En Chile, información privilegiada es cualquier información referida a un emisor de valores (a sus negocios o a los valores emitidos), no divulgada al mercado y cuyo conocimiento puede influir en la cotización de los valores emitidos, por ejemplo, de las acciones (Ley 18.045, 2014, art. 164). También es la información “que se posee sobre decisiones de adquisición, enajenación y aceptación o rechazo de ofertas específicas de un inversionista institucional en el mercado de valores” (Ley 18.045, 2014, art. 164).

En relación con el uso de información privilegiada o insider trading:

Se entiende, en sentido estricto, la operación en el mercado de valores (trading/dealing) que hace aquél que posee información privilegiada en razón de una calidad personal especial (insider). En sentido amplio, el trading/dealing cubre no sólo la operación en el mercado de valores realizada en posesión o uso de información privilegiada, sino la revelación de la información privilegiada y la recomendación de operar; a partir del año 2014, en el derecho común europeo también quedan cubiertas por el concepto la operación realizada por el destinatario de la recomendación, la revelación de la recomendación y la cancelación o modificación de órdenes de operar. Asimismo, en sentido amplio el insider abarca no sólo al que tiene una calidad personal especial, sino a todo poseedor de información privilegiada. (Bascuñán Rodríguez, 2017, p. 934)

De acuerdo con Hayne Leland (1992), el Congreso de los Estados Unidos decidió en 1934 que el uso de información privilegiada no era bueno para los mercados financieros, y desde entonces esta materia es regulada por la Securities and Exchange Commission (SEC). La Securities Exchange Act de 1934 justifica la regulación del insider trading en la presunción de que tal actividad es injusta para los inversionistas ajenos a la organización. La línea entre qué información es justa y qué información es injusta ha sido objeto de considerables argumentos legales. Por lo anterior, hay casos estadounidenses de insider trading que enfatizan el incumplimiento del deber fiduciario por parte de los empleados que usan información privilegiada, en lugar de la injusticia (Leland, 1992).

Con respecto a los efectos del uso de información privilegiada sobre los mercados, Sugato Chakravarty y John McConnell (1999) señalan que el principal argumento contra el uso de información privilegiada es que opera en perjuicio de los inversionistas externos, quienes luego saldrían del mercado y se llevarían su capital, mientras que el argumento a favor de permitir el uso de información privilegiada se refiere a que conduce a precios más informativos. Bascuñán Rodríguez (2017) señala que se distinguen dos enfoques acerca del insider trading: 1) el macro-enfoque, del derecho europeo, que lo considera un atentado a la integridad y eficiencia del mercado de valores; y 2) el micro-enfoque, de la jurisprudencia estadounidense, que lo concibe como un atentado contra un interés individual correspondiente a una expectativa fiduciaria.

Con respecto al uso de información privilegiada y su legislación, Utpal Bhattacharya y Hazem Daouk (2002) argumentan que la existencia y la aplicación de leyes que regulan el uso de información privilegiada en los mercados bursátiles es un fenómeno de los años noventa. Los autores encuentran que, de los 103 países que tienen mercados bursátiles, en 87 de ellos existen leyes de información privilegiada, pero estas se aplican solo en 38 países. Antes de 1990, 34 países tenían leyes de insider trading, pero estas fueron aplicadas solo en 9 de ellos (en Chile, el Título XXI de la Ley de Mercado de Valores, “De la información privilegiada”, es introducido en 1994 con la Ley N° 19.301). Estos autores argumentan que el coste de capital en un país no cambia después de la introducción de leyes de insider trading, pero disminuye significativamente después del primer juicio. En otro estudio, Nuno Fernandes y Miguel A. Ferreira (2009) investigan la relación entre la aplicación por primera vez de leyes de insider trading y la información de los precios accionarios, y usan datos de 48 países durante el período 1980-2003. Los autores concluyen que la aplicación de leyes de insider trading mejora la capacidad informativa de los precios, pero este aumento se concentra en los mercados desarrollados. La aplicación de estas leyes no logra mejorar la capacidad informativa de los precios en los países con instituciones jurídicas deficientes.

En relación con la evidencia empírica sobre uso de información privilegiada, Arthur J. Keown y John M. Pinkerton (1981) proporcionan evidencia para EE.UU. acerca del retorno excesivo ganado por los inversores en empresas adquiridas previo al primer anuncio público de fusión. Este estudio muestra que la filtración de información privilegiada era un problema generalizado que ocurría a un nivel significativo hasta 12 días antes del primer anuncio público de una fusión. Más tarde, Bhanu Balasubramnian et al. (2016) examinan el efecto de los cambios regulatorios ⎯de la SEC estadounidense en el año 2000⎯ sobre la filtración de información privada antes de los anuncios de fusiones. Balasubramnian et al. encuentran que el volumen de transacciones anormales, debido a diferencias en la calidad de la información, se reduce después de la regulación. Esto indica una menor filtración de información después de la nueva regulación. Los autores también encuentran un mayor retorno de los anuncios posteriores a la regulación. Lo anterior muestra que los anuncios de fusiones fueron una gran sorpresa para el mercado, debido a la disminución de la filtración de información privada después de los cambios regulatorios.

En Chile, Améstica-Rivas et al. (2017) analizan una muestra de 61 anuncios de fusiones y adquisiciones realizados por firmas chilenas entre los años 2010 y 2014. En las adquisiciones, los autores encuentran un retorno anormal promedio positivo y significativo en el día previo al anuncio (entre 0,60% y 0,89%), y un retorno anormal promedio acumulado positivo y significativo en los seis días previos al anuncio (entre 2,30% y 2,48%). Esto revelaría una filtración de información privada y un problema de insider. En las fusiones, los resultados no son concluyentes.

Por otra parte, J. Carr Bettis et al. (2000) analizan las políticas y procedimientos establecidos por las firmas estadounidenses para regular las transacciones de acciones que realizan sus propios empleados. Más del 92% de las empresas tiene políticas de restricción de transacciones de insiders, y el 78% tiene períodos explícitos de exclusión o blackout durante los cuales la firma prohíbe a sus empleados transar acciones de la empresa. Los autores argumentan que los períodos de blackout exitosos detienen las transacciones de los insiders.

En cuanto a la divulgación de noticias falsas por parte de insiders, Saif Ullah et al. (2014) señalan que hay dos tipos de manipulaciones del precio accionario: 1) insider trading, que involucra información privada que es verdadera; y 2) la difusión pública de información fraudulenta. Los autores encuentran que la información falsa genera retornos y volúmenes de transacción anormales, aún después de ser denegada por una fuente creíble como la SEC. Ullah et al. también encuentran que los efectos de la información falsa sobre los retornos y el volumen pueden ser persistentes por al menos dos semanas, y muestran que los perpetradores de los ataques con noticias falsas pueden obtener potencialmente grandes beneficios a partir de este tipo de manipulaciones del mercado.

Con base en lo anterior, si en los casos que se analizan hay uso de información privilegiada, se espera encontrar retornos anormales positivos en el o los días previos a los anuncios (la emisión de hechos esenciales). En consecuencia, se plantea la siguiente hipótesis nula (H₀):

H₀: No existen retornos anormales positivos y significativos en el o en los días previos a los anuncios.

El análisis utiliza precios de cierre diarios de las acciones de las empresas Schwager Energy S.A., LAN Airlines S.A., D&S S.A., Falabella S.A.C.I. y CFR Pharmaceuticals S.A. También usa valores de cierre diarios del Índice General de Precios de Acciones (IGPA) de la Bolsa de Comercio de Santiago de Chile (BCS).

La Tabla 1 describe los eventos relacionados con las cinco empresas chilenas que estuvieron involucradas en casos de uso de información privilegiada entre los años 2004 y 2014 (en el caso de Schwager Energy S.A. se estudian dos eventos).

Tabla 1 Tabla 1 Eventos asociados con el uso de información privilegiada

Tabla 1 (continuación) Tabla 1 (continuación) Eventos asociados con el uso de información privilegiada Nota.

Elaboración propia, a partir de los hechos esenciales publicados por la Comisión para el Mercado Financiero de Chile (ex Superintendencia de Valores y Seguros), Figueroa (2012), Rosenblut (2011) y Vásquez Palma (2010a).

Una forma de analizar el uso de información privilegiada es mediante un estudio de eventos. La utilidad de este tipo de estudio está en que, dada la racionalidad del mercado, los efectos de un evento se reflejan inmediatamente en los precios de los títulos (MacKinlay, 1997). Según MacKinlay (1997), se puede construir una medida del efecto económico de un evento utilizando los precios observados durante un período de tiempo relativamente breve. Dicho período se define como el tiempo que transcurre para buscar una reacción del precio promedio a la noticias recibidas por los inversionistas (García Rendón, 2009).

Para calcular el retorno anormal o residuo (Brown y Warner, 1980) se identifica el día del evento (día t=0). Además, se define un período de 81 días: 40 días antes del evento, más el día del evento, más 40 días después de este (Weston et al., 2000). Este intervalo de tiempo constituye el período del evento.

En este estudio el evento es un anuncio realizado por una empresa mediante la comunicación de un hecho esencial ¹ a la Comisión para el Mercado Financiero de Chile (CMF). Se supone que el período del evento de [-40;+40] días contiene información suficiente para analizar el efecto del anuncio sobre los retornos de las acciones. El retorno anormal para una acción i en el día t del período del evento (r_it ) se calcula como la diferencia entre el retorno observado (R_it ) y el retorno esperado para la acción en ausencia del evento ( R ^ it ), según el modelo (1).

(1)

El retorno esperado para la acción i ( R ^ it ) se calcula para cada día t del período del evento, suponiendo condiciones normales o la ausencia del evento que se estudia. Para calcular R ^ it se utilizan tres métodos, con el propósito de dar robustez a los resultados: 1) retorno ajustado medio; 2) modelo de mercado; y 3) retorno ajustado de mercado.

El método del retorno ajustado medio calcula R ^ it a partir del retorno medio diario de la acción ( R ‾ it ) sobre un período sin evento. Dicho período está compuesto por los 200 días previos al período del evento. El retorno medio diario se calcula mediante el modelo (2).

(2)

En el modelo (2), R _it es el retorno observado de la acción i en el día t de un período sin evento de T=200 días, desde el día t=-241 hasta el día t=-41 antes del evento (Weston et al., 2000).

El modelo de mercado realiza una regresión lineal entre los retornos observados de una acción i (R _it ) y los retornos observados de un índice bursátil representativo del mercado (R _Mt ), según el modelo (3):

(3)

R_Mt es el retorno observado del Índice General de Precios de Acciones (IGPA) de la Bolsa de Comercio de Santiago de Chile en el día t del período sin evento. Mediante el modelo (3) se calculan los valores de los coeficientes α i y β i ( α i y β i , respectivamente). A continuación, α ^ i y β ^ i se utilizan en el modelo (4) para calcular el retorno esperado de la acción i en cada día t del período del evento ( R ^ it ), a partir del retorno observado del IGPA en cada día t de ese período (R_Mt ).

(4)

El método del retorno ajustado de mercado es similar al anterior, pero supone que el retorno estimado para la acción i es igual al retorno del mercado en cada día t del período del evento (supone que α ^ i =0 y que β ^ i =1), tal como lo indica el modelo (5).

(5)

El retorno anormal promedio o AR_{t (Average Residual) se calcula para cada día t del período del evento, por medio del modelo (6). El ARt mide el efecto promedio de los eventos sobre los retornos accionarios de las n empresas de la muestra.}

(6)

También se calcula el retorno anormal promedio acumulado o CAR_τ (Cumulative Average Residual). El CAR_τ mide el efecto promedio acumulado desde el día t hasta el día τ del período del evento y se calcula de acuerdo con el modelo (7), con τ=1, 2,…, 81 días del período del evento.

(7)

La significatividad estadística de los AR_t y CAR_τ se mide por medio de la prueba t-Student. El estadístico t-Student para cada AR_{t con T-1 grados de libertad (tARt ) se calcula mediante el modelo (8). S ^ (AR) es la desviación estándar de los retornos anormales promedio del período sin evento.}

(8)

El estadístico t-Student para el CAR_τ (t_CARτ ) se calcula por medio del modelo (9). S ^ (CAR) es la desviación estándar de los retornos anormales promedio acumulados. Se supone que los retornos de las acciones se distribuyen idéntica e independientemente.

(9)

También se realiza un análisis univariado para medir el efecto promedio de los eventos sobre los retornos de las acciones. De acuerdo con Li et al. (2008) se aplica el modelo (10):

(10)

RA_{it es el retorno anormal de la acción i en el día t. RAit es la diferencia entre el retorno de la acción i y el retorno del mercado en el día t (RAit = Rit - RMt ), y se calcula para cada uno de los 240 días de transacciones bursátiles alrededor del día del evento (t=1, 2,…, 240 días). El coeficiente α0 mide el retorno anormal promedio diario para los días sin eventos. Dj es una variable dummy que es igual a 1 en el(los) día(s) del evento j e igual a 0 en otro caso. El coeficiente βj de cada variable dummy Dj representa una estimación del retorno anormal promedio diario relacionado con el evento j (representa el retorno promedio diario incremental al retorno anormal promedio de los días sin evento).}

El análisis considera cuatro períodos alrededor del día del evento (t=0): entre el día previo y el día del evento, [-1;0]; entre el día previo y el día posterior al día del evento, [-1;+1]; entre dos días antes y dos días después del evento, [-2;+2]; y entre cinco días antes y cinco días después del evento, [-5;+5].