Acceso usuarios
El tipo de sector, el tamaño de la empresa, el número de trabajadores, etc. son variables que se consideran de control en una gran cantidad de publicaciones. En este trabajo consideramos estudiar la variable sector -más que como una variable de control- como una variable determinante del desempeño financiero (Baird et al. 2012) y del riesgo (Artikis y Nifora, 2011). Así, se analiza seis sectores de la economía mexicana divididos de acuerdo con la Bolsa Mexicana de Valores en Industrial, Productos de consumo básico, Materiales, Productos de consumo no básico, Telecomunicaciones y Servicios financieros. La muestra se compone de 30 empresas mexicanas dentro del periodo de 2007-2012. Para medir el desempeño del portafolio se utilizan dos indicadores clásicos: (1) Alfa de Jensen y (2) Ratio de Sharpe; se utiliza una métrica condicional que mide el número de veces que el rendimiento del portafolio supera el rendimiento promedio del mercado. El objetivo es encontrar un portafolio que maximice estos parámetros y comparar los resultados entre los diferentes sectores bajo estudio. Debido a un problema de programación no lineal, se utilizan algoritmos genéticos para obtener el portafolio óptimo que maximice estas métricas. Los resultados muestran un mejor desempeño financiero ajustado a riesgo en el sector de Materiales y Servicios financieros y un desempeño más bajo en sectores como el Industrial y el de Telecomunicaciones.
The type of industry, size of company, number of employees, etc. are variables that are considered as control variables in a large number of articles. In this research we consider the sector variable as a determinant of financial performance (Baird et al. 2012) and the risk (Artikis and Nifora, 2011) rather than as a control variable. This paper analyzes six sectors of the Mexican economy divided according to the Mexican Stock Exchange: industrial, basic consumer products, materials, non basic consumer products, telecommunications and financial services. The sample consists of Mexican companies, that is, 30 companies in the 2007-2012 period. To measure portfolio performance two classic indicators are used: (1) Jensen alpha and (2) Sharpe ratio, and also conditional metrics are used that measures the number of times the portfolio return exceeds the market average. The goal is to find a portfolio that maximizes these parameters and compare the results between the different sectors under study. Due to a nonlinear programming problem, genetic algorithms are used to obtain the optimal portfolio that maximizes these metrics. The results show a better risk-adjusted financial performance in the field of materials and financial services and a lower performance in such sectors as the industrial and telecommunications ones.
