Análisis del Rendimiento por Género entre Personas con Información Privilegiada en Empresas

Nota sobre las cifras citadas a continuación. Algunas estadísticas de este artículo provienen de la cohorte del universo V12 (227,594 declaraciones de COMPRA, período hasta 2024). Desde el 01-01-2025, el universo de COMPRA fuera de muestra (OOS) en vivo (28 mercados) muestra una tasa de éxito del 52.96 por ciento y un rendimiento medio a 90 días del +8.59 por ciento en 20,688 declaraciones. Consulte la metodología para ver las cifras actuales y el bloque STRATEGY_PROOF para la referencia de auditoría congelada.

Las mujeres no necesitan un mito de las finanzas conductuales para superar a los hombres, pero los datos aún tienen que sobrevivir a la aritmética.

La pregunta es mejor que la mayoría de las respuestas

Hay una razón por la que este tema sigue resurgiendo. Se encuentra en la intersección de tres cosas que los inversores disfrutan quizás demasiado: las señales de los iniciados, las diferencias de género y la esperanza de que un simple filtro pueda mejorar los rendimientos. Si las mujeres iniciadas superan a los hombres en un horizonte de T+90, eso sería económicamente interesante y sospechosamente conveniente.

El argumento económico no es absurdo. Las operaciones de iniciados son heterogéneas. Algunas son ricas en información, otras son de gestión fiscal, otras son eventos de liquidez, otras son teatro de cumplimiento. Si un grupo de iniciados es más selectivo sobre cuándo operar, o menos propenso al exceso de confianza, o se concentra en roles donde las operaciones conllevan un conjunto de información diferente, entonces el rendimiento post-operación podría diferir. Las finanzas conductuales han pasado años documentando diferencias ligadas al género en la actividad de trading y el exceso de confianza entre inversores minoristas y profesionales. La tentación es trazar una línea recta desde esa literatura hasta la superación del rendimiento de los iniciados.

Esa línea recta es usualmente donde comienzan los problemas.

Este artículo plantea una pregunta más específica: ¿superan las mujeres iniciadas a los hombres en una base T+90 en todos los mercados? La respuesta depende menos de eslóganes que de las decisiones de diseño. Qué cuenta como un iniciado. Qué presentaciones se incluyen. Si las compras y ventas se analizan por separado. Cómo se asigna el género. Si el rendimiento es bruto o ajustado por el índice de referencia. Si la comparación controla el tamaño de la empresa, el sector, el rol, el valor de la transacción y la agrupación por emisor. Además, si se tienen números reales a mano.

Para este artículo, no se proporcionó el conjunto de resultados de Postgres en vivo. Eso significa que podemos discutir el marco, los modos de falla probables y cómo debería ser un resultado robusto. No podemos informar honestamente un diferencial, una tasa de acierto o un Sharpe por género a partir de su conjunto de datos de 162k presentaciones. Para esas cifras, el valor correcto es n/a.

La ausencia de resultados específicos del artículo no es fatal. De hecho, es una disciplina útil. Obliga al artículo a separar lo que se sabe de lo que es meramente plausible. Eso es más raro en las publicaciones financieras de lo que debería ser.

Por qué T+90 es el horizonte adecuado para discutir

Un estudio de eventos del mismo día o T+5 captura el contenido de información inmediato, pero también captura la mecánica de presentación, la microestructura del mercado y el hecho de que algunas divulgaciones llegan cuando el mercado ya está a medio camino de la respuesta. T+90 es diferente. Pregunta si los iniciados no solo están informados, sino que tienen la dirección correcta durante un trimestre.

Ese horizonte tiene ventajas. Suaviza algo de ruido. Se alinea con la idea de que los iniciados pueden operar antes de desarrollos comerciales que tardan en aparecer en las ganancias, la orientación, los contratos ganados o los anuncios estratégicos. También es lo suficientemente largo como para observar si una compra fue simplemente valiente o realmente perspicaz.

También tiene desventajas. Noventa días de negociación son tiempo suficiente para que ocurran muchas cosas no relacionadas. Los shocks macroeconómicos, las rotaciones sectoriales, el reequilibrio de índices, los rumores de fusiones y adquisiciones y los ciclos de ganancias se agolpan en la ventana. Cuanto más largo es el horizonte, menos se pueden atribuir los rendimientos de forma limpia a la información privada del iniciado. T+90 es una buena prueba de la invertibilidad práctica, pero una prueba menos pura de la revelación de información.

Las compras y las ventas no deben agruparse en un solo cubo

Este punto es antiguo, pero aún se descuida. Las compras de iniciados son generalmente más informativas que las ventas. Una venta puede reflejar diversificación, obligaciones fiscales, planificación patrimonial, divorcio, tasas escolares o el tipo de partida presupuestaria doméstica que nunca llega a un modelo de factores. Una compra es más difícil de explicar. Requiere capital fresco y, por lo general, una visión más sólida.

Cualquier comparación de género que agrupe compras y ventas corre el riesgo de medir la composición en lugar de la habilidad. Si las mujeres insiders están subrepresentadas en grandes programas de liquidez liderados por fundadores, o si los hombres dominan las ventas relacionadas con el ejercicio de opciones, un resultado agrupado puede carecer de sentido con decimales.

T+90 debe ser consciente del benchmark

Los retornos brutos son un comienzo. Los retornos en exceso son el objetivo. Una mujer insider que compra una empresa industrial de pequeña capitalización antes de un amplio rally de pequeña capitalización no es necesariamente un mejor generador de señales que un hombre insider que compra una empresa de software en un mercado plano. Como mínimo, se desean retornos ajustados al mercado. Mejor aún, retornos anormales ajustados por sector y tamaño, con un manejo adecuado de la agrupación de emisores.

Si la consulta interna eventual utiliza retornos brutos simples a T+90, el artículo debería indicarlo claramente. Si utiliza retornos ajustados por benchmark, aún mejor. Si utiliza una cartera de tiempo calendario adecuada o un enfoque de empresas emparejadas, mucho mejor. La diferencia no es cosmética. Cambia si el resultado es una señal o simplemente un reflejo de dónde tiende a situarse cada grupo en el mercado.

La literatura ofrece indicios, no un veredicto

La forma más clara de abordar la cuestión de género es evitar fingir que comienza con los insiders. Comienza con una evidencia más amplia sobre el comportamiento de inversión.

El trabajo de Barber y Odean sobre inversores individuales sigue siendo el punto de referencia clásico. Los hombres, en promedio, operaban de forma más agresiva que las mujeres, y ese exceso de operaciones perjudicaba el rendimiento después de los costes. El mecanismo propuesto fue el exceso de confianza. Eso no prueba que las mujeres insiders superen a los hombres insiders. Sugiere un canal a través del cual la selectividad de las operaciones podría diferir.

En la literatura sobre corporate insiders, el hecho estilizado más robusto no se refiere al género, sino a la capacidad informativa de las compras, especialmente por parte de altos ejecutivos y sobre todo en clusters. La larga línea de investigación de Seyhun estableció que las operaciones de insiders contienen información, aunque la magnitud y la persistencia varían según el período, el mercado y la implementación. El trabajo de Jenter también agudizó la distinción entre el insider trading rutinario y el oportunista. Una vez que las operaciones se clasifican por patrón, el subconjunto oportunista conlleva más señal.

Esto es relevante para el análisis de género porque cualquier diferencia observada puede simplemente reflejar el tipo de operación. Si las mujeres insiders son más propensas a operar de forma oportunista y menos propensas a operar de forma rutinaria, entonces "las mujeres superan a los hombres" es en parte una afirmación sobre la clasificación de las operaciones. Útil, sí. Fundamental, no del todo.

El problema de la mezcla de roles

Un conjunto de datos intermercado contendrá directores, CEOs, CFOs, miembros del consejo de supervisión, directores no ejecutivos, beneficiarios reales y personas asociadas. La distribución de género entre esas categorías no es ni remotamente uniforme. Tampoco lo es el contenido informativo de sus operaciones.

Las compras de CFOs pueden diferir de las compras de directores no ejecutivos. Las ventas de presidentes fundadores difieren de las ventas de directores independientes. Si las mujeres están representadas de forma desproporcionada en un tipo de rol y los hombres en otro, una comparación ingenua está contaminada desde el principio.

Una prueba adecuada estratificaría o controlaría al menos por:

• rol o cargo,
• tamaño del emisor,
• sector,
• tipo de transacción,
• valor de la transacción,
• si la operación es la primera después de un período de silencio o parte de una secuencia,
• régimen de mercado y de información,
• e idealmente si la operación parece rutinaria.

Sin eso, todavía se pueden reportar diferencias descriptivas. No se deben llamar causales. Las finanzas ya tienen suficiente lenguaje causal.

Mercado cruzado significa régimen cruzado

La frase "mercado cruzado" suena grandiosa y científica hasta que uno recuerda que las reglas de divulgación de información privilegiada difieren materialmente. Europa opera bajo el marco del Reglamento sobre el Abuso de Mercado, con obligaciones de información para PDMR según el Artículo 19. Estados Unidos utiliza la información de la Sección 16, con los Formularios 3, 4 y 5. Los plazos, umbrales, formatos de campo y la facilidad práctica de extraer datos limpios varían.

Esto importa porque la señal invertible depende de cuándo el mercado se entera de la operación. También importa porque ciertos tipos de transacciones están más claramente etiquetados en algunas jurisdicciones que en otras. Si un mercado registra una transacción como una adquisición con metadatos ricos y otro agrupa varias variantes en una categoría amplia, la comparabilidad se ve afectada.

La asignación de género es útil, imperfecta y nunca gratuita

El resumen menciona "nuestra asignación de género". Bien. Eso implica que el artículo no se basa solo en impresiones y nombres de pila. También plantea la advertencia metodológica central.

La asignación de género en los conjuntos de datos financieros suele inferirse de nombres, títulos, pronombres o directorios externos. Incluso cuando se hace con cuidado, es probabilística. Los conjuntos de datos transfronterizos lo hacen más difícil. Los nombres viajan. Los títulos varían. Los registros corporativos son inconsistentes. Algunos registros contienen solo iniciales. Algunos mercados son mejores que otros en la estandarización de identificadores de personas. Algunos insiders aparecen en diferentes emisores con grafías ligeramente distintas. Algunos serán imposibles de clasificar limpiamente.

El problema no es meramente ético o de etiqueta, aunque eso importa. Es atenuación estadística. La clasificación errónea empuja las verdaderas diferencias hacia cero, pero la clasificación errónea selectiva también puede crear patrones espurios. Si los nombres ambiguos son más comunes en ciertos mercados o categorías de roles, la muestra asignada puede dejar de ser representativa.

El tamaño de la muestra no es un solo número

Un conjunto de datos con 162k registros suena grande. Puede que no sea grande donde importa.

Supongamos que la mitad de las presentaciones son ventas. Supongamos que una parte son derivados, donaciones, transferencias o eventos administrativos de baja información. Supongamos que algunos mercados tienen historiales de precios o marcas de tiempo de divulgación escasos. Supongamos que el género no puede asignarse con confianza para un subconjunto no trivial. Supongamos que la proporción de mujeres insider es materialmente menor que la de hombres en roles ejecutivos senior. De repente, la muestra efectiva para las "compras en mercado abierto de mujeres insider con retornos válidos a T+90" puede reducirse rápidamente.

Por eso, cualquier artículo serio debería informar al menos cuatro recuentos de muestras:

1. total de presentaciones,
2. presentaciones con asignación de género confiable,
3. compras y ventas en mercado abierto después de exclusiones,
4. observaciones con medición de retorno válida a T+90.

Sin esos recuentos, una diferencia en el titular es solo decoración.

La trampa de la tasa base

Si las mujeres representan una proporción menor de los insiders, las colas importan más. Unas pocas grandes ganancias pueden sesgar los promedios ponderados por igual. Unas pocas operaciones de mega-capitalización pueden dominar los promedios ponderados por valor. La respuesta correcta no es evitar el análisis. Es mostrar la distribución, no solo la media.

Por ejemplo, se desearía:

• mediana del exceso de retorno a T+90 por género,
• tasa de acierto, es decir, la proporción de observaciones con exceso de retorno positivo,
• rangos intercuartílicos,
• medias winsorizadas,
• e idealmente un coeficiente de regresión con errores estándar agrupados por emisor y fecha.

Si la muestra femenina es más pequeña, los intervalos de confianza deben mostrarse de manera prominente. Si los intervalos se superponen en gran medida, el titular honesto podría ser "direccionalmente más alto, estadísticamente frágil". Eso es menos atractivo. Pero también es más útil.

Cómo sería una prueba robusta

Seamos concretos. Si Sigma Journal publicara esto a partir de una consulta completamente poblada, el diseño empírico mínimo viable separaría los resultados descriptivos y ajustados.

Capa descriptiva

Comience con las compras y ventas en el mercado abierto por separado. Informe los recuentos por género, mercado y rol. Luego, muestre los retornos brutos y ajustados por benchmark a T+90, ponderados por igual y ponderados por valor, además de las tasas de acierto.

Esta capa responde a la simple pregunta periodística: ¿qué sucedió después de estas operaciones? No es suficiente para la inferencia, pero fundamenta la discusión.

Capa ajustada

Luego, estime un modelo siguiendo estas líneas:

[ Return_{i,T+90}^{adj} = \alpha + \beta_1 Female_i + \beta_2 Buy_i + \beta_3 Female_i \times Buy_i + Controls + FE + \varepsilon_i ]

Donde los controles incluyen el rol, la capitalización de mercado logarítmica, el sector, el tamaño de la transacción, el mercado, el año y quizás un proxy de operación rutinaria. Los efectos fijos pueden incluir el mercado y el tiempo. Los errores estándar deben agruparse por emisor y, posiblemente, por emisor-fecha si múltiples insiders operan alrededor del mismo evento.

El coeficiente de interés no es simplemente Female. A menudo es la interacción en las compras, porque el contenido informacional de las compras es donde se espera una señal más clara. Si las mujeres "superan" solo en operaciones agrupadas y no en compras, el resultado merece sospecha.

Agrupación de eventos e información duplicada

Las operaciones de insiders se agrupan en torno al mismo conjunto de información corporativa. Si tres ejecutivos compran con días de diferencia, esas no son observaciones independientes de la manera que preferiría una prueba t de libro de texto. Tampoco lo son las operaciones repetidas por la misma persona en el mismo emisor durante un corto período.

Una implementación robusta debería agregar las operaciones agrupadas en un solo evento o tener en cuenta la agrupación estadísticamente. De lo contrario, la significancia puede ser exagerada. Esta es una de las formas más antiguas de fabricar un valor p publicable en la microestructura del mercado. El método es barato. La confianza es cara.

Rutinario versus oportunista

La distinción rutinario-oportunista de Jenter es especialmente relevante aquí. Si los hombres operan de forma más rutinaria y las mujeres operan de forma más selectiva, entonces la operación femenina promedio puede parecer mejor incluso si no hay un efecto de género intrínseco después de condicionar por el tipo de operación.

Eso no es un problema. Es, posiblemente, el resultado. Pero hay que nombrarlo correctamente. La ventaja sería entonces el comportamiento de selección de operaciones asociado a la composición de género, no alguna propiedad esencial de las mujeres como insiders. Los mercados son lo suficientemente complicados como para no importar la astrología.

Por qué los resultados entre mercados pueden diferir incluso si el comportamiento subyacente no lo hace

Supongamos que el análisis final encuentra que las mujeres insiders superan a los hombres en un mercado, pero no en otro. Eso sería totalmente plausible sin requerir ninguna historia dramática.

La temporalidad de la divulgación cambia la capacidad de inversión

Bajo MAR, los PDMR y las personas estrechamente relacionadas deben notificar las transacciones dentro de un período específico una vez que se cumple la condición de umbral, y luego los emisores las divulgan. En EE. UU., la temporalidad del Formulario 4 es diferente y a menudo más fácil de analizar. Una estrategia medida desde la fecha de la transacción puede parecer más sólida en un régimen simplemente porque la visibilidad pública llega antes en relación con la operación.

Si su T+90 comienza a partir de la fecha de divulgación, este problema se mitiga. Si comienza a partir de la fecha de la transacción, la comparación entre mercados se convierte en parte en una comparación de retraso en la notificación.

La composición del gobierno corporativo difiere

Las estructuras de los consejos y las líneas de sucesión ejecutiva difieren entre mercados. También lo hace la representación de las mujeres en roles ejecutivos frente a no ejecutivos. Si un mercado tiene una mayor proporción de mujeres en puestos de dirección independiente y otro tiene más mujeres en roles ejecutivos operativos, el contenido informativo de sus operaciones puede no ser directamente comparable.

La mezcla de sectores importa más de lo que la gente admite

Un mercado con gran peso en finanzas e industria no es lo mismo que uno con gran peso en salud o tecnología. Las operaciones de insiders en sectores intensivos en I+D pueden comportarse de manera diferente a las de sectores regulados o intensivos en activos. Si la composición de género varía por sector, y los rendimientos del sector varían a lo largo de la muestra, se puede confundir un efecto sectorial con un efecto de género con sorprendente facilidad.

Lo que podemos decir ahora, y lo que debemos esperar para decir

Sin la salida de la consulta en vivo, el artículo no puede afirmar de manera responsable que las mujeres insiders superan o no a los hombres en su conjunto de datos. Sin embargo, sí puede decir qué haría creíble la afirmación.

Un resultado positivo creíble necesitaría estas características

Primero, la diferencia debería aparecer en las compras, no solo en las transacciones agrupadas. Segundo, debería sobrevivir al ajuste de referencia. Tercero, debería permanecer direccionalmente similar después de controlar por rol, tamaño, sector y mercado. Cuarto, no debería ser impulsado por un número minúsculo de valores atípicos. Quinto, los intervalos de confianza deberían ser lo suficientemente estrechos como para distinguir la señal de la anécdota.

Si todo eso se cumple, entonces el resultado es interesante. No porque halague una narrativa, sino porque sugiere diferencias en la selectividad de las operaciones o en el uso de la información que merecen un estudio más profundo.

Un resultado nulo también sería interesante

Los resultados nulos no son fracasos. A menudo son lo primero honesto que ocurre en un "zoo de factores". Si las mujeres y los hombres con información privilegiada muestran un rendimiento T+90 similar después de los controles, eso implicaría que cualquier diferencia bruta es principalmente composicional. Eso es útil para los profesionales. Les dice que no sobreajusten un filtro demográfico donde el rol y el tipo de operación ya hacen el trabajo.

Un resultado mixto puede ser el resultado más realista

El resultado más plausible, francamente, es la heterogeneidad. Las mujeres con información privilegiada pueden superar en las compras pero no en las ventas. En algunos mercados pero no en otros. En "small caps" pero no en "large caps". Entre operaciones no rutinarias pero no rutinarias. El mundo real es aficionado a las declaraciones condicionales. Los lectores "quant" también deberían serlo.

Cómo publicaríamos la versión final una vez que llegue la consulta

El artículo eventual debería incluir una tabla de resultados compacta e, idealmente, un gráfico con los retornos ajustados por referencia T+90 por género para compras y ventas por separado, con intervalos de confianza. También debería mostrar prominentemente los recuentos de la muestra. Si hay una diferencia que se pueda "backtestear", el artículo puede discutir las fricciones de implementación, la rotación y si la ventaja sobrevive después de retrasos realistas y filtros de liquidez.

Una extensión útil sería una descomposición:

1. efecto composición: cuánto de la diferencia bruta se explica por el rol, el mercado, el sector y el tipo de operación,
2. efecto selección: si las mujeres parecen operar con menos frecuencia pero de forma más selectiva,
3. efecto "timing": si la diferencia se concentra alrededor de los ciclos de ganancias o regímenes de volatilidad específicos.

Eso convertiría una pregunta cultural amplia en una nota de investigación invertible. Que es, después de todo, el objetivo.

Una nota sobre el tono y la tentación

Este es uno de esos temas en los que el comentario del mercado puede volverse santurrón o absurdo. Es mejor mantenerse empírico. Si las mujeres "insiders" superan a los hombres, hay que informarlo con intervalos y advertencias. Si no lo hacen, también hay que informarlo. El mercado no nos debe una moraleja, solo una distribución.

La recompensa es sencilla. El siguiente paso concreto es ejecutar la consulta T+90 estratificada por género con compras y ventas separadas, ajustar los rendimientos por mercado y sector, y publicar los recuentos de la muestra antes de la difusión del titular. La pregunta abierta no es si existe una narrativa. Siempre existe. La pregunta abierta es si la narrativa sobrevive a la agrupación de emisores, los controles de roles y la brutal aritmética de una muestra femenina más pequeña.

Nota editorial: este artículo fue redactado sin investigación web en vivo (Grok no disponible en esta generación). Las fuentes perennes se citan arriba; los datos numéricos se extraen de nuestra propia base de datos a partir del 17-05-2026.

Cohorte de backtest de Insiders Trades

Nuestro análisis de 220,691 operaciones con precio en 17 mercados revela un rendimiento medio a 90 días del -1.70% con una tasa de éxito del 41.82% y una relación de Sharpe anualizada de -0.08. Este rendimiento es consistente con el contexto del universo global, que muestra 227,594 declaraciones de COMPRA que arrojan el mismo rendimiento medio del -1.70% y una relación de Sharpe idéntica de -0.08. Estas cifras indican que, en promedio, ninguno de los géneros parece superar al otro en este conjunto de datos. La falta de rendimientos positivos en general sugiere que la dinámica del mercado puede no favorecer ni a las mujeres ni a los hombres "insiders" en este caso. Sin embargo, es esencial tener en cuenta que estos resultados se basan en un tamaño de muestra sustancial y un horizonte de 90 días, lo que puede influir en la interpretación de los resultados de rendimiento.

Última revisión · 18-05-2026 · Por Simon Azoulay · Fuentes, SEC EDGAR, AMF BDIF y otros 28 reguladores.