Beamer1 - Medidas de Riesgo

Decision
Optima de Portafolio Anexo

Medidas de Aversi on al Riesgo
Martn Sola
UTDT
Agosto 2013
Decision

Introduccion
En esta primera parte vamos a estudiar las decisiones individuales de
eleccion de portfolios optimas bajo incertidumbre y sus implicancias
a la hora de valuar activos riesgosos.
En resumen la Teora Financiera descansa en un principio: El
Principio de No Arbitraje. Este principio estipula que no se puede
obtener ganacias sin riesgo, sin que exista una inversion inicial.
En las primeras clases haremos un repaso sobre las deniciones de
Riesgo como la Medida de Arrow-Pratt o la Desigualdad de Jensen,
para luego estudiar decisiones optimas de armado de portafolios.
Decision

Introduccion
Decision

Introduccion
Decision

Aversi on al Riesgo (Desigualdad de Jensen)
Considere la siguiente situacion: dada una riqueza inicial w
o
, se
toma una apuesta donde los posibles resultados son
h
1
< 0 con probabilidad p,
h
2
> 0 con probabilidad (1 p).
Una apuesta es actuarialmente justa si el valor esperado de su payo
es cero, es decir
h
1
p + h
2
(1 p) = 0.
Denition
Se dice que un individuo es averso al riesgo si este individuo no esta
dispuesto a aceptar una apuesta actuarialmente justa.
Decision

o
, se
h
1
h
2
es cero, es decir
h
1
p + h
2
(1 p) = 0.
Denition
Decision

o
, se
h
1
h
2
es cero, es decir
h
1
p + h
2
(1 p) = 0.
Denition
Decision

Por lo tanto se cumple la siguiente desigualdad
U(w
o
) U(w
o
+ h
1
)p + U(w
o
+ h
2
)(1 p).
Dado que, por denicion, una apuesta actuarialmente justa satisface
que w
o
= (w
o
+ h
1
)p + (w
o
+ h
2
)(1 p), podemos escribir la
desigualdad como
U((w
o
+h
1
)p + (w
0
+h
2
)(1 p)) U(w
0
+h
1
)p +U(w
0
+h
2
)(1 p).
Esta relacion demuestra que aversion al riesgo implica una funcion
concava y que una funcion concava implica aversion al riesgo.
Decision

U(w
o
) U(w
o
+ h
1
)p + U(w
o
+ h
2
)(1 p).
que w
o
= (w
o
+ h
1
)p + (w
o
+ h
2
desigualdad como
U((w
o
+h
1
)p + (w
0
+h
2
)(1 p)) U(w
0
+h
1
)p +U(w
0
+h
2
)(1 p).
concava y que una funcion concava implica aversion al riesgo.
Decision

U(w
o
) U(w
o
+ h
1
)p + U(w
o
+ h
2
)(1 p).
que w
o
= (w
o
+ h
1
)p + (w
o
+ h
2
desigualdad como
U((w
o
+h
1
)p + (w
0
+h
2
)(1 p)) U(w
0
+h
1
)p +U(w
0
+h
2
)(1 p).
concava y que una funcion concava implica aversi on al riesgo.
Decision

Si denimos la (riqueza ex-ante) como una variable aleatoria
w = w
o
+ h, donde h es la variable aleatoria denida anteriormente,
podemos expresar la desigualdad de Jensen como
U(E( w)) E(U( w)).
Recordemos que concavidad implica que la utilidad marginal de la
riqueza es decreciente. Para un agente averso al riesgo no vale la
pena tomar riesgo de entrar en una apuesta justa.
Decision

Si denimos la (riqueza ex-ante) como una variable aleatoria
w = w
o
+ h, donde h es la variable aleatoria denida anteriormente,
podemos expresar la desigualdad de Jensen como
U(E( w)) E(U( w)).
Recordemos que concavidad implica que la utilidad marginal de la
riqueza es decreciente. Para un agente averso al riesgo no vale la
pena tomar riesgo de entrar en una apuesta justa.
Decision

Prima de Riesgo (Markowitz)
La prima de riesgo, Rp, esta denida como el monto de dinero que
un individuo esta dispuesto a pagar para evitar una lotera. Por lo
tanto
Rp = E( w) w
Rp
,
donde w
Rp
es la riqueza de certeza equivalente denida como
U(w
Rp
) = E(U( w)).
Decision

Prima de Riesgo (Arrow Pratt R. A.)
En vez de denir la medida de riesgo para una apuesta, podemos
alternativamente dar una medida de aversion al riesgo.
Un agente averso al riesgo va a estar indiferente entre:
1
..
U(w
Rp
) = U(w
o
Rp) =
2
..
E(U( w)) = E(U(w
o
+ h)).
una apuesta justa h tal que h
1
p + h
2
(1 p) = 0
Si se expande por Taylor la parte 1 alrededor de w
o
se obtiene
U(w
o
Rp) = U(w
o
) U
(w
o
)(Rp) + O((w
o
Rp)
2
),
donde O(()
n
) es el resto de Lagrange para un orden superior a n.
Decision

1
..
U(w
Rp
) = U(w
o
Rp) =
2
..
E(U( w)) = E(U(w
o
+ h)).
1
p + h
2
(1 p) = 0
o
se obtiene
U(w
o
Rp) = U(w
o
) U
(w
o
)(Rp) + O((w
o
Rp)
2
),
donde O(()
n
Decision

1
..
U(w
Rp
) = U(w
o
Rp) =
2
..
E(U( w)) = E(U(w
o
+ h)).
1
p + h
2
(1 p) = 0
o
se obtiene
U(w
o
Rp) = U(w
o
) U
(w
o
)(Rp) + O((w
o
Rp)
2
),
donde O(()
n
Decision

Si ademas se expande U(w
o
+ h) por Taylor alrededor de w
o
, se
obtiene
U(w
o
+ h) = U(w
o
) + U
(w
o
)h +
U
(w
o
)
2
h
2
+ O((w
o
Rp)
3
).
Tomando el valor esperado de U(w
o
+ h) obtenemos
E (U(w
o
+ h)) = U(w
o
) + U
(w
o
)E(h)
..
=0
+
U
(w
o
)
2
E(h)
2
. .
.
=Var (h)
Igualando ambas expansiones se obtiene
Rp =
1
2
U
(w
o
)
2
h
U
(w
o
)
.
Decision

o
o
, se
obtiene
U(w
o
+ h) = U(w
o
) + U
(w
o
)h +
U
(w
o
)
2
h
2
+ O((w
o
Rp)
3
).
o
+ h) obtenemos
E (U(w
o
+ h)) = U(w
o
) + U
(w
o
)E(h)
..
=0
+
U
(w
o
)
2
E(h)
2
. .
.
=Var (h)
Rp =
1
2
U
(w
o
)
2
h
U
(w
o
)
.
Decision

o
o
, se
obtiene
U(w
o
+ h) = U(w
o
) + U
(w
o
)h +
U
(w
o
)
2
h
2
+ O((w
o
Rp)
3
).
o
+ h) obtenemos
E (U(w
o
+ h)) = U(w
o
) + U
(w
o
)E(h)
..
=0
+
U
(w
o
)
2
E(h)
2
. .
.
=Var (h)
Rp =
1
2
U
(w
o
)
2
h
U
(w
o
)
.
Decision

De esta expresion pordemos denir el Coeciente de Aversion
Absoluta al riesgo (o coeciente de Arrow-Pratt)
R
A
=
U
(w
o
)
U
(w
o
)
.
Este coeciente mide el grado de aversion por unidad de riesgo.
Decision

De esta expresion pordemos denir el Coeciente de Aversion
Absoluta al riesgo (o coeciente de Arrow-Pratt)
R
A
=
U
(w
o
)
U
(w
o
)
.
Este coeciente mide el grado de aversion por unidad de riesgo.
Decision

Estatica Comparada
Distintas funciones de utilidad implican distinto comportamiento del
individuo ante un incremento de la riqueza.
Denition
Una funcion de utilidad U() exhibe aversion absoluta decreciente al
riesgo, si R
A
es una funcion decreciente de la riqueza, i.e.,
dR
A
dz
< 0.
Por analoga se dice que
dR
A
dz
= 0 implica aversion absoluta
constante al Riesgo, y
dR
A
dz
> 0 aversion absoluta creciente al riesgo.
Decision

Estatica Comparada
Denition
riesgo, si R
A
dR
A
dz
< 0.
dR
A
dz
dR
A
dz
Decision

Estatica Comparada
Denition
riesgo, si R
A
dR
A
dz
< 0.
dR
A
dz
dR
A
dz
Decision

Estatica Comparada
Notar que
dR
A
dz
=
d
_
(z)
U
(z)
_
dz
=
[(U
(z))
2
U
(z)U
(z)]
(U
(z))
2
,
= [
(U
(z))
2
(U
(z))
2

U
(z)U
(z)
(U
(z))
2
],
=
_
R
A
_
2
(z)
(U
(z))
U
(z)
U
(z)
,
=
_
R
A
_
2
+ R
A
U
(z)
U
(z)
,
por lo que U
(z) > 0 es una condicion necesaria para que

dR
A
dz
< 0.
Decision

Activos: riesgosos y libre de riesgo (decisi on de
portafolio)
Considere un individuo representativo al que se le plantea la
posibilidad de poner su riqueza en un activo libre de riesgo que
pague una tasa de interes r
f
(lo cual le dara un ingreso cierto para
el periodo siguiente), o alternativamente comprar un activo riesgoso
(tomar una lotera).
Supongamos que en esta economa existen J activos riesgosos y un
activo libre de riesgo.
La tasa libre de riesgo es r
f
y el retorno del portafolio de activos
riesgosos es r
p
denida como r
p
=
j
r
j
, donde
j
es la proporcion
del activo j-esimo en el portafolio, y r
j
es el retorno del activo j .
Decision

portafolio)
f
(tomar una lotera).
f
riesgosos es r
p
denida como r
p
=
j
r
j
, donde
j
es la proporcion
j
Decision

portafolio)
f
(tomar una lotera).
f
riesgosos es r
p
denida como r
p
=
j
r
j
, donde
j
es la proporcion
j
Decision

portafolio)
El individuo debe elegir cuanto de w
o
, (w
o

j
a
j
), destina a un
activo libre de riesgo y cuanto a los activos riesgosos, (
j
a
j
), donde
a
j
es la cantidad invertida en cada activo riesgoso. Al mismo tiempo
el individuo debe determinar las proporciones en las que desea cada
uno de los activos riesgosos (notar que
j
=
a
j
j
a
j
).
Por lo tanto el individuo busca resolver el siguiente problema de
optimizacion
max
a
j
E(U( w))
donde
w = (w
o

j
a
j
)(1 + r
f
) +
j
a
j
(1 + r
j
).
Decision

portafolio)
El individuo debe elegir cuanto de w
o
, (w
o

j
a
j
), destina a un
activo libre de riesgo y cuanto a los activos riesgosos, (
j
a
j
), donde
a
j
es la cantidad invertida en cada activo riesgoso. Al mismo tiempo
el individuo debe determinar las proporciones en las que desea cada
uno de los activos riesgosos (notar que
j
=
a
j
j
a
j
).
Por lo tanto el individuo busca resolver el siguiente problema de
optimizacion
max
a
j
E(U( w))
donde
w = (w
o

j
a
j
)(1 + r
f
) +
j
a
j
(1 + r
j
).
Decision

portafolio)
La condicion de primer orden es
E(U
( w)(r
j
r
f
)) = 0, j .
Como por hipotesis U
> 0 entonces no puede darse que

(r
j
r
f
) < 0 o que (r
j
r
f
) > 0 con probabilidad 1, es decir que se
debe satisfacer que P(r
j
r
f
> 0) (0, 1).
Decision

portafolio)
La condicion de primer orden es
E(U
( w)(r
j
r
f
)) = 0, j .
Como por hipotesis U
> 0 entonces no puede darse que

(r
j
r
f
) < 0 o que (r
j
r
f
) > 0 con probabilidad 1, es decir que se
debe satisfacer que P(r
j
r
f
> 0) (0, 1).
Decision

Teoremas sobre la Decision de Inversion
Se presentaran 3 teoremas que describiran bajo que condiciones los
agentes invierten toda su riqueza en los activos riesgosos, en los no
riesgosos o en ambos.
Theorem
Si no se invierte en activos riesgosos entonces j E(r
j
) < r
f
.
Decision

Se presentaran 3 teoremas que describiran bajo que condiciones los
agentes invierten toda su riqueza en los activos riesgosos, en los no
riesgosos o en ambos.
Theorem
Si no se invierte en activos riesgosos entonces j E(r
j
) < r
f
.
Decision

Proof.
Si a
j
= 0 = w = w
o
(1 + r
f
) entonces debe ser cierto que
E(U
(w
o
(1 + r
f
))(r
j
r
f
))
a
j
=0
0, j
ya que, o bien el individuo esta satisfecho o su utilidad crecera para
valores negativos de a
j
.
Tomando en cuenta que el termino U
(w
o
(1 + r
f
)) es positivo y
constante, se obtiene
E((r
j
r
f
)) 0, j ,
y por lo tanto
E(r
j
) r
f
, j .
Decision

Si alg un activo tiene retorno positivo, va a existir inversion positiva
en alg un activo riesgoso. En otras palabras si existe un activo j
tal
que E(r
j
) > r
f
, entonces, existe un activo j tal que a
j
> 0.
Segundo Teorema:
Theorem
Si no se invierte en el activo libre de riesgo entonces j
E(r
j
r
f
) R
A
(w
o
(1 + r
f
))w
o
E(r
j
r
f
)
2
.
Decision

tal
que E(r
j
) > r
f
j
> 0.
Segundo Teorema:
Theorem
E(r
j
r
f
) R
A
(w
o
(1 + r
f
))w
o
E(r
j
r
f
)
2
.
Decision

tal
que E(r
j
) > r
f
j
> 0.
Segundo Teorema:
Theorem
E(r
j
r
f
) R
A
(w
o
(1 + r
f
))w
o
E(r
j
r
f
)
2
.
Decision

Proof.
La demostracion se realizara para j = 1. La CPO de un individuo que
invierte toda su riqueza en el activo riesgoso cumple:
E(U
(w
o
(1 + r ))(r r
f
))
a=w
0
0.
Si se expande U
(w
o
(1 + r )) por Taylor alrededor de (1 + r
f
) se obtiene
E(U
(w
o
(1 + r ))(r r
f
)) U
(w
o
(1 + r
f
))E((r r
f
))+
+U
(w
o
(1 + r
f
))E(r r
f
)
2
w
o
0
Reordenando
E(r r
f
)
U
(w
o
(1 + r
f
))
U
(w
o
(1 + r
f
))
w
o
E(r r
f
)
2
R
R
()E[(r r
f
)
2
]
Decision

El tercer teorema es un corolario de los teoremas anteriores.
Corollary
Para que se invierta en ambos activos (riesgoso y no riesgoso) debe
cumplirse que
0 E(r
j
r
f
)
U
(w
o
(1 + r
f
))
U
(w
o
(1 + r
f
))
w
o
E(r
j
r
f
)
2
.
Decision

El tercer teorema es un corolario de los teoremas anteriores.
Corollary
Para que se invierta en ambos activos (riesgoso y no riesgoso) debe
cumplirse que
0 E(r
j
r
f
)
U
(w
o
(1 + r
f
))
U
(w
o
(1 + r
f
))
w
o
E(r
j
r
f
)
2
.
Decision

Teorema de Arrow
Las carectersticas del coeciente R
A
nos permite determinar si el
individuo considera al activo riesgoso como un bien normal (bajo el
supuesto de que debe elegir entre un solo activo riesgoso y el libre de
riesgo).
En 1970 Arrow demostro que aversion absoluta decreciente
(creciente) al riesgo sobre todo el dominio de R
A
() implica que el
activo riesgoso es un bien normal (inferior).
Theorem (Arrow)
Si
dR
A
dz
< 0 =
da
dw
o
> 0 ,w
o
(tambien es cierto que
dR
A
dz
> 0 =
da
dw
o
< 0 y que
dR
A
dz
= 0 =
da
dw
o
= 0)
Decision

Teorema de Arrow
A
riesgo).
A
() implica que el
Theorem (Arrow)
Si
dR
A
dz
< 0 =
da
dw
o
> 0 ,w
o
dR
A
dz
> 0 =
da
dw
o
< 0 y que
dR
A
dz
= 0 =
da
dw
o
= 0)
Decision

Teorema de Arrow
A
riesgo).
A
() implica que el
Theorem (Arrow)
Si
dR
A
dz
< 0 =
da
dw
o
> 0 ,w
o
dR
A
dz
> 0 =
da
dw
o
< 0 y que
dR
A
dz
= 0 =
da
dw
o
= 0)
Decision

Teorema de Arrow
Proof.
Dado que el individuo elige a para maximizar su utilidad esperada, la
condicion de primer orden es
E(U
(w
o
(1 + r
f
) + a(r r
f
))(r r
f
)) = 0,
y dado que es una solucion interior, se puede diferenciar totalmente
obteniendo
da
dw
o
=
E(U
( w)(1 + r
f
)(r r
f
))
E(U
( w)(r r
f
)
2
)
Como U
< 0 y (r r
f
)
2
> 0 el denominador es siempre negativo.
Para analizar el signo del numerador debemos considerar el numerador
cuando r < r
f
por un lado y por otro cuando r > r
f
.
Decision

Teorema de Arrow
Proof.
Si r < r
f
, entonces w < w
o
(1 + r
f
) (recuerde que
w = w
o
(1 + r
f
) + a(r r
f
) ).
Como por hipotesis R
A
() es decreciente en todo su dominio se debe
cumplir que
R
A
( w) > R
A
(w
o
(1 + r
f
)).
Multiplicamos en los dos lados de la desigualdad por U
( w)(r r
f
).
U
( w)(r r
f
) > R
A
(w
o
(1 + r
f
))U
( w)(r r
f
).
Analogamente si r > r
f
entonces w > w
o
(1 + r
f
), por lo que
R
A
( w) < R
A
(w
o
(1 + r
f
)). Multiplicando a ambos lados de las
desigualdad por U
( w)(r r
f
) se obtiene
U
( w)(r r
f
) > R
A
(w
o
(1 + r
f
))U
( w)(r r
f
).
Decision

Teorema de Arrow
Proof.
Tomamos valor esperado en ambas ecuaciones, condicional en el signo
del spread de tasas. Para la primera desigualdad obtenemos
E( U
( w)(r r
f
)
r > r
f
) > E( R
A
(w
o
(1 + r
f
))U
( w)(r r
f
)
r > r
f
),
(A)
y para la segunda
E(U
( w)(r r
f
)|r < r
f
) > E(R
A
(w
o
(1 + r
f
))U
( w)(r r
f
)|r < r
f
).
(B)
Usando la ley de expectativas iteradas (E(E(y|x)) = E(y)), notamos
que
E(U
( w)(r r
f
)) = E(U
( w)(r r
f
)|r > r
f
) Pr {r > r
f
}
+E(U
( w)(r r
f
)|r < r
f
) Pr {r < r
f
} ,
Decision

Teorema de Arrow
Proof.
y que
E(R
A
(w
o
(1 + r
f
))U
( w)(r r
f
))
= E( R
A
(w
o
(1 + r
f
))U
( w)(r r
f
)
r > r
f
) Pr{r > r
f
}
+E( R
A
(w
o
(1 + r
f
))U
( w)(r r
f
)
r < r
f
) Pr{r < r
f
}.
Por lo tanto, si se multiplica la desigualdad (A) por Pr{r > r
f
} y se
multiplica la desigualdad (B) por Pr{r < r
f
} y luego se suman se
obtienen las esperanzas incondicionales, es decir
E(U
( w)(r r
f
)) > R
A
(w
o
(1 + r
f
))E(U
( w)(r r
f
)), .
como la condicion de primer orden del problema de maximizacion del
individuo cumple que E(U
( w)(r r
f
)) = 0, entonces el signo de
da
dw
o
es
positivo porque E(U
( w)(r r
f
)) > 0.
Decision

Teorema de Pratt
El siguiente Teorema permite comparar la actitud frente al riesgo de
distintos individuos.
Theorem
Si existen dos individuos i y k con R
A
i
(z) R
A
k
(z) entonces el individuo
i se dice que es mas averso al riesgo, porque exige una mayor prima que
el otro individuo.
Demostraremos que si el individuo i es mas averso al riesgo que el
individuo k (ambos con igual riqueza inicial), entonces, la prima de
riesgo requerida por el individuo i para invertir toda su riqueza en un
activo riesgoso debe ser mayor que la requerida por el individuo k.
Decision

Teorema de Pratt
Theorem
A
i
(z) R
A
k
el otro individuo.
Decision

Teorema de Pratt
Theorem
A
i
(z) R
A
k
el otro individuo.
Decision

Teorema de Pratt
Suponiendo que el individuo k esta satisfecho invirtiendo toda su
riqueza en el activo riesgoso, entonces por condici on de primer orden
E(U
k
(w
o
(1 + r ))(r r
f
)) = 0.
La prueba consiste en demostrar que
E(U
i
(w
o
(1 + r ))(r r
f
)) 0,
ya que esto implica que el individuo i estara mejor si invierte una
cantidad menor en el activo riesgoso, lo que a su vez implica que el
individuo i exige una prima de riesgo mayor para poner toda su
riqueza en el activo de riesgo.
Decision

Teorema de Pratt
Suponiendo que el individuo k esta satisfecho invirtiendo toda su
riqueza en el activo riesgoso, entonces por condici on de primer orden
E(U
k
(w
o
(1 + r ))(r r
f
)) = 0.
La prueba consiste en demostrar que
E(U
i
(w
o
(1 + r ))(r r
f
)) 0,
ya que esto implica que el individuo i estara mejor si invierte una
cantidad menor en el activo riesgoso, lo que a su vez implica que el
individuo i exige una prima de riesgo mayor para poner toda su
riqueza en el activo de riesgo.
Decision

Teorema de Pratt
Para para demostrar el toerema de Pratt debemos, primero,
demostrar el siguiente lema que nos permite establecer una relacion
entre las funciones de utilidad de los dos individuos.
Lemma
Existe una funcion G creciente (G
> 0) y concava (G
0) tal que
U
i
= G(U
k
) R
A
i
(z) R
A
k
.
Decision

Teorema de Pratt
Para para demostrar el toerema de Pratt debemos, primero,
demostrar el siguiente lema que nos permite establecer una relacion
entre las funciones de utilidad de los dos individuos.
Lemma
Existe una funcion G creciente (G
> 0) y concava (G
0) tal que
U
i
= G(U
k
) R
A
i
(z) R
A
k
.
Decision

Teorema de Pratt
Proof.
Para probar que G es creciente, tomaremos la primera derivada, U
i
,
U
i
= G
()(U
k
)
por lo tanto G
> 0. Para probar concavidad, se debe derivar U
i
y luego
dividiendo por U
i
= G
()(U
k
) en ambos lados de la igualdad,
llegamos a
i
U
i
=
G
()(U
k
)
G
()

U
k
U
k
,
que re-escribiendo obtenemos el coeciente de aversion al riesgo del
individuo i ,
R
A
i
(z) =
G
()(U
k
)
G
()
+ R
A
k
.
Como R
A
i
(z) R
A
k
se debe cumplir que G
() 0.
Decision

Teorema de Pratt
Proof.
Considere la condicion de primer orden para el individuo i cuando este
decide invertir toda su riqueza en el activo riesgoso,
E(U
i
(w
o
(1 + r ))(r r
f
)) = E(G
()U
k
(w
o
(1 + r ))(r r
f
)).
Debemos demostrar que dicha expresion es negativa, y para ello
analizaremos el lado derecho de la igualdad, ya que sera posible
determinar su signo. Para ello aplicaremos nuevamente la ley de
expectativas iteradas
E(G
()U
k
(w
o
(1 + r ))(r r
f
))
= E(G
()U
k
( w
o
(1 + r ))(r r
f
))| r r
f
) Pr(r r
f
)
+E(G
()U
k
( w
o
(1 + r ))(r r
f
))| r < r
f
) Pr(r < r
f
).
Decision

Teorema de Pratt
Proof.
Consideremos ahora cuando r r
f
donde se cumple que
w
o
(1 + r ) w
o
(1 + r
f
). Usando que, G es concava, U es monotona y
que U
i
= G
()(U
k
) se puede ver que
E
_
G
(U
k
(w
o
(1 + r ))U
k
(w
o
(1 + r ))(r r
f
)|r r
f
_
G
(U
k
(w
o
(1 + r
f
))E(U
k
(w
o
(1 + r ))(r r
f
)|r r
f
)
Analogamente, cuando r < r
f
, se cumple que w
o
(1 + r ) < w
o
(1 + r
f
)
por lo que, siguiendo el mismo razonamiento, se obtiene la misma
desigualdad anterior, pero condicional en que r < r
f
, es decir
E
_
G
(U
k
(w
o
(1 + r ))U
k
(w
o
(1 + r ))(r r
f
)|r < r
f
_
G
(U
k
(w
o
(1 + r
f
))E(U
k
(w
o
(1 + r ))(r r
f
)|r < r
f
).
Decision

Teorema de Pratt
Proof.
Multiplicando las respectivas desigualdades por P(r r
f
) y P(r < r
f
) y
sumando obtenemos, por ley de expectativas iteradas,
E
_
G
(U
k
(w
o
(1 + r ))) U
k
(w
o
(1 + r ))(r r
f
)
_
G
(U
k
(w
o
(1 + r
f
))E(U
k
(w
o
(1 + r ))(r r
f
)).
Pero por hipotesis sabemos que E(U
k
(w
o
(1 +r ))(r r
f
)) = 0, que es la
condici on de primer orden del problema de optimizacion del individuo k,
por lo tanto el lado derecho de la desigualdad es igual a 0. Por lo que
E(U
i
(w
o
(1 + r ))(r r
f
)) 0.
Decision

Teorema de Pratt
Decision

Separaci on Monetaria de Dos Fondos
Stiglitz y Case (1970) demostraron que una condicion necesaria para
que la separacion monetaria de dos fondos se cumpla, es que las
utilidades marginales sean de la forma
U
(z) = (A + Bz)
C
o
U
(z) = Aexp{Bz}.
A continuacion se presenta una demostracion (heurstica). La
riqueza esta denida por
w = w
o
(1 +r
f
+ (1 )
j
b
j
r
j
),
donde es la proporcion destinada al activo libre de riesgo y b
j
es la
proporcion destinada al j-esimo activo riesgoso.
Para demostrar lo antedicho basta solo con demostrar que b
j
permanece invariable frente a cambios en w
o
.
Decision

U
(z) = (A + Bz)
C
o
U
(z) = Aexp{Bz}.
w = w
o
(1 +r
f
+ (1 )
j
b
j
r
j
),
j
es la
j
o
.
Decision

U
(z) = (A + Bz)
C
o
U
(z) = Aexp{Bz}.
w = w
o
(1 +r
f
+ (1 )
j
b
j
r
j
),
j
es la
j
o
.
Decision

Para hallar y b
j
optimos, se debe maximizar
max
,b
j
E(U( w))
sa :
b
j
= 1.
El Lagrangeano para este problema viene dado por
L(, b
j
, ) = E
_
U
_
w
o
(1 +r
f
+ (1 )
j
b
j
r
j
)
_
+
_
1
j
b
j
__
Cuyas condiciones de primer orden son
{} : E(U
( w)w
o
(r
f

b
j
r
j
)) = 0,
{b
j
} : E(U
( w)w
o
(1 )r
j
) = .
Decision

Para hallar y b
j
max
,b
j
E(U( w))
sa :
b
j
= 1.
L(, b
j
, ) = E
_
U
_
w
o
(1 +r
f
+ (1 )
j
b
j
r
j
)
_
+
_
1
j
b
j
__
{} : E(U
( w)w
o
(r
f

b
j
r
j
)) = 0,
{b
j
} : E(U
( w)w
o
(1 )r
j
) = .
Decision

Para hallar y b
j
max
,b
j
E(U( w))
sa :
b
j
= 1.
L(, b
j
, ) = E
_
U
_
w
o
(1 +r
f
+ (1 )
j
b
j
r
j
)
_
+
_
1
j
b
j
__
{} : E(U
( w)w
o
(r
f

b
j
r
j
)) = 0,
{b
j
} : E(U
( w)w
o
(1 )r
j
) = .
Decision

La primera condicion implica
E(U
( w)r
f
) = E(U
( w)
b
j
r
j
),
y la segunda condicion
E(U
( w)r
j
) =
donde
= / (w
o
(1 )) .
Ahora usando que E(U
( w)r
j
) =
(es constante), podemos

reescribir la derivada con respecto a como
E(U
( w)r
f
) =
b
j
E(U
( w)r
j
)
. .
cons tante
= E(U
( w)r
j
)
ya que los pesos suman uno.
Por lo tanto
E(U
( w)(r
j
r
f
)) = 0.
Decision

E(U
( w)r
f
) = E(U
( w)
b
j
r
j
),
E(U
( w)r
j
) =
donde
= / (w
o
(1 )) .
( w)r
j
) =

E(U
( w)r
f
) =
b
j
E(U
( w)r
j
)
. .
cons tante
= E(U
( w)r
j
)
Por lo tanto
E(U
( w)(r
j
r
f
)) = 0.
Decision

E(U
( w)r
f
) = E(U
( w)
b
j
r
j
),
E(U
( w)r
j
) =
donde
= / (w
o
(1 )) .
( w)r
j
) =

E(U
( w)r
f
) =
b
j
E(U
( w)r
j
)
. .
cons tante
= E(U
( w)r
j
)
Por lo tanto
E(U
( w)(r
j
r
f
)) = 0.
Decision

E(U
( w)r
f
) = E(U
( w)
b
j
r
j
),
E(U
( w)r
j
) =
donde
= / (w
o
(1 )) .
( w)r
j
) =

E(U
( w)r
f
) =
b
j
E(U
( w)r
j
)
. .
cons tante
= E(U
( w)r
j
)
Por lo tanto
E(U
( w)(r
j
r
f
)) = 0.
Decision

Si asumimos que la utilidad marginal posee una de las formas
funcionales antes enunciadas (por ejemplo U
(z) = (A + Bz)
C
con
B>0, C<0 y Z>max(0,
A
B
)), se puede probar que un cambio en la
riqueza (w
o
w
o
) deja las proporciones de los activos riesgosos
invariantes (b
j
= b
j
).
Dada las condiciones de primer orden y sustituyendo
U
(z) = (A + Bz)
C
, donde z = w
o
(1 +r
f
+ (1 )
j
b
j
r
j
),
obtenemos
E((A + B(w
o
(1 +r
f
+ (1 )
j
b
j
r
j
)))
C
(r
j
r
f
)) = 0,
y analogamente para otro nivel de riqueza inicial podriamos haber
derivado
E((A + B(w
o
(1 +
r
f
+ (1
j
b
j
r
j
)))
C
(r
j
r
f
)) = 0.
Decision

(z) = (A + Bz)
C
con
B>0, C<0 y Z>max(0,
A
B
riqueza (w
o
w
o
invariantes (b
j
= b
j
).
U
(z) = (A + Bz)
C
, donde z = w
o
(1 +r
f
+ (1 )
j
b
j
r
j
),
obtenemos
E((A + B(w
o
(1 +r
f
+ (1 )
j
b
j
r
j
)))
C
(r
j
r
f
)) = 0,
derivado
E((A + B(w
o
(1 +
r
f
+ (1
j
b
j
r
j
)))
C
(r
j
r
f
)) = 0.
Decision

(z) = (A + Bz)
C
con
B>0, C<0 y Z>max(0,
A
B
riqueza (w
o
w
o
invariantes (b
j
= b
j
).
U
(z) = (A + Bz)
C
, donde z = w
o
(1 +r
f
+ (1 )
j
b
j
r
j
),
obtenemos
E((A + B(w
o
(1 +r
f
+ (1 )
j
b
j
r
j
)))
C
(r
j
r
f
)) = 0,
derivado
E((A + B(w
o
(1 +
r
f
+ (1
j
b
j
r
j
)))
C
(r
j
r
f
)) = 0.
Decision

Se puede probar que estas dos condiciones implican la siguiente
relacion entre los parametros
w
o
(1
)b
j
=
A + B(w
o
(1 + r
f
))
A + B(w
o
(1 + r
f
))
w
o
(1 )b
j
, j . (C)
La prueba de que las proporciones de los activos riesgosos no
cambian al cambiar la riqueza la derivamos simplemente notando
que tras aplicar sumatoria a ambos lados, y dado que
j
b
j
=
j
b
j
= 1, se obtiene
w
o
(1
) =
A + B(w
o
(1 + r
f
))
A + B(w
o
(1 + r
f
))
w
o
(1 ). (D)
Por lo tanto solo si b
j
= b
j
, (C) y (D) pueden ser validos
simultaneamente. Por lo tanto ante un cambio en la riqueza inicial
no cambian los porcentajes invertidos en cada activo riesgoso, pero
si cambia la asignacion entre riesgosos y no riesgosos (ver en D que
=
).
Decision

w
o
(1
)b
j
=
A + B(w
o
(1 + r
f
))
A + B(w
o
(1 + r
f
))
w
o
(1 )b
j
, j . (C)
j
b
j
=
j
b
j
= 1, se obtiene
w
o
(1
) =
A + B(w
o
(1 + r
f
))
A + B(w
o
(1 + r
f
))
w
o
(1 ). (D)
j
= b
j
=
).
Decision

w
o
(1
)b
j
=
A + B(w
o
(1 + r
f
))
A + B(w
o
(1 + r
f
))
w
o
(1 )b
j
, j . (C)
j
b
j
=
j
b
j
= 1, se obtiene
w
o
(1
) =
A + B(w
o
(1 + r
f
))
A + B(w
o
(1 + r
f
))
w
o
(1 ). (D)
j
= b
j
=
).
Decision

Decisi on de Portafolio: una aproximaci on
Pensemos en un agente que enfrenta el siguiente problema:
_
max
E
_
U
_
W
__
sujeto a

W = W
0
[1 + (1
I ) r
f
+
r ]
donde es el vector de pesos de los n activos, r
n1
es un vector
retornos (aleatorios) de los activos, r
f
es un escalar que denota el
retorno del activo no riesgoso de esta economia, W
0
es el escalar
que denota la riqueza inicial del agente e I
n1
es un vector de unos.
Decision

La condicion de primer orden del agente es:
E(U
( w)(r
j
r
f
)) = 0, j = 1, . . . , n.
Escribiendolo en forma matricial:
E(U
( w)(r r
f
I )) = 0
n1
(1)
Para tener una solucion aproximada de los pesos optimos tomaremos
una expansion de Taylor de primer orden de U
W
_
alrededor de
W
0
(1 + r
f
):
U
W
_
U
(W
0
(1 + r
f
)) +U
(W
0
(1 + r
f
))
_
W W
0
(1 + r
f
)
_
.
Decision

E(U
( w)(r
j
r
f
)) = 0, j = 1, . . . , n.
E(U
( w)(r r
f
I )) = 0
n1
(1)
W
_
alrededor de
W
0
(1 + r
f
):
U
W
_
U
(W
0
(1 + r
f
)) +U
(W
0
(1 + r
f
))
_
W W
0
(1 + r
f
)
_
.
Decision

E(U
( w)(r
j
r
f
)) = 0, j = 1, . . . , n.
E(U
( w)(r r
f
I )) = 0
n1
(1)
W
_
alrededor de
W
0
(1 + r
f
):
U
W
_
U
(W
0
(1 + r
f
)) +U
(W
0
(1 + r
f
))
_
W W
0
(1 + r
f
)
_
.
Decision

Si notamos que
W W
0
(1 + r
f
) = W
0
(r r
f
I ) ,
podemos reescribir la aproximacion como:
U
W
_
U
(W
0
(1 + r
f
)) + U
(W
0
(1 + r
f
)) W
0
(r r
f
I )
Postmultiplicando por (r r
f
I ) y tomando a ambos lados de la
ecuacion esperanza obtenemos:
E
_
U
W
_
(r r
f
I )
_
(2)
U
(W
0
(1 + r
f
)) E (r r
f
I )
+U
(W
0
(1 + r
f
)) W
0
E
_
(r r
f
I ) (r r
f
I )
Decision

Si notamos que
W W
0
(1 + r
f
) = W
0
(r r
f
I ) ,
U
W
_
U
(W
0
(1 + r
f
)) + U
(W
0
(1 + r
f
)) W
0
(r r
f
I )
f
E
_
U
W
_
(r r
f
I )
_
(2)
U
(W
0
(1 + r
f
)) E (r r
f
I )
+U
(W
0
(1 + r
f
)) W
0
E
_
(r r
f
I ) (r r
f
I )
Decision

Si notamos que
W W
0
(1 + r
f
) = W
0
(r r
f
I ) ,
U
W
_
U
(W
0
(1 + r
f
)) + U
(W
0
(1 + r
f
)) W
0
(r r
f
I )
f
E
_
U
W
_
(r r
f
I )
_
(2)
U
(W
0
(1 + r
f
)) E (r r
f
I )
+U
(W
0
(1 + r
f
)) W
0
E
_
(r r
f
I ) (r r
f
I )
Decision

Notar que
(r r
f
I ) es un escalar, por lo que
(r r
f
I ) (r r
f
I ) = (r r
f
I )
(r r
f
I ) , (3)
= (r r
f
I ) (r r
f
I )
, (4)
lo que nos permite expresar la condicion de primer orden,
remplazando (4) en (2) y esto en (1), como:
U
(W
0
(1 + r
f
)) E (r r
f
I ) + U
(W
0
(1 + r
f
)) W
0
E [R] = 0,
donde R = (r r
f
I ) (r r
f
I )
.
Despejando para :
=
U
(W
0
(1 + r
f
))
U
(W
0
(1 + r
f
)) W
0
[E (R)]
1
E (r r
f
I ) . (5)
Esta es una aproximacion de los pesos optimos del portafolio.
Decision

Notar que
(r r
f
(r r
f
I ) (r r
f
I ) = (r r
f
I )
(r r
f
I ) , (3)
= (r r
f
I ) (r r
f
I )
, (4)
U
(W
0
(1 + r
f
)) E (r r
f
I ) + U
(W
0
(1 + r
f
)) W
0
E [R] = 0,
donde R = (r r
f
I ) (r r
f
I )
.
Despejando para :
=
U
(W
0
(1 + r
f
))
U
(W
0
(1 + r
f
)) W
0
[E (R)]
1
E (r r
f
I ) . (5)
Decision

Notar que
(r r
f
(r r
f
I ) (r r
f
I ) = (r r
f
I )
(r r
f
I ) , (3)
= (r r
f
I ) (r r
f
I )
, (4)
U
(W
0
(1 + r
f
)) E (r r
f
I ) + U
(W
0
(1 + r
f
)) W
0
E [R] = 0,
donde R = (r r
f
I ) (r r
f
I )
.
Despejando para :
=
U
(W
0
(1 + r
f
))
U
(W
0
(1 + r
f
)) W
0
[E (R)]
1
E (r r
f
I ) . (5)
Decision

Notar que
(r r
f
(r r
f
I ) (r r
f
I ) = (r r
f
I )
(r r
f
I ) , (3)
= (r r
f
I ) (r r
f
I )
, (4)
U
(W
0
(1 + r
f
)) E (r r
f
I ) + U
(W
0
(1 + r
f
)) W
0
E [R] = 0,
donde R = (r r
f
I ) (r r
f
I )
.
Despejando para :
=
U
(W
0
(1 + r
f
))
U
(W
0
(1 + r
f
)) W
0
[E (R)]
1
E (r r
f
I ) . (5)
Decision

Example
Supongamos que
U(X) =
X
1
1
luego
(W
0
(1 + r
f
)) W
0
U
(W
0
(1 + r
f
))
=

1 + r
f
por lo que los pesos optimos para esta funcion de utilidad son:
=
1 + r
f
[E (R)]
1
E (r r
f
I )

Beamer1 - Medidas de Riesgo

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Beamer1 - Medidas de Riesgo

Cargado por

Copyright:

Formatos disponibles

Decision

Optima de Portafolio Anexo

(z) > 0 es una condicion necesaria para que

> 0 entonces no puede darse que

> 0 entonces no puede darse que

> 0. Para probar concavidad, se debe derivar U

(es constante), podemos

(es constante), podemos

(es constante), podemos

(es constante), podemos

También podría gustarte