An analysis of herd behavior in Latin American stock markets (Análisis del Comportamiento Manada en los sectores bursátiles de América Latina)

Abstract

This research investigates whether the major stock markets in Latin America (Brazil, Mexico, Chile, Colombia, Peru and Argentina) exhibited herd behavior over the period January 2, 2002 to June 30, 2014, using the variation in the returns overall and by sector in the most representative stock market index in each country, using the model proposed by Christie y Huang (1995). The results do not reveal any herd behavior in the total market, or in the sectors of the markets examined in the study.

Full text

Análisis del ComportAmiento
mAnAdA en los seCtores
bursátiles de AmériCA lAtinA
An analysis of herd behavior in
Latin American stock markets
Juan Benjamín Duarte Duarte,
Laura Daniela Garcés Carreño,
Katherine Julieth Sierra Suárez

Este es un artículo OpenAccess bajo la licencia CC BY(http://creativecommons.org/licenses/by/4.0/).
ISSN 1657-4206 e-ISSN 2462-8107 Vol. 19 No. 42 PP. 4-18 DOI: 10.17230/ecos.2015.40.2
Research Article
Análisis del ComportAmiento mAnAdA
en los seCtores bursátiles de AmériCA lAtinA
An analysis of herd behavior in Latin
American stock markets
Juan Benjamín Duarte Duartea*, Laura Daniela Garcés Carreñob,
Katherine Julieth Sierra Suárezc
Resumen
El objetivo de este artículo es investigar la existencia de efecto manada en los
principales mercados bursátiles de América Latina (Brasil, México, Chile, Co-
lombia, Perú y Argentina), para el periodo comprendido entre el  de enero de
 y el  de junio de , tomando como variable de estudio la dispersión
de los retornos del índice más representativo de cada país y de los sectores que
lo componen, utilizando el modelo propuesto por Christie y Huang (). Los
resultados obtenidos no revelan presencia alguna de efecto manada en el total
de los mercados ni en los sectores que los conforman.
Abstract
This research investigates whether the major stock markets in Latin America
(Brazil, Mexico, Chile, Colombia, Peru and Argentina) exhibited herd behavior
over the period January ,  to June , , using the variation in the
returns overall and by sector in the most representative stock market index
in each country, using the model proposed by Christie y Huang (). The
results do not reveal any herd behavior in the total market, or in the sectors of
the markets examined in the study.
1. Introducción
Aunque Fama () sostiene que los mercados deben estar compuestos por in-
versionistas racionales que interpretan y utilizan toda la información disponible
siguiendo modelos de valoración de activos generalmente aceptados, haciendo que
diferentes inversore s obtengan estimaciones similares del precio, que teóricamente
deberían estar cercanos al valor fundamental del activo; se han detectado anomalías
ISSN 1657-4206 e-ISSN 2462-8107 Vol. 20 No. 42 PP. 4-18 DOI:10.17230/ecos.2016.42.1
Palabras clave: Efecto Manada,
Mercados latinoamericanos,
Dispersión de los retornos.
Key words: Herd Behavior, Latin
America Stock Markets, Variation
in Returns
JEL classification: C31, G14, G15
Received: 20/01/2015
Accepted: 19/04/2016
Published: 17/06/2016
a, b, c. Universidad Industrial de Santander,
Colombia. Escuela de Estudios Industriales
y Empresariales, Grupo de investigación
Finance & Management.
* Autor para correspondencia: Profesor
titular Universidad Industrial de Santander,
Bucaramanga, Colombia. Escuela de
Estudios Industriales y Empresariales, Grupo
de investigación Finance & Management.
Correo electrónico: jduarte@uis.edu.co;
jbduarted@hotmail.com.

PP 6 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
y conductas que no pueden ser explicadas por teorías y modelos racionales, es por esto que en los
últimos años ha tomado fuerza una nueva disciplina llamada finanzas conductuales, defendida por
Shiller (), quien manifiesta que los inversores toman sus decisiones motivados por aspectos
psicológicos y sociológicos, propios de la naturaleza humana, contradiciendo algunos de los supuestos
de la teoría de los mercados eficientes.
Una de dichas anomalías es el efecto manada, que ha sido estudiado y documentado por varios
autores, y los resultados varían dependiendo del enfoque y del país. De manera amplia, este com-
portamiento se puede definir como la tendencia de algunos inversores a tomar decisiones ya sean
espontaneas o premeditadas, con base en los razonamientos e ideas de la colectividad, sean correctos
o no desde un punto de vista racional. La imp ortancia de investigar este tipo de comportamiento radica
en el hecho de que si un agente verifica su existencia, podría tomar posiciones de compra y venta de
activos financieros que lo lleven a obtener rentabilidad positiva de forma sistemática, resultado que
refutaría la hipótesis de mercado eficiente.
Este tipo de conducta se ha estudiado tanto para índices generales como para sectores bursátiles,
en países tales como: Estados Unidos, España, Grecia, Portugal, China, India y Australia, sin embargo
para el caso de la región latinoamericana las investigaciones se han centrado en evaluar este efecto
en los índices generales mas no en los sectores que componen dichos mercados. Además teniendo
en cuenta que Acevedo, Fleisman, Montoya y Mora () consideran que gracias a la creciente con-
fianza de los inversionistas extranjeros en los países de la región, el principal destino de la inversión
extranjera directa (IED) se concentra en sectores estratégicos tales como minero, energético, petróleo,
financiero y telecomunicaciones, la presente investigación tiene como fin verificar empíricamente el
efecto manada en los principales mercados de América Latina (Brasil, México, Chile, Colombia, Perú
y Argentina) y en sus respectivos sectores económicos, contribuyendo a comprender mejor la forma
como los inversionistas toman sus decisiones en el proceso de compra y venta de activos. Para realizar
tal comprobación se h ace un análisis preliminar estadístico y se utiliza el modelo propuesto por Christie
y Huang (), el cual se centra en el análisis de la dispersión de las series bursátiles, mediante la
evaluación de la cercanía entre los retornos individuales y el retorno del mercado, encontrando que
el efecto manada no se evidencia ni en los mercados completos ni en los sectores al interior de ellos.
Este documento se divide en  secciones: en la primera se presenta la introducción; la segunda y
tercera parte consisten en la revisión de la literatura y la metodología, respectivamente; en la cuarta
sección se presentan los resultados obtenidos, mientras que la quinta sección corresponde a las
conclusiones.
2. Revisión de la literatura
El efecto manada ha sido estudiado por un gran número de investigadores en el área financiera y
afines, esto ha dado como resultado una variedad de definiciones. Devenow y Welch (, pág. )
enuncian que este efecto implica “patrones correlacionados de comportamiento entre los individuos”,
argumentando que dichos patrones requieren de mecanismos de coordinación, basados en alguna
señal o en la capacidad de observar a otros tomadores de decisiones. Hott () en su estudio concibe
dicho efecto como la influencia positiva de las decisiones de unos inversores sobre las decisiones de
un inversor en particular. Por último Sharma y Bikhchandani () definen el efecto manada como
el intento obvio de un inversor de copiar el comportamiento de otros inversores, matizando que existe
una diferencia entre la conducta intencional y no intencional (espuria): en donde la primera se da por

PP 7 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
la intención de los agentes de imitar las acciones de sus similares, asociada a razones como la infor-
mación imperfecta, la preocupación por la reputación y las estructuras de compensación; mientras
que la segunda hace referencia a situaciones donde los agentes se enfrentan a problemas y conjuntos
de información similares, que lo llevan a decisiones semejantes, sin que se presente influencia de
unos inversores sobre otros, es decir, el efecto se presenta porque diferentes agentes interpretan de
la misma forma la información disponible.
Dada la importancia de este comportamiento, una serie de autores ha intentado comprobar empí-
ricamente la existencia de efecto manada mediante medidas de dispersión, con un enfoque amplio de
mercado, es decir, que no evalúa el comportamiento del inversor a nivel individual. El primer modelo
fue propuesto por Christie y Huang (), tomando como medida de dispersión de los retornos,
la desviación estándar de sección cruzada (Cross Sectional standard deviation-CSSD), buscando
estudiar los fuertes movimientos de los precios de las acciones en el periodo de  a  en el
mercado de valores estadounidense y los sectores al interior de este, no hallando evidencia a favor de
la presencia de dicho efecto. A partir de este planteamiento Chang, Cheng y Khorana () proponen
un modelo más robusto usando la desviación absoluta de sección cruzada (Cross Sectional absolute
deviation-CSAD), para verificar la existencia del efecto en el periodo de  a  en los mercados
de Estados Unidos, Japón, Hong Kong, Sur Corea y Taiwán; sus resultados indican evidencia parcial
de efecto manada en el mercado de Hong Kong y un efecto significativo en los mercados de Sur Corea
y Taiwán. Basados en los modelos mencionados, algunos investigadores han examinado la presencia
del efecto manada en diferentes regiones del mundo, tal como se detallan a continuación.
En el mercado europeo, Ourda, Bouri y Bernard () estudiaron el efecto con retornos mensuales
en diez sectores compuestos por las  empresas de mayor capitalización bursátil del índice EuroS-
toxx desde  a , comprobando la existencia de comportamiento manada en la mayoría de
industrias, con excepción del sector bienes de consumo; además los autores determinan que durante
el subperiodo de crisis - el efecto manada detectado en los sectores financiero y tecnología
está influenciado por la crisis de las sub-primes. Economou, Kostakis y Philippas () durante el
periodo de -, hallaron efecto manada en los mercados de Grecia e Italia, efecto parcial en
Portugal y ninguna evidencia de esta anomalía en España. Henker, Henker y Mitsios () analizaron
la presencia del efecto manada con datos intradía de  empresas del índice ASX de Australia y
en diez de sus sectores económicos, para el periodo -, concluyendo ausencia de dicho efecto.
Caporale, Economou y Philippas () examinaron la presencia de comportamiento manada en la
bolsa de valores de Atenas a partir de datos diarios, semanales y mensuales para los años -,
hallando evidencia más fuerte de efecto en los datos diarios y en periodos de ascenso del mercado.
En el mercado asiático, Lao y Singh () estudiaron el efecto en el índice más representativo de
China e India, Shangai A-Share índex y Bombay Stock Exchange índex respectivamente, desde -
, encontrando que en China el comportamiento manada predomina cuando el mercado está en
declive y el volumen de transacción es alto, mientras que en India ocurre cuando el mercado está en
ascenso. Adicional a esto Tan, Chiang, Mason y Nelling () analizaron el comportamiento manada
en China de las acciones tipo A (dominadas por los inversores locales) y tipo B (dominadas por los
inversores extranjeros) desde  a , concluyendo que el efecto está presente en los dos tipos
de acciones para periodos de alza, baja, volumen de transacción y volatilidad altos. Liu () realizó
un análisis empírico en el merca do de Singapur desde -, cuyos resultados manifiestan que el
comportamiento manada es más significativo cuando el mercado está en descenso, durante periodos
de crisis financieras y en los sectores cuidado de la salud, financiero y servicios de consumo.

PP 8 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
En el mercado latinoamericano, Chiang y Zheng () encontraron que el efecto no se presenta
en esta región en el periodo de  a , mientras que en periodos de crisis en los mercados de
Argentina y México, estos exhiben dicho efecto, adicional a esto, de Almeida, Costa y Da Costa ()
detectan indicios de comportamiento manada en el mercado chileno entre  y , en activos de
alto volumen de negociación y de baja y alta volatilidad.
Por último, Chen () realizó un estudio global con  países, dividiéndolos en países desarro-
llados, emergentes y de frontera, en el periodo -, concluyendo fuerte evidencia a favor del
efecto en casi todos los mercados bursátiles, resaltando que esta anomalía es más fuerte en los mer-
cados desarrollados y que los inversores tienden a manifestar este comportamiento como respuesta
a las malas noticias.
3. Metodología
Para verificar la presencia o no de efecto manada en los mercados latinoamericanos se usó el modelo
propuesto por Christie y Huang (), que se enfoca en evaluar la presencia de efecto manada du-
rante momentos de extremos movimientos del mercado.
La variable objeto de estudio es la desviación estándar de sección cruzada (Cross Sectional Stan-
dard Deviation, CSSD) de los retornos individuales con respecto al retorno del mercado, planteada
en la ecuación .
()
Donde Rit es la rentabilidad de la acción i en el tiempo t y Rmt es la rentabilidad del mercado, calcu-
lada mediante el promedio de sección cruzada de las N rentabilidades de las acciones disponibles en
el mercado en el tiempo t. Luego para comprobar la existencia de efecto manada durante condiciones
extremas del mercado se estima el modelo de regresión lineal binario, presentado en la ecuación .
()
Donde D L es una variable dicotómica, que toma el valor de  si el retorno del mercado en el tiempo
t, se encuentra en el extremo %, % y % de la cola inferior de la distribución, y cero de otra mane-
ra. Por otro lado, D U se define como una variable dicotómica, que toma el valor de  si el retorno del
mercado se encuentra en el extremo %, % y % de la cola superior de la distribución y cero de otra
manera. El coeficiente a expresa la dispersión promedio de la muestra, excluyendo las dos regiones
cubiertas por las variables dicotómicas. De acuerdo con este modelo, la presencia de negatividad y
significancia estadística en ß y ß indicarían una disminución en promedio de la dispersión, sugiriendo
la presencia de efecto manada.
Como la desviación estándar de sección cruzada (CSSD) puede estar afectada por valores atípicos,
Christie y Huang () definen la desviación absoluta de sección cruzada (Cross Sectional Absolute
Deviation, CSAD) como una mejor medida de dispersión (ecuación ).
()
Donde R it y R mt equivalen a lo definido en CSSD (ecuación ).
CSSDt = ∑ i =  (R i,t - R m,t)
N - 1
N
CSADt = ∑ i =  |R i,t - R m,t|
N
N
CSSDt = а + ß1 D L + ß2 D U + et

PP 9 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
Teniendo en cuenta lo anterior, en el presente trabajo se estima la regresión de la ecuación ,
usando como variable objeto de estudio la desviación absoluta de sección cruzada (CSAD), como se
indica en la ecuación .
()
3.1 Datos
Los datos utilizados en la presente investigación corresponden a los precios de cierre diario de las
empresas que componen el índice más representativo de cada una de las principales bolsas de valores
de Latinoamérica (Brasil, México, Chile, Colombia, Perú y Argentina), durante el periodo comprendido
entre el  de enero de  y el  de junio de , se omiten los días en los cuales las bolsas no
operaron y aquellas empresas con cotizaciones inferiores a un año. En el caso particular del mercado
accionario de Colombia, las empresas consideradas son aquellas que han estado listadas por lo menos
una vez en las canastas trimestrales del COLCAP, que hayan cotizado en junio de  y que posean
un nivel de liquidez alto. Los datos se obtuvieron de Bloomberg Professional Service.
El efecto manada se analiza para cada mercado bursátil de Latinoamérica, usando todas las em-
presas seleccionadas y los sectores que lo componen de acuerdo con la clasificación propuesta por
cada una de las respectivas bolsas de valores de Latinoamérica, motivo por el cual los sectores difieren
de un país a otro, esto se hizo con el fin de facilitar el reconocimiento de las empresas de acuerdo al
sector en el que se encuentre, por parte de los inversores e investigadores de cada país. En la Tabla 
se especifica el número de empresas elegidas y los sectores conformados por cada país.
Tabla 1. Empresas seleccionadas y sectores conformados
PAÍS NO. DE EMPRESAS
SELECCIONADAS
NO. DE SECTORES
CONFORMADOS
Brasil 69 12
México 35 7
Chile 40 7
Colombia 26 5
Perú 27 4
Argentina 13 4
Total 210 39
4. Resultados
Inicialmente se estimaron las estadísticas descriptivas de las series (Ver Anexo) para analizar las
variables objeto de estudio desde la óptica de tipo de distribución y estacionariedad, y posteriormente
en la Tabla  se expusieron los resultados del modelo propuesto por Christie y Huang (), con el
propósito de evaluar la presencia de comportamiento manada.
CSADt = а + ß1 D L + ß2 D U + et

PP 10 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
4.1 Estadísticas descriptivas
En la investigación se estiman las estadísticas descriptivas diarias de la rentabilidad promedio del
mercado (Rmt), y de la desviación absoluta de sección cruzada (CSADt), con el fin de establecer las
características de las series financieras, tanto para el total de empresas seleccionadas en cada uno
de los países, como para los sectores a su interior. Como se puede ver en el anexo , la media de
la rentabilidad varia de -.% para el sector de madera y papel hasta .% para el sector de
consumo cíclico ambos pertenecientes al mercado de Brasil. En cuanto a la volatilidad de los retornos,
medido por la desviación estándar, se observa que en Chile el mercado total exhibe los menores valo-
res (.%), mientras que el sector de demás empresas del mercado de Argentina presenta el valor
más alto (.%). Igualmente en este anexo se presentan los valores máximos y mínimos de la Rmt,
a partir de los cuales se observa que durante el periodo analizado el mayor declive lo tuvo el sector
de productos de consumo frecuente del mercado de México con un -.%, mientras que la mayor
valorización la presentó el sector minero del mercado de Brasil con un .%.
Por otro lado, al analizar el comportamiento de la medida de dispersión (CSAD), se puede resaltar
que su variación promedio oscila entre .% para el sector de comerciales y distribuidoras del merca-
do de Chile hasta un .% para el sector minero del mercado de Perú. Adicionalmente, los valores
máximos y mínimos de los CSAD diarios, muestran que el sector minero del mercado de Brasil exhibe
el valor más alto (.%), mientras que el sector de demás empresas del mercado de México exhibe
el valor más bajo (.%).
Por último al examinar el sesgo (S) y la curtosis (C), se observa que las series no siguen los pa-
rámetros de una distribución normal (S= y C=), lo cual es confirmado por el test Jarque Bera, que
rechaza la hipótesis de normalidad para cada variable. Además se puede notar que los valores de la
curtosis son estadísticamente mayores a tres lo que sugiere distribuciones leptocúrticas, común en
las series financieras. Los resultados obtenidos con el test de Dickey-Fuller Aumentado (ADF) indican
que la rentabilidad del mercado y el CSAD, exhiben series estacionarias tanto en el total de empresas
seleccionadas en cada país como en los sectores al interior de este, a excepción de la serie CSAD en
el mercado total de Argentina.
4.2 Resultados del modelo de Christie y Huang
En la Tabla  se presentan los coeficientes estimados a partir del modelo de regresión lineal expresa-
do en la ecuación , tanto para el total de empresas seleccionadas por país como para los sectores al
interior de cada mercado. Se consideran como criterios extremos el %, % y % de las observaciones
que estén en la cola superior o inferior de la distribución de rentabilidad del mercado.
Tabla 2. Resultados del modelo
Cartera Criterio 1% Criterio 5% Criterio 10%
 ß1 ß2  ß1 ß2  ß1 ß2
BRASIL
Mercado Total 0.0154* 0.0148* 0.0164* 0.0150* 0.0069* 0.0076* 0.0147* 0.0049* 0.0053*
Bancario 0.0080* 0.0060* 0.0080* 0.0079* 0.0026* 0.0037* 0.0078* 0.0014* 0.0029*
Otros Financieros 0.0120* 0.0175* 0.0177* 0.0115* 0.0083* 0.0084* 0.0111* 0.0058* 0.0065*
Construcción Civil 0.0155* 0.0215* 0.0268* 0.0151* 0.0074* 0.0110* 0.0148* 0.0046* 0.0072*
Servicios Públicos 0.0130* 0.0100* 0.0113* 0.0126* 0.0067* 0.0063* 0.0123* 0.0048* 0.0049*
Consumo Cíclico 0.0147* 0.0921* 0.1133* 0.0138* 0.0266* 0.0334* 0.0132* 0.0152* 0.0205*
Consumo no Cíclico 0.0140* 0.0105* 0.0123* 0.0136* 0.0059* 0.0067* 0.0133* 0.0044* 0.0056*

PP 11 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
Cartera Criterio 1% Criterio 5% Criterio 10%
 ß1 ß2  ß1 ß2  ß1 ß2
Madera y Papel 0.0111* 0.0139* 0.0197** 0.0108* 0.0055* 0.0082* 0.0107* 0.0026* 0.0053*
Siderurgia 0.0097* 0.0039* 0.0077* 0.0094* 0.0028* 0.0046* 0.0093* 0.0016* 0.0034*
Transporte 0.0144* 0.0253* 0.0468* 0.0139* 0.0106* 0.0153* 0.0136* 0.0064* 0.0095*
Minero 0.0086* 0.0281* 0.0632** 0.0080* 0.0120* 0.0193* 0.0076* 0.0079* 0.0113*
Telecomunicaciones 0.0123* 0.0205* 0.0222* 0.0118* 0.0089* 0.0091* 0.0114* 0.0060* 0.0066*
Petroquímicos 0.0096* 0.0097* 0.0169* 0.0093* 0.0035* 0.0080* 0.0090* 0.0025* 0.0063*
MÉXICO
Mercado Total 0.0124* 0.0187* 0.0173* 0.0119 0.0084* 0.0084* 0.0116* 0.0056* 0.0062*
Bienes de Consumo
NB 0.0102* 0.0228* 0.0232* 0.0094 0.0114* 0.0132* 0.0087* 0.0089* 0.0107*
Materiales 0.0129* 0.0215* 0.0235* 0.0120 0.0131* 0.0124* 0.0115* 0.0082* 0.0095*
Alimentos, Bebidas y
Tabaco 0.0101* 0.0228* 0.0190* 0.0097* 0.0079* 0.0086* 0.0093* 0.0051* 0.0065*
Entidades
Financieras 0.0109* 0.0318* 0.0391* 0.0102* 0.0124* 0.0168* 0.0097* 0.0078* 0.0113*
Productos de
Consumo Frec 0.0092* 0.0394 0.0263* 0.0087* 0.0119** 0.0112* 0.0084* 0.0069** 0.0079*
Industrial 0.0115* 0.0197* 0.0294* 0.0109* 0.0096* 0.0131* 0.0103* 0.0073* 0.0095*
Demás Empresas 0.0081* 0.0114* 0.0131* 0.0076* 0.0058* 0.0077* 0.0074* 0.0040* 0.0049*
CHILE
Mercado Total 0.0097* 0.0091* 0.0133* 0.0093* 0.0043* 0.0068* 0.0091* 0.0033* 0.0050*
Alimentos y Bebidas 0.0085* 0.0154* 0.0111* 0.0079* 0.0085* 0.0088* 0.0075* 0.0061* 0.0072*
Bancarias y
Financieras 0.0077* 0.0109* 0.0089* 0.0074* 0.0046* 0.0059* 0.0071* 0.0035* 0.0048*
Comerciales y
Distribuidoras 0.0071* 0.0049** 0.0059* 0.0068* 0.0023* 0.0058* 0.0066* 0.0018* 0.0045*
Inversiones e
Inmobiliarias 0.0088* 0.0110* 0.0190* 0.0082* 0.0073* 0.0102* 0.0078* 0.0053* 0.0079*
Servicios Públicos 0.0088* 0.0114** 0.0129* 0.0084* 0.0053* 0.0067* 0.0081* 0.0039* 0.0052*
Servicios Varios 0.0086* 0.0101* 0.0472 0.0082* 0.0045* 0.0141** 0.0079* 0.0035* 0.0095*
Demás Empresas 0.0105* 0.0147* 0.0223* 0.0099* 0.0077* 0.0123* 0.0094* 0.0059* 0.0092*
COLOMBIA
Mercado Total 0.0104* 0.0117* 0.0128* 0.0099* 0.0066* 0.0082* 0.0095* 0.0050* 0.0066*
Financiero 0.0084* 0.0107* 0.0179* 0.0077* 0.0076* 0.0118* 0.0073* 0.0055* 0.0083*
Inversiones 0.0076* 0.0109* 0.0106* 0.0071* 0.0067* 0.0092* 0.0067* 0.0046* 0.0071*
Petróleo 0.0106* 0.0355** 0.0230* 0.0100* 0.0140* 0.0098* 0.0097* 0.0086* 0.0065*
Energía 0.0073* 0.0125* 0.0147* 0.0067* 0.0075* 0.0088* 0.0064* 0.0051* 0.0062*
Demás Empresas 0.0120* 0.0314* 0.0262* 0.0110* 0.0134* 0.0170* 0.0103* 0.0092* 0.0129*
PERÚ
Mercado Total 0.0144* 0.0210* 0.0234* 0.0136* 0.0122* 0.0143* 0.0129* 0.0091* 0.0103*
Minero 0.0162* 0.0603* 0.0500* 0.0148* 0.0232* 0.0253* 0.0140* 0.0150* 0.0172*
Servicios Públicos 0.0075* 0.0161* 0.0148* 0.0069* 0.0089* 0.0093* 0.0063* 0.0077* 0.0074*
Industrial 0.0144* 0.0200* 0.0217* 0.0135* 0.0121* 0.0152* 0.0127* 0.0090* 0.0131*
Diversas 0.0116* 0.0492* 0.0511* 0.0102* 0.0223* 0.0262* 0.0093* 0.0155* 0.0185*

PP 12 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
Cartera Criterio 1% Criterio 5% Criterio 10%
 ß1 ß2  ß1 ß2  ß1 ß2
ARGENTINA
Mercado Total 0.0160* 0.0200* 0.0387* 0.0152* 0.0110* 0.0166* 0.0147* 0.0074* 0.0111*
Metalúrgica y
Siderúrgica 0.0109* 0.0132* 0.0133* 0.0105* 0.0048* 0.0096* 0.0101* 0.0037* 0.0074*
Petróleo y Gas 0.0132* 0.0376* 0.0222* 0.0123* 0.0163* 0.0151* 0.0114* 0.0120* 0.0120*
Bancario 0.0101* 0.0121* 0.0205* 0.0096* 0.0068* 0.0089* 0.0094* 0.0040* 0.0065*
Demás Empresas 0.0152* 0.0503* 0.0685* 0.0141* 0.0194* 0.0275* 0.0132* 0.0127* 0.0197*
El estadístico-t basado en Newey-West (1987) consistente con heterocedasticidad y autocorrelación es usado para probar la
hipótesis.*, ** y *** valores significativos al 1%, 5% y 10% respectivamente.
De acuerdo con los resultados presentados en la Tabla , se puede observar que los coeficientes ß1
y ß2 son positivos y estadísticamente significativos para la mayoría de los casos, tanto para el total del
mercado como para sus sectores, sugiriendo un incremento en la dispersión (CSAD), motivado por
fuertes movimientos en los precios de las acciones del respectivo mercado, lo que implica una posible
divergencia en las decisiones de los agentes financieros y por lo tanto ausencia de comportamiento
manada. Por otro lado, bajo el criterio del % de estrés de mercado, el ß2 del sector de servicios varios
de chile y el ß1 del sector de productos de consumo frecuente de México, son no significativos, lo cual
querría decir que la CSAD es explicada solamente por los coeficientes restantes.
Además en primera instancia se puede apreciar que los sectores que exhiben los menores incre-
mentos de dispersión (ß1 y ß2), característica que de acuerdo con Christie y Huang () se podría
deber a una mayor regulación del sector, son: en Brasil, siderurgia y bancario; en México, demás empresas;
en Chile, comerciales y distribuidora s; en Colombia, financiero e inversiones; en Perú, servicios públicos; y
en Argentina, bancos con metalúrgica y siderúrgica. Mientras que en segunda instancia aquellos secto-
res que presentan los mayores incrementos de dispersión son: en Brasil, consumo cíclico; en México,
productos de consumo frecuente, entidades financieras, materiales y bienes de consumo no básico; en Chile,
alimentos y bebidas y servicios varios; en Colombia, demás empresas y petróleo; en Perú, mineras y diversas;
y en Argentina, demás empresas; lo que se podría interpretar como sectores con menor regulación,
donde no se evidencia comportamiento manada, llevando a pensar que son sectores con empresas
altamente comp etitivas que exhiben eficiencia en sus mercados. Igualmente al analizar el incremento
de la volatilidad por países, se encuentra que quienes manifiestan menores y mayores betas son Chile
y Perú respectivamente.
Finalmente considerando los criterios % y %, se resalta que la mayoría de los coeficientes ß2
son significativamente mayores que los ß1, lo que quiere decir, que la distribución del CSAD presenta
asimetría positiva y que por lo tanto existe más volatilidad en días con rentabilidades altas que bajas.
5. Conclusiones
A partir del análisis de las series financieras bajo estudio, se encuentra que los niveles de dispersión
aumentan significativamente cuando los precios de las acciones sufren grandes fluctuaciones, lo cual
se interpreta, según la metodología de Christie y Huang (), como una ausencia de efecto manada
en el periodo total (//-//) en los índices más representativos de los principales
mercados bursátiles de América Latina (Brasil, México, Chile, Colombia, Perú y Argentina). Simila-
res hallazgos se evidencian en los sectores al interior de estos mercados. Los anteriores resultados

PP 13 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
podrían sugerir eficiencia en los mercados bursátiles de Latinoamérica respecto al efecto manada,
dado que los agentes estarían tomando sus decisiones de inversión en base a sus propios juicios sin
seguir a sus pares más influyentes.
Es importante resaltar que estos resultados son semejantes a los encontrados en la literatura en el
periodo  a  (Chiang & Zheng, ) y  a  (de Almeida, Costa, & da Costa Jr., ), que
no indican presencia de efecto manada en gran parte de los mercados accionarios de América Latina.
Dada la existencia de otros modelos similares utilizados para comprobar la presencia de efecto
manada y que el número de empresas al interior de algunos de los sectores e índices bursátiles latinoa-
mericanos es relativamente pequeño, los re sultados de la presente investigación deben ser tomados con
cierto grado de precaución, evitando caer en generalizaciones, ya que para llegar de forma contundente
a la conclusión de ausencia de efecto manada de la presente investigación, deberían contrastarse los
resultados con los obtenidos mediante la aplicación de otras metodologías.
Referencias bibliográficas
Acevedo V., N., Fleisman V. , D., Montoya V., A., & Mora C., A. M. (2010). Generalidades de los ADRS: Un estudio
de caso sectorial para empresas de Colombia, México, Brasil y Chile. Ecos de Economía, 14(31), 64-97.
Bikhchandani, S., & Sharma, S. (2001). Herd Behavior in Financial Markets. IMF Staff Papers, International
Monetary Fund, 47, 279-310.
Caporale, G. M., Economou, F., & Philippas, N. (2008). Herding behaviour in extreme market conditions: the
case of the Athens Stock Exchange. Economics Bulletin, 7(17), 1-13.
Chang , E. C., Cheng , J. W., & Khorana, A. (2000). An examination of herd behavior in equity markets: An inter-
national perspective. Journal of Banking & Finance 24, 1651-1679.
Chen, T. (2013). Do Investors Herd in Global Stock Markets? Journal of Behavioral Finance, 14, 230-239.
Chiang, T. C., & Zheng, D. (2010). An empirical analysis of herd behavior in global stock markets. Journal of
Banking & Finance 34, 1911-1921.
Christie, W. G., & Huang, R. D. (1995). Following the Pied Piper: Do Individual Returns Herd around the Market.
Financial Analysts Journal, 31-37.
de Almeida, R. P., Costa, H. C., & da Costa Jr., N. C. (2012). Herd Behavior in Latin American Stock Markets.
Latin American Business Rewiew, 13(2), 81-102.
Devenow, A., & Welch, I. (1996). Rational herding in financial economics. European Economic Review 40, 603-615.
Economou, F., Kostakis, A., & Philippas, N. (2010). An examination of herd behavior in four mediterranean
stock markets. In European economics and finance society conference paper.
Fama, E. F. (1970). Efficient capital markets: A review of theory and empirical work. The journal of Finance,
25(2), 383-417.
Henker, J., Henker, T., & Mitsios, A. (2006). Do investors herd intraday in Australian equities? International
Journal of Managerial Finance, 2(3), 196-219.
Hott, C. (2009). Herding behavior in asset markets. Journal of Financial Stability, 5, 35-56.
Lao, P., & Singh, H. (2011). Herding behaviour in the Chinese and Indian stock markets. Journal of Asian
Economics 22, 495-506.

PP 14 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
Liu, S. (2013). An empirical analysis of herd behavior in the Singapore stock market. Tesis de maestria en
finanzas, Saint Mary’s University.
Newey, W. K., & West, K. D. (1987). A simple, positive semi-definite, heteroskedasticity and autocorrelation
consistent covariance matrix. Econometrica 55, 703-708.
Ouarda, M., Bouri, A. E., & Bernard, O. (2013). Herding Behavior under Markets Condition: Empirical Evidence on
the European Financial Markets. International Journal of Economics and Financial Issues, 3(1), 214-228.
Shiller, R. J. (2003). From Efficient Markets Theory to Behavioral Finance. Journal of Economic Perspectives,
17(1), 83-104.
Tan, L., Chiang, T. C., Mason, J. R., & Nelling, E. (2008). Herding behavior in Chinese stock markets: An exam-
ination of A and B shares. Pacific-Basin Finance Journal, 16, 61-77.

PP 15 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
Anexo. Estadísticas Descriptivas
Cartera/variable N Media (%) Desv.Est.
(%) Máx. (%) Mín. (%) S C PJB Test ADF.
BRASIL
Mercado Total
Rmt 69 0.0539 1.5660 13.2576 -10.7031 -0.1579 9.0937 0% -54.49*
CSAD 1.5752 0.5298 7.4607 0.0660 2.7147 17.3075 0% -7.05*
Bancario
Rmt 60.0590 2.0158 19.5398 -12.3028 0.2978 8.5681 0% -51.88*
CSAD 0.8184 0.4721 6.7035 0.0796 2.2313 15.5217 0% -7.40*
Otros Financieros
Rmt 80.0740 1.8412 18.7486 -13.1306 0.2153 12.0717 0% -55.04*
CSAD 1.2350 0.8521 8.9866 0.0006 2.0616 12.1613 0% -11.19*
Construcción Civil
Rmt 70.0164 2.7882 15.3403 -16.6649 -0.0667 6.1294 0% -41.75*
CSAD 1.5974 0.9176 8.7842 0.0035 2.2812 12.4535 0% -4.79*
Servicios Públicos
Rmt 11 0.0239 1.8262 12.3702 -8.7134 0.0211 5.8211 0% -54.27*
CSAD 1.3252 0.6407 8.1320 0.3174 2.3929 15.0435 0% -11.02*
Consumo Cíclico
Rmt 60.1428 2.7549 54.0874 -35.6499 2.6549 93.9110 0% -51.98*
CSAD 1.6805 2.2363 52.5331 0.0302 11.494 197.5984 0% -6.36*
Consumo no Cíclico
Rmt 10 0.0570 1.4897 10.4535 -9.3332 -0.2373 6.6542 0% -54.83*
CSAD 1.4268 0.6674 6.7480 0.0476 1.6290 8.5481 0% -7.96*
Madera y Papel
Rmt 3-0.0323 2.1558 12.5657 -11.4674 -0.0733 6.6136 0% -38.82*
CSAD 1.1490 0.9462 17.6951 0.0003 4.5721 62.1588 0% -14.32*
Siderurgia
Rmt 40.0612 2.4434 17.3323 -16.6395 -0.0477 6.4808 0% -52.01*
CSAD 0.9808 0.6410 7.6525 0.0373 2.2958 14.1701 0% -10.02*
Transporte
Rmt 50.0570 2.0061 37.2077 -14.7657 1.9014 47.6028 0% -54.34*
CSAD 1.5172 1.4285 55.1355 0.0073 19.071 676.8960 0% -9.88*
Minero
Rmt 30.0526 2.6418 57.6543 -18.9163 3.2418 79.5368 0% -53.07*
CSAD 0.9549 1.8796 78.5385 0.0005 24.203 948.1308 0% -6.04*
Telecomunicaciones
Rmt 3-0.0015 2.0370 13.2492 -15.2173 -0.0309 6.1846 0% -57.88*
CSAD 1.2687 0.9784 12.2651 0.0107 3.0818 22.6320 0% -9.75*
Petroquímicos
Rmt 30.0296 2.0917 13.8985 -11.3831 -0.1378 6.0791 0% -53.54*
CSAD 0.9860 0.8147 7.7872 0.0066 1.9162 9.3601 0% -19.48*

PP 16 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
Cartera/variable N Media (%) Desv.Est.
(%) Máx. (%) Mín. (%) S C PJB Test ADF.
MÉXICO
Mercado Total
Rmt 35 0.0860 1.1970 11.4871 -11.0754 -0.5720 11.8884 0% -49.66*
CSAD 1.2781 0.5838 12.5876 0.2761 5.0945 66.8013 0% -5.93*
Bienes de Consumo NB
Rmt 30.1302 1.6462 14.1127 -8.6029 0.3372 8.8253 0% -45.39*
CSAD 1.0680 1.0079 11.8859 0.0008 2.7261 16.5988 0% -15.15*
Materiales
Rmt 60.1067 1.7829 15.9062 -13.5027 -0.2335 10.4007 0% -49.82*
CSAD 1.3311 0.9541 18.9633 0.0106 4.5524 58.5080 0% -9.26*
Alimentos, Bebidas
y Tabaco
Rmt 50.0697 1.1768 5.7579 -15.1191 -1.1278 15.2801 0% -52.91*
CSAD 1.0483 0.8165 29.7051 0.0592 15.019 489.6539 0% -9.32*
Entidades Financieras
Rmt 60.0882 1.7209 11.6928 -18.0404 -0.3003 10.9602 0% -40.64*
CSAD 1.1652 1.1739 22.3429 0.0008 6.3565 83.7838 0% -27.60*
Productos de
Consumo Frec
Rmt 40.0501 1.6599 13.8630 -47.7185 -7.7587 229.7383 0% -54.15*
CSAD 0.9889 1.4223 61.6789 0.0060 27.694 1096.812 0% -20.44*
Industrial
Rmt 70.0893 1.6085 14.4631 -12.9093 0.0828 11.4609 0% -49.73*
CSAD 1.1995 0.9169 14.5952 0.0019 4.6207 48.1018 0% -5.68*
Demás Empresas
Rmt 40.0770 1.5702 9.0348 -6.9158 0.0714 5.2549 0% -54.13*
CSAD 0.8314 0.7101 7.5839 0.0001 2.4386 14.1559 0% -8.82*
CHILE
Mercado Total
Rmt 40 0.0412 0.8751 9.6473 -7.0334 -0.1414 13.7986 0 -30.75*
CSAD 0.9904 0.3872 10.8795 0.0081 6.8395 145.8826 0 -9.27*
Alimentos y Bebidas
Rmt 40.0296 1.0197 7.7931 -6.3367 -0.1022 7.0690 0 -35.01*
CSAD 0.8800 0.6155 9.7572 0.0029 2.7669 22.6359 0 -10.82*
Bancarias y Financieras
Rmt 50.0428 1.0246 10.4947 -9.2354 -0.0674 12.5938 0 -38.22*
CSAD 0.7907 0.4631 5.4725 0.0040 2.1508 13.4839 0 -11.17*
Comerciales y
Distribuidoras
Rmt 30.0433 1.3232 9.8497 -7.9042 0.0794 6.9376 0 -48.33*
CSAD 0.7210 0.5340 5.5958 0.0011 1.8323 9.8238 0 -16.05*
Inversiones e
Inmobiliarias
Rmt 60.0561 1.0376 7.9452 -8.2317 -0.1739 10.9722 0 -31.94*
CSAD 0.9092 0.6225 8.0391 0.0006 2.7435 21.7738 0 -18.80*

PP 17 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
Cartera/variable N Media (%) Desv.Est.
(%) Máx. (%) Mín. (%) S C PJB Test ADF.
Servicios Públicos
Rmt 90.0242 1.0108 12.2177 -8.9530 0.0905 15.4763 0 -49.07*
CSAD 0.9030 0.5430 15.0572 0.0321 8.3155 176.7799 0 -10.71*
Servicios Varios
Rmt 50.0518 1.4232 41.2211 -8.5210 11.0445 327.8612 0 -43.8700*
CSAD 0.9153 1.5516 68.1465 0.0136 37.7263 1630.118 0 -44.4089*
Demás Empresas
Rmt 80.0564 1.1989 8.8414 -9.0606 -0.2027 8.863932 0 -46.6616*
CSAD 1.0892 0.6742 8.2082 0.0006 2.5842 16.96521 0 -12.5125*
COLOMBIA
Mercado Total
Rmt 26 0.0844 1.3040 15.8437 -11.7312 -0.3546 20.1475 0% -46.63*
CSAD 1.0658 0.5020 8.8955 0.0041 3.1175 30.0461 0% -12.22*
Financiero
Rmt 60.1117 1.4223 14.2147 -11.7207 -0.2223 13.3870 0% -48.73*
CSAD 0.8682 0.6715 11.3959 0.0061 3.8353 35.8156 0% -12.70*
Inversiones
Rmt 60.0998 1.4237 18.2717 -13.1990 -0.0877 20.3557 0% -47.55*
CSAD 0.7857 0.5423 5.8690 0.0060 2.2602 12.1577 0% -15.64*
Petróleo
Rmt 3-0.0151 1.7320 6.1983 -21.0654 -1.7698 23.2361 0% -27.35*
CSAD 1.1193 1.0526 20.2440 0.0033 6.9220 106.5938 0% -14.95*
Energía
Rmt 30.0970 1.5846 18.5052 -14.5594 -0.0311 17.9635 0% -48.44*
CSAD 0.7524 0.6796 8.7528 0.0018 2.9435 19.8443 0% -30.10*
Demás Empresas
Rmt 80.0426 1.6234 13.7140 -15.3185 -0.3995 15.2030 0% -47.87*
CSAD 1.2531 1.0799 26.3857 0.0050 7.5000 129.9159 0% -33.00*
PERÚ
Mercado Total
Rmt 27 0.0655 1.3950 8.4517 -15.8090 -1.0295 14.9567 0% -28.10*
CSAD 1.4888 0.7814 9.1776 0.1106 2.2359 12.2449 0% -7.19*
Minero
Rmt 90.0799 2.3333 15.4594 -16.3844 -0.5377 12.2017 0% -50.92*
CSAD 1.7259 1.4786 19.2260 0.0763 4.9463 40.6140 0% -14.93*
Servicios Públicos
Rmt 40.0535 1.2267 12.0306 -13.8216 -0.6347 19.2397 0% -43.99*
CSAD 0.7764 0.6152 7.9648 0.0022 2.3751 15.4378 0% -19.49*
Industrial
Rmt 80.0427 1.7120 11.4421 -16.3665 -0.4711 11.1226 0% -48.25*
CSAD 1.4873 0.9867 13.3152 0.0552 2.1921 13.6036 0% -13.94*
Diversas
Rmt 60.1318 2.0084 14.3841 -16.0062 -0.3838 13.4865 0% -24.61*
CSAD 1.2627 1.3457 14.3841 0.0170 3.9680 25.6996 0% -3.30*

PP 18 | 111
Ecos de Economía: A Latin American Journal of Applied Economics | Vol. 20 | No. 42 | 2016
Análisis del Comportamiento Manada en los sectores bursátiles de América Latina
Cartera/variable N Media (%) Desv.Est.
(%) Máx. (%) Mín. (%) S C PJB Test ADF.
ARGENTINA
Mercado Total
Rmt 13 0.0952 1.9815 16.4820 -12.6159 -0.0878 9.2996 0% -34.49*
CSAD 1.6570 1.0610 16.1453 0.3397 4.8522 45.7758 0% -1.66
Metalúrgica y
Siderúrgica
Rmt 30.0957 1.9529 11.0654 -16.0613 -0.5003 7.7911 0% -51.73*
CSAD 1.1172 0.7873 7.8766 0.0029 1.9675 10.1698 0% -8.58*
Petróleo y Gas
Rmt 30.0924 2.2382 19.8366 -14.7332 0.1061 9.6118 0% -46.07*
CSAD 1.3849 1.2348 15.9982 0.0074 2.6668 17.1343 0% -9.78*
Bancario
Rmt 30.1144 2.8237 38.0090 -18.1455 0.7391 18.1105 0% -49.55*
CSAD 1.0422 0.9056 12.0506 0.0126 3.9727 30.9832 0% -4.84*
Demás Empresas
Rmt 40.1202 2.8429 29.2020 -26.8877 0.4498 18.5674 0% -26.67*
CSAD 1.6453 1.8570 39.2685 0.0029 7.5788 108.5797 0% -27.61*
S (Sesgo), C (Curtosis), PJB (Prob. Estadístico Jarque-Bera), ADF (Estadístico Dickey-Fuller Aumentado). * Valores significativos al 1%.