La definición de mercado eficiente está asociado al concepto de igualdad de condiciones planteado por el matemático italiano Cardano (1565) en su obra The book on games of chance, como un principio fundamental de los juegos de azar. Trasladando este concepto a los mercados bursátiles, podría decirse que es la idea subyacente de la teoría de mercados bursátiles eficientes, en el sentido de que la igualdad de condiciones de tipo informacional es lo que hace que el mercado de valores sea «un juego justo», en el cual ningún agente pueda sistemáticamente obtener ganancias extraordinarias a partir de cualquier tipo de información. La definición moderna de mercado eficiente está fundamentada en los aportes de autores como Bachelier (1900), Samuelson (1965), Mandelbrot (1963a, 1963b, 1966); Malkiel (1992) y Fama (1965, 1991, 1998), quienes en términos generales plantean que un mercado es eficiente cuando en él se cuenta con la suficiente liquidez y racionalidad económica por parte de los agentes, como para que cualquier tipo de información relevante sea absorbida por los precios de los activos en forma instantánea, generando un comportamiento aleatorio en ellos, lo que hace imposible su pronóstico sistemático.

En los últimos años, se ha experimentado en América Latina un considerable incremento de la inversión directa extranjera, originado principalmente por 2 sinergias; por un lado, el fuerte crecimiento de la explotación de recursos naturales e infraestructura en la región por parte de países como Estados Unidos (17%), Holanda (13%), China (9%), Canadá (4%) y España (4%), tal como lo revela la CEPAL (2011); por otro lado, la crisis económica actual originada por la caída de las subprimes en Estados Unidos en el 2008, ha propiciado que inversionistas internacionales vean en Latinoamérica un escenario prometedor de generación de riqueza (FMI, 2010). Como consecuencia de este auge económico, se han incrementado los flujos brutos de capital, experimentando en la región una profundización del proceso bidireccional de integración en el mercado financiero internacional (Banco Mundial, 2012).

Esta dinámica bursátil en Latinoamérica justifica la pregunta ¿cuál ha sido el comportamiento de la eficiencia de los mercados bursátiles de América Latina en la última década?, teniendo en cuenta que los modelos de valoración de activos como el Capital Asset Pricing Model y el Arbitrage Pricing Theory, parten del supuesto de que los mercados son eficientes. Para responder esta pregunta, se realiza inicialmente una revisión de la literatura a nivel de Latinoamérica, encontrando que se han realizado estudios de eficiencia en los índices generales de los mercados, mas no de los principales activos en el interior de ellos; además, en dichos estudios solo se evalúan periodos completos de estudio o subperiodos iguales, sin analizar la eficiencia de los mercados en periodos al alza (Bull) y a la baja (Bear), tal como lo hacen Fernández, Sosvilla y Dolores (1999) al evaluar la predictibilidad del índice Nikkei de Tokio para el periodo 1986 a 1997.

El trabajo está organizado en 5 secciones; en la primera, se presenta la introducción, la segunda expone la revisión de la literatura de mercados eficientes, la tercera presenta la metodología, la cuarta presenta los resultados y, por último, se exponen las conclusiones y las recomendaciones más importantes del estudio.

Cowles (1933) fue uno de los primeros en estudiar la eficiencia de los mercados de forma empírica al evaluar el nivel de asertividad de los analistas de bolsa de su tiempo, concluyendo que sus recomendaciones no predecían sistemáticamente el mercado, reforzando así la teoría de que el mercado americano era eficiente para esa época. Posteriormente, Kendall (1953) detecta aleatoriedad y estacionalidad en las series de precios de 22 compañías norteamericanas. Años más tarde, Roberts (1959) demuestra que las series financieras son semejantes al paseo aleatorio, mientras que Osborne (1959) asocia el comportamiento de los precios de los activos al movimiento browniano.

En los años sesenta, Mandelbrot (1963a) y Samuelson (1965) relacionaron las series bursátiles con modelos matemáticos como la martingala, mientras que Fama (1965, 1970) compiló en sus publicaciones los fundamentos empíricos y teóricos desarrollados hasta la fecha, analizando el modelo de recorrido aleatorio como herramienta para describir los mercados bursátiles, resaltando el reto que enfrentan los chartistas al intentar predecir los precios de las acciones en presencia de aleatoriedad.

Estrictamente hablando, la hipótesis de eficiencia del mercado no es posible comprobarla, tal como lo exponen Granger (1992) y Fama (1970); sin embargo, existen aproximaciones empíricas para su contrastación; es así como, a partir de la búsqueda en la base de datos ScienceDirect1, se caracterizan 179 trabajos de investigación realizados desde 1997 hasta inicios del 2013, a partir de las cuales se encuentra que Estados Unidos es el mercado más testeado; sin embargo, al consolidar las estadísticas de eficiencia de mercado de China Continental, Hong Kong y Taiwán en la República Popular China, este país se convierte en el más estudiado en los últimos 15 años, lo que reflejaría el interés académico por dicho mercado dado su reciente crecimiento económico.

En cuanto al interrogante de si los mercados financieros son o no eficientes, se verifica que el 60% de los trabajos consultados niegan la eficiencia del mercado, el 35% no rechazan la hipótesis del mercado eficiente, mientras que en el restante 5% se encuentra mejora de la eficacia concentrada principalmente en las economías asiáticas a finales de la década de los 90, mejora que es motivada por varios factores, como son: las reformas económicas (Kawakatsu y Morey, 1999); la mayor velocidad en el flujo de la información posibilitado por la Internet (Lee, Park, Jo, Yang y Moon, 2009); la introducción al mercado de productos financieros como las opciones y los futuros (Mazouz y Bowe, 2006), y las correcciones de asimetrías del mercado en periodos poscrisis económicas (Lim, Brooks y Kim, 2008).

Adicionalmente, al analizar la trayectoria de la eficiencia de un determinado mercado se encuentran resultados contradictorios por parte de diferentes autores, principalmente en las economías desarrolladas, hallazgo que es explicado por Majumder (2012), quien argumenta que la eficiencia del mercado no es continua, sino que los mercados bursátiles presentan periodos de eficiencia y no eficiencia; es así que mercados generalmente aceptados como eficientes pueden presentar periodos de ineficiencia motivados por diferentes factores.

De la búsqueda en las bases de datos se caracterizan 371 pruebas y metodologías usadas para verificar la eficiencia débil, semifuerte y fuerte en los mercados bursátiles a nivel mundial, encontrándose que la forma débil de eficiencia del mercado es la más comprobada empíricamente (85,71%), hallazgo que estaría en la misma dirección de lo planteado por Grossman y Stiglitz (1980), quienes cuestionan la eficiencia fuerte mas no la débil y semifuerte. Adicionalmente, se verifica que el 59,1% de las pruebas utilizadas para contrastar la eficiencia débil de los mercados son basadas en el recorrido aleatorio, principalmente en sus versiones Random Walk 1 (RW1) y 3 (RW3); por tal motivo, en el presente trabajo se acude a esta metodología para evaluar la eficiencia de los mercados bursátiles de Latinoamérica.

En cuanto a los estudios sobre la eficiencia de Latinoamérica durante la última década y media, Urrutia (1995) fue uno de los primeros en evaluar los mercados de Argentina, Chile y México para el periodo 1975 a 1991, mediante pruebas de rachas y razón de variancias, llegando a la conclusión de que estos mercados no cumplen con el recorrido aleatorio. Años más tarde, Harvey y Viscanta (1997) rechazan el comportamiento de recorrido aleatorio para el índice de la Bolsa de Valores de Medellín de Colombia en el periodo 1987 a 1994, usando como criterio de decisión la correlación serial y la prueba de rachas.

Posteriormente, Ojah y Karemera (1999), usando la razón de variancia y promedios móviles integrados, no rechazan la eficiencia en los mercados de Argentina, Brasil, Chile y México, para el periodo 1987 a 1997. En el nuevo milenio, Delfiner (2002) comprueba la eficiencia relativa de los mercados de Argentina vs. Estados Unidos, en el periodo de 1993 a 1998, usando la prueba del cociente de variancias, el test rango reescalado (R/S) modificado, análisis de autocorrelación y prueba de rachas, detectando cierto nivel de dependencia de los retornos de Argentina; adicionalmente, mediante filtros de Alexander, plantea una estrategia de trading, concluyendo que, efectivamente, en el caso de Argentina se pueden tener rentabilidades extra, pero que al incluir las comisiones estas se pierden. En su tesis, Valdivieso (2004) analiza, entre otros estudios, la eficiencia del mercado de México en el periodo 1994 a 1999, usando herramientas estadísticas como correlogramas, test Q de Box-Pierce, test Ljung-Box y test de rachas, encontrando rechazo al recorrido aleatorio. En el mismo año, Maya y Torres (2004) llevan a cabo un estudio similar al de Harvey y Viscanta (1997) para el mercado de Colombia, solo que para el año 1999, encuentran aceptación del recorrido aleatorio en este mercado. Además, Guardia (2005) estudia el gobierno corporativo y la eficiencia de los mercados de Argentina, Brasil, Chile, México y Perú, dividiendo su análisis en diferentes subperiodos iguales desde el año 1990 hasta el 2005, aceptando el comportamiento aleatorio de los rendimientos, mediante el uso del test Q de Ljung y Box y autorregresión del orden 1. Por otro lado, en la base ScienceDirect se encontraron 2 trabajos de investigación de Tabak (2007) y Freitas, de Souza y de Almeida (2009) que evalúan el mercado de Brasil en cuanto a su eficiencia mediante raíces unitarias y modelos de predicción, respectivamente, revelando que este mercado no es eficiente en su forma débil para el periodo entre 1998 y 2007. Además, los mercados de México y Estados Unidos son evaluados entre 1996 y 2000 por Mansilla (2001), quien mediante un algoritmo de complejidad física halla aleatoriedad en los retornos de ambos mercados, lo cual es normal teniendo en cuenta la dependencia del mercado mexicano con respecto al de Estados Unidos. Igualmente, Hatgioannides y Mesomeris (2007) encuentran eficiencia mediante el análisis técnico en los mercados de Argentina, Brasil, Chile y México, mas no en Indonesia, Filipinas, Taiwán y Tailandia; después de tener en cuenta los costes de transacción para el periodo entre 1988 y 2002.

La metodología utilizada para la comprobación empírica de la eficiencia de los mercados inicia con la descripción de los criterios que se tienen en cuenta para la delimitación del marco muestral, así como la definición del espacio temporal y la variable objeto de estudio de la investigación. Posteriormente, se definen las fechas críticas en donde se presentan cambios de tendencia de largo plazo al alza y a la baja mediante el análisis gráfico y el test de Chow para cada uno de los diferentes mercados, para luego realizar un análisis exploratorio de las series financieras seleccionadas, buscando evaluar su aproximación a la distribución normal a partir de: los estadísticos básicos, la prueba Jarque-Bera y el test de bondad de ajuste de la chi-cuadrado. Finalmente, se comprueba la eficiencia débil de los mercados bursátiles latinoamericanos mediante el recorrido aleatorio, utilizando la prueba de rachas de Wald y Wolfowitz (1940) y el estadístico BDS de Brock, Dechert, Scheinkman y LeBaron (1996) para verificar ramdom walk 1 (RW1), los filtros de Alexander (1961) con algoritmos genéticos para Random Walk 2 (RW2), además del test LB de Ljung y Box (1978) y la prueba de Bartlett (1946) para RW3. A continuación, se describen los test estadísticos utilizados.

3.1Test de rachas

Este test analiza el número total de rachas (R) que se presentan en una serie financiera, con el fin de contrastar si existen cantidades muy pequeñas o muy grandes de R, lo cual reflejaría no aleatoriedad en los datos. El proceso para la estimación del test consiste en determinar el número de rachas mayores y menores al retorno medio del activo financiero, cuya suma genera el número total de rachas R, variable que se comporta asintóticamente como una distribución normal, que al ser estandarizada genera el estadístico ZEst descrito como:

donde n1 y n2 son el número de retornos mayores y menores a la media, respectivamente. Se rechaza la hipótesis de retornos independientes e idénticamente distribuidos (i.i.d), si el p-valor es inferior a un nivel de confianza generalmente aceptado del 5 o el 10%.

3.2Test BDS

La prueba BDS detecta todo tipo de estructura lineal y no lineal. El proceso de estimación inicia cuando de la serie financiera, se extraen al azar subconjuntos de m-historias de retornos r, tal que rtm≡{rt,rt−τ,rt−2τ,…,rt−(m−1)τ}, donde m es la dimensión de inmersión y τ el tiempo de desfase de los datos que por literatura generalmente se toma 1. Posteriormente, se toman de a 2 m-historias para determinar su proximidad, condición que se cumple si la máxima diferencia (en valor absoluto) entre sus miembros es inferior a un épsilon (¿) determinado, llevándose el registro de las veces que se cumple la proximidad mediante la función H¿, definida como

La hipótesis formal del test está determinada por la función de la probabilidad de proximidad entre las m-historias:

Es decir, la hipótesis busca evaluar si la probabilidad de proximidad de una muestra de dimensión m es igual a la probabilidad de dimensión 1 elevada a la m. El estadístico mediante el cual se evalúa dicha probabilidad está definido por la ecuación:

Asintóticamente, el estadístico Wm,n se comporta como una distribución normal con media cero y desviación típica 1, de tal forma que se rechaza la hipótesis nula si el p-valor del estadístico es inferior al nivel de confianza determinado.

3.3Filtros de Alexander

Aunque es una técnica que no aplica rigurosa inferencia estadística, tiene aceptación porque genera una dinámica en donde es interesante comparar los resultados de gestión activa y pasiva en series financieras. La gestión activa se realiza mediante filtros de Alexander y consiste en invertir y desinvertir durante un determinado periodo sobre la base de la regla de comprar el activo cuando su precio se incrementa x% y venderlo cuando su precio cae x%, mientras que la gestión pasiva radica en comprar el activo al inicio del periodo de estudio y venderlo al final del mismo, lo que se conoce como comprar y mantener.

Para el presente trabajo no se utiliza un número discreto de filtros, como en Fama y Blume (1965), sino que se centra en determinar los filtros para los cuales el beneficio se maximiza haciendo uso de algoritmos genéticos, para 3 escenarios diferentes, como son:

• –

  Filtros sin costes de transacción: este escenario de negociación realmente es el ideal, mas no real, ya que toda operación de compra y venta de activos tiene adosado un coste mínimo; sin embargo, se tiene en cuenta porque aporta elementos de análisis al estudio.

• –

  Filtros con comisión usando plataformas por Internet: esta opción tiene en cuenta costes e impuestos por transacción que son inferiores a los de un intermediario, pero requiere de tiempo por parte del inversionista para realizar las operaciones por vía Internet; los costes por operación mediante plataforma para el periodo de estudio, se presentan en la tabla 1.

  Tabla 1.

  Comisiones en la compra y venta de activos financieros

  Periodo	Comisión con plataforma	Comisión con intermediario
  2002-2005	0,75%	1,00%
  2006-2009	0,50%	0,75%
  2010-2012	0,25%	0,50%

  Fuente: datos estimados por intermediario financiero y costes publicados en la plataformas de Internet Correval.
• –

  Filtros con comisión mediante un intermediario: este escenario asume que el inversionista delega en una compañía administradora de portafolios la gestión del filtro de un activo determinado, por lo cual su coste es mayor al de la gestión activa mediante plataforma, tal como se distingue en la tabla 1.

La verificación del recorrido aleatorio mediante filtros de Alexander se fundamenta en el hecho de que si los precios son independientes, la gestión mediante esta técnica no produce beneficios superiores a los de comprar y mantener, por lo que se generan 15.000 simulaciones aleatorias usando filtros entre 0 y 10%, con el fin de obtener el máximo y mínimo beneficio para cada uno de los 3 escenarios, determinando si algún filtro genera mayores beneficios a la estrategia de comprar y mantener; el beneficio está dado por:

3.4Test de Ljung Box

Este test busca comprobar la hipótesis conjunta de que todos los coeficientes de autocorrelación ρι de una serie, son simultáneamente cero, es decir:

El estadístico LB tiende a una distribución de chi-cuadrado con l grados de libertad.

Donde n es el tamaño de la muestra y l la longitud del retardo. Se rechaza la hipótesis nula si el estadístico LB>Xmg.l.2, o si su p-valor es inferior al nivel de significación dado.

3.5Prueba de Bartlett

Debe tenerse en cuenta que el test LB prueba la hipótesis conjunta de que todas las autocorrelaciones son significativamente iguales a cero; sin embargo, es importante analizar la hipótesis individual de que alguna(s) de las autocorrelaciones son diferentes de cero, para ello se acude a la prueba de Bartlett, en el sentido de que si una serie de tiempo es puramente aleatoria (ruido blanco), los coeficientes de autocorrelación asintóticamente se comportan como una distribución normal con media cero y variancia 1/n, en cuyo caso el intervalo de confianza del 95% para cada autocorrelación estimada ρˆk es [0±1,96(σ2)]. El intervalo de confianza está dado por:

Si el intervalo de confianza no incluye el valor ρˆk, se rechaza la hipótesis nula de que el verdadero valor ρk es cero, y viceversa.

Los resultados derivados del presente trabajo se estructuran en 3 etapas; inicialmente, determinación de los cambios de tendencia; evaluación de normalidad; contrastación de la eficiencia mediante la comprobación del recorrido aleatorio en sus versiones RW1, RW2 y RW3 de las principales series bursátiles de la región y Estados Unidos.

De los resultados de la investigación se extrae que, en general, las 5 principales economías latinoamericanas estudiadas han experimentado una mejora de su eficiencia del mercado en los últimos años; al matizar este mejoramiento se verifica que es mayor la eficiencia de los mercados de México, Brasil y Colombia a partir de los años 2007 y 2008, mientras que en Chile y Perú el incremento de su eficiencia se detecta a partir del 2011 y 2012, respectivamente. Es decir, desde el punto de vista de la madurez de la eficiencia del mercado, los 3 primeros países han experimentado un mayor periodo de aleatoriedad en sus activos, sin que ello demerite la evolución positiva hacia la transparencia bursátil en los mercados de Chile y Perú.

Este hallazgo de mejora en la eficacia del mercado es congruente con el verificado a finales de la década de los 90 en los mercados asiáticos por autores como Kawakatsu y Morey (1999) y Lee et al. (2009), lo que significa que Latinoamérica está recorriendo un camino similar al de los países orientales hace 15 años en cuanto a la eficiencia de sus mercados se refiere. En los estudios de Mazouz y Bowe (2006); Kasman y Kasman (2008) y Lim et al., 2008, los autores identifican como causas del mejoramiento de la eficiencia de los mercados bursátiles varios factores, entre ellos: las aperturas económicas; la introducción al mercado de nuevos activos financieros, como las opciones y futuros; el mayor flujo de la información debido al auge de la Internet, y las correcciones de asimetrías del mercado motivadas por crisis económicas sufridas por los países orientales en 1997. Sin embargo, para el caso de Latinoamérica, estos factores no son los responsables del reciente comportamiento aleatorio de sus mercados, sino posiblemente al aumento en la capitalización de estos mercados debido al crecimiento de la inversión directa extranjera a partir del 2007 (CEPAL, 2011), motivado por 2 sinergias positivas para la región, como son en primera instancia las inversiones en infraestructura y explotación de materias primas por parte de países como Estados Unidos, Holanda, China, Canadá y España, y en segundo lugar, por la movilización de capitales desde las económicas desarrolladas hacia mercados emergentes como consecuencia de la crisis económica originada en los Estados Unidos en noviembre del 2007.

Además, en los 3 países con mayor nivel de eficiencia (México, Brasil y Colombia) se encuentra que la relación entre la tendencia del mercado y la aleatoriedad es inversa, es decir, en subperiodos con tendencias a la baja los mercados presentan mayor aleatoriedad que al alza, por el contrario, en los 2 países que se verifica menor eficiencia (Chile y Perú), se presenta mayor aleatoriedad cuando la tendencia es al alza que cuando es a la baja; hallazgos que van en la misma dirección a lo planteado por Peters (1994) y (Coakley, 2006), quienes respaldan la premisa de que los mercados deberían ser más eficientes a la baja que al alza.

Al concluir el presente trabajo, se recomienda indagar sobre el papel que deben cumplir los agentes reguladores del mercado con miras a responder la pregunta ¿cuál es el nivel de control «adecuado» que se debe ejercer sobre los mercados para que sean eficientes?

Los autores declaran no tener ningún conflicto de intereses.