Alianza del Pacífico: respuestas diferentes de sus mercados accionarios frente a la pandemia
La pandemia del COVID-19 afectó a varios sectores empresariales y los mercados financieros no fueron la excepción.
El comportamiento de los rendimientos no fue generalizado y, por ejemplo, al comenzar la Pandemia, en Colombia y México, existió una reacción negativa inmediata y significativa para una ventana de 10 días posteriores, mientras que en Perú esta fue lenta y en Chile prácticamente no hubo mayor incidencia.
Tal hallazgo es el resultado de una investigación interinstitucional* tendiente a establecer el impacto del COVID-19 en las acciones de las bolsas de la Alianza del Pacífico, mediante la combinación de la metodología de estudio de eventos, redes de conectividad y modelos de volatilidad.
Las redes funcionan como una metodología que permite estudiar la conectividad e interdependencia de las unidades de análisis, en este caso las acciones de los mercados locales, dentro de un sistema. Como en toda red, hay nodos y conexiones. Los primeros están representados por entidades (personas, organizaciones o conceptos), mientras que las conexiones representan relaciones o asociaciones entre esas entidades, cuyo objetivo es comprender la estructura y las relaciones en el sistema.
En este contexto, los nodos son las acciones de los diferentes mercados, y las conexiones la correlación entre estos activos.
La información de los precios de las acciones se tomó en una ventana de tiempo de cuatro años: desde el 6 de julio de 2017 hasta el 20 de agosto de 2021. Se tuvieron en cuenta 116 acciones más los respectivos índices de mercado de cada país, distribuidos de la siguiente manera: 25 para el mercado colombiano, 28 para el mercado chileno, 34 para el mercado mexicano y 29 para el mercado peruano.
Eventos o momentos, guías de la investigación
Para el estudio de eventos se utilizó como base el modelo de fijación de precios de los activos de capital (CAPM, por sus siglas en inglés), que tiene en cuenta el comportamiento de los retornos de un activo en función de los retornos del mercado. Cuando aparecen eventos que generan cambios drásticos en su comportamiento, se utiliza este modelo para estimar los denominados retornos anormales, a partir de los cuales se evalúa el impacto de los eventos en los mercados.
El primer momento o evento ocurrió cuando la Organización Mundial de la Salud anunció oficialmente la pandemia. El segundo evento, cuando el gobierno de cada país decidió iniciar el confinamiento como medida preventiva de salud pública, y el tercer momento cuando se aplicó la primera vacuna como parte del proceso oficial de vacunación a la población de cada país.
Anormalidad de rendimientos
Un análisis por país reveló para Chile un mercado eficiente y no reaccionó ante el primer evento, respondió negativamente al confinamiento, pero reaccionó positivamente después de implementar los planes de vacunación. México mostró una reacción negativa inmediata con el anuncio de la pandemia, una reacción ligeramente negativa con el confinamiento, y una respuesta positiva después de los planes de vacunación. Perú mostró una reacción negativa muy lenta o retardada en los primeros dos eventos, pero una respuesta muy positiva después de implementar los planes de vacunación. En estos casos, los inversores posiblemente vieron un mercado robusto ya preparado para recuperar las pérdidas de eventos anteriores. En contraste, Colombia actuó de manera ineficiente, ya que respondió de inmediato después del anuncio de la pandemia, reaccionó positivamente al confinamiento, pero no lo hizo positivamente después de la vacunación.
La investigación hace varias contribuciones. Una general, que consiste en la aplicación de la metodología de eventos para entender el impacto de la pandemia en los mercados bursátiles señalados. A nivel metodológico, además de incluir el riesgo sistemático para el cálculo de los retornos anormales, incorporó nuevos componentes de riesgo: el sistémico, medido por dos fuerzas, de conectividad de la red, y de transmisión que tiene cada activo en el mercado, y la volatilidad de cada activo a través de modelos ARCH-M (Autoregressive Conditional Heteroskedasticity). Esto se hizo de manera dinámica teniendo en cuenta los eventos analizados.
Javier Cadena
Docente investigador CESA