Calculo del Beta de CENCOSUD a través de regresiones.

...

Coeficiente de determinación R2 0,509525344

Con el Coeficiente de Determinación mediremos el grado de ajuste de los datos, para lograr aproximarnos al fenómeno real con las variables utilizadas. Al calcular el Coeficiente de Determinación podemos ver que el segundo modelo explica un 50,95% de la variabilidad del Retorno Mensual de la Empresa Cencosud con respecto a su media.

Error típico 0,045539915

Junto con el coeficiente de Determinación tenemos el Error Típico con el cual podemos reafirmar que el modelo es adecuado en cuanto a que explica en un gran porcentaje la variabilidad del Retorno Mensual de la Empresa Cencosud con respecto a su media, ya que el Error Típico es de 0,045, por lo que cumple con un nivel de confianza del 95% y un margen de error de un 5%.

Rit (Retorno mensual de la Empresa)= -0,0088 +1,2788 Rmt (Variación del mes T del IPSA)

Variable X 1: Rmt (Variación del mes T del IPSA)

Al interpretar el segundo modelo estimado se obtuvo un intercepto (β0) igual a -0,0088, por lo que cuando no hay variación mensual en el IPSA, el Retorno Mensual de la empresa Cencosud disminuye en promedio un 0,88%.

Al estimar Beta (β1), obtenemos que al aumentar en un 1% la Variación mensual del IPSA, el Retorno mensual de la Empresa Cencosud aumentará en promedio un 1,2788%.

Tercer Modelo

En este modelo queremos saber si una variación en el Premio por Retorno de mercado explica o afecta los retornos mensuales que recibe Cencosud, estimando un modelo de regresión lineal simple.

(Rit-Rft)(Retorno mensual riesgoso)=β0 + β1 (Rmt-Rft) (Premio por retorno de mercado)

Coeficiente de correlación múltiple: 0,715023229

Correlación: positiva- por un aumento del premio por riesgo el retorno mensual (riesgoso) aumentará. Para medir la intensidad de la asociación entre el Premio por Retorno de Mercado y el Retorno Mensual utilizamos la Correlación que varía desde -1 a 1, por lo que al calcularla para este tercer modelo arroja que existe una relación directa y positiva, es decir que al aumentar el Premio por Retorno de Mercado, los retornos mensuales de Cencosud aumentan. Por lo que un aumento mensual de un 1% del Premio por Retorno de Mercado, provoca un aumento en el retorno mensual de Cencosud de un 71,50% respecto a su media.

Coeficiente de determinación R2: 0,511258218

Con el Coeficiente de Determinación se medirá el grado de ajuste de los datos, para lograr aproximarnos al fenómeno real con las variables utilizadas. Al calcular el Coeficiente de Determinación se puede observar que el tercer modelo explica un 51,13% de la variabilidad del Retorno Mensual de la Empresa Cencosud con respecto a su media.

Error típico 0,045483554

Del Error Típico podemos reafirmar que el modelo es significativo ya que explica en un gran porcentaje la variabilidad del Retorno Mensual de la Empresa Cencosud con respecto a su media, ya que el Error Típico es de 0,045, por lo que cumple con un nivel de confianza del 95% y un margen de error de un 5%.

(Rit-Rft)(Retorno mensual riesgoso)=-0,0072 + 1,408(Rmt-Rft)(Premio por retorno de mercado)

Variable X 1: Rmt - Rft =Premio por retorno de mercado

Al interpretar el tercer modelo estimado obtuvimos un intercepto (β0) igual a -0,0072, por lo que, cuando no hay variación mensual en el Premio por Retorno de Mercado, el Retorno Mensual de la empresa Cencosud disminuye en promedio un 0,72%.

Al estimar el parámetro Beta (β1), obtenemos que al aumentar en un 1% la Variación mensual del Premio por Retorno, el Retorno mensual de la Empresa Cencosud aumentará en promedio un 1,408.

Elección de un Modelo

Sabemos que podemos comparar los tres modelos, una vez estimados tienen la misma variable dependiente, por lo tanto al analizar en conjunto los tres modelos podemos decir que todos explican en gran cuantía las variaciones en los retornos mensuales de Cencosud pero solo uno de ellos tiene lo que buscamos en un buen modelo de regresión lineal, por ello nos fijamos en tres elementos de las tablas de regresión, el R cuadrado, el error típico del modelo y la significancia de las variables, así:

Los coeficientes R cuadrado de los modelos son: 51,082% - 50,95% - 51,12 en ese orden respectivamente, siendo el tercer modelo el que explica más las variaciones de los retornos con respecto de su media.

El error típico de los modelos debe ser menor al 5% aceptado de error del modelo, por lo que el modelo que tenga el valor del error típico más cercano a este porcentaje es el que más nos sirve; 4,547% - 4,553% - 4,548% (en ese orden respectivamente a los modelos), siendo el primer modelo el que nos serviría en este caso.

La significancia de las variables del modelo nos indicará por fin cual es el modelo que nos ayudará a comprender las variaciones de los retornos de Mercado, así: 9,74773E-07 - 1,02082E-06 - 9,59734E-07, el tercer modelo es el que tiene la variable con mayor significancia de los tres (la significancia debe ser lo más cercana a cero o menor a 0,05).

Por lo tanto al ser el tercer modelo el que tiene dos elementos de tres a favor es el escogido, con su respectivo Beta estimado de 1,4.

---------------------------------------------------------------

Estructura de Endeudamiento Cencosud

Para calcular la estructura de endeudamiento de la empresa, se han obtenido de los Estados Financieros de los distintos años en estudio (2011 a 2015) las deudas financieras. Por otra parte, fue necesario calcular el patrimonio bursátil de la compañía para esto, se considera el total de acciones emitidas, las que ascienden a un total de 2.828.723.963. Además, el otro dato necesario corresponde al precio de cierre de las acciones de cada periodo, este dato se obtuvo de la bolsa de comercio de Santiago.

Las estructuras de endeudamiento determinadas se presentan a continuación:

Año 2011

Año 2012

Año 2013

Año 2014