Prof. Ing. Claudio L. R.

Sturla

FRBA PROGRAMACIN NO LINEAL PARTE V

Ejemplo N 15 Puedo invertir 1.000 UM en tres ttulos. Sea S i la variable aleatoria que corresponde al inters anual para 1 UM invertida en el ttulo i Por lo tanto, si S i = 0,12, 1 UM invertida en el ttulo i al inicio del ao, valdr 1,12 UM al final del mismo. Nos dan la siguiente informacin: E ( S1 ) = 0,14; E ( S 2 ) = 0,11; E ( S 3 ) = 0,10

var S 1 = 0,20; var S 2 = 0,08; var S 3 = 0,18 cov ( S1 , S 2 ) = 0,05; cov( S1 , S 3 ) = 0,02; cov( S 2 , S 3 ) = 0,03 Formule un problema de programacin cuadrtica para encontrar la cartera de varianza mnima que alcance un nivel de inters anual esperado de por lo menos 12 %. Solucin Sea x j el nmero de UM invertidas en el ttulo j (j =1, 2, 3). Entonces el internes anual para la cartera es: x1 S1 + x 2 S 2 + x 3 S 3 1.000 y el inters anual esperado para la cartera, por (42) y (44), x1 E ( S 1 ) + x 2 E ( S 2 ) + x3 E ( S 3 ) 1.000 Para asegurarnos que la cartera tenga un inters esperado de por lo menos 12 %, tenemos que incluir la siguiente restriccin en la formulacin: 0,14 x1 + 0,11 x 2 + 0,10 x 3 0,12 1.000 0,14 x1 + 0,11 x 2 + 0,10 x 3 0,12 * 1.000 0,14 x1 + 0,11 x 2 + 0,10 x 3 120 Naturalmente, todava debemos incluir la restriccin: x1 + x 2 + x 5 = 1.000 Suponemos que la cantidad invertida en un ttulo tiene que ser no negativa (es decir, no se permitirn ventas con descuentos) por lo que agregamos las restricciones x1 , x 2 , x 3 0 Nuestro objetivo es minimizar la varianza del inters anual de la cartera. De (43) la varianza de la cartera es: pnl-5.doc 232

Prof. Ing. Claudio L. R. Sturla var( x1 S 1 + x 2 S 2 + x 3 S 3 ) = var( x1 S1 ) + var( x 2 S 2 ) + var( x 3 S 3 ) + 2 cov( x1 S1 , x 2 S 2 ) + 2 cov( x1 S 1 , x 3 S 3 ) + 2 cov( x 2 S 2 , x 3 S 3 )

2 2 var( x1 S 1 + x 2 S 2 + x 3 S 3 ) = x12 var S 1 + x 2 var S 2 + x 3 var S 3 + 2 x1 x 2 cov( S1 , S 2 ) +

+ 2 x1 x 3 cov( S1 , S 3 ) + 2 x 2 x 3 cov( S1 , S 3 )

2 2 var( x1 S 1 + x 2 S 2 + x 3 S 3 ) = 0,20 x12 + 0,08 x 2 + 0,18 x 3 + 0,10 x1 x 2 + 0,04 x1 x 3 + 0,06 x 2 x 3

Observese que cada trmino de la ltima expresin de la varianza de la cartera es de grado 2. Por lo tanto tenemos un programa no lineal con restricciones lineales y un funcional que est formado por trminos de segundo grado. Para obtener la cartera de varianza mnima que proporciona un inters esperado de por lo menos 12 %, deberemos resolver: Minimizar
2 2 Z = 0,20 x12 + 0,08 x 2 + 0,18 x 3 + 0,10 x1 x 2 + 0,04 x1 x 3 + 0,06 x 2 x 3

sujeto a: 0,14 x1 + 0,11 x 2 + 0,10 x 3 120 x1 + x 2 + x 5 = 1.000 y con las condiciones de no negatividad: x1 , x 2 , x 3 0 Resolucin del Problema de Programacin Cuadrtica Utilizando WinQSB Para resolver debemos primero iniciar WinQSB. Luego iniciar el mdulo Quadratic Programming. Luego debemos elegir New Problem del men File. El ingreso de datos para nuestro problema es:

pnl-5.doc

233

Prof. Ing. Claudio L. R. Sturla

Hemos ingresado con formato normal del modelo pues es ms intuitivo que el del tipo hoja de clculo. Si resolvemos da:

pnl-5.doc

234

Prof. Ing. Claudio L. R. Sturla La solucin ptima para este problema de programacin cuadrtica es z = 75.238,09, x1 = 380,95 , x 2 = 476,19 y x 3 = 142,86 As, la cartera de variancia mnima que tiene un inters esperado de por lo menos 12%, consiste en invertir 380,95 UM en el ttulo 1, 476,19 UM en el ttulo 2 y 142,86 UM en el ttulo 3. La varianza de esta cartera es 75.238 (UM). Esta cartera tiene un desvo estndar de 75.238 UM = 274,3 UM La cartera produce un inters esperado de 0,14*(380,95) + 0,11*(476,19) + 0,10*(142,86))/1.000 = 0,12 UM por cada UM invertida (o 12%) Resolucin de Problemas de Programacin Cuadrtica Mediante el Mtodo de Wolfe Se puede utilizar el mtodo de Wolfe para resolver problemas de programacin cuadrtica en los cuales todas las variables tienen que ser no negativas. Ilustraremos el mtodo al resolver el problemas de programacin cuadrtica siguiente: Minimizar z = x1 x 2 + sujeto a x1 + x 2 3 2 x1 3 x 2 6 y x1, , x 2 0 Se puede demostrar que la funcin objetivo es convexa de modo que cualquier punto que satisface las condiciones de Kuhn-Tucker ser una soluci de este problemas de programacin cuadrtica. Despus de utilizar variables excedentes o de exceso e1 para restriccin de x1 en (24'), e 2 para la restriccin de x 2 en (24'), e 2 para la restnccin 2 x1 3 x 2 6 , y una variable de holgura s1 para la restriccin x1 + x 2 3 , se pueden escribir las condiciones Khun-Tucker como: 1 2 2 x1 + x 2 x1 x 2 2

Actualizado al 16/11/02 D:\INVESTIGACIN OPERATIVA\FRBA PN LINEAL 5 Impreso el 18/03/2008

pnl-5.doc

235