Estacionalidad bursátil

Qué es

La estacionalidad bursátil es la observación de que los retornos accionarios no se distribuyen de manera uniforme a lo largo del calendario: ciertos meses, días de la semana o tramos del año exhiben, en promedio histórico, rendimientos sistemáticamente distintos del resto. Es una regularidad empírica, no una ley: describe el centro de una distribución medida sobre décadas, no lo que hará el mercado el próximo martes.

Su interés teórico viene de la incomodidad que genera. Bajo la hipótesis de eficiencia de mercado en su forma débil (Fama, 1970), los precios ya incorporan toda la información contenida en la serie histórica de precios, de modo que ningún patrón derivable del calendario —dato público, gratuito y conocido por todos— debería sobrevivir: si septiembre fuera confiablemente malo, vender en agosto sería rentable, muchos lo harían, y la caída se adelantaría hasta desaparecer. Que varios de estos patrones se hayan documentado durante décadas es lo que los convirtió en "anomalías", el nombre técnico para una regularidad que la teoría dominante no predice.

El catálogo es conocido. El efecto enero —retornos anormalmente altos en las primeras sesiones del año, concentrados en empresas de baja capitalización— fue documentado por Rozeff y Kinney (1976) y refinado por Keim (1983). French (1980) describió el efecto fin de semana: retornos negativos entre el cierre del viernes y el del lunes. Ariel (1987) halló que el rendimiento se concentraba en torno al cambio de mes. Bouman y Jacobsen (2002) formalizaron el refrán sell in May and go away: en 36 de 37 países estudiados, los retornos de noviembre-abril superaban a los de mayo-octubre. Y en la tradición de los operadores —el Stock Trader's Almanac de Yale Hirsch, que popularizó estas cuentas desde 1967— septiembre figura como el peor mes del año para las acciones estadounidenses desde 1950.

Las explicaciones propuestas se agrupan en tres familias. Las institucionales: venta de posiciones perdedoras en diciembre para aprovechar el crédito tributario (tax-loss selling), maquillaje de carteras al cierre de trimestre, cierres de libros de los fondos. Las conductuales: Kamstra, Kramer y Levi (2003) atribuyeron parte del ciclo anual al trastorno afectivo estacional, que elevaría la aversión al riesgo en otoño boreal. Y la escéptica, que es la más exigente: si uno prueba doce meses, cinco días de la semana, semanas del mes y fases lunares contra la misma serie de precios, encontrará algo significativo por puro azar. Sullivan, Timmermann y White (2001) mostraron que, corrigiendo por el universo de reglas de calendario efectivamente exploradas, casi ninguna sobrevive; Lakonishok y Smidt (1988) ya habían pedido noventa años de datos antes de creerle a cualquiera de estos efectos. Schwert (2003) documentó además que varias anomalías se atenúan o desaparecen después de publicarse, que es exactamente lo que predice la eficiencia.

La lectura prudente, la que suscriben los manuales estándar, es que la estacionalidad existe como hecho estadístico sobre muestras largas, pero su magnitud rara vez supera los costos de transacción y su dispersión es enorme frente a la media. Un promedio de −0,9% acompañado de una desviación estándar mensual de varios puntos porcentuales no permite pronosticar un septiembre en particular: describe un sesgo leve del centro, con enorme masa de probabilidad a ambos lados.

Cómo lo explicó el programa

En Buenas Tardes Mercado del 14 de septiembre de 2026, Manuel Bengolea usó la estacionalidad para encuadrar el ánimo de Wall Street al volver del receso de verano boreal. Su formulación fue deliberadamente estadística: "usualmente, como promedio, en septiembre hay una caída, 0,9% de caída, porque los mercados se ponen nerviosos". Esa cifra —el promedio de los septiembres desde 1950— es la que circula en la tradición del Almanac, y el mérito del enunciado está en las dos palabras iniciales: usualmente y como promedio. No se anunció una caída; se describió el centro de una distribución de setenta y tantas observaciones.

El segundo tramo del argumento es el que agrega contenido económico. Bengolea señaló que el patrón se agrava en años de elecciones de medio término, y lo ancló en un mecanismo: a los mercados no les gusta la incertidumbre. Esa es la parte defendible de la afirmación. Si la incertidumbre política eleva la prima de riesgo exigida, los precios caen hoy aunque el flujo de caja esperado no cambie, y las elecciones de medio término concentran esa incertidumbre justamente a fines del año calendario. El calendario, así entendido, deja de ser una superstición numerológica y pasa a ser un indicador indirecto de cuándo se acumulan eventos que mueven la prima de riesgo: regreso de volumen a las mesas, cierres de trimestre, definiciones políticas.

Para el oyente chileno la traducción no es automática. El efecto enero estadounidense depende del año tributario estadounidense, y los patrones estacionales del IPSA responden a su propio calendario de resultados, dividendos y política local. Importar el septiembre de Wall Street al mercado chileno sin verificarlo es un salto que la evidencia no autoriza.

Relación con otros conceptos

La estacionalidad se define por oposición a la eficiencia de mercado: es el caso testigo que la literatura usa para probar sus límites, y pertenece a la familia más amplia de las anomalías de mercado junto con el efecto tamaño y el efecto valor. El mecanismo que invocó el programa —nerviosismo ante lo desconocido— es el de la prima por riesgo y su sensibilidad a la incertidumbre política. Su principal amenaza metodológica es el sesgo de minería de datos: buscar patrones en una serie hasta que aparezca uno, sin corregir por cuántos se probaron. Y su utilidad práctica está acotada por los costos de transacción, que suelen bastar para borrar una ventaja media de menos de un punto porcentual.

Fuentes y lecturas

• Rozeff, M. y Kinney, W. (1976), Capital Market Seasonality: The Case of Stock Returns, Journal of Financial Economics 3(4).
• French, K. (1980), Stock Returns and the Weekend Effect, Journal of Financial Economics 8(1).
• Bouman, S. y Jacobsen, B. (2002), The Halloween Indicator, "Sell in May and Go Away": Another Puzzle, American Economic Review 92(5).
• Sullivan, R., Timmermann, A. y White, H. (2001), Dangers of Data Mining: The Case of Calendar Effects in Stock Returns, Journal of Econometrics 105(1).
• Brealey, R., Myers, S. y Allen, F., Principios de finanzas corporativas, McGraw-Hill — capítulo sobre eficiencia de mercado y anomalías.