Estimación de beta en el modelo CAPM de Sharpe 1964: Aplicación al

caso Peruano
Andrés E. Vilcape
Escuela Profesional de Banca y Seguros, Universidad Nacional de San Agustín, Arequipa, Perú.

RESUMEN

Producto del análisis de la literatura, el presente trabajo aplica cuatro métodos para el cálculo
de las betas a una muestra de 11 empresas cotizadas en la BVL entre 2015 - 2017.

Palabras Clave: ROA, ROE, ROI, PE, PEG, EPS, Numero de Graham, Valor justo de Peter
Lynch, Bonos.

1. INTRODUCCIÓN

El presente trabajo se centrar en la discusión sobre la variable beta en el modelo Capital Asset
Pricing Mode (CAPM) presentada en sus inicios por (Sharpe, 1964, p. 431) donde:
Ke = rf + β.(rm – rf) (1)
 rf se refiere a un activo sin riesgo
 β= es la beta leverage o beta apalancada1
 rm es la tasa de rentabilidad del mercado
 (rm– rf) es la prima de riesgo esperada sobre el mercado
Para entender que es el beta, (Martinez, C. Ledesma J. y Russo A. 2014, p. 201) define al
coeficiente beta (β) como una medida de la volatilidad de un activo relativa a la variabilidad
del mercado. Valores altos de beta implican más volatilidad, mientras que un beta 1 significa
que el activo sigue los movimientos que tiene el mercado. Así, un valor con beta 1,30 significa
que la acción es un 30% más volátil que el mercado, mientras que un valor de beta 0,80 es un
20 % menos volátil que el mercado. Entonces la ecuación la formula quedara como:
ŷ = b0 + b1x (2)
De esta manera la fórmula matemática es una regresión simple por lo tanto la pendiente de la
regresión (b1) corresponde a la beta de la acción, y mide el riesgo de la misma. (Ibañez, A.
2015 p. 34) La representación gráfica resultante de unir la rentabilidad esperada de cada activo
del mercado es la Línea del Mercado de Títulos (LMT) (“Securities Market Line” o “SML” en
inglés), siendo su pendiente E(Rm)-Rf. La ordenada en el origen de la LMT (SML de sus siglas
en inglés) da la rentabilidad del activo libre de riesgo, con un Beta = 0 ya que por definición su
rentabilidad no está ligada al mercado. Con Beta =1 se obtiene la rentabilidad media del
mercado E(Rm). Las Betas de los activos varían a lo largo del tiempo, al igual que cambian los
rendimientos esperados, las varianzas y las correlaciones entre éstos. Esto implica que el valor
medio o valor esperado de ŷ:
Para (Werton y Brigham, 1994). El beta representa la cantidad de riesgo con respecto a la
cartera del mercado, y es el cociente que se obtiene a partir de la división entre la Covarianza
entre los retornos del activo riesgoso del portafolio del mercado, y la Varianza del portafolio
del mercado. Por otro lado (Ibáñez, A. 2015, pg. 32) “la Beta (𝛽) de un título es el cociente de
la covarianza de los rendimientos futuros del título con el resto de títulos del mercado dividido
entre la varianza de los rendimientos del mercado”
. β=Covar (RI,Rm) / Var(RM) (3)
En la búsqueda de un beta para distintos contextos, para (Sanchez J. 2010, p. 125) En mercados
emergentes, betas y el retorno de las acciones no están muy correlacionados, tomando como
referencia a Godfrey y Espi-nosa (1996) argumentan que las firmas que invierten
internacionalmente asumen riesgos de incertidumbre como las tasas de impuestos, regulaciones
y normas legales, régimen de cambio, políticas macroeconómicas; todo ello genera volatilidad
en los negocios. Proponen ajustar un beta ajustado definido como el 60% de la razón entre la
desviación estándar de los retornos en el mercado emergente y la desviación estándar de los
retornos en el mercado de los Estados Unidos.
Los mercados de Latinoamérica carecen de liquidez donde la inversión es escaso para
(Martinez, C & Ledesma, J y Russo, A, 2014, p. 40) Los Betas en mercados emergentes son
demasiado bajos, y por lo tanto, cuando son usados en la ecuación del Modelo CAPM, generan
bajos rendimientos requeridos, descontando los flujos de fondos de los activos financieros o
proyectos de inversión a bajas tasas, permitiendo en el caso particular de los proyectos, aceptar
propuestas con bajos retornos y elevados riesgos reales, o incluso correr el peligro de no
recuperar el capital.

En tal sentido para hallar un beta más exacto, Lessard (1996) propone que el Beta de un
proyecto en un país que no es Estados Unidos es el producto del Beta del proyecto en Estados
Unidos (β US) multiplicado por el Beta del país (β país) en el que se hace la inversión. El Beta
país se obtiene mediante la volatilidad del rendimiento del mercado de capital en el país en
cuestión, respecto a la volatidad del mercado de capitales en Estados Unidos (σ país/ σ US)
B= β US x β país (4)
Por otro lado Godfrey y Espinosa (1996), parte de supuestos muy similares a los de Lessard,
pero reconoce que el Riesgo País y el Beta País están posiblemente correlacionados, por lo que
para evitar esta duplicación resulta necesario ajustar el producto del Beta País por el Beta del
proyecto, por un cierto factor. Estos autores proponen multiplicar por 0,6 la relación de las
volatilidades del mercado de capitales local con el de Estados Unidos (σ país/ σ US) y, al mismo
tiempo, suponer que la correlación entre los rendimientos de los mercados de capitales de los
países involucrados es igual a 1.
B=BUS*BPais*0.6 (5)
Entonces el CAPM tradicional a estos países como Peru, se suelen obtener costos de capital
bastante bajos y poco cercanos respecto al riesgo real que representa el invertir en los mismos.
Estrada (2000) propone una medida de riesgo distinta a través del cálculo del Downside Beta,
planteando un modelo al cual denomina “Downside CAPM” (D-CAPM). El Downside CAPM
(D-CAPM) es un modelo que se enfoca en el riesgo no deseado, es decir, las rentabilidades
inferiores a las de la media. El (βd) es un factor que mide la sensibilidad entre la rentabilidad
de la acción y la del mercado, pero únicamente a la baja, es decir, indica cuánto cae la acción
por debajo de su rentabilidad promedio, por cada punto que el mercado cae por debajo de su
rentabilidad promedio. Según el autor, la semivarianza de la rentabilidad es una medida de
riesgo más exacta. Los inversores sienten una gran aversión por la volatilidad downside.
Asimismo, la semivarianza es útil cuando la distribución subyacente de la rentabilidad es tanto
simétrica como asimétrica. Además, la semivarianza combina información aportada por dos
datos, varianza y desviación, lo que posibilita el uso de un modelo de un solo factor para
calcular la rentabilidad de las inversiones.
Bd=SCOV(j,m)/ Svar (M) (6)

2. DESAROLLO

Los datos obtenidos para el siguiente trabajo son de páginas como:

 Yahoo finance
 Investing
Dado lo anterior, la rentabilidad de mercado se calcula como:
 Rendimiento=Índice Actual/índice del mes anterior - 1
 Rendimiento de la acción= Precio Actual/Precio pasado -1
Para la obtención del beta, se tomara como referencia ala empresa s que cotizan en la Bolsa
de Valores de lima:
 Alicorcp
 Atacocha
 Backus
 Credicorp
 Buenaventura
 Volcan
 Morococha
Además de tomar los índices de Peru (S&P Lima General, S&P Lima Select) y el índice de
Estados Unidos (S&P 500)
 Tabla 1:

Análisis de rentabilidades mensuales para acciones e indices

ALICORC1 ATACOBC1 BACKUAC1 BAP BVN CASAGRC1 CONTINC1 VOLCABC1 MOROCOI1 S&P Lima General S&P Lima Select S&P 500
feb-18 -0.98% 0.00% -0.53% 3.80% 3.83% 0.67% 0.93% -0.72% 3.80% 1.20% 0.76% -3.24%
ene-18 9.21% 11.11% -0.74% 9.22% 10.63% 0.34% 5.88% 6.15% 13.25% 7.69% 7.15% 5.62%
dic-17 0.58% 1.61% 0.39% -1.33% -4.47% -6.61% -5.77% -6.47% -2.58% -2.25% -5.00% 0.98%
nov-17 4.06% -4.62% -7.07% 0.38% 1.08% 0.95% 1.41% -4.79% -11.17% 0.94% -0.46% 2.81%
oct-17 7.88% 54.76% -7.46% 0.89% 4.66% 1.29% 2.40% 50.52% 19.11% 8.29% 14.59% 2.22%
sep-17 5.79% 23.53% 0.00% 4.41% 6.31% -2.66% 5.04% 11.49% 16.73% 5.48% 9.54% 1.93%
ago-17 5.37% 30.77% 0.03% 6.93% 5.12% 1.59% -5.70% 3.57% 25.50% 4.21% 3.26% 0.05%
jul-17 3.80% 0.00% -1.08% 4.57% 0.93% -0.63% -2.09% 5.00% 14.29% 2.76% 1.83% 1.93%
jun-17 0.89% -10.34% -0.02% 6.36% -3.83% -2.17% 1.18% -4.76% -6.91% 0.18% -2.30% 0.48%
may-17 1.82% -9.38% 5.16% 5.48% 0.90% -3.15% -0.47% -3.45% -12.15% 1.79% -0.95% 1.16%
abr-17 3.08% -3.03% 36.20% -3.65% -0.57% 0.15% 2.40% 2.35% 0.94% 1.25% 5.59% 0.91%
mar-17 -3.24% -13.16% 12.11% -2.48% -9.68% -6.85% -2.34% -1.16% -4.93% -4.23% -4.37% -0.04%
feb-17 4.90% -5.00% 0.00% 2.60% 5.12% -1.38% 3.89% 8.86% 7.21% 1.58% 1.81% 3.72%
ene-17 1.80% 0.00% 0.00% 3.67% 17.41% 3.28% 0.24% 9.72% 10.05% 2.93% 2.15% 1.79%
dic-16 -3.35% 21.21% 2.59% 2.26% -7.74% -6.02% 4.06% 12.50% 20.38% 1.12% 2.05% 1.82%
nov-16 -1.71% 3.13% 1.54% 3.22% -8.96% 2.19% 1.55% 4.92% 72.53% 1.33% -0.03% 3.42%
oct-16 -1.17% -3.03% -0.33% -4.72% -7.38% 1.11% 1.04% -4.69% 0.00% -1.56% -0.68% -1.94%
sep-16 0.26% -2.94% -2.72% -1.94% -5.69% 2.84% 0.00% -3.03% 5.81% -0.07% -0.52% -0.12%
ago-16 15.34% 6.25% -3.29% 1.75% 18.75% 9.84% 6.37% 0.00% 48.28% 7.02% 7.76% -0.12%
jul-16 5.22% 10.34% 25.87% 5.33% 17.01% 3.90% -4.50% 13.79% 1.75% 4.93% 5.91% 3.56%
jun-16 -1.86% 3.57% 5.37% 4.57% 9.24% -11.62% -3.32% -4.92% 46.15% 1.45% 0.22% 0.09%
may-16 1.90% 12.00% 2.54% 3.87% 20.56% -5.30% 13.99% 7.02% 85.71% 6.21% 7.47% 1.53%
abr-16 9.72% 19.05% 1.40% 7.38% 39.18% 11.85% 2.08% 21.28% 40.00% 10.22% 14.82% 0.27%
mar-16 10.34% 40.00% 0.63% 18.86% 18.83% 59.71% 14.68% 56.67% 7.14% 13.92% 21.35% 6.60%
feb-16 -2.97% 50.00% 0.00% 17.53% 23.19% 28.35% 15.81% 66.67% 0.00% 9.85% 12.71% -0.41%
Fuente: Elaboración propia
 Una vez obtenidos el rendimiento, se procederá a calcular las betas
Tabla 2: Calculo de betas con datos mensuales

S&P S&P
S&P
ALICORC1 ATACOBC1 BACKUAC1 BAP BVN CASAGRC1 CONTINC1 VOLCABC1 MOROCOI1 Lima Lima
500
General Select
Varianza individual 0.0023 0.0336 0.0089 0.0031 0.0147 0.0196 0.0033 0.0383 0.0622 0.0018 0.0042 0.0005
Covarianza (Activo + S&P Lima General) 0.0013 0.0058 -0.0006 0.0017 0.0040 0.0041 0.0015 0.0062 0.0029 0.0018 0.0026 0.0004
BETA (Activo + S&P Lima General) 0.7041 3.1572 -0.3518 0.9486 2.1747 2.2452 0.8382 3.3798 1.5849 0.9600 1.3858 0.2055
Covarianza (Activo + S&P Lima Select) 0.0018 0.0092 -0.0003 0.0022 0.0055 0.0064 0.0024 0.0101 0.0036 0.0026 0.0041 0.0005
BETA (Activo + S&P Lima Select) 0.4344 2.1703 -0.0733 0.5194 1.2930 1.5031 0.5623 2.3839 0.8431 0.6037 0.9600 0.1224
Covarianza (Activo + S&P 500) 0.0004 0.0008 0.0000 0.0004 0.0004 0.0010 0.0003 0.0013 0.0003 0.0004 0.0005 0.0004
BETA USD (Activo + S&P 500) 0.9013 1.8232 0.0979 0.9619 0.7732 2.2206 0.6882 2.7836 0.6640 0.8156 1.1146 0.9600
Fuente: elaboración propia
Una aproximación del beta más exacto para empresas que cotizan en la bolsa de valores de lima será como sigue:

Tabla 3 Aproximación de beta para empresas de la Bolsa de Valores de Lima

S&P S&P
S&P
ALICORC1 ATACOBC1 BACKUAC1 BAP BVN CASAGRC1 CONTINC1 VOLCABC1 MOROCOI1 Lima Lima
500
General Select
B= β US x β país (Beta con S&P Lima General) 0.6346 5.7561 -0.0345 0.9125 1.6815 4.9857 0.5769 9.4081 1.0524 0.7830 1.5446 0.1973
B= β US x β país (Beta con S&P Lima Selectivo) 0.3916 3.9569 -0.0072 0.4997 0.9998 3.3379 0.3870 6.6359 0.5598 0.4924 1.0700 0.1175
BETA (Beta con factor 0.6 * Beta con S&P Lima General ) 0.3808 3.4536 -0.0207 0.5475 1.0089 2.9914 0.3461 5.6449 0.6314 0.4698 0.9268 0.1184
BETA (Beta con factor 0.6 * Beta con S&P Lima Selectivo) 0.2350 2.3741 -0.0043 0.2998 0.5999 2.0028 0.2322 3.9815 0.3359 0.2954 0.6420 0.0705
Fuente: Elaboración propia

Otra alternativa es través de Downside Beta, para ello al inicio se procede a determinar los rendimientos de Downside como sigue:

Tabla 4 Rendimientos esperados según la metodología Downside

S&P Lima S&P Lima

ALICORC1 ATACOBC1 BACKUAC1 BAP BVN CASAGRC1 CONTINC1 VOLCABC1 MOROCOI1 S&P 500
General Select
feb-18 -0.98% 0.00% -0.53% 3.83% 0.67% 0.93% -0.72% 3.80% 1.20% 0.76% -3.24%
ene-18 -0.74% 0.34% 6.15% 13.25%
 dic-17 0.58% 1.61% 0.39% -1.33% -4.47% -6.61% -5.77% -6.47% -2.58% -2.25% -5.00% 0.98%
nov-17 -4.62% -7.07% 0.38% 1.08% 0.95% 1.41% -4.79% -11.17% 0.94% -0.46%
oct-17 -7.46% 0.89% 4.66% 1.29%
sep-17 0.00% -2.66%
ago-17 0.03% 5.12% 1.59% -5.70% 3.57% 3.26% 0.05%
jul-17 0.00% -1.08% 0.93% -0.63% -2.09% 5.00% 14.29% 2.76% 1.83%
jun-17 0.89% -10.34% -0.02% -3.83% -2.17% 1.18% -4.76% -6.91% 0.18% -2.30% 0.48%
may-17 1.82% -9.38% 0.90% -3.15% -0.47% -3.45% -12.15% 1.79% -0.95% 1.16%
abr-17 -3.03% -3.65% -0.57% 0.15% 2.35% 0.94% 1.25% 0.91%
mar-17 -3.24% -13.16% -2.48% -9.68% -6.85% -2.34% -1.16% -4.93% -4.23% -4.37% -0.04%
feb-17 -5.00% 0.00% 2.60% 5.12% -1.38% 8.86% 7.21% 1.58% 1.81%
ene-17 1.80% 0.00% 0.00% 0.24% 9.72% 10.05% 2.93% 2.15%
dic-16 -3.35% 2.59% 2.26% -7.74% -6.02% 1.12% 2.05%
nov-16 -1.71% 3.13% 1.54% -8.96% 2.19% 1.55% 4.92% 1.33% -0.03%
oct-16 -1.17% -3.03% -0.33% -4.72% -7.38% 1.11% 1.04% -4.69% 0.00% -1.56% -0.68% -1.94%
sep-16 0.26% -2.94% -2.72% -1.94% -5.69% 2.84% 0.00% -3.03% 5.81% -0.07% -0.52% -0.12%
ago-16 6.25% -3.29% 1.75% 0.00% -0.12%
jul-16 -4.50% 1.75%
jun-16 -1.86% 3.57% -11.62% -3.32% -4.92% 1.45% 0.22% 0.09%
may-16 1.90% 2.54% -5.30% 7.02%
abr-16 1.40% 2.08% 0.27%
mar-16 0.63% 7.14%
feb-16 -2.97% 0.00% 0.00% -0.41%
Fuente: Elaboración propia

Una vez obtenido los rendimientos, se procede a cálculo de los betas:

Tabla 5: Calculo de betas con datos mensuales metodología Downside

S&P S&P
Fecha ALICORC1 ATACOBC1 BACKUAC1 BAP BVN CASAGRC1 CONTINC1 VOLCABC1 MOROCOI1 Lima Lima S&P 500
General Select
SemiVarianza individual 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004 0.0004
SemiCovarianza (Activo + S&P Lima General) 0.0001 0.0004 0 0.0002 0.0005 0.0002 0.0002 0.0005 0.0006 0.0003 0.0003 0
BETA (Activo + S&P Lima General) 0.3386 1.0156 -0.0023 0.6517 1.4167 0.4721 0.3959 1.4051 1.6883 0.9034 0.9153 0.003
SemiCovarianza (Activo + S&P Lima Select) 0 0.0004 0.0001 0.0004 0.0006 0.0003 0.0001 0.0008 0.0012 0.0003 0.0005 -0.0001
BETA (Activo + S&P Lima Select) -0.0342 1.1339 0.1674 0.9564 1.7033 0.8698 0.2897 2.1385 3.1049 0.9153 1.3591 -0.3092
SemiCovarianza (Activo + S&P 500) 0.0001 -0.0002 0 0.0001 -0.0001 -0.0002 0 0 -0.0004 0 -0.0001 0.0001
BETA USD (Activo + S&P 500) 0.2173 -0.4282 0.0458 0.1747 -0.1959 -0.5371 0.0452 -0.064 -1.0474 0.003 -0.3092 0.3567
Fuente: elaboración propia

Para el cálculo de un beta más representativo será como se muestra en la tabla:

Tabla 6 Aproximación de beta para empresas de la Bolsa de Valores de Lima metodología Downside

S&P S&P
ALICORC1 ATACOBC1 BACKUAC1 BAP BVN CASAGRC1 CONTINC1 VOLCABC1 MOROCOI1 Lima Lima S&P 500
General Select
B= β US x β país (Beta con S&P Lima General) 0.0736 -0.4349 -0.0001 0.1139 -0.2776 -0.2536 0.0179 -0.0900 -1.7682 0.0027 -0.2830 0.0011
B= β US x β país (Beta con S&P Lima Selectivo) -0.0074 -0.4855 0.0077 0.1671 -0.3337 -0.4672 0.0131 -0.1370 -3.2520 0.0028 -0.4202 -0.1103
BETA (Beta con factor 0.6 * Beta con S&P Lima
-0.0045 -0.2913 0.0046 0.1003 -0.2002 -0.2803 0.0079 -0.0822 -1.9512 0.0017 -0.2521 -0.0662
General )
BETA (Beta con factor 0.6 * Beta con S&P Lima
-0.0045 -0.2913 0.0046 0.1003 -0.2002 -0.2803 0.0079 -0.0822 -1.9512 0.0017 -0.2521 -0.0662
Selectivo)
Fuente: elaboración propia
Análisis/Discusión
La existencia de diversos modelos hace que las teorías sean cambiantes de acuerdo al paso del tiempo,
es por ello el método tradicional propuesta por Sharpe fue creada para mercados que son más eficientes
más desarrollados como EE.U.U, Londres o Alemania mostradas en las tablas 1, 2 y 3.
Los países emergentes como Perú, tiene mucho más riesgo y la obtención del beta es distinta, es por
ello muchos investigadores han llegado a conclusiones distintas, una de ellas es el Dowside que adapta
la semivarianza para los modelos desarrollados por investigadores anteriores.
Resultados
En definitiva para mercados emergentes el cálculo del beta es más complicado, por lo que hay mas
riesgo. Exiten menos regulación y mas riesgo por lo que el método tradicinal del beta no será
representativo, en ese sentido se considera como una mejor aproximcion de un beta mas exacto atravez
de la metodología Dowside.
Con la metodología tradicional aplicada con dos índices de Peru, las betas varian, es decir no salen una
misma beta. En cambio con la metodología de Dowside la beta optenida con ambos índices es el mismo
Bibliografía
Hamada, R. S. (1972). The effect of the firm’ capital structure in the systematic riskof common stocks.
The Journal of Finance, 27, 435–458.
Modigliani, F. y Miller, M. H. (1958). The cost of capital. Corporation finance and thetheory of
investment. American Economic Review, 48(3), 261–297.
Sharpe, W. F. (1964). Capital asset prices: A theory of market equilibrium underconditions of risk. The
Journal of Finance, 19(3), 425–442.
Martinez, C. E & Ledesma, J. S. y Russo, A. O. Modelos de cálculo de las betas a aplicar en el Capital
Asset Pricing Model: el caso de Argentina. Estudios Gerenciales, 30(2014) 200-208
Martinez, C. E. Ledesma, J. S. y Russo, A. O. Some Aspects about Capital Assets Pricing Model
(CAPM) in Emerging Markets. Analisis financiero, n.º 121. 2013. Págs.: 37-47
Sanchez, J. H. The discount rate in emerging countries- Application of the Colombian Case. Revista
EAN No. 69. PP 120- 135
Andrade, Sandro C., 2009: A model of asset pricing under country risk, Journal of International Money
and Finance, No. 28. pp. 671-695
Estrada, Javier, 2002: Systematic Risk in Emerging Markets: The D-CAPM,Emerging Markets Review,
Vol. 3, No. 4, Diciembre 2002, pp. 365-379.
Godfrey, Stephen y Espinosa, Ramon, 1996: APractical Approach to CalculatingCosts of Equity for
Investment in Emerging Markets, Journal of Applied CorporateFinance, Otoño 1996. pp. 80-90.
Lessard Donald R., 1996: Incorporating Country Risk in the Valuation of Offshore Projects, Journal of
Applied Corporate Finance, Vol. 9, Issue 3, Otoño 1996. pp. 52-
Fama, E y French,k Tre croos secition of expected Stock Returns. The journal of finace 47, No 2(junio
1192) pp 427 - 465