COMPROBACIÓN DEL COMPORTAMIENTO CAÓTICO EN BOLSA DE VALORES DE COLOMBIA

Katherine Julieth Sierra Suárez; Juan Benjamín Duarte Duarte; Juan Manuel Mascareñas Pérez-Iñigo

doi:10.22490/25392786.1480

Vol. 2 (2013)

Publicado 2013-12-15

Licencia

Revista

Artículo

COMPROBACIÓN DEL COMPORTAMIENTO CAÓTICO EN BOLSA DE VALORES DE COLOMBIA

DOI: https://doi.org/10.22490/25392786.1480

Katherine Julieth Sierra Suárez Universidad Industrial de Santander-Colombia.

Juan Benjamín Duarte Duarte Universidad Industrial de Santander-Colombia.

Juan Manuel Mascareñas Pérez-Iñigo Universidad Complutense de Madrid-España.

PDF

Resumen
Referencias

La hipótesis de eficiencia en los mercados bursátiles es uno de los supuestos básicos de los modelos de valoración de activos, tales como el Capital Asset Pricing Model y Arbitrage Pricing Theory, y sostiene que no es posible predecir los precios de un activo financiero, dado que se comportan aleatoriamente. Contrariamente, la hipótesis de mercado fractal afirma que los precios tienen estructura caótica, y podrían ser predichos a partir de modelos no lineales, rechazando así la hipótesis de mercado eficiente e invalidando los supuestos de los modelos valoración de activos. Este trabajo busca evidenciar el comportamiento caótico en el mercado bursátil colombiano con el fin de rechazar o aceptar la hipótesis de mercado eficiente, usando metodologías como: gráficos de precios, gráficos de recurrencia, dimensión de correlación, coeficiente de Hurst, exponente de Lyapunov y el test de Brock, Decher y Scehinkman. Los resultados revelan que los activos muestran indicios de comportamiento caótico para periodos al alza y aleatorio para periodos a la baja, apoyando así la hipótesis de mercado fractal. Estos hallazgos podrían respaldar el uso de modelos no lineales para la predicción de los precios en los periodos al alza y rechazar la eficiencia del mercado bursátil colombiano.

Palabras clave: Teoría de caos, Hipótesis de Mercado Eficiente, Hipótesis de Mercado Fractal, Modelos Autorregresivos. Clasificación JEL, C01, C22, D52, G14

Alexander, S. (1961). Price Movements in Speculative Markets: Trends or Random Walks. Industrial Management Review, 2: 7-26.

Bartlett, M. S. (1946). On the Theoretical Specification of Sampling Properties of Autocorrelated Time series. Journal of the Royal Statistical Society, 27: 27-41.

Bollerslev, T. (1986). Generalized Autoregressive Conditional Heteroskedasticity. Journal of Econometrics, 31:

-327.

Box, G., & Jenkins, G. (1970). Time Series Analysis: Forecasting and Control. San Francisco: Holden Day.

Brock, W. A., Decher, W., & Scehinkman, J. (1987). A test for independence based on the correlation dimension. Madison: University of Winconsin at Madinson.

Cowles, A., & Jones, H. (1937). Some A Posteriori Probabilities in Stock Market Action. Econometrica, 5: 208-294.

Eckmann, J. P., Kamphorst, S. O., & Ruelle, D. (1987). Recurrence Plots of Dynamical Systems. Europhysics

Letters, 4(9): 973-977.

Engle, R. F. (1982). Autoregressive Conditional Heterocedasticity with Estimates of the Variance of United Kingdom Inflation. Econometrica, 50: 987-1008.

Espinosa, C. (2008). Comportamiento caótico en los mercados búrsatiles latinoamericanos. Análisis Económico.

Espinosa, C., Parisi, F., & Parisi, A. (2007). Evidencia de comportamiento caótico en indices bursátiles americanos. El Trimestre Económico, 901-927.

Fama, E. F. (1965). Efficient capital market: a review of theory and empirical work. Journal of Finance, 24: 383-417.

Gálvez, E. T. (2005). Análisis Fractal del Mercado de Valores de México (1978-2004). México: Instituto Politécnico Nacional.

Gimeno, R. (2000). Análisis Caótico de Series Temporales Financieras de Alta Frecuencia. El Contrato de Futuro sobre el Bono Nocional a 10 años. Madrid: Universidad de Comillas, Tesis Doctoral.

Grassberer, P., & Procacccia, I. (1983). Characterization of Strange Attractors. Physical Review Letters, 50(3): 346.

Grau, P. (1996). Economía Dinámica Caótica: Una aplicación al mercado de capitales español. Madrid: Universidad Complutense de Madrid.

Jarrett, J. E., & Schilling, J. (2008). Daily variation and predicting stock market returns for the frankfurter börse. Journal of Business Economics and Management, 189-198.

Kyaw, N. A., Los, C. A., & Zong, S. (2003). Persistence Characteristics of Latin American Financial Markets. Kent: Kent State University.

Lipka, J. M., & Los, C. A. (2003). Long-Term Dependence Characteristics of European Stock Indices. Kent: Kent State University.

Ljung, G. M., & Box, G. E. (1978). On a measure of lack of fit in time series models. Biometrika, 297-303.

Lorenz, E. N. (1963). Deterministic nonperiodic Flow. Journal of Atmospheric Sciences, 20: 130-141.

Mandelbrot, B. (1961). Stable Paretian Random Functions and the Multiplicative Variation of Income. Econométrica, 517-543.

Pérez, R. (2008). Programa en Matlab para el cálculo del exponente de Hurst y dimensión fractal de series de tiempo. Bol-e: boletín electrónico del Centro de Geociencias, 4(3). Disponible en: http://www.geociencias.unam.mx/~bole/eboletin/progHurstyD1108.pdf

Peters, E. E. (1994). Fractal Market Analysis. Denver: Wiley Finance Editions.

Takens, F. (1981). Detecting Strange Attractors in Turbulence. Lecture Notes in Mathematics, 366-381.

Velásquez, H., & Restrepo, J. H. (2012). Análisis del índice general de la bolsa de valores de Colombia y sus rendimientos desde la teoría del caos, 2001-2011. Semestre económico, 79-98.

Licencia

Revista

Cómo citar

Sierra Suárez, K. J., Duarte Duarte, J. B., & Mascareñas Pérez-Iñigo, J. M. (2013). COMPROBACIÓN DEL COMPORTAMIENTO CAÓTICO EN BOLSA DE VALORES DE COLOMBIA. Revista Estrategia Organizacional, 2, 41-54. https://doi.org/10.22490/25392786.1480

Descargar cita

Almétricas

Captures

Readers: 11

see details

Métricas

Archivos descargados

264