Lachman estudio sobre la eficiencia y la previsión perfecta en el mercado de futuros agrícolas

Estudio sobre la eficiencia y la previsión perfecta en el mercado

de futuros agrícolas: un análisis para el MatBa en el caso particular

del cultivo de soja entre 2005 y 20141

Resumen

El presente trabajo analiza la eficiencia de mercado para el caso particular del MatBa para el cultivo de soja en base a las operaciones realizadas para contratos de futuros correspondientes a los meses de enero, marzo, mayo, julio, septiembre y noviembre con respecto a las operaciones spot, ambos entre 2005 y 2014. La hipótesis central del trabajo es la existencia de una paridad entre el precio spot y el precio de contratos a futuro. A partir de esto se profundiza el estudio aún más de forma tal de testear la hipótesis de previsión perfecta del precio. El análisis se realiza en base a la construcción de tres distintos modelos en función a la distancia temporal entre el momento de la negociación de los contratos a futuro y su fecha de ejecución. De este modo se contrasta los precios de los contratos a un mes, a tres meses y a seis meses del momento de finalización con respecto a los precios spot de tal momento final. Los resultados alcanzados demuestran que el mercado operó en condiciones de eficiencia y además se verificó la hipótesis de previsión perfecta, aunque con aversión al riesgo, en los tres modelos. Este trabajo utilizó un enfoque de cointegración en base a Johansen (1995).

1 Autor: Jeremias Lachman; E-mail: [email protected] Marzo, 2016

2

Índice de contenido 1. Introducción .......................................................................................................................................... 3

2. Marco teórico ....................................................................................................................................... 5

2.1. El funcionamiento de los mercados de futuros ............................................................................ 5

2.2. El beneficio económico de la operación en mercado de futuros ................................................. 7

2.3. El análisis econométrico de la eficiencia de mercado ................................................................. 8

3. Metodología econométrica ................................................................................................................. 10

3.1. Datos ......................................................................................................................................... 10

3.2. Test de Raíz Unitaria ................................................................................................................. 11

3.3. Modelo VAR y test de los errores .............................................................................................. 12

4. Análisis de la eficiencia de mercado de futuros de soja. Armado de modelos VEC ........................... 14

4.1. Test de cointegración ................................................................................................................ 14

4.2. Relación de largo plazo entre las variables ............................................................................... 16

5. Tests de previsión perfecta. Modelos VEC con restricciones............................................................. 18

6. Conclusiones ...................................................................................................................................... 19

Bibliografía .................................................................................................................................................. 20

Anexo 1. ...................................................................................................................................................... 21

3

1. Introducción

El surgimiento de los contratos a futuro sobre productos agrícolas tuvo como una de

sus principales motivaciones la intención de suavizar las constantes fluctuaciones en

los precios típicas de bienes estacionales. Esta volatilidad en las cotizaciones implica

altos niveles de incertidumbre tanto para compradores como vendedores, por lo que la

posibilidad de establecer contratos futuros ayuda a mejorar las prácticas de

comercialización. De este modo, el intercambio de contratos futuros opera de forma

análoga de un “seguro de precio”, otorgando más previsibilidad a los agentes

participantes del mercado.

Los mercados a término –también conocidos como mercados a futuro- tienen una

relativa larga trayectoria a nivel mundial. Si bien los primeros casos apuntados en la

literatura historiográfica nos remontan al periodo de las antiguas civilizaciones2, para

mediados del siglo XIX se puede destacar la conformación del primer mercado de

futuros con rasgos similares a los que se encuentran vigentes hoy en día (Fisanotti,

2014). Éste es el caso del establecido en la ciudad de Chicago, Estados Unidos, en el

año 1848. Esta ciudad, que rápidamente supo convertirse en el eje central de la

comercialización de la producción agrícola norteamericana, fue el espacio donde se

conformó una de las bolsas de cereales más importante del mundo –Chicago Board of

Trade-, donde dicha relevancia se mantiene intacta en la actualidad.

En nuestro país existen actualmente dos bolsas de comercio en las cuales se

intercambian contratos a futuro sobre commodities agrícolas: la Bolsa de Comercio de

Rosario (ROFEX) y la Bolsa de Cereales de Buenos Aires (MatBa). Ambas

instituciones se crearon a principios del siglo XX3, con la intención de volver más

eficiente el comercio de granos. Bajo la adopción de normas y estatutos similares a los

vigentes en aquellos años en la bolsa de cereales de Liverpool –propiamente Liverpool

Corn Trade Association-, se centraron en la confección de mecanismos que

garantizaran el cumplimiento de las operaciones realizadas en dichas instituciones.

Si bien la participación de los agentes vinculados a las cadenas agrícolas en los

mercados a término nacionales presentó amplias intermitencias, en gran medida por

causa de cambios en las políticas públicas, tienen hoy en día un rol preponderante.

Las modificaciones en términos de políticas económicas implementadas desde los

inicios de la década del noventa4, impulsaron fuertemente la comercialización de

granos a través de los contratos establecidos en las dos bolsas de cereales vigentes

en el país.

Por otro lado, la fuerte expansión de la superficie agrícola –particularmente del

cultivo de soja- traccionada primero por el advenimiento de un nuevo paquete

tecnológico y luego por una sostenida suba del precio internacional de los

2 El primer registro histórico data del siglo XIX a.C. en la antigua Mesopotamia, donde se llevaban a cabo ventas a plazo futuro de granos. Otro caso singular es el llevado a cabo en la Antigua Grecia y en Roma, donde la abundante evidencia empírica muestra que la utilización de contratos futuros –principalmente para la provisión de trigo de Egipto- fue una práctica relativamente extendida (Weber, 2010). 3 El ROFEX fue creado en 1909 y el MatBa en 1907, siendo ambos casos pioneros en America Latina. 4 Principalmente la desregulación económica, enmarcada a través del cierre de distintas instituciones

públicas encargadas de intervenir en los mercados agrícolas.

4

commodities5, amplió aún más las operaciones realizadas en dichas bolsas

comerciales.

De este modo, dada la creciente relevancia de los volúmenes operados en contratos

a futuro sobre commodities agrícolas, resulta relevante estudiar si estos intercambios

comerciales fueron realizados en condiciones de satisfactorias para todos, o bien, si

por el contrario puede detectarse la presencia de ganancias sistémicas por alguna de

las partes.

Por lo tanto, este trabajo se propone estudiar la eficiencia del mercado de futuros6

para el caso del cultivo de soja en el mercado a término de Buenos Aires (MatBa)7. El

análisis de eficiencia en los mercados a término de soja estará basado en la existencia

–o no- de la presencia de al menos una relación de cointegración entre el precio de

contratos a futuro frente a los precios spot (Ali y Gupta, 2011; Delgado y Lema, 2001;

Fama, 1970, 1987 y 1991; Mckenzi y Holt, 1998). De este modo se podrá afirmar que

los mercados operaron en condiciones de eficiencia para el periodo seleccionado, si

es posible afirmar que existe una relación de cointegración entre el precio de los

contratos a futuro y el precio spot. El estudio de cointegración entre las variables está

basado en el test de Johansen (1995).

A través de este análisis, será posible demostrar la eficiencia –o no- del valor del

contrato a futuro como instrumento de pronostico del precio spot. De aceptarse la

hipótesis de eficiencia en los mercados de futuros podría asegurarse que, los

mercados operan en condiciones en las cuales la información disponible para el

conjunto de los agentes es suficiente para que no haya pérdidas o ganancias

económicas sistemática individuales. En otras palabras, la eficiencia en el mercado de

futuros para contratos de soja implicará que en el largo plazo la evidencia estadística

confirma que los precios a los cuales se negocian los contratos futuros reflejan el

precio spot al momento de ejecutarse el correspondiente contrato.

Adicionalmente, a modo de profundizar aún más el análisis de eficiencia de mercado

que es realizado en este trabajo, el segundo objetivo aquí propuesto es el estudio de

la previsión del precio futuro para el commoditie aquí seleccionado. En estos términos,

si es verificada la existencia de mercados eficientes, se proseguirá en el

establecimiento de ciertas restricciones estadísticas que posibiliten derivar

conclusiones más exigentes sobre las condiciones de eficiencia8.

Este trabajo se estura en cinco secciones, además de la presente introducción. En

la sección dos del trabajo se expone el marco teórico basada en la correspondiente

revisión bibliográfica realizada. En la sección tres del trabajo se detalla la metodología

econométrica empleada para el estudio de los objetivos mencionados previamente. En

las secciones cuatro y cinco se muestran los resultados obtenidos, primero sobre la

eficiencia de mercado –basada en la relación de cointegración- y luego en el análisis

de la previsión de los precios futuros –a través del establecimiento de restricciones a

5 Para un análisis más profundo sobre las transformaciones del agro argentino se recomienda consultar Anlló et al (2013), Trigo (2011) y Reca et al (2011). 6 Se define eficiencia en los mercados de futuros como el grado de precisión por el cual el precio spot de determinado commoditie es pronosticado por el precio de un contrato futuro rezagado una determinada cantidad de periodos. 7 Este mercado tiene un volumen de operaciones ampliamente superior al radicado en la ciudad de Rosario. En base a este criterio se seleccionó el mercado de termino de ubicado en Buenos Aires. 8 A su vez, dado que a los contratos de futuros siempre se les asocia una prima de risgo temporal, a partir de este análisis será posible determinar el rol desempeñado por esta en el caso aquí estudiado.

5

ciertos parámetros del vector de corrección de errores-. Finalmente se exponen las

principales conclusiones desprendidas de este trabajo.

2. Marco teórico

2.1. El funcionamiento de los mercados de futuros

Resulta conveniente antes de comenzar con el análisis principal propuesto en este

trabajo, por revisar algunos conceptos fundamentales sobre el mecanismo de

funcionamiento de los mercados de futuros así como también las particularidades

concernientes al MatBa. Este apartado y el siguiente 2.2., están basados en Hull

(1993), de donde es extraído el contenido sobre la dinámica de funcionamiento de los

mercados de futuros y sus principales beneficios económicos. Los rasgos

característicos de la operación de futuros llevados a cabo en la Bolsa de Cereales de

Buenos Aires son extraídos de su sitio web9.

En primer lugar cabe distinguir entre contratos cash, forward y a futuro. Los

llamados contratos cash, son aquellos en los cuales la transacción realizada entre el

comprador y vendedor se acuerda el precio, calidad y cantidad para la entrega

inmediata de, por ejemplo, algún commoditie agrícola. Por su parte, en los contratos

forward se acuerda entre las partes la entrega de algún producto en alguna fecha

futura. En este último caso, en el contrato se especificará tanto el precio, la cantidad,

la calidad, la fecha y el lugar de la entrega de la mercadería. La operación de estos

contratos suele llevarse a cabo por fuera de las instituciones formales de

comercialización de bienes; son más bien un tipo particular de contratos entre dos

partes privadas.

Por otro lado se destaca los contratos a futuro. En este caso las partes interesadas

adoptan el compromiso de entrega –o recepción-, de un determinado producto en el

cual los términos del contrato se encuentran ya estandarizados. De este modo, la

cantidad, calidad, fecha y lugar de entrega ya se encuentran determinados en el

contrato; el precio surgirá a través de la negociación entre las partes. De hecho, en los

contratos a futuro, el precio es lo único que se negocia. A su vez, este tipo de

contratos se negocian únicamente dentro de un recinto perteneciente a una institución

autorizada jurídicamente para llevar a cabo este tipo de operaciones, la cual además

adquiere el rol de garante para el cumplimiento de las operaciones10.

Dentro de los mercados a término se pueden distinguir dos tipos de productos

operados: las llamadas opciones sobre contratos futuros –o simplemente opciones-, y

los contratos de futuros –llamados futuros-, ya mencionadas sus características.

Los contratos de opciones son aquellos en los cuales el comprador del mismo no

adquiere una obligación, sino más bien un derecho a adquirir o a vender un producto a

futuro a un precio determinado –negociado entre las partes- durante un periodo de

tiempo determinado. El comprador de este contrato deberá pagar una prima.

Las dos opciones comúnmente negociadas en un mercado a término son: opción

call (opción de compra) y opción put (opción de venta). Una opción call es aquella que

9 Ver http://www.bolsadecereales.com/ 10 Cabe añadir, que por otro lado, para operar con contratos a futuro la institución habilitada en la cual es llevada a cabo la rueda, exige a las partes garantías. En la mayoría de los casos la garantía es una determinada suma de dinero que debe quedar depositada en una cuenta bancaria. Por su parte, los contratos forward, no exigen garantías.

6

otorga al comprador el derecho de adquirir un producto en cualquier momento del

periodo establecido por el contrato negociado. De este modo, el vendedor –el cual

cobra una prima-, asume el compromiso de entregarle el producto al comprador de la

opción siempre que este decida ejercer su derecho.

Por otro lado, un put le confiere al comprador el derecho de vender un producto en

cualquier momento del periodo establecido por el contrato firmado. En este caso, el

vendedor –el cual cobra una prima-, asume la obligación de adquirir el producto del

comprador, siempre que este así lo considere.

De este modo, el comprador de una opción call se garantiza una protección contra

la suba de precios, sin que esto implique renunciar a los beneficios derivados de la

baja de los mismos. Por el otro lado, el comprador de una opción put se garantiza una

protección ante la baja de precios, sin que esto implique una renuncia ante los

beneficios derivados de una suba de los mismos.

Las operaciones de contratos disponibles en los mercados a término –tanto los

futuros como las opciones- son utilizadas por todos aquellos agentes que buscan

protección contra variaciones negativas de precios, o bien, por aquellos que tratan de

beneficiarse con las variaciones de precios. En el caso de los mercados a término para

productos agrícolas se puede destacar entre sus principales usuarios a: i) productores,

los cuales buscan protección ante posibles bajas de precios; ii) acopiadores o

cooperativas, quienes buscan protección ante la baja de precio cuando tienen

almacenado cereales u oleaginosas, o bien, ante suba de precios cuando tienen que

comprar estos productos; iii) molinos e industrias procesadoras; los cuales se protegen

ante suba de precios, y finalmente; iv) los exportadores, quienes buscan protección

ante aumentos de precios.

Si bien estos son los usuarios “naturales” de los mercados a término para los

productos agrícolas, existen también otros usuarios de los mismos los cuales más allá

de querer tomar una cobertura ante cambios adversos de precios, sencillamente

buscan obtener beneficios a partir de estas variaciones; estos son los especuladores.

Si bien en numerosas ocasiones el término de especuladores es asumido como mala

palabra, en los mercados a futuro desempeñan un rol importante: le otorgan liquidez al

mercado. Al ser participantes altamente propensos a asumir riesgos en las

operaciones, su alto dinamismo permite a aquellos agentes que desean tomar

cobertura ante cambios adversos de precios, disponer del contrato buscado11.

El surgimiento del Matba

El origen de la conformación de los mercados a futuros agrícolas tiene como

principal objetivo operar como una herramienta que facilite y dinamice el comercio de

granos y oleaginosas para los agentes de la actividad. A su vez, las variaciones de

precios que se derivan de un mercado en donde la oferta de productos tiene un fuerte

componente estacional –determinada por el periodo de cosecha-, y la demanda es

constante a lo largo de todo el año, incentivó la creación de este tipo de mercados a

término.

11 Resulta relevante destacar que la figura de los especuladores no está admitida en todos los mercados a término, por ejemplo en la Bolsa de Cereales de Buenos Aires.

7

En Argentina la creación de los mercados a término estuvo fuertemente vinculada

con la expansión productiva alcanzada por la actividad agrícola a fines del siglo XIX.

De este modo, en 1907 son aprobados los Estatutos de la Asociación de Cereales de

Buenos Aires. A partir de ese año se comenzaron a realizar ruedas diarias –de lunes a

sábado-, en donde se operaban contratos a término de cien toneladas para los

productos de lino, trigo y maíz. Sin embargo, la relevancia territorial que fue adoptando

el cultivo de soja desde principios de la década del noventa, implicó que sean los

contratos sobre esta oleaginosa los que mayor número de operaciones presentan a

diario.

El Mercado a Término de Buenos Aires, es la institución encargada de fijar las

reglas entre sus usuarios y además de hacerlas cumplir. Las disposiciones y las

regulaciones fijadas por esta institución deben ser primero aprobadas y fiscalizadas

por la Comisión Nacional de Valores (CNV) y por el Ministerio de Agricultura,

Ganadería y Pesca (MinAgri).

Si bien las cotizaciones derivadas de las ruedas diarias llevadas a cabo en el MatBa

son utilizadas como información relevante por la gran mayoría de agentes vinculados

con la actividad agrícola, para poder operar en de forma directa –es decir, comprar o

vender contratos a futuro-, se debe ser socio de la Bolsa de Cereales de Buenos Aires.

Sin embargo, aquellos que no sean socios pueden realizar operaciones a través de

miembros que si lo sean, por ejemplo los corredores.

2.2. El beneficio económico de la operación en mercado de

futuros

Las operaciones llevadas a cabo en los mercados de futuros presentan

características muy similares a los planteos del modelo neoclásico de competencia

perfecta. En las ruedas diarias que son llevadas a cabo interactúan una gran cantidad

tanto compradores como vendedores, los cuales intercambian contratos ya

estandarizados y además, las barreras a la entrada de nuevos agentes es

relativamente baja. De este modo, si ninguna de las partes tiene capacidad para

ejercer un poder relativo de mercado, el precio de equilibrio alcanzado en el mercado

constituye un óptimo.

A su vez, los mercados a término cumplen dos funciones características: otorgan

una cobertura sobre el riesgo inherente a la volatilidad de precios (llamado risk

management), y, por otro lado, brindan información sobre la futura cotización del

producto que se esté operando (llamado price discovery).

Los mercados de futuros permiten a sus usuarios contar con un instrumento efectivo

ante volatilidades imprevistas en los precios. De este modo, al poder tomar una

cobertura por el precio, los operadores se están asegurando una rentabilidad para sus

actividades. De hecho, en algunos países los productores agropecuarios que utilizan

los mercados a término obtienen tasas preferenciales para el acceso a financiamiento

bancario. En estos términos se puede asociar a las operaciones con contratos a futuro

como un seguro ante variaciones en las cotizaciones de los commoditeis.

Por otro lado, los precios existentes en los mercados a futuro son un reflejo de las

expectativas por parte de los usuarios acerca de las condiciones que presentará el

mercado spot en el futuro. De este modo, las cotizaciones diarias de los múltiples

8

contratos que se operan en los distintos mercados a término existentes reflejan todo el

conjunto de información disponible en el presente sobre lo que se espera que suceda

en el futuro. De hecho, como son mercados, teóricamente, atomizados –donde ningún

agente tiene la capacidad individual de influenciar variaciones en los precios y

cantidades finales-, no hay lugar para que de forma privada algún agente disponga de

información valiosa para el mercado que le dé lugar para arbitrar entre el precio

presente y futuro.

En este trabajo es precisamente este rol de Price Discovery lo que se pretende

testear a través de un experimento econométrico. De este modo, la llamada “eficiencia

de mercado” implica que en el mercado de futuros se ven reflejadas todas las

expectativas presentes y el conjunto de información relevante disponible respecto a las

futuras condiciones de la oferta y demanda –en este caso para el cultivo de soja-.

2.3. El análisis econométrico de la eficiencia de mercado

De acuerdo a la literatura revisada (Fama, 1970, 1987 y 1991; Beck, 1994; Armah y

Shanmugam, 2013; Ali y Gupta, 2011; Arouri, 2011; Wang y Ke, 2005) existen

diversas formas de modelizar la eficiencia de mercado de futuros. En este trabajo

como noción de eficiencia en los mercados se va a tomar lo desarrollado por Fama

(1979 y 1991), que bajo el supuesto de agentes neutrales al riesgo, define a los

mercados eficientes como aquellos que incorporan toda la información disponible en el

precio.

De este modo, Fama va a suponer que para que existan mercados eficientes: i) no

va a haber costos de transacción; ii) la información disponible se encuentra abierta a

todo los sujetos del mercado, es decir, la información se presenta a costo cero, y; iii) a

través del proceso de maximización de la utilidad, todos los individuos poseen perfecta

racionalidad, por lo que todos arriban a las mismas conclusiones.

Por otro lado, Mckenzie y Holt (1998) consideran a la eficiencia de mercado como

aquella en la cual los precios de los contratos futuros son iguales a los precios spot

futuros esperados, pero adicionado una prima de riesgo temporal (risk premium). De

este modo, la definición por ellos sostenida va a considerar al precio de los contratos

futuros como un estimador eficiente del precio spot esperado. Este es el modelo

teórico empleado en el presente trabajo.

Siguiendo el análisis de los últimos dos trabajos mencionados –Fama y Mckenzie

Holt-, si consideramos la existencia de un constante arbitraje entre los operadores de

los mercados a término y un comportamiento de neutralidad ante el riesgo, el precio

actual de un contrato de futuro será igual al precio futuro esperado al momento de la

ejecución de dicho contrato. De este modo se tendría la siguiente igualdad:

𝐹𝑡−1 = 𝐸𝑡−1𝑆𝑡

Siendo 𝐹𝑡−1 el precio de los contratos a futuro, operado en el pasado, y 𝑆𝑡 el precio

presente de las operaciones spot.

De este modo, a la derecha de esta ecuación tenemos a la esperanza en 𝑡 − 1 del

precio spot en t, el cual resulta igual al precio pasado de los contratos a futuro. A su

vez, si además se supone que los agentes tienen expectativas racionales, de modo tal

9

que incorporan toda la información disponible en cada momento en el cual toman

decisiones, entonces se tiene que:

𝐸𝑡−1(𝑆𝑡/𝜑𝑡−1) + 𝜇𝑡 = 𝑆𝑡

Siendo 𝜑𝑡−1 la información disponible en t-1 y donde 𝜇𝑡 representa el termino de

ruido blanco exógeno a todos los elementos de 𝜑𝑡−1. De este modo se puede

reescribir la pasada igualdad del siguiente modo:

𝛼 + 𝛽𝐹𝑡−1 + 𝜇𝑡 = 𝑆𝑡

Si los agentes fueran siempre neutrales al riesgo la pasada igualdad constituiría una

identidad con Ft−1 = St, de modo tal que α=0 y β=1. Si esto ocurriera en un mercado a

término particular se podría afirmar que los agentes pueden prever perfectamente el

precio spot futuro en base a los contratos de futuro disponibles hoy. A su vez, esto

implicaría que sería imposible que alguno de los agentes este obteniendo ganancias

diferenciales sistémicas, dado que toda la información relevante para el mercado es

conocida y procesada por todas las partes.

De este modo, si se cumple que Ft−1 = St, los agentes además de tener previsión

perfecta del precio spot (dado por β=1), también estarían una situación donde la prima

de riesgo es nula (α=0). Ante esta situación correspondería afirmar que los agentes

son efectivamente neutrales al riesgo.

Por otro lado, si los agentes no fueran neutrales al riesgo sino más bien adversos,

no podría ser cierta la última identidad. A su vez, esta identidad tampoco sería válida si

la prima de riesgo estuviese en función del tiempo. De este modo, sería de esperar

que la prima de riesgo sea decreciente a medida que es más próximo el vencimiento

del contrato, lo que implica que el riesgo de comprar un contrato de futuro es menor a

medida que estemos más cerca del momento de su ejecución.

En la última sección de este trabajo, será analizada esta proposición para el caso

particular de Argentina en base al cultivo y el periodo seleccionados.

10

3. Metodología econométrica

3.1. Datos

Para llevar a cabo esta investigación será considerada la información diaria

correspondiente al periodo comprendido entre mes de mayo de 2005 a noviembre de

2014. Los mismos fueron extraídos del sitio web del MatBa12. Las series fueron

construidas en base al promedio diario de la cotización de cierre a lo largo de cada

mes considerado para el periodo correspondiente.

Para este análisis que estudia la eficiencia de mercado entre el periodo

seleccionado, fueron incluidos seis contratos por año: enero, marzo, mayo, julio,

septiembre y noviembre. La elección de los contratos correspondientes a los meses

recién apuntados responde a que son estos los comúnmente operados por los

agentes. El precio spot corresponde al promedio diario del mes de vencimiento del

contrato.

La eficiencia del precio futuro como pronostico del precio spot es analizada para tres

periodos temporales distintos: un mes, tres meses y seis meses.

En síntesis, para la construcción de las cuatro series consideradas en este trabajo

se realizó los siguientes pasos: i) Se calculó el promedio mensual del precio spot para cada uno de los meses considerados en base al periodo de interés; ii) Se tomó los precios –en promedios mensuales- de los contratos a futuro para los meses de interés con un mes de rezago -es decir, para conocer el valor del contrato de "soja julio 2014", se tomó el valor de junio de 2014 para el contrato de julio; iii) lo mismo que lo anterior pero con tres meses de rezago, y finalmente; iv) Lo mismo pero con seis meses de rezago.

A continuación se presenta la gráfica de las tres series construidas para los contratos de futuros y la serie correspondiente a las cotizaciones spot.

12 El sitio web es http://www.bolsadecereales.com/historico

11

150

200

250

300

350

400

450

5 10 15 20 25 30 35 40 45 50 55

Precio Spot

150

200

250

300

350

400

450

5 10 15 20 25 30 35 40 45 50 55

Futuro a un mes

100

150

200

250

300

350

400

450

5 10 15 20 25 30 35 40 45 50 55

Futuro a 3 meses

100

150

200

250

300

350

400

5 10 15 20 25 30 35 40 45 50 55

Futuro a 6 meses

En total se contabilizan 58 observaciones. No hubo necesidad de incluir variables

dummies en ninguna de las series de tiempo.

Por otro lado, es posible observar que todas las series presentan tendencia e

intercepto. A su vez se corrió una regresión para cada una de las series frete a un

término constate y a un término que captara la tendencia. En todos los casos estas

variables explicativas fueron significativas.

3.2. Test de Raíz Unitaria

Dado que para construir un modelo VEC es necesario primero conocer la cantidad

de raíces unitarias en cada una de las series, se realizó el correspondiente test de

Argumented Dickey-Fuller sobre cada una de estas. Este test se realizó bajo el criterio

de Schwartz y con 10 lags máximos. Una vez verificado que las series en niveles no

eran estacionarias se repitió el test para cada caso, pero ahora considerando las

series con una primera diferencia. Los resultados obtenidos se sintetizan en la tabla

que figura a continuación.

Series Nivel Primera difernecia Tipo de serie

Precio Spot 0.6672 0.0000 I(1)

Futuro a un mes 0.1533 0.0000 I(1)

Futuro a 3 meses 0.1877 0.0000 I(1)

Futuro a 6 meses 0.0670 0.0000 I(1)Fuente: elaboración propia

Tabla 1. Resultados del test de Argumented Dickey-Fuller

12

Este test tiene como hipótesis nula que las variables tienen una raíz unitaria (es

decir que son no estacionarias), por lo que podemos ver que ante un nivel de

significatividad del 5% todas las series son I(1). De este modo se pude afirmar que las

series son estacionarias en su primer primer diferencia.

3.3. Modelo VAR y test de los errores

El modelo VAR es una relación estadística donde las variables son explicadas por

rezagos de sí mismas y de las demás variables. En este trabajo fueron construidos

tres modelos VAR, cada uno en base a cada nivel de análisis que se está realizando

sobre la eficiencia de mercado de futuros –es decir, para un mes de rezago, para tres

y para seis meses.

𝑆𝑡 = 𝛼1,𝐾 + ∑ 𝛽1,𝑖,𝐾𝐹𝑡−1−𝑖𝐾

𝑗

𝑖=1

+ ∑ 𝛾1,𝑖,𝐾𝑆𝑡−𝑖

𝑗

𝑖=1

+ 𝜇𝑡

𝐹𝑡−1𝐾 = 𝛼2,𝐾 + ∑ 𝛽2,𝑖,𝐾𝐹𝑡−1−𝑖

𝐾

𝑗

𝑖=1

+ ∑ 𝛾2,𝑖,𝐾𝑆𝑡−𝑖

𝑗

𝑖=1

+ 𝜇𝑡

K= 1,3 y 6 meses restantes a la ejecución del contrato

J= cantidad de lags optimo

De este modo, el primer análisis que se realiza sobre el modelo VAR corresponde al

número de lags óptimos. Si bien existen ya definidos ciertos criterios estadísticos para

justificar la inclusión de lags, también es posible justificar dicho procedimiento en base

a las características teóricas del experimento (Fama, 1991). Para los modelos VAR

correspondientes a los contratos de futuros los cuales se encuentran rezagados uno y

tres meses con respecto al precio spot –es decir que resta uno y tres meses

respectivamente para la ejecución de dichos contratos- se optó por un criterio basado

en los fundamentals del mercado de modo tal de anular cualquier tipo de

autocorrelación entre los residuos de dichos modelos. De este modo, fueron incluidos

en ambos casos seis lags de forma tal de neutralizar cualquier efecto derivado de una

autocorrelación basada en el año anterior, dado que la serie es bimensual.

Por otro lado, el VAR construido en base a la serie de contratos de futuros los

cuales se negocian seis meses antes de su fecha de ejecución, fueron incluidos tres

lags siguiendo el criterio de Akaike.

Para que la estimación sea consistente se analizó en los residuos de cada uno de

los modelos VAR construidos el cumplimiento de normalidad, no autocorrelación y

homocedasticidad. En todos los casos se verificaron todos los requisitos para

garantizar consistencia en la estimación de los modelos. En las 3 tablas que figuran a

continuación se presenta un resumen de los resultados obtenidos para cada modelo

según los requisitos exigidos. En el anexo 1 de este trabajo se desagrega cada test.

13

Test H. Nula p-value Resultado

Normalidad Es normal 0.8263 Es normal

Autocorrelación

No hay

autocorrelación hasta

el orden seleccionado

Hasta 25 todos

mayores al 5%

No hay

autocorrelación

Homcedasticidad Es homocedastica 0.2606 Es homocedastica



Autocorrelación

No hay



Hasta 25 todos

mayores al 5%

No hay

autocorrelación




Autocorrelación

No hay



Hasta 25 todos

mayores al 5%

No hay

autocorrelación


Fuente: elaboración propia

Tabla 2. Resultados del test sobre los errores del VAR para contratos a un mes

Tabla 3. Resultados del test sobre los errores del VAR para contratos a tres meses

Tabla 4. Resultados del test sobre los errores del VAR para contratos a seis meses

14

4. Análisis de la eficiencia de mercado de futuros de soja.

Armado de modelos VEC

Los modelos VEC son aquellos modelos del tipo VAR los cuales tienen la

característica de tener variables que cointegran. De este modo, es posible establecer

un vector estacionario, el cual resulte a partir de una combinación lineal de las

variables no estacionarias que constituyen el VAR.

Por lo tanto, en base a la múltiple literatura ya mencionada al respecto, la

construcción de un vector de corrección de error va a permitir testear la hipótesis de la

presencia de mercados eficientes para el periodo seleccionado. Si las series

correspondientes a los precios spot y a los contratos de futuros para los tres periodos

seleccionados son no estacionarias de orden uno y el modelo VAR cumple con los tres

requisitos para los respectivos errores –normalidad, no autocorrelación y

homocedasticidad-, será posible evaluar la existencia de cointegración para cada uno

de los modelos armados.

Dado que en la sección pasada se demostró que los tres modelos satisfacen las

condiciones requeridas sobre los residuos de los modelos VAR y además son en todos

los casos I(1), el término de corrección de error del VEC deberá adoptar la siguiente

forma:

𝑆𝑡 = 𝛼𝐾 + 𝛽𝐾𝐹𝑡−1𝐾 + 𝜇𝑡

Para todo K=1, 3 y 6 referido a los meses de rezagos de contratos de futuros considerados

Cabe recordar que el coeficiente α representa en este caso la prima de riesgo a la

cual se enfrentan los operadores del mercado de futuro, mientras que β va a señalar

los niveles más o menos eficientes de la previsión futura. De este modo, si β˂1

entonces se estará sobreestimando el precio spot futuro, mientras que si β˃1 se lo

estará subestimando. Llegado el caso de que β=1, los contratos a futuro estarían

previendo perfectamente el precio spot.

4.1. Test de cointegración

A partir de un modelo VAR, habiendo verificado la consistencia en su estimación a

través de los test a los residuos, es posible estimar un VEC si se encuentra una

relación de cointegración entre las variables del VAR. Para detectar tal relación de

largo plazo entre las variables se utilizó el test de Johansen. A su vez, dado que los

datos tienen una tendencia constante y e intercepto, se deberá tener en cuenta estos

aspectos para la selección de los criterios para realizar el test de Johansen13.

Cabe añadir, que dado que las series utilizadas en este trabajo son todas I(1), se

buscó obtener una única relación de cointegración entre las mismas. A continuación se

presenta las tablas que muestran los resultados del mencionado test para los tres

modelos construidos: con contratos a un mes de su fecha de vencimiento, a tres

meses y a seis meses.

13 Para este trabajo se utilizó en todos los modelos el criterio definido por el software utilizado como: “lineal deterministic trend in data and intercept (no trend) in CE and test VAR”.

15

Hypothesized

No. of CE(s)Eigenvalue

Trace

Statistic

0.05 Critical

ValueProb.**

None * 0.283834 2.053.205 1.549.471 0.0080

At most 1 0.059180 3.172.173 3.841.466 0.0749

Hypothesized


Max-Eigen

Statistic

0.05 Critical

ValueProb.**

None * 0.283834 1.735.988 1.426.460 0.0157

At most 1 0.059180 3.172.173 3.841.466 0.0749

Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level

* denotes rejection of the hypothesis at the 0.05 level

**MacKinnon-Haug-Michelis (1999) p-values

Trace test indicates 1 cointegrating eqn(s) at the 0.05 level



Unrestricted Cointegration Rank Test (Maximum Eigenvalue)

Unrestricted Cointegration Rank Test (Trace)

Tabla 5. Test de cointegración para modelo con contratos a un mes

Hypothesized

No. of CE(s)Eigenvalue Trace Statistic

0.05 Critical

ValueProb.**

None * 0.279288 2.047.061 1.549.471 0.0082

At most 1 0.064010 3.439.818 3.841.466 0.0636




Hypothesized


Max-Eigen

Statistic

0.05 Critical

ValueProb.**

None * 0.279288 1.703.079 1.426.460 0.0178

At most 1 0.064010 3.439.818 3.841.466 0.0636





Unrestricted Cointegration Rank Test (Trace)

Tabla 6. Test de cointegración para modelo con contratos a tres meses

16

Tal como lo indican los resultados de cada una de las tablas, tanto a través del

método de máxima verosimilitud, como por el método de la traza, todos los modelos

presentaron una única relación de cointegración.

Cabe señalar, que al verificarse la relación de cointegración entre las series para

cada uno de los modelos, se puede afirmar –dada la hipótesis de este trabajo- que en

todos los casos los mercados se comportaron en condiciones de eficiencia para el

periodo temporal seleccionado.

4.2. Relación de largo plazo entre las variables

Dado que cada uno de los modelos VEC construidos en este trabajo muestran la

relación existente entre las variables consideradas, resulta relevante detallar a

continuación el valor y el signo de los coeficientes obtenidos para cada caso.

Cabe señalar que para evaluar la significatividad de los coeficientes obtenidos se

procedió a realizar un test imponiendo restricciones, de modo tal comprobar si esta

restricción rompe, o no, la relación de cointegración. De este modo se forzó a los

coeficientes a ser iguales a cero, de forma tal que si se mantenía vigente la relación de

cointegración, entonces dicho coeficiente no era significativo puesto que no aportaba

información relevante.

A continuación se presentan los valores de los coeficientes obtenidos para los tres

modelos construidos en el presente trabajo.

Modelo con contratos a un mes

𝑠𝑡 = −4,66 + 1,02𝐹𝑡−1𝐾=1

Hypothesized

No. of CE(s)Eigenvalue Trace Statistic

0.05 Critical

ValueProb.**

None * 0.553021 4.766.855 1.549.471 0.0000

At most 1 0.059607 3.380.151 3.841.466 0.0660




Hypothesized


Max-Eigen

Statistic

0.05 Critical

ValueProb.**

None * 0.553021 4.428.840 1.426.460 0.0000

At most 1 0.059607 3.380.151 3.841.466 0.0660





Tabla 7. Test de cointegración para modelo con contratos a seis mesesUnrestricted Cointegration Rank Test (Trace)

17

Modelo con contratos a tres meses

𝑠𝑡 = −9,34 + 1,054𝐹𝑡−1𝐾=3

Modelo con contratos a seis meses

𝑠𝑡 = −16,03 + 1,1𝐹𝑡−1𝐾=6

En primer lugar se puede destacar que en los tres modelos el coeficiente “α” –

asumido como la prima de riesgo temporales negativo y además es creciente (en

términos absolutos) a medida que consideramos periodos más lejanos del momento

de ejecución del contrato de futuro. Este hecho resulta intuitivamente consistente,

dado que a medida que negociamos un determinado contrato de futuro el cual dista

mucho de su ejecución, se deberé asumir una prima de riesgo mayor dado que la

incertidumbre asociada se incrementa. A su vez, el signo negativo del coeficiente “α”

responde a que dado que existe un riesgo inherente a los precios negociados de forma

anticipada a la entrega de la mercadería, los cuales puede afectarse por múltiples

shocks exógenos, pude ocurrir que los agentes tiendan a pactar, en términos

estadísticos, valores de los contratos a futuro mayores que el spot. Esto fue lo que

ocurrió en el periodo analizado en este trabajo.

Por otro lado en todos los casos el coeficiente β es positivo y mayor a uno, el cual a

su vez también se incrementa a medida que consideramos contratos más alejados de

su periodo de ejecución. Este resultado también es intuitivamente el esperable, ya que

a medida que consideramos contratos con mayor rezago temporal con respecto al

precio spot futuro, aumenta la posibilidad de errar más en dicho precio esperado. De

este modo, estadísticamente, la subestimación del precio spot futuro esperado es

mayor a medida que nos alejamos en el tiempo.

18

5. Tests de previsión perfecta. Modelos VEC con

restricciones

Finalmente, en esta última sección del trabajo se procede a incorporar una serie de

restricciones en cada uno de los modelos de forma tal de probar la hipótesis de

previsión perfecta por parte de los agentes y adicionalmente analizar el rol

desempeñado por la prima de riesgo temporal.

En particular lo que se evalúa es si es posible mantener la relación de cointegración

si se fuerza estadísticamente a que los parámetros adopten los valores deseados de

forma tal de evaluar la hipótesis de previsión perfecta por parte de los agentes14.

De este modo, si es posible afirmar que 𝑆𝑡 = 𝛽𝐹𝑡−1 con β=1 es estadísticamente

cierto, entonces los agentes operan en condiciones de previsión perfecta y de

neutralidad al riesgo. A su vez, si resulta cierta la pasada afirmación, pero α≠0

entonces no será posible afirmar que los agentes sean neutrales al riesgo, sino más

bien adversos.

La tabla que figura a continuación resume los resultados obtenidos sobre cada uno

de los modelos VEC estimados. A cada uno de los modelos se le aplicó la misma

restricción en sus respectivos parámetros, de forma tal de comprobar si es posible

aceptar que se mantiene la relación de cointegración entre las variables.

Se evidencia en la tabla que en todos los casos, a pesar de las restricciones

impuestas es posible mantener la relación de cointegración15. Esto denota que el

mercado de futuros para el cultivo de soja, además de haber operado en condiciones

de eficiencia, también lo hizo en términos bajo los cuales es posible aceptar la

hipótesis de la previsión perfecta. Cabe destacar que el parámetro α –el cual capta la

prima de riesgo temporal-, tiene un signo positivo y además es creciente a medida que

consideramos contratos más alejados de su fecha de ejecución. Esto último muestra

que los agentes no son neutrales al riesgo, sino más bien adversos.

14 La restricción aplicada cada uno de los modelos es la siguiente B(1,1)=1, A(1,1)=0, B(1,2)=-1 15 Al 10% de significatividad se aceptan la persistencia de la relación de cointegración entre las series.

Modelos Contratos a un mes Contratos a tres meses Contratos a seis meses

Chi-square 3.024.270 6.356.876 4.407.817

Probability 0.220439 0.041651 0.110371

α 0,979291 5,640975 10,705170

Tabla 8. Restricciones impuestas a los modelos

19

6. Conclusiones

En primer lugar se puede señalar, que a lo largo de este trabajo se verificó el hecho

de que el mercado a término del MatBa operó en condiciones de eficiencia, para el

caso de los contratos sobre el cultivo de soja en base al periodo considerado. De este

modo, es posible afirmar que este mercado de futuro fue una útil herramienta para sus

usuarios, ya que a través de esta pudieron prever el precio spot con anticipación. A su

vez, la existencia de una relación de cointegración en cada uno de los modelos,

denota que no fue posible que alguna de las partes extrajera de forma privada una

ganancia económica diferencial y sistémica. En base al periodo de análisis, se verifica

la existencia de una relación de largo plazo entre la serie de precios spot y las tres

distintas series de precios de los contratos a futuro.

En la construcción de los términos del vector de corrección de error del VEC, para

cada uno de los modelos estimados, se obtuvo en todos los casos un coeficiente β

positivo y mayor a uno. Este a su vez se incrementaba a medida que aumentaba la

distancia del momento de negociación del contrato con su momento de ejecución. Esta

situación demuestra que la subestimación por parte del contrato futuro con respecto al

precio spot esperado, aumenta para contratos operados con periodos relativamente

más distantes de su plazo de ejecución.

Finalmente, es posible afirmar que en los tres modelos se verifica la hipótesis de

previsión perfecta. De este modo, las restricciones impuestas para reforzar aún más el

análisis de eficiencia de mercado, verifican que todo el conjunto de información

disponible para los agentes en el MatBa les permite prever, en términos estadísticos,

de forma acertada el precio futuro de las operaciones spot que se realizarán. A su vez,

se destaca que los agentes se comportan bajo una conducta adversa al riesgo, hecho

que se verifica a través de una prima de riesgo temporal “α” distinta de cero y creciente

a medida que consideramos periodos más largos con respecto al plazo de ejecución.

20

Bibliografía

Ali, J. y Gupta, K. B. (2011), “Efficiency in agricultural commodity futures markets in India: Evidence from cointegration and causality tests”, Agricultural Finance Review, Vol. 71 Iss 2 pp. 162 – 178.

Armah P. Shanmugamb, V. (2013), “Price Hikes in US Agricultural Commodity Futures Markets: An Empirical Efficiency Test”, Journal of Food Distribution Research, Vol. 44 Issue 1.

Arouri, M., Jawadi, F. y Mouak, P. (2011). “The Speculative Efficiency of the Aluminum Market: A Nonlinear Investigation”, 2011/2 n° 126, pag 73 a 90, ISSN 1240-8093.

Beck, E.S. (1994), “Cointegration and Market Efficiency in Commodities Futures Markets”, Applied Economics, 26, 249-257.

Delgado, G. y Lema, D. (2001), “Eficiencia en el Mercado de Commidities Agrícolas: La Paridad entre Precio Spot y Futuro de Trigo en Argentina 1995-2000”, Instituto de Economía y Sociología del INTA.

Enders, W. (2015) “Applied Econometrics Time Serie”, 4th Edition, John Wiley & Sons.

Fama, E.F, French, K. (1987).” Commodity futures prices: Some evidence of forecast power”, premiums and the theory of storage, Journal of Business, 60(1), 55-73.

Fama, E.F. (1970). “Efficient capital markets: A review of theory and empirical work”, Journal of Finance, 25, 383-417.

Fama, E.F. (1991). “Efficient capital markets: II”, Journal of Finance, 46, 1575-1617.

Fisanotti, L. (2014) “Antecedentes Históricos de los Mercados de Futuros y Opciones: Cobertura y Especulación”, INVENIO 17 (33) 2014: 9-19.

Hull, J. (1993), “Options, Futures, and Other Derivate Securities”, University of Toronto, Second Edition, Prentice Hall.

Johansen (1995) Likelihood-based Inference in Cointegrated Vector Auto-regressive Models, Oxford University Press.

Mckenzi, A. y Holt M. (1998), “Maket efficiency in Agricultural Future Markets”, American Agricultural Economics Association Annual Meeting in Salt Lake City.

Wang, H.H., Keand Ke, B. (2005). “Efficiency tests of agricultural commodity futures markets in China”, Australian Journal of Agricultural and Resources Economics, 49(2), 125-141.

Sitios web consultados http://www.bolsadecereales.com/

http://www.matba.com.ar/

http://www.bolsadecereales.com/

http://www.matba.com.ar/

21

Anexo 1.

Resultados de los test de los residuos sobre cada uno de los modelos VAR

Lags LM-Stat Prob Lags LM-Stat Prob

1 2.490.761 0.6463 1 4.108.744 0.3915

2 2.359.036 0.6700 2 6.469.466 0.1667

3 2.801.120 0.5916 3 7.398.292 0.1163

4 3.263.778 0.5147 4 4.276.947 0.3698

5 2.637.274 0.6202 5 3.330.864 0.5041

6 0.163007 0.9969 6 8.112.633 0.0875

7 5.525.515 0.2375 7 1.166.815 0.8835

8 8.411.759 0.0776 8 8.016.389 0.0910

9 2.552.782 0.6352 9 2.684.139 0.6120

10 5.139.196 0.2733 10 4.112.163 0.3910

11 3.039.241 0.5513 11 5.149.459 0.2723

12 1.487.941 0.8288 12 1.227.793 0.0154

13 1.401.774 0.8439 13 8.186.692 0.0850

14 0.928778 0.9204 14 3.329.604 0.5043

15 1.381.630 0.8474 15 7.706.945 0.1029

16 2.331.424 0.6751 16 7.856.393 0.0970

17 7.461.651 0.1134 17 5.152.508 0.2720

18 4.647.538 0.3254 18 3.199.959 0.5249

19 3.711.778 0.4464 19 1.721.629 0.7868

20 4.642.986 0.3259 20 1.125.055 0.8903

21 0.447298 0.9784 21 1.590.084 0.8106

22 5.277.989 0.2599 22 3.807.567 0.4327

23 2.394.983 0.6635 23 2.418.505 0.6593

24 2.128.798 0.7121 24 8.770.755 0.0671

25 7.200.395 0.1257 25 1.822.580 0.7683

Modelo con contratos a un mes Modelo con contratos a tres meses

Test de Autocorrelación

22

Lags LM-Stat Prob

1 2.873.255 0.5793

2 4.869.973 0.3009

3 1.340.762 0.8544

4 6.117.244 0.1906

5 8.115.085 0.0875

6 3.873.981 0.4233

7 3.125.943 0.5370

8 6.893.683 0.1416

9 6.477.899 0.1662

10 6.024.463 0.1973

11 6.147.030 0.1884

12 8.557.405 0.0732

13 7.199.155 0.1257

14 6.396.702 0.1714

15 4.749.890 0.3139

16 3.725.563 0.4444

17 4.306.519 0.3661

18 1.693.944 0.7918

19 3.258.520 0.5155

20 3.403.434 0.4927

21 5.415.272 0.2473

22 3.063.103 0.5473

23 6.047.887 0.1956

24 5.298.364 0.2580

25 3.448.374 0.4858


Component Skewness Chi-sq df Prob.

1 -0.253124 0.555289 1 0.4562

2 -0.293819 0.748190 1 0.3870

Joint 1.303.479 2 0.5211

Component Kurtosis Chi-sq df Prob.

1 2.952.983 0.004790 1 0.9448

2 3.299.143 0.193888 1 0.6597

Joint 0.198678 2 0.9054

Component Jarque-Bera df Prob.

1 0.560079 2 0.7558

2 0.942078 2 0.6244

Joint 1.502.157 4 0.8263

Test de Normalidad de Cholesky (Lutkepohl)Modelo con contratos a un mes

23


1 -0.187067 0.303282 1 0.5818

2 -0.867806 6.526.757 1 0.0106

Joint 6.830.039 2 0.0329


1 2.699.612 0.195505 1 0.6584

2 3.157.489 0.053739 1 0.8167

Joint 0.249245 2 0.8828


1 0.498787 2 0.7793

2 6.580.496 2 0.0372

Joint 7.079.283 4 0.1318

Modelo con contratos a tres meses


1 -0.207027 0.392885 1 0.5308

2 -0.079047 0.057277 1 0.8109

Joint 0.450162 2 0.7985


1 2.258.233 1.260.918 1 0.2615

2 3.259.854 0.154742 1 0.6940

Joint 1.415.661 2 0.4927


1 1.653.803 2 0.4374

2 0.212019 2 0.8994

Joint 1.865.823 4 0.7604


Test de Homocedasticidad

Chi-sq df Prob. Chi-sq df Prob.

7.768.575 72 0.3025 8.100.187 72 0.2189

Chi-sq df Prob.

4.385.407 36 0.1728

Modelo con contratos a un mes Modelo con contratos a tres meses


Lachman estudio sobre la eficiencia y la previsión perfecta en el mercado de futuros agrícolas

Documents

Transcript of Lachman estudio sobre la eficiencia y la previsión perfecta en el mercado de futuros agrícolas