¿Los resultados financieros influyen en las cotizaciones? evidencias desde la BVL con Estudio de Eventos y Ciencia de Datos
DOI:
https://doi.org/10.71701/zen3y225Palabras clave:
ADR, BVL, ciencia de datos, Estudio de eventos, ETF , ETF EPUResumen
Se estudia el impacto de la presentación de resultados trimestrales de los principales ADR peruanos y su influencia en los rendimientos de las empresas aplicando la metodología del estudio de eventos y el enfoque de ciencia de datos. La investigación es de tipo aplicada cuantitativa, de nivel explicativo y de diseño no experimental longitudinal (2015-2024). Los datos corresponden a 2 514 cotizaciones diarias ajustadas para cada acción, provenientes de Yahoo Finance, y los resultados financieros de Alpha Advantage, obtenidos con el uso del lenguaje R y APIs. Los hechos estilizados revelaron que los retornos presentaban una distribución simétrica, concentrados en la media cero, con colas pesadas, y que en general provenían de procesos autorregresivos de orden 2. Para el estudio de eventos se utilizó el esquema planteado por MacKinlay [12]. El evento estudiado fue la presentación de resultados trimestrales; se seleccionó el modelo de mercado para estimar el retorno esperado de las acciones y el retorno de mercado peruano se estimó por medio del ETF EPU. La ventana de estimación se estableció en 250 cotizaciones diarias previas al evento, la ventana del evento en un día y la ventana posevento en 10 días. A diferencia de MacKinlay [12], se empleó un esquema de ciencia de datos para afinar los valores umbrales en la categorización de la sorpresa del resultado (real frente al estimado), que se estableció en 5 %, en contraste con el 2,5 % planteado por MacKinlay [12], considerando que en los mercados emergentes se presentan escenarios políticos o sociales que afectan a las empresas. Clasificados los 144 eventos, se ajustaron modelos de regresión. Tres acciones mostraron todos los modelos significativos y la cuarta, parcialmente (67 %). Se identificó como activo menos riesgoso a BAP y a BVN como el más riesgoso. Se reveló que los eventos positivos modifican en promedio la cotización en 0,87 %, mientras que para los negativos y neutros no se puede ser concluyente. Los positivos, en promedio, tardan tres días en alcanzar sus máximos, en tanto que los negativos lo hacen en cinco días para sus mínimos.
Descargas
Referencias
[1] Campbell, J., Lo, A., & MacKinlay, A. (1997). The econometrics of financial markets. Princeton University Press.
[2] Chapman, P. C. (2000). CRISP-DM 1.0: Step-by-step data mining guide. CRISP-DM Consortium.
[3] Chen, J. (2025, 16 septiembre). Exchange-Traded Fund (ETF): What It Is and How to Invest. Investopedia. https://www.investopedia.com/terms/e/etf.asp
[4] Corrado, C. (2010). Event studies: A methodology review. Accounting and Finance, 50(1), 207–234.
[5] Fuenzalida, D., Mongrut, S., & Nash, M. (2008). Stock split en la Bolsa de Valores de Lima: ¿Afectan el rendimiento y la liquidez de los títulos? Estudios Gerenciales, 24(107), 11–36.
[6] Galindo, H., & Montesinos, A. (2018). Macroeconomía dinámica. Fondo Editorial EDUNI.
[7] García Gutiérrez, S. (2012). El contenido informativo de los anuncios de dividendos y la reacción del precio de las acciones: Perú 2001-2010 [Tesis de maestría, Universidad Nacional Mayor de San Marcos]. Cybertesis UNMSM.
[8] Hernandez, M. (2002). Macroeconomic reform and policy: The case of Peru – Analyzing the effects of some major economic, political and social changes in the Peruvian financial market for the period between 1990 and 1992. Undergraduate Journal of Economics, 7(1), Art. 4.
[9] Huntington-Klein, N. (2022). The effect. CRC Press.
[10] Hyndman, R., & Athanasopoulos, G. (2018). Forecasting: Principles and practice. OTexts.
[11] IBM. (2021, marzo 4). IBM SPSS Modeler. https://www.ibm.com/docs/en/spss-modeler/18.0.0?topic=spss-modeler-crisp-dm-guide
[12] MacKinlay, A. (1997). Event studies in economics and finance. Journal of Economic Literature, 35(1), 13–39.
[13] Melgarejo, M., Montiel, E., & Sanz, L. (2016). The stock market’s reaction to accounting information: The cases of Chile and Peru. Journal of Accounting in Emerging Economies, 6(3), 254–268.
[14] Porras Cerrón, J. (2017). Pruebas no paramétricas usando R. Universidad Nacional Agraria La Molina.
[15] Rocca Carbajal, L. (2017). El mercado de valores en fácil. Pontificia Universidad Católica del Perú.
[16] Salas, A. (2021). Cambios no anticipados positivos y negativos de la tasa de interés de referencia y la rentabilidad del índice general de la Bolsa de Valores de Lima entre los años 2003 y 2019 [Tesis de título profesional, Universidad Nacional de Ingeniería].
[17] Soto, I., & Gamboa, J. (2021). Ciencia de datos con R: Métodos estadísticos para la investigación experimental. Universidad Nacional Agraria La Molina.
[18] Tocón Vega, D. (2016). ¿El cambio de CEO puede afectar el valor de las firmas?: Un análisis de estudio de eventos en el mercado bursátil peruano [Tesis de grado, Universidad Peruana de Ciencias Aplicadas].
[19] Tsay, R. (2010). Analysis of financial time series. Wiley.
[20] Zivot, E. (2021). Introduction to computational finance and financial econometrics with R. https://bookdown.org/
[21] Zumel, N., & Mount, J. (2020). Practical data science with R. Manning Publications.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Roberto León Leyva (Autor/a)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
