Ciencias Sociales con mención en Finanzas

Permanent URI for this collectionhttp://98.81.228.127/handle/20.500.12404/15971

Browse

Now showing 1 - 3 of 3

Impacto de las políticas ambientales, sociales y de gobernanza (ASG) en la rentabilidad (ROA y ROE) y en el valor (Q de Tobin) de las empresas peruanas entre los años 2016-2021
(Pontificia Universidad Católica del Perú, 2024-01-11) Valera Espejo, Christian Enrique; Cunya Alvarez, Jhon Elias; Villavicencio Vásquez, Julio Alberto
Se realizó un estudio en el cual se tiene como objetivo determinar si existe un impacto positivo en el valor de las empresas peruanas que cotizan en la bolsa de valores de Lima (BVL) debido a la adopción de políticas ambientales, sociales y de gobernanza. En adelante se usará el término ESG por sus siglas en inglés. Se obtiene la información desde la Superintendencia de Mercado de Valores (SMV) y usando la plataforma Bloomberg para construir una base de datos panel conformada por los puntajes obtenidos en cuanto al cumplimiento de las políticas ESG adoptadas en cada empresa y se determinará si el impacto en el valor de las empresas fue positivo o negativo. Las variables dependientes que se consideran son el ROA, ROE para el rendimiento de las empresas y la Q de tobin para el valor de las empresas. Respecto a las variables explicativas, se clasificaron en cuatro grupos: las variables de control, las variables de categoría ESG, las variables de ratios financieros y las variables macroeconómicas. El aporte de la investigación amplía los estudios que se direccionan tomando como punto de origen el gobierno corporativo y el valor de las empresas. Para este estudio se tomará en conjunto las 3 categorías de ESG que engloba no solo el gobierno corporativo sino también lo social y lo ambiental, además de contar con el puntaje de empresas peruanas que han sido seleccionadas para conformar el primer Índice ESG del Perú: El S&P/BVL Peru General ESG Index.
Modelos multifactoriales para la estimación del costo del capital: un estudio del modelo de tres factores de Fama & French con prima de iliquidez aplicado al mercado de valores peruano
(Pontificia Universidad Católica del Perú, 2024-10-03) Girón Perleche, Josué Arturo; Estrada Mendoza, Germán Francisco
El concepto del costo de capital, como uno de los conceptos en finanzas más relevantes de los últimos tiempos y que representa la tasa esperada de retorno del inversionista, ha permitido la creación de un debate y búsqueda en torno al mejor método matemático y financiero para calcularlo. El presente trabajo se centra en cuestionar la validez del instaurado y aceptado modelo del CAPM en nuestro país mediante el estudio y validación de un modelo alternativo para la estimación del costo del capital: el multifactorial propuesto por Fama y French (1992). Se busca, además, incorporar el concepto de iliquidez al modelo, siendo este último un hecho que caracteriza a las empresas de mercados en desarrollo como el Perú. El resultado es un modelo de cuatro factores, que sigue la línea de estudios similares en regiones emergentes asiáticas con resultados sorprendentes. Intrínsecamente, se intenta contabilizar por separado los efectos de tamaño, valor e iliquidez para aproximar la tasa requerida de retorno, pensándose, sobre todo, en las empresas peruanas de menor escala, quienes necesitan de un costo de capital más preciso y justo para sus inversionistas. Para el estudio, se recolectaron datos de un conjunto de empresas que cotizan públicamente en la Bolsa de Valores de Lima entre el año 2012 y 2022.
Predecir el movimiento de las acciones que cotizan en la Bolsa de Valores de Lima (BVL) a partir de los earning calls y usando Machine Learning
(Pontificia Universidad Católica del Perú, 2024-01-11) Macedo Pereira, Andrea; Estrada Mendoza, Gernan Francisco
La información juega un rol fundamental en los mercados financieros. Las noticias el sentimiento de mercado o los resultados financieros de las empresas son claves para los inversionistas. Asimismo, la evolución de la tecnología ha permitido un análisis más eficaz de la información y ha desarrollado nuevas formas de visualización, es así como el machine learning ha permitido usar información poco común para los inversionistas como son las redes sociales (Twitter), noticias de periódicos (Wall Street Journal) o los earnings calls de las empresas para extraer datos relevantes. Por otro lado, las transcripciones de los earnings calls son públicas y contienen los nombres de los participantes de la llamada (ejecutivos y analistas), la presentación donde se exponen los resultados del trimestre y ciertas proyecciones o tendencias de los siguientes trimestres. El estudio se enfoca en combinar dos algoritmos distintos de clasificación usados dentro del machine learning (Random Forest Classifier y Naive Bayesian) y así ayudar a analizar y predecir el comportamiento de los earning calls en el movimiento de las acciones de empresas mineras (Southern Copper Corporation, Trevali Mining Corp, Compañía de Minas Buenaventura y Minsur) que cotizan en la Bolsa de Valores de Lima (BVL), así como clasificar el transcrip en sentimientos negativos, positivos y neutros.