--- title: "Alfa de Jensen: estimar e interpretar la constante de una regresión CAPM" description: "Aprende cómo se estima el alfa de Jensen con excesos de rentabilidad sincronizados, cómo difiere de un residuo puntual y cómo beta, referencia, costes, incertidumbre y factores omitidos afectan su interpretación." image: "https://wiki.fcontext.com/og.png" --- > Documentation Index > Fetch the complete documentation index at: https://wiki.fcontext.com/llms.txt > Use this file to discover all available pages before exploring further. # Alfa de Jensen: estimar e interpretar la constante de una regresión CAPM > Solo con fines educativos; no constituye asesoramiento de inversión. Invertir puede ocasionar pérdidas. ## Respuesta directa El **alfa de Jensen** es la constante estimada en una regresión temporal del exceso de rentabilidad de una cartera sobre el exceso de rentabilidad del mercado bajo CAPM: `R_p,t - R_f,t = alpha_p + beta_p × (R_m,t - R_f,t) + epsilon_p,t` `alpha_p` es la rentabilidad periódica media no explicada por la exposición CAPM ajustada en la muestra. `beta_p` es la carga estimada al mercado y `epsilon_p,t` el residuo del periodo `t`. Un residuo favorable o la diferencia puntual frente al retorno implícito por CAPM no constituye por sí solo un alfa de regresión. El alfa depende de series, proxy de mercado y libre de riesgo, frecuencia, periodo, modelo y base bruta o neta elegidos. Una estimación positiva no prueba habilidad, persistencia, error de precio ni causalidad: muestreo, factores omitidos, desajuste de referencia, exposición cambiante, apalancamiento, precios obsoletos y minería de datos pueden crearla o eliminarla. ## Cómo funciona Construye y audita la estimación así: 1. **Definir la evaluación.** Identifica cartera, clase, mandato, objetivo, divisa, base de comisiones e impuestos, valoración, muestra, versión de datos y si se busca atribución, selección o prueba de precios. 2. **Construir rentabilidades totales sincronizadas.** Alinea fechas, frecuencia, zona horaria, distribuciones, operaciones societarias, flujos, divisa e información invertible. No mezcles precio con retorno total ni resultados reales con backtest revisado. 3. **Crear excesos equivalentes.** Elige proxy libre de riesgo de igual divisa y periodo y calcula `y_t = R_p,t - R_f,t` y `x_t = R_m,t - R_f,t`. Declara retornos simples o logarítmicos; la regresión usual usa retornos simples periódicos expresados coherentemente. 4. **Estimar la regresión.** Mínimos cuadrados ordinarios ajusta `y_t = alpha + beta × x_t + epsilon_t`. Constante y pendiente minimizan residuos cuadrados. `R-squared` describe variación muestral ajustada, no verdad de precios, habilidad o valor económico. 5. **Cuantificar incertidumbre.** Informa observaciones, errores estándar, t, intervalos, diagnósticos y estimador de covarianza. Heterocedasticidad, autocorrelación, solapamiento, suavizado, shocks agrupados o referencias estimadas exigen inferencia robusta o específica. 6. **Probar estabilidad y especificación.** Varía frecuencias, subperiodos, proxies, serie libre de riesgo, atípicos, ajustes por precios obsoletos y bruto/neto. Añade factores justificados sin declarar universal un modelo. 7. **Interpretar relevancia económica.** Anualiza el estimador bajo una convención declarada, manteniendo visible la incertidumbre. Compara con costes, impuestos, rotación, apalancamiento, liquidez, capacidad, drawdowns, colas y objetivo. Exige evidencia fuera de muestra antes de inferir persistencia. Si el alfa mensual es `a_m`, el estimador anual compuesto es `(1 + a_m)^12 - 1`; `12 × a_m` es otra convención aproximada. Ninguna convierte ruido mensual en certeza, y no deben anualizarse errores o intervalos aplicando ciegamente la fórmula puntual. ## Ejemplo Separa ilustración puntual y muestra de regresión: - **Residuo puntual:** un mes el fondo rinde `2.5000%`, el activo libre de riesgo `0.2500%`, el mercado `1.2500%` y una beta previa es `1.1000`. El retorno total CAPM es `0.2500% + 1.1000 × (1.2500% - 0.2500%) = 1.3500%`; la diferencia es `1.1500 percentage points`. Es rentabilidad anormal puntual, no nueva estimación de alfa. - **Regresión de doce meses:** los excesos de mercado promedian `0.5000%` y los de cartera `0.7000%`. OLS sobre 12 observaciones da `alpha = 0.1529% per month` y `beta = 1.0943`. La media ajustada concilia como `0.1529% + 1.0943 × 0.5000% = 0.7000%` tras redondear. - **Incertidumbre:** la suma residual cuadrada es `0.6971 percentage-points squared`. Con `12` observaciones y `10` grados residuales, el error estándar es `0.0775%` y `t = 0.1529% / 0.0775% = 1.9720`. Con valor crítico bilateral ilustrativo `2.228`, el intervalo es `[-0.0198%, 0.3256%]` e incluye cero. `R-squared = 0.9934` no cambia esa inferencia. - **Anualización y costes:** el alfa bruto compuesto es `(1 + 0.1529%)^12 - 1 = 1.8500%`. Si el neto está exactamente `0.1000 percentage points` por debajo cada mes, beta no cambia y alfa neto mensual es `0.0529%`, con estimador anual `0.6363%`. Costes y flujos reales no tienen por qué ser constantes. ## Riesgos - Define cartera, clase, mandato, divisa, fechas, frecuencia y versión de datos. - Usa retornos totales sincronizados y alinea distribuciones, operaciones, zonas y festivos. - Alinea cartera, mercado y libre de riesgo en divisa, horizonte y convención. - Distingue bruto, neto de producto, neto de asesoría, después de impuestos y retorno vivido. - Elige proxy de mercado defendible; ningún índice replica el mercado teórico perfecto. - Trata alfa y beta como coeficientes muestrales estimados conjuntamente. - No llames alfa a residuo puntual, exceso bruto o retorno activo acumulado. - Informa observaciones, errores, t, intervalos y grados de libertad. - Usa inferencia adecuada para heterocedasticidad, autocorrelación, solapamiento, suavizado y shocks. - Comprueba precios obsoletos y negociación no sincrónica que distorsionan beta y constante. - Prueba subperiodos y ventanas móviles porque exposición y gestión cambian. - Investiga atípicos sin borrar los desfavorables para mejorar alfa. - Aborda sesgos de supervivencia, backfill, incubación, anticipación, selección y data snooping. - Compara CAPM con especificaciones multifactor justificadas y revela factores omitidos. - No interpretes R² alto como precio correcto ni bajo como habilidad. - Anualiza estimadores con convención declarada y conserva incertidumbre. - Compara alfa económico con comisiones, costes, impuestos, rotación, leverage, liquidez y capacidad. - Evalúa por separado drawdown, colas, ajuste de referencia, cobertura, renta, impuestos o pasivos. - Exige persistencia fuera de muestra y control de pruebas múltiples antes de atribuir habilidad. - Conserva código, inputs, fuentes y revisiones para reproducibilidad. ## Errores comunes - **«El alfa de Jensen es exceso bruto sobre el índice».** Es una constante de modelo estimada con excesos sincronizados y beta estimada. - **«Un residuo mensual positivo es alfa positivo».** El residuo pertenece a una observación; alfa es la constante de la muestra. - **«Alfa positivo prueba habilidad».** Suerte, modelo, exposiciones omitidas, beta cambiante, leverage, costes y selección siguen siendo alternativas. - **«R² alto hace significativo el alfa».** Ajuste e incertidumbre de la constante son magnitudes distintas. - **«Anualizar alfa anualiza la confianza».** Escalar el estimador no crea observaciones ni elimina incertidumbre. ## Temas relacionados - [Modelo de valoración de activos de capital](/es/stocks/capm/) - [Beta](/es/stocks/beta/) - [Modelo factorial Fama-French](/es/stocks/fama-french-factor-model/) ## Fuentes - Michael C. Jensen: desempeño de fondos de inversión entre 1945 y 1964. - William F. Sharpe: precios de activos de capital y equilibrio bajo riesgo. - Eugene F. Fama y Kenneth R. French: factores comunes en acciones y bonos. - Dartmouth College / Kenneth R. French: biblioteca de datos. - FINRA: análisis de índices de referencia. - SEC Investor.gov: efecto de comisiones y gastos en la cartera. Source: https://wiki.fcontext.com/es/stocks/jensens-alpha/index.mdx