Introducción
Perú es un país minero por excelencia, se encuentra en el top 10 de los principales productores mundiales de oro, cobre, plata y zinc, entre otros minerales, y a diferencia de potencias como China o Estados Unidos, su producción está dirigida principalmente a la exportación, por lo que, es una actividad económica altamente integrada al mercado internacional.
Según información del Banco Central de Reserva del Perú (bcrp, s. f.), las exportaciones de cobre, oro y zinc constituyeron en la principal fuente de divisas para Perú entre los años 2010 y 2019. Así, en dicho período, el valor de las exportaciones conjuntas de estos minerales representó el 49.4% del promedio total de exportaciones del país, siendo el cobre el principal producto exportado con un promedio de 25.7%, seguido del oro con 19.6% y en tercer lugar el zinc con 4.1%. En el año 2019, la participación de dichos productos ascendió al 51.4 % del total, con participaciones de 29.2 % del cobre, 17.8% del oro y 4.4% del zinc. Adicionalmente, las empresas del sector minero mantienen una participación significativa en el Índice s&p Perú General de la Bolsa de Valores de Lima (en adelante igbvl), así como en el conjunto de acciones de la Bolsa de Valores de Lima (en adelante bvl). Con base en lo indicado, se espera que los cambios en los precios internacionales de los principales productos de exportación, como son el cobre, el oro o el zinc, tengan un impacto significativo sobre el rendimiento del mercado de valores peruano. Pese a ello, son escasos los estudios sobre la relación entre los cambios de los precios internacionales y el rendimiento de la bolsa de valores peruana.
El presente artículo busca identificar el impacto de los cambios en el precio internacional del cobre, oro y zinc sobre el retorno del igbvl, así como estimar y describir la volatilidad del mismo. De esta manera, se cubrirá un vacío en la investigación académica nacional, que sirva de base para posteriores estudios. Los resultados obtenidos darán a conocer los impactos que tienen los cambios de los principales bienes de exportación sobre la rentabilidad bursátil, lo cual permitirá una mejor gestión de cobertura de las inversiones en el mercado peruano ante cambios en los precios internacionales, así mismo, ayudará a los hacedores de política económica a elaborar planes de acción ante dichos movimientos. Para el análisis indicado, se ha modelado el rendimiento de la bvl en función de los cambios diarios en el precio internacional del cobre, oro y zinc, cuya media y varianza se calculó con base en el modelo egarch, que permite superar las típicas características de las variables financieras, como son la leptokurtosis, el agrupamiento de volatilidad y los efectos de apalancamiento, presentes en la serie de rendimientos de la bvl.ee.
Se considera, además, que este tipo de investigaciones son importante para el análisis de economías que tienen gran dependencia de las export ciones de minerales u otros commodities.
A lo largo del artículo, se presentará, inicialmente, una revisión de la literatura relacionada; luego, se expondrá la metodología aplicada, se analizará la evidencia empírica y, finalmente, se brindará las principales conclusiones y recomendaciones de la investigación.
Literatura relacionada
El mercado de valores se define como un mecanismo de inversión de valores que genera ganancia o capta recursos financieros, donde participan ciudadanos y empresas, denominados emisores o inversores (Ministerio de Economía y Finanzas, 2008). Por su parte, en el ámbito empresarial y financiero, un commodity es todo bien que tiene utilidad o valor, como es el caso de las materias primas. En el rubro de la minería, los negocios (exportación, distribución, venta y compra, etc.) dependen de los precios de los commodities, que son representados por los metales -como el oro, cobre, paladio y plata, entre otros-, uno de los principales factores que impacta en los precios es la demanda externa. (“El precio de los commodities en la minería…”, 2018). Tal como mencionan Ildýrar e Iscan (2016) , los precios de las materias primas son importantes para la economía porque afectan directamente a los precios. Además, las materias primas tienen efectos en el mercado de valores, porque se utilizan como instrumento financiero y por el efecto que producen sobre la rentabilidad del negocio corporativo. Por lo tanto, el análisis de los vínculos entre los mercados de materias primas y valores es muy importante para los inversores, nacionales o extranjeros, y el Estado.
Muchas series financieras de tiempo incumplen con el supuesto de homocedasticidad, pues es común observar que períodos de baja volatilidad son seguidos de períodos de alta volatilidad, conocidos como agrupamiento de volatilidad. Los modelos arch, propuestos por Engle (1982), y su generalización garch, introducida por Bollerslev (1986), se han convertido en herramientas comunes para tratar con modelos de series de tiempo heterocedásticas y estimar la volatilidad variable en el tiempo del mercado de valores. Nelson (1991) propuso un nuevo tipo de modelo de volatilidad: el garch exponencial o egarch, que tiene en cuenta los efectos de apalancamiento, la correlación negativa entre la volatilidad y los rendimientos actuales y futuros, la restricción inadecuada de la no negatividad de la varianza y la persistencia de los shocks. En términos generales, la especificación garch más utilizada afirma que el mejor predictor de la varianza en el próximo período es un promedio ponderado de la varianza promedio de largo plazo, la varianza predicha para este período y la nueva información en este período, que es capturada por el residuo cuadrado más reciente (Engle, 2001).
En cuanto al vínculo entre la evolución de los commodities y los mercados de valores, la mayor parte de la literatura se ha enfocado en la relación del petróleo (por su relevancia en la generación de electricidad e impacto en la determinación de precios) y el oro (considerado como el principal activo refugio), con los principales índices bursátiles, dejando en segundo plano al resto de activos y los índices bursátiles de economías en desarrollo. Tufano (1998) examinó la influencia de diferentes factores en los precios de las acciones mineras y encontró que la sensibilidad de las acciones mineras al precio del oro disminuye con el aumento de los precios del oro. Lawrence (2003) investigó la asociación entre el índice s&p500, el oro y otras materias primas y encontró que los rendimientos del oro están débilmente asociados con los rendimientos del s&p500 en comparación con la asociación entre el s&p500 y otras materias primas. Creti et al. (2012) examinaron las correlaciones entre 25 materias primas individuales y el índice s&p500 -en el marco del modelo garch de correlación condicional dinámica (dcc)- y encontraron que las correlaciones son muy volátiles durante el período comprendido entre enero de 2001 y noviembre de 2011, especialmente después de la crisis de 2007. Mensi et al. (2013) emplearon un modelo var-garch para investigar los vínculos de retorno y la transmisión de volatilidad entre el s&p500 y los índices de precios de materias primas para energía, alimentos, oro y bebidas, durante el turbulento período de 2000 a 2011. En cuanto a la transmisión de retorno y volatilidad, los resultados mostraron una transmisión significativa entre el s&p500 y los mercados de materias primas. Los shocks pasados y la volatilidad del s&p500 influyeron fuertemente en los mercados de petróleo y oro.
En otros estudios relacionados, como los desarrollados por Hammoudeh y Yuan (2008) -quienes utilizaron modelos garch univariados para estudiar el comportamiento de la volatilidad de los precios del oro, la plata y el cobre, en respuesta a shocks del petróleo crudo y de las tasas de interés-, el efecto de apalancamiento es significativo solo para el cobre. Gilmore et al. (2009) mostraron que los índices de minería de oro de varios países impactan el precio del oro, pero no hay evidencia de que el precio del oro impacte en los índices de minería de oro; mientras que Morales (2008) reveló la existencia de un efecto duradero de la volatilidad de las materias primas en los rendimientos de las acciones para las economías del g-7, durante el período 1995-2006. Por otro lado, Morales y Andreosso-O’Callaghan (2011), aplicando garch y egarch, investigaron las características de la imprevisibilidad entre los metales preciosos y los mercados de renta variable, durante el período 1995-2010, en medio de las crisis financieras asiática y mundial. Sus resultados revelaron la presencia de una volatilidad persistente para los rendimientos de los metales preciosos, diferenciales de volatilidad bidireccionales, y demostraron que el oro impulsa otros mercados. Mientras tanto, Raza et al. (2016) indicaron que los mercados bursátiles de las economías emergentes son más vulnerables a las malas noticias y los acontecimientos que dan lugar a condiciones económicas inciertas.
En cuanto a estudios empíricos, a nivel de economías en desarrollo, existe un número creciente de estudios enfocados a las economías asiáticas. Mishra et al. (2010) investigaron la volatilidad del precio del oro y los rendimientos del mercado de valores indio y confirmaron una relación bidireccional. De otro lado, Sulthana (2012) , utilizando el modelo garch para capturar la naturaleza de la volatilidad a lo largo del tiempo, examinó el impacto de la negociación de materias primas en la volatilidad del mercado de valores de India, encontrando evidencia de un cambio significativo en la volatilidad de ncdex, pero la estructura de la volatilidad ha cambiado en cierta medida. Nordin et al. (2014) investigaron el papel que desempeña el precio de las materias primas en la influencia del índice bursátil de Malasia y llegaron a la conclusión de que el precio del aceite de palma tiene una importancia positiva para influir en dicho índice. Arouri et al (2015) utilizaron el modelo vargarch para investigar el efecto de la volatilidad del precio del oro en los rendimientos del mercado bursátil en China durante el período 2004- 2011; sus resultados demostraron evidencia de un impacto significativo de la volatilidad del precio del oro en el rendimiento del mercado de valores de China. Contuk et al (2013) analizaron el efecto de las fluctuaciones de los precios del oro en el índice ise 100 de Turquía utilizando precios diarios y los datos del índice desde el 01 de enero de 2009 hasta el 31 de diciembre de 2012, y, a partir del modelo mgarch, mostraron que los rendimientos del oro y de la bolsa se han visto afectados tanto por sus propios shocks como por los shocks de cada uno. Shahzad et al. (2014) hicieron un análisis multivariado de las materias primas y el mercado de valores de Pakistán, y, usando el modelo gjrgarch, encontraron que las materias primas tienen un comportamiento asimétrico invertido donde hay más impacto de los shocks alcistas que de los shocks bajistas. Las acciones mostraron una volatilidad asimétrica donde hay más impacto de los shocks negativos que de los positivos.
Por su parte, Sadiq et al. (2022) aplicaron el modelo dcc-garch a los datos de las economías asiáticas, incluidas China, India, Sri Lanka, Bangladesh y Pakistán, cuyos resultados indicaron una conexión significativa entre los precios del oro y los precios de las acciones y los precios del petróleo para todos los mercados bursátiles asiáticos. Recientemente, Szczygielski et al. (2018) encontraron que existe una relación fuerte, aunque cambiante, entre el precio del oro, el tipo de cambio rand sudafricano-dólar y los rendimientos de la minería de oro. Alsufyani y Sarmidi (2020) -a través de un modelo generalizado de heterocedasticidad condicional autorregresivo que tiene variables exógenas (garch-x)- examinaron la interrelación que existe entre el precio de la energía y la volatilidad del mercado de valores en Arabia Saudita y hallaron evidencia de que solo los parámetros arch y garch son significativos, mientras que las variables exógenas son insignificantes.
En cuanto a América Latina, Soenen y Jhonson (2009) encontraron que las bolsas de valores de Argentina, Brasil y Perú responden simultáneamente a cambios en los rendimientos de la energía, los metales y la agricultura; y las bolsas de valores de Chile y Perú son las más afectadas por cambios en los precios de los metales industriales y preciosos. Yousaf et al. (2021) emplearon el modelo var-bekk-garch en los datos diarios de cuatro mercados bursátiles latinoamericanos emergentes -Perú, Chile, Brasil y México-, desde enero de 2000 hasta junio de 2018, mostrando que las transmisiones de rendimiento varían según los mercados de valores y los períodos de crisis. Así, la transmisión de la volatilidad es bidireccional entre los mercados de oro y de valores de Brasil y Chile durante la crisis financiera estadounidense, mientras que el derrame de volatilidad es unidireccional de Brasil al oro y del oro al mercado de valores de Perú durante la crisis china. Por su parte, Fernández y Rodríguez (2020) utilizaron siete modelos garch y de volatilidad estocástica (sv) para modelar y comparar empíricamente la volatilidad de los rendimientos de cuatro productos: oro, cobre, petróleo y gas natural. Sus resultados muestran que existe un importante desbordamiento de la volatilidad entre los mercados del oro y de valores, y entre los mercados de petróleo y de valores, evidenciando la existencia de colas anchas y saltos aleatorios creados por desequilibrios de oferta/demanda, episodios de inestabilidad internacional, tensiones geopolíticas y especulación de mercado, entre otros factores.
Para el caso peruano, Zevallos y Del Carpio (2015) utilizó modelos garch univariados para modelar la volatilidad en el mercado de valores peruano. Humala y Rodríguez (2011) discuten un conjunto de hechos estilizados sobre los rendimientos bursátiles y la volatilidad: ausencia de autocorrelación en los rendimientos, colas gruesas de la distribución empírica, asimetrías en la volatilidad ligada a los rendimientos negativos pasados, normalidad en la agregación, agrupamiento de periodos de volatilidad y la presencia de memoria larga. Estrada y Ramos (2013), modelando un var estructural, encontraron que los shocks de oferta carecen de un impacto significativo al momento de explicar el rendimiento del mercado accionario. Así también, concluyeron con un análisis de largo plazo, en el cual se estima que los impactos de shocks en la cotización del cobre explicarían el 30%, aproximadamente, de la variación del igbvl. Zevallos y del Carpio (2015) usando modelos garch univariados -para modelar las volatilidades individuales-, el método de Media Móvil Ponderada Exponencialmente (ewma) y los modelos garch multivariados, con correlaciones de variantes en el tiempo a modelos de comovimientos en rendimientos, concluyeron que los rendimientos de las acciones de las empresas mineras están altamente correlacionados con los precios de los principales metales que producen. Adicionalmente, encontraron correlaciones variantes en el tiempo con un comportamiento distintivo en periodos diferentes, el cual aumenta potencialmente con relación a eventos históricos internacionales o nacionales.
De otro lado, Alanya y Rodríguez (2016) usando modelos de volatilidad estocástica y modelos de heterocedasticidad condicional autorregresiva simétricos y asimétricos, sobre datos diarios de los retornos bursátiles y cambiarios peruanos en el período comprendido entre el 5 de enero de 1998 hasta el 30 de diciembre de 2011, encontraron efectos asimétricos en ambos mercados. En el mercado de valores, encontraron que los choques negativos generan una mayor volatilidad que los choques positivos. Portal (2017) , al utilizar un modelo Bivariado garch en media var, encontró que la incertidumbre en los precios del oro y de la plata tienen un efecto directo, positivo y estadísticamente significativo sobre el rendimiento del índice s&p/bvl, así también, sus resultados sugieren que la volatilidad condicional del precio de estos metales preciosos afecta positivamente a los retornos del índice General de la Bolsa de Valores de Lima, mientras que la incertidumbre en los precios del cobre afecta negativa y significativamente el rendimiento del s&p/bvl. Por último, Mendiola et al. (2022) encontraron evidencia de un comportamiento positivo pero inelástico entre los rendimientos de las acciones de cobre y los cambios en los precios del cobre.
Metodología
El igbvl es el referente más amplio de la Bolsa de Valores de Lima. Este índice incluye acciones de cada uno de los cinco sectores, siendo los de más ponderación el sector financiero y minero. En otras palabras, el índice está diseñado como una referencia global del mercado de acciones en Perú y se calcula utilizando una ponderación según la capitalización de mercado ajustada (Bolsa de Valores de Lima [bvl], s. f.). De tal manera, se escoge como potenciales variables -explicativas de su comportamiento- al precio internacional del oro, cobre y zinc porque son las empresas mineras, mayoritariamente productoras y exportadoras de estos minerales, las más representativas en composición del igbvl (Estrada & Ramos, 2013; Zevallos & Del Carpio, 2015).
Según la teoría de mercados eficientes, se dice que el mercado es eficiente si el precio refleja constantemente la información disponible en este. Para el presente estudio, las variaciones en los precios internacionales del cobre, oro y zinc del periodo analizado son bastante volátiles. De igual manera, los precios de los activos de las empresas que conforman el igbvl se fijan por el libre juego de las fuerzas de la demanda y oferta.
Datos de la investigación
Los datos utilizados son los cierres diarios, comprendidos entre el 01 de enero del 2010 al 31 de diciembre de 2019, periodo que comprende una etapa de cierta estabilidad macroeconómica, al estar alejado en un par años a la gran crisis financiera internacional del 2007-2008 y algunos meses antes de la crisis global producida por la pandemia de la Covid-19.
Los datos de la cotización internacional de los commodities fueron obtenidos de la página web del bcrp y la cotización del igbvl fue obtenida desde la plataforma Economática. La cotización de cobre utilizada es Londres, cus$ por libras; la del oro es Londres, us$ por onzas troy; y la del zinc Londres, cus$ por libras, mientras que la del igbvl (índice) corresponde a valores, ponderada según precios de las acciones en us$.
En adelante se usan las siglas:
-
lnbvl, logaritmo natural del valor al cierre del Índice General de la bvl.
-
lncopper, logaritmo natural del precio internacional de la libra de cobre en cus$.
-
lngold, logaritmo natural del precio internacional diario de la onza troy de oro en us$.
-
lnzinc, logaritmo natural del precio internacional diario de la libra de zinc en cus$.
La serie de rendimientos son denotadas como rgbvl, rcopper, rgold y rzinc, y se obtienen de la diferencia del logaritmo natural de las variables en el momento t y t - 1.
Donde:
-
rgbvl, rendimiento diario del igbvl
-
rcopper, variación diaria en el precio internacional del cobre
-
rgold, variación diaria en el precio internacional del oro y
-
rzinc, variación diaria en el precio internacional del zinc
Se utilizó el software Eviews 12 para el procesamiento y análisis estadístico y econométrico.
Pasos desarrollados
Se siguió lo propuesto por Brooks (2008) :
-
Se realizó un tratamiento de ciencia de datos a las observaciones, a fin de identificar valores perdidos en la data obtenida. Si se identifica lo anterior, se completa con la cotización inmediatamente anterior disponible.
-
Se realizaron dos pruebas de estacionariedad: la prueba de Dickey-Fuller Aumentado y la prueba de normalidad de Jarque-Bera.
-
Se planteó el modelo para la estimación del rendimiento de la bvl en función de las variables macroeconómicas explicativas: la variación de los precios internacionales del cobre, oro y zinc.
Donde:
yt es la variable dependiente
β i es el coeficiente de la variable independiente i
x it es la variable independiente
et es el error de predicción o innovación
La elección del modelo se realizó con base en el criterio de información de Akaike, el criterio de Schwarz y el criterio Hannan-Quinn.
-
Se evaluó la heterocedasticidad de los residuos del modelo para identificar la presencia de efectos arch, tomando en cuenta que las series financieras se caracterizan por su memoria corta, pero de alta volatilidad dentro de las mismas.
-
Una vez confirmada la presencia de efectos arch, se definió el modelo egarch que mejor se ajustaba a los datos. Se hizo con base en el criterio de información de Akaike, el criterio de Schwarz y el criterio Hannan-Quinn.
Donde:
st mide la desviación estándar de la serie de errores.
b es el parámetro que representa la persistencia del logaritmo de la volatilidad condicional.
a captura la magnitud de un choque en la volatilidad en el logaritmo de la varianza condicional.
w es el nivel de interceptor del modelo.
q es el parámetro de asimetría.
El beneficio de utilizar el modelo planteado radica en que se enfoca en conocer cómo influye en el rendimiento del igbvl la variación en el precio de los principales commodities, y también, al capturar la estructura de dependencia en los datos, es útil para realizar predicciones de retornos y volatilidades (Hamilton, 1994).
Análisis empírico
Entre el 01 enero de 2010 y 31 de diciembre de 2019 se obtuvieron 2608 observaciones, cuyo comportamiento se puede observar en la tabla 1 y figura 1. De ellas, se infiere la no estacionariedad de las series, hecho validado a través la prueba de Dickey Fuller Aumentado (Dickey & Fuller, 1979), mientras que la no normalidad de la mayoría de las series, se validó con la prueba de Jarque-Bera.
Tabla 1
Estadísticas significativas del logaritmo natural de las variables (2010-2019)
La prueba de raíz unitaria, tal como se observa en la tabla 2, confirma que las cuatro series son integradas de orden 1, por lo que abre el camino para poder plantear una ecuación que vincule las variables en rendimientos.
Tabla 2
Test de raíz unitaria Augmented Dickey-Fuller
En la tabla 2 se presenta algunas estadísticas descriptivas de las series de retornos. Se puede identificar que las series indican una media de cero, por lo que se podría asumir que son estacionarias en media cero. El valor mínimo lo presenta la variación diaria del índice de la bolsa, mientras que el máximo lo registra la variación diaria en el precio del zinc. Además, se muestra un pequeño sesgo y una elevada curtosis, demostrando que las series no siguen una distribución normal.
Tabla 3
Estadísticas significativas de los retornos (2010-2019)
Al efectuar el análisis gráfico de los datos de los retornos, en la figura 2, se infiere que, si bien estos son estacionarios, podrían presentar problemas de heterocedasticidad, lo cual se evaluará más adelante.
Adicionalmente, el gráfico de probabilidad normal (figura 3) -que se identifica para el total de series de retornos- no sigue una distribución normal, ello se relaciona con la presencia de una distribución con colas anchas a los extremos.
Por su parte, la tabla 4 muestra que existe una correlación positiva entre las variables, lo cual refuerza la idea de que los aumentos (caídas) en los precios de los commodities influyen en la misma dirección en el rendimiento del índice de la bolsa de valores de Lima.
Tabla 4
Matriz de correlación entre rendimientos
| Variable | rbvl | rcopper | rgold | rzinc |
|---|---|---|---|---|
| rbvl | 1.000000 | |||
| rcopper | 0.318190 | 1.000000 | ||
| rgold | 0.209468 | 0.237783 | 1.000000 | |
| rzinc | 0.265560 | 0.687341 | 0.162375 | 1.000000 |
Como siguiente paso, se estima el modelo de regresión lineal multivariado, teniendo el retorno diario del igbvl, como variable dependiente, y como variable explicativa la variación diaria de los precios internacionales del cobre, oro y zinc, así como componentes ar y ma, en caso de que correspondiera, para lo cual se selecciona el modelo que mejor se ajuste según los criterios de información de Akaike, el criterio de Schwarz y el criterio Hannan-Quinn, ya sea de manera unánime o por mayoría.
Tabla 5
Criterios de selección de modelo
El modelo seleccionado es como sigue: rgbvl = b 1 rcopper + b 2 rgold + b 3 rzinc + e t
rgbvl = 0.204* rcopper + 0.173* rgold + 0.067* rzinc + e t
Tal como se observa en la tabla 6, y tal como se esperaba, incrementos (caídas) en el precio de los commodities inciden en una mejora (deterioro) de la rentabilidad de la bolsa limeña, siendo el cobre y el oro, los de mayor impacto sobre la rentabilidad de la bolsa.
Tabla 6
Estimación de rbvl en función de precio de commodities
El siguiente paso fue realizar el análisis de los residuos del modelo, expuestos en las figuras 4 y 5, donde se pudo evidenciar la no normalidad de la serie, con presencia de leptocurtosis, así como la posible existencia de heterocedasticidad condicional, por lo que se realiza la prueba de heterocedasticidad arch lm.
Los resultados de la prueba de heterocedasticidad arch, expuestos en la tabla 7, validan la existencia de heterocedasticidad y de efectos arch, lo que allana el camino para calcular un modelo garch, para el presente caso egarch, y determinar el impacto del shock de las noticias, así como la persistencia de la volatilidad pasada.
Tabla 7
Prueba de efectos arch en residuos
A partir de lo anterior, y dada la sospecha de impactos asimétricos de las noticias, se plantearon los modelos egarch y se seleccionó el que más bondad de ajuste brindaba, dada la complejidad de los mismos. Para ello, se utilizó el Criterio de Información de Akaike, el criterio de Información de Schwarz y el criterio de Hannan-Quinn. Si bien, según el Criterio de Akaike, el modelo a elegir sería el egarch (2.2), se optó por el egarch (1.1) ya que en él coinciden los criterios de Schwartz y Hannan-Quinn (ver tabla 8).
Tabla 8
Criterios de selección de modelo egarch
Según la estimación del modelo egarch (1.1), a nivel de media, se obtiene que existe una relación directa entre cambios diarios del precio de los commodities y el rendimiento del igbvl. No obstante, a diferencia de lo observado en el modelo anterior, es el oro y no el cobre, el commodity de mayor impacto. El modelo, quedaría planteado de la siguiente manera:
rbvl = 0.182* rcopper + 0.219* rgold + 0.0554* rzinc
Por su parte, la ecuación de la varianza queda de esta forma:
Tabla 9
Estimación de modelo egarch (1.1)
La persistencia b en la volatilidad condicional es alta, 0.98, lo que indica que un shock en la varianza condicional estimada tendrá un efecto transitorio, pero duradero; este valor estimado sugiere que, en respuesta a un shock de volatilidad condicional, obtendremos un efecto de 14 días. Además, el parámetro a, que refleja el efecto simétrico o la magnitud del shock sobre la volatilidad, es 0.18.
El modelo egarch estimado también muestra que existe una relación asimétrica entre los rendimientos y la varianza. De hecho, el parámetro q es -0:046, esto implica que, cuando ocurre un shock negativo o un evento que concierne al mercado de valores, la volatilidad generada es mayor que cuando hay un shock positivo en la economía. Sin embargo, los efectos asimétricos no son altos. Por otro lado, el parámetro de nivel estimado w es de -0.32 en promedio.
Conclusiones
La variación diaria de los precios internacionales del cobre, oro y zinc tienen efectos directos sobre el rendimiento de la Bolsa de Valores de Lima (bvl). Por tanto, incrementos y caídas en los precios de estos commodities provocan aumento o reducción en el rendimiento de la bvl.
El igbvl reacciona en mayor medida ante cambios en el precio del oro (0.219), seguido por los cambios en el precio del cobre (0.182) y en menor magnitud ante cambios en el precio del zinc (0.55). Estos resultados, guardan relación con los volúmenes exportados de estos minerales y la composición del igbvl.
La serie de rendimientos muestra heterocedasticidad, leptokurtosis y potencialidad de efectos asimétricos de los rendimientos, por lo que el modelo egarch (1.1) resulta adecuado para modelar la varianza.
La persistencia b en la volatilidad condicional es alta, 0.98. Lo que puede indicar que un shock en la varianza condicional estimada tendrá un efecto transitorio, pero duradero, este valor estimado sugiere que, en respuesta a un shock de volatilidad condicional, obtendremos un efecto de 14 días.
El modelo egarch estimado muestra que existe una relación asimétrica entre los rendimientos y la varianza. De hecho, el parámetro q es -0:046, esto implica que cuando ocurre un shock negativo o un evento que concierne al mercado de valores, la volatilidad generada es mayor que cuando hay un shock positivo en la economía. Sin embargo, los efectos asimétricos no son altos.
La investigación insta a profundizar el análisis, por ejemplo, utilizando un modelo vargarch para identificar la interrelación de las variables, así como la inclusión de alguna variable macroeconómica relevante adicional.
Otro aspecto para considerar en futuras investigaciones es la ampliación del análisis a fin de poder hacer una comparación con lo que ocurre con mercados similares, sea bien del ámbito latinoamericano o de otros países en desarrollo.