probabilidad
de apertura es decreciente. Al igual que antes, esto se debe a que el efecto de una
mayor probabilidad de apertura en el tiempo esperado antes de que abra el mercado
también es decreciente.
También se observa, al igual que en el caso de la demanda por el activo riesgoso,
que el grado de persistencia de los shocks de liquidez influye en el efecto que estos
tienen en el bienestar del individuo.
La restricción impuesta en el agente por la posibilidad de que el mercado del
activo riesgoso no se encuentre abierto en cada período disminuye su bienestar. Esto
implica que el ingreso del agente debe ser aumentado en ∆%ECπ para compensarlo
por la falta de liquidez1. Dado que el agente tiene una aversión relativa al riesgo cons-
tante, la cantidad de acciones demandadas es proporcional al ingreso. Esto implica
que un aumento del ingreso de ∆%ECπ puede entenderse como una disminución del
precio del activo riesgoso por un factor de 11+∆%ECπ , lo cual implica un descuento
porcentual en el precio igual a 1− 11+∆%ECπ .
A continuación en el cuadro 4 se muestran los descuentos por iliquidez asociados
a las variaciones en el excedente del consumidor.
El cuadro 4 muestra que los descuentos por liquidez pueden ser significativos. Por
ejemplo, cuando existe una probabilidad de apertura de 0,5 y la autocorrelación del
proceso de apertura y clausura del mercado tiene un coeficiente de autocorrelación
de 0,9 el descuento por iliquidez es igual a 0,35%. Estos valores se encuentran en
el mismo orden de magnitud que los resultados obtenidos por Longstaff (2001). Por
otro lado, estos resultados se encuentran dentro del rango de valores encontrados
1Debido a la existencia de efecto ingreso la compensación exacta para dejarlo indiferente difieredel excedente del consumidor. Sin embargo, utilizaré ∆%ECπ como una aproximación.
20
Cuadro 4: Descuento porcentual por iliquidez
πss ρ = 0,9 ρ = 0
0,9 0,06 0,010,5 0,3 5 0,10,1 1,05 1,01
Descuento porcentual por iliquidez para distintos valores de la probabilidad estacionaria de
apertura πss y distintos coeficientes de autocorrelación ρ del proceso de apertura del mercado del
activo riesgoso st.
por Amihud y Mendelson (1991) para el caso de los bonos del gobierno de Estados
Unidos. Estos autores encuentran que la diferencia promedio en el retorno de bonos
con la misma madurez pero distintos grados de liquidez es 0,38%. Tal como se señaló
anteriormente el efecto de la iliquidez es mayor mientras mayor sea la persistencia
de ésta. Esto se puede observar en el cuadro 4 donde se ve que mientras mayor sea
la autocorrelación del shock de liquidez mayor es el descuento en el precio.
7. Conclusiones
El objeto de esta tesis ha sido analizar el efecto de la iliquidez en las decisiones
de portafolio de los individuos. Para esto he estudiado un modelo de elección de
portafolio en el cuál los agentes enfrentan la posibilidad de que en algún momento
del tiempo no sea factible realizar transacciones de un determinado activo. Con esto
intento rescatar el grado de irreversibilidad que caracteriza a las inversiones poco
líquidas y el efecto que dicha irreversibilidad tiene en las decisiones de inversión.
En este contexto encuentro que mientras menor sea la liquidez de un activo, o sea,
mientras menor sea la probabilidad de que el mercado del activo se encuentre abierto
menor es la demanda por éste. Esto sucede ya que al disminuir la probabilidad de
apertura del mercado aumenta el tiempo esperado antes de que éste abra nuevamente
lo cual le agrega una nueva dimensión temporal a la evaluación del riesgo por parte
del consumidor. Basicamente se considera el riesgo de no poder rebalancear la cartera
frente a la llegada de nueva información. Esto produce que los individuos tomen
posiciones más conservadoras respecto a la inversión en activos ilíquidos.
Uno de los principales resultados que encuentro es que el efecto que la iliquidez
tenga en la elección de portafolio depende en parte de la persistencia de ésta. Mien-
tras mayor sea la persistencia de los shocks de líquidez mayor será el efecto de ésta
en la elección de portafolio, esto sucede porque al aumentar la persistencia aumenta
21
el riesgo asociado a la imposibilidad de modificar la cartera en el futuro. Encuentro
que cuando los shocks de liquidez son persistentes la liquidez puede tener efectos
significativos en la decisión de cartera.
Por último calculo el premio por líquidez implícito en el problema de elección
del consumidor. Encuentro que mientras menor sea la probabilidad de apertura del
mercado del activo ilíquido mayor es el premio por liquidez. Además encuentro que
el premio por liquidez es una función creciente del nivel de persistencia que muestren
los shocks de liquidez que enfrenta el mercado. Al calcular este premio encuentro
que si los shocks son suficientemente persistentes entonces el modelo desarrollado
puede racionalizar los descuentos por liquidez observados en los precios de ciertos
activos.
Una extensión al modelo anterior que sería interesante de analizar es la inclusión
de riesgo no diversificable en el ingreso laboral. En particular, considerar el caso en
que la probabilidad de que el ingreso laboral sea cero es positiva. Cuando esto suceda
la liquidez de los activos será muy valorada ya que en dicho escenario la venta de estos
es la única forma de que el individuo pueda tener un consumo positivo. En este caso la
liquidez de los activos influirá en la composición que toma la cartera, distinguiéndose
de manera más clara el ahorro por motivos de sustitución intertemporal y el ahorro
por motivos precautorios. Claramente para cumplir su objetivo el ahorro precautorio
debe darse en activos completamente líquidos.
Tal como señala Kreps en su artículo, la flexibilidad es valorada mientras mayor
sea nuestra incertidumbre respecto a las decisiones que vayamos a tomar en el futuro.
Por lo tanto, mientras mayor sea la incertidumbre respecto al escenario en el cuál
nos tocará desenvolvernos en el futuro, mayor será el efecto que la iliquidez tenga
en nuestras decisiones.
22
Apéndice
.
A. Apróximación del Proceso de Precios del
Activo Riesgoso
EL siguiente cuadro muestra los valores de los parámetros utilizados para aprox-
imar la cadena de markov del proceso de precios, para estimar estos parámetros se
utilicé el índice de precios de acciones elaborado por Morgan Stanley para el perío-
do comprendido entre diciembre de 1996 y julio del 2005. Dicho índice presentó una
rentabilidad anual promedio de aproximadamente un 7%, dicho valor se ve influen-
ciado por la caída de los precios entre fines del año 1997 y comienzos de 1999, tal
como se puede ver en la figura 5.
Cuadro 5: Proceso de precios del activo riesgoso
∆ log(pt) = µ+ (λ− 1) log(pt−1) + t , t ∼ N(0, σ2)
µ λ σ0,14 0,97 0,096
Datos: Indice MSCI, Diciembre 1996-Julio 2005.
En la figura 6 se presenta el retorno mensual del IPSA y del índice desarrollado
por M&S. Como se observa ambos índices presentan un comportamiento similar
durante el período en cuestión.
El cuadro 6 presenta la matriz de transición del proceso de precios del activo
riesgoso. La discretización se realizó utilizando el método desarrollado por Tauchen
(1986). Para aproximar el proceso consideré una grilla de precios con 9 puntos y
utilicé un rango de 3 desviaciones estándar para determinar los puntos máximos y
mínimos de la grilla de precios. Estos valores son los recomendados por Tauchen en
su artículo.
23
Figura 5: Retorno mensual del índice elaborado por M&S entre diciembre de 1996 y junio del 2005.
-.4
-.3
-.2
-.1
.0
.1
.2
97 98 99 00 01 02 03 04 05
24
Figura 6: Retorno mensual del índice elaborado por M&S y del IPSA entre diciembre de 1996 yjunio del 2005. La linea continua corresponde al retorno del índice elaborado por M&S mientrasque la linea punteada correspande al IPSA.
-.4
-.3
-.2
-.1
.0
.1
.2
97 98 99 00 01 02 03 04 05
25
Cuadro 6: Aproximación finita del proceso de precios
Precios 0.2673 0.3851 0.5548 0.7992 1.1513 1.6585 2.3892 3.4418 4.9582
0.2673 0.9433 0.0567 0.0000 0 0 0 0 0 0
0.3851 0.0174 0.9340 0.0486 0.0000 0 0 0 0 0
0.5548 0.0000 0.0209 0.9376 0.0415 0.0000 0 0 0 0
0.7992 0.0000 0.0000 0.0250 0.9398 0.0352 0.0000 0 0 0
1.1513 0.0000 0.0000 0.0000 0.0298 0.9405 0.0298 0.0000 0 0
1.6585 0.0000 0.0000 0.0000 0.0000 0.0352 0.9398 0.0250 0.0000 0
2.3892 0.0000 0.0000 0.0000 0.0000 0.0000 0.0415 0.9376 0.0209 0.0000
3.4418 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0486 0.9340 0.0174
4.9582 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0000 0.0567 0.9433
Matriz de transición obtenida con el método de Tauchen utilizando un rango de 3 desviaciones
estándar.
26
B. Cálculo Distribución Estacionaria
B.1. Distribución Estacionaria
Sea P la matriz de transición del shock de liquidez st con probabilidades de
transición dadas por Pr(st+1 = 1 | st = 0) = π0 y Pr(st+1 = 1 | st = 1) = π1 de
manera que
P =
"1− π0 π0
1− π1 π1
#y sea π = (1− πss, πss)
0 la distribución estacionaria del proceso, entonces, sabemos
que π satisface la siguiente ecuación
π0P = π0
de manera que π es la solución del sistema de ecuaciones
(I − P 0)π = 0
donde I es la matriz identidad y 0 es un vector de ceros.
Reemplazando P el sistema anterior es igual al siguiente sistema de ecuaciones."π0 −(1− π1)
−π0 (1− π1)
#"1− πss
πss
#=
"0
0
#
Resolviendo el sistema anterior obtenemos la siguiente expresión para la distribución
estacionaria del proceso de st."1− πss
πss
#=
"1−π1
1+π0−π1π0
1+π0−π1
#
B.2. Coeficiente de Autocorrelación
A continuación obtengo el coeficiente de autocorrelación de st para la distribución
estacionaria. Lo primero que necesito obtener para esto es la distribución conjunta
Pr(st+1, st), para lo cual utilizaré la matriz de transición P y la distribución esta-
cionaria π. Por el teorema de Bayes sabemos que Pr(st+1, st) = Pr(st+1 | st) Pr(st)utilizando esto encontramos la siguiente matriz de probabilidades conjuntas.
Π =1
1 + π0 − π1
"(1− π0)(1− π1) π0(1− π1)
π0(1− π1) π0π1
#
27
además se obtiene que las distribuciones marginales Π0 y Π1 son idénticas a la
distribución estacionaria, o sea, Π0 = Π1 = π.
Usando la definición de la covarianza obtengo la autocovarianza del proceso.
E [st+1st]−E [st+1]E[st] =π0π1
1 + π0 − π1−µ
π01 + π0 − π1
¶2De manera análoga obtengo la varianza.
V [st] = E£s2t¤− E[st]
2 =π0
1 + π0 − π1−µ
π01 + π0 − π1
¶2Dada la simetría de la distribución obtengo que V [st] = V [st+1], por lo tanto,
el coeficiente de autocorrelación está dado por
ρ =
π0π11+π0−π1 −
³π0
1+π0−π1
´2π0
1+π0−π1 −³
π01+π0−π1
´2Simplificando la expresión anterior obtengo que el coeficiente de autocorrelación
está dado por
ρ = π1 − π0
28
Referencias
Amihud, Y., y H. Mendelson (1991): "Liquidity, Maturity, and the Yield on U.S.
Treasury Securities," Journal of Finance, 46, 1411-1425.
Baldwin, C.Y., y R.F. Meyer (1979): "Liquidity Preference Under Uncertainty A
Model of Dynamic Investment in Illiquid Opportunities," Journal of Financial Eco-
nomics, 7, 347-374.
Bertaut, C. (1998): "Stockholding Behavior of U.S. Households: Evidence from the
1983-1989 Survey of Consumer Finance," Review of Economics and Statistic, 80,
263-275.
Carrol, C.D. (1997): "Buffer-Stock Saving and the Life Cycle/Permanent Income
Hypothesis," The Quarterly Journal of Economics, 112, 1-55.
Constantinides, G.M., y M.J. Magill (1976): "Portfolio Selection with Transaction
Costs," Journal of Economic Theory, 13, 245-263.
Constantinides, G.M. (1986): "Capital Market Equilibrium with Transaction
Costs," The Journal of Political Economy, 94, 842-862.
Hahn, F. (1990): "Liquidity," en Handbook of Monetary Economics Volume 1, eds
B.M. Friedman y F.H. Hahn. Amsterdam: North-Holland.
Heaton, J., y J.D. Lucas (1996): "Evaluating de Effects of Incomplete Markets on
Risk Sharing and Asset Pricing," The Journal of Political Economy, 104, 443-487.
Guiso, L., P. Sapienza, y L. Zingales (2005): "Trusting the Stock Market," mimeo.
Judd, K. (1998): Numerical Methods in Economics, Cambridge: The MIT Press.
Kreps, D.M. (1979): "A Representation Theorem for "Preference for Flexibility","
Econometrica, 47, 565-578.
Ljungqvist, L., y T. Sargent (2004): Recursive Macroeconomic Theory, Cambridge:
The MIT Press.
Longstaff, F. (2001): "Optimal Portfolio Choice and the Valuation of Illiquid Secu-
rities," The Review of Financial Studies, 14, 407-431.
(2004): "Financial Claustrophobia: Asset Pricing in Illiquid Markets,"
Working Paper, National Bureau of Economic Research.
29
Lippman, S., y J.J. McCall (1986):"An Operational Measure of Liquidity," The
American Economic Review ; 76, 43-55.
Mankiw, G., y S. Zeldes (1991): "The Consumption of Stockholders and Nonstock-
holders," Journal of Financial Economics, 29, 97-112.
Marschak, J. (1949): "Role of Liquidity Under Complete and Incomplete Informa-
tion," The American Economic Review, 39, 182-195.
Merton, R.C. (1969): "Lifetime Portfolio Selection Under Uncertainty: The
Continuous-Time Case," Review of Economics and Statistic, 51, 247-257.
Pastor, L., y R.F. Stambaugh (2003): "Liquidity Risk and Expected Stock Returns,"
The Journal of Political Economy; 111, 642-685.
Tauchen, G. (1986): "Finite State Markov-Chain Approximation to Univariate and
Vector Autoregressions," Economics Letters, 20, 177-181.
Samuelson, P.A. (1969): "Lifetime Portfolio Selection By Dynamic Stochastic Pro-
gramming," Review of Economics and Statistic, 51, 239-246.
30
Anexo
Resultados sin Endeudamiento
A continuación presento el cuadro con los portafolios promedio para el caso
en que el shock de liquidez st distribuye independientemente y está restringido el
endeudamiento. Los resultados presentan los resultados cuanda la restricción bt ≥−φ toma los valores φ = 0 y φ = 0,1y
Cuadro 7: Porcentaje promedio invertido en el activo riesgoso
π E(T ) φ = 0,1y φ = 0
1 1 0,4283 0,42760,9 1,11 0,4250 0,42450,5 2 0,4113 0,41070,25 4 0,3880 0,38760,1 10 0,3401 0,34070 ∞ 0 0
Porcentaje promedio invertido en el activo riesgoso para distintos valores de la probabilidad de
apertura del mercado π para el caso en que los shocks de liquidez st son independientes en el
tiempo. El parámetro φ representa la restricción de endeudamiento bt ≥ −φ .
Programas de Matlab
A continuación presento los códigos de Matlab utilizados en las simulaciones.
Código para Resolver la Ecuación de Bellman
Este es el código para resolver el modelo presentado en la sección 3.1.
%numero de puntos en el grid
N =75;
%preferencias
gamma = input ;
beta= input ;
%dinamica del precio del activo riesgoso
mu= input;
lambda=input;
sigma= input;
31
%retorno activo libre de riesgo
R = input; %R es igual a (1+r)
Y = input; %ingreso
%autocorrelacion y distribucion estacionaria de s
rho = input;
piss = input;
pi0 = (1-rho)*piss;
pi1 = piss + rho*(1-piss);
%discretizar cadena de markov precio activo riesgoso
m=3;
M=9;
[P,s,probst,alambda,asigmay]=markovappr(lambda,sigma,m,M);
q=exp(s+mu);
%determinar cotas
AMAX = Y/min(q);
AMIN = 0;
A = linspace(AMIN,AMAX,N)’;
BMAX = Y;
BMIN = -0.1*Y;
B = linspace(BMIN,BMAX,N)’;
%iteracion de la funcion de valor
v1 = zeros(N,N,M);
v0 = zeros(N,N,M);
Ev1=zeros(N,N,M);
Ev0=zeros(N,N,M);
vn1 = v1;
vn0 = v0;
crit = 1;
while crit > 0.1
for i=1:N
for j=1:N
for t=1:M
for k=1:N
for h=1:N
c1 = (A(i)-A(k))*q(t) + R*B(j)-B(h) + Y;
c0 = R*B(j)-B(h)+Y;
if c1 <=0
32
vab1(k,h)=-100000000000000000;
else
vab1(k,h)=(1/(1-gamma))*(max(0.000001,(A(i)-A(k))*q(t)+...
R*B(j)-B(h)+Y)^(1-gamma)-1)+beta*(pi1*Ev1(k,h,t)+(1-pi1)*Ev0(k,h,t));
end
if c2<=0
vab0(k,h)=-10000000000000000;
else
vab0(k,h)=(1/(1-gamma))*(max(0.000001,R*B(j)-B(h)+Y)^...
(1-gamma)-1) +beta*(pi0*Ev1(i,h,t)+(1-pi0)*Ev0(i,h,t));
end
end
end
vn1(i,j,t)=max(max(vab1));
vn0(i,j,t)=max(max(vab0));
end
end
end
crit = max(max(max(max(abs(vn1-v1),[],3),[],2)),...
max(max(max(abs(vn0-v0),[],3),[],2)))
v1=vn1;
v0=vn0;
Ev11=zeros(N,N,M);
for r=1:M
for l=1:M
Ev11(:,:,r)=Ev11(:,:,r)+P(r,l)*v1(:,:,l);
end
end
Ev00=zeros(N,N,M);
for r=1:M
for l=1:M
Ev00(:,:,r)=Ev00(:,:,r)+P(r,l)*v0(:,:,l);
end
end
Ev1=Ev11;
Ev0=Ev00;
end
33
%obtener funciones de politica
for i=1:N
for j=1:N
for t=1:M
for k=1:N
for h=1:N
vab1(k,h)=(1/(1-gamma))*(max(0.000001,(A(i)-A(k))*q(t)+...
R*B(j)-B(h)+Y)^(1-gamma)-1)+beta*(pi1*Ev1(k,h,t)+(1-pi1)*Ev0(k,h,t));
end
end
[v1(i,j,t) Indb1(i,j,t)]=max(max(vab1,[],1),[],2);
[v1(i,j,t) Inda1(i,j,t)]=max(max(vab1,[],2),[],1);
end
end
end
for i=1:N
for j=1:N
for t=1:M
for k=1:N
for h=1:N
vab0(k,h)=(1/(1-gamma))*(max(0.000001,R*B(j)-B(h)+Y)^...
(1-gamma)-1) +beta*(pi0*Ev1(i,h,t)+(1-pi0)*Ev0(i,h,t));
end
end
[v0(i,j,t) Indb0(i,j,t)]=max(max(vab2,[],1),[],2);
end
end
end
%acciones
for i=1:N
for j=1:N
for t=1:M
Ap1(i,j,t)=A(Inda1(i,j,t));
end
end
34
end
for i=1:N
for j=1:N
for t=1:M
Ap0(i,j,t)=A(i);
end
end
end
%bonos
for i=1:N
for j=1:N
for t=1:M
Bp1(i,j,t)=B(Indb1(i,j,t));
end
end
end
for i=1:N
for j=1:N
for t=1:M
Bp0(i,j,t)=B(Indb0(i,j,t));
end
end
end
Código Discretización Cadena de Markov
El código para discretizar la cadena de Markov usando el método de Tauchen fue
desarrollado por Ljungqvist y Sargent (2004) y se encuentra disponible en el sitio
web de Thomas Sargent (http://homepages.nyu.edu/~ts43/).
function [Tran,s,probst,alambda,asigmay]=markovappr(lambda,sigma,m,N)
% the simple case of approximating first-order
% autoregressive process with Markov chain
% y_t = lambda * y_(t-1) + u_t
% u_t is a Gaussian white noise process with standard deviation sigma.
% m determines the width of discretized state space, Tauchen uses m=3
35
% ymax=m*vary,ymin=-m*vary, ymax and ymin are two boundary points
% N is the number of possible states chosen to appróximate
% the y_t process, usually N=9 should be fine
% Tran is the transition matrix of the Markov chain
% s is the discretized state space of y_t
% alambda is the theoretical first order autoregression coefficient
% for Markov chain
% asigma is the theoretical standard deviation for Markov chain Y_t
% discretize the state space
stvy = sqrt(sigma^2/(1-lambda^2)); % standard deviation of y_t
ymax = m*stvy; % upper boundary of state space
%ymin = mu - m*stvy;
ymin = -ymax; % lower boundary of state space
w = (ymax-ymin)/(N-1); % length of interval
s = ymin:w:ymax; % the discretized state space
% calculate the transition matrix
for j=1:N;
for k=2:N-1;
Tran(j,k)= normcdf(s(k)-lambda*s(j)+w/2,0,sigma)...
- normcdf(s(k)-lambda*s(j)-w/2,0,sigma);
end
Tran(j,1) = normcdf(s(1)-lambda*s(j)+w/2,0,sigma);
Tran(j,N) = 1 - normcdf(s(N)-lambda*s(j)-w/2,0,sigma);
end
if sum(Tran’) ~= ones(1,N)
str = find(Tran’-ones(1,N)); % find rows not adding up to one
disp(’error in transition matrix’);
disp([’rows ’,num2str(str),’ does not sum to one’]);
end
% calculate the invariant distribution of Markov chain
36
Trans= Tran’;
probst = (1/N)*ones(N,1); % initial distribution of states
test = 1;
while test > 10^(-8);
probst1 = Trans*probst;
test=max(abs(probst1-probst));
probst = probst1;
end
meanm = s*probst; % mean of invariant distribution
varm = ((s-meanm).^2)*probst; % variance of invariant distribution
midaut1 = (s-meanm)’*(s-meanm); % cross product of deviation from the
% mean of y_t and y_t-1
probmat = probst*ones(1,N); % each column is invariant distribution
midaut2 = Tran.*probmat.*midaut1; % product of the first two terms is
% the joint distribution of (Y_t-1,Y_t)
autcov1 = sum(sum(midaut2)); % first-order auto-covariance
% calculate the asymptotic second moments of Markov chain
disp(’lambda of original process v.s that of Markov chain’)
lambda
disp(”)
alambda = autcov1/varm % theoretical lambda
disp(’standard deviation of true process v.s that of Markov chain’)
stvy
disp(”)
asigmay = sqrt(varm)
37