Está en la página 1de 6

ENFOQUE MEDIA – VARIANZA1

Sandro A. Huamani Antonio

El enfoque Media-Varianza nos dice que, bajo circunstancias especiales, una utilidad esperada
puede ser descrita en función a la media y la varianza de los pagos y/o loterías. Dicha reducción es
adecuada sólo en el caso en que la función de utilidad que resume las preferencias del individuo
respecto a los diferentes estados de la naturaleza sea cuadrática o cuando los pagos tienen una
distribución normal. En concreto, se asume que un individuó preferirá aquella distribución que
presente mayor media y menor varianza. Por otro lado, el Enfoque Media-Varianza es un método
alternativo de elección bajo incertidumbre que hace más aplicable el enfoque de la Utilidad
Esperada.
I. El Modelo
Sea c es una variable aleatoria, U (c ) una función de utilidad y E (c ) = µ . Sí aplicamos la
aproximación de Taylor a U (c ) tenemos:
U (c ) = U ( µ ) +

U ′( µ )
U ′′( µ )
U ′′′( µ )
(c − µ ) +
(c − µ ) 2 +
(c − µ ) 3 + ...
1!
2!
3!

Dado que nuestro interés es analizar la utilidad esperada, Aplicamos la esperanza a toda la ecuación
anterior, nos queda:
U ′( µ )
U ′′( µ )
U ′′′( µ )


U e = E (U (c )) = U ( µ ) +
E (c − µ ) +
E ((c − µ ) 2 ) +
E ((c − µ ) 3 ) + ...
1!
2!
3!

Dado que E (c − µ ) = .E (c) − µ = 0 , entonces:

1

Versión Preliminar. Esta Nota de clase se elabora en el marco de la clase dictada de introducción a la Teoría
de la Incertidumbre en el Centro de Especialización en Teoría Económica y Finanzas “Lambda Group
S.A.C”.

Función de utilidad cuadrática: U (c ) = K 0 + K 1 c + K2 2 c ..(2) 2 Para garantizar que la función sea cóncava (aversión al riesgo) y que se garantice que es preferible para los individuos loterías con mayor medio y/o menor varianza.(1) 2! 3! 4!   Nótese que la utilidad esperada depende de todo los momentos de la distribución: media.. tenemos: U e = K 0 + K1 µ + K2 2 (µ + δ 2 ) 2 . etc. tenemos: K K   U e =  K 0 + K1 µ + 2 µ 2 + 2 δ 2 + 0 + 0 + . varianza. Donde: E ((c − µ )3 ) es la asimetría y E ((c − µ ) 4 ) es la curtosis. la respuesta a esa pregunta son las siguientes: I.1. curtosis.... asimetría (sesgo).U ′′( µ ) U ′′′( µ ) U ′′′′( µ )   U e = U ( µ ) + E ((c − µ ) 2 ) + E ((c − µ ) 3 ) + E ((c − µ ) 4 ) + . 2 2   Ordenando la ecuación anterior. Dado que nuestro resultado nos dice que la función de utilidad esperada depende de todos los momentos.. hacemos los siguientes supuestos: K2 < 0 K1 + K 2 c > 0 Reemplazando la ecuación (2) en la ecuación (1). cabe preguntarse ¿cuándo se puede aplicar el enfoque con sólo la media y la varianza?....

2. tal como era deseable al principio. Nótese que a medida que la media aumenta la función de utilidad esperada también aumenta. pero disminuye a medida que se incrementa la varianza. nos queda: c U = −∫ e c 1 δ 2π e [ −1 ~ 2 c − 2 µc~ + µ 2 + 2 ac~δ 2 2δ 2 ] ~ dc Suma y restando componente para completar la suma al cuadrado. I. Función de distribución normal y U(c) =-e-ac Por definición sabemos: c U = ∫ U (c~ ) f (c~ ) dc~ e c Reemplazando las condiciones en la utilidad esperada:  − ( c~ −u2 ) ~  e 2δ U e = ∫ − e − ac  c  δ 2π  2 c   ~  dc   Reordenando algunos términos de la ecuación anterior. tenemos: c 1 U = −∫ e c δ 2π − ac~ 2δ 2 e 2δ 2 e − 2 c~ 2 − 2 c~µ + u 2δ 2 dc~ Sumando los exponentes de e. tenemos: .Como resultado tenemos una utilidad esperada que sólo depende de la media y la varianza.

c U = −∫ 1 e c δ 2π e [ −1 ~ 2 ~ c − 2 c ( µ − aδ 2 ) + µ 2 − 2 aµδ 2 + a 2δ 4 + 2 aµδ 2 − a 2δ 4 2δ 2 ] ~ dc Agrupando términos: [( c~ −( µ −aδ 2 ))2 +2 aµδ 2 −a 2δ 4 ] ~ 1 2 U = −∫ e 2δ dc c δ 2π −1 c e Reordenando componentes en la ecuación anterior. Porque es una distribución normal con media µ − aδ 2 y varianza δ 2 . tal como era deseable al principio: . tenemos: U = −e e  a2  − aµ − δ 2  c 2   ∫ c −1 c Donde: ∫ c e 2δ 2 [( c~ −( µ −aδ δ 2π 2 )) 2 e [ −1 ~ ( c −( µ − aδ 2 ))2 2δ 2 δ 2π ] dc~ ] dc~ = 1 . Ahora la utilidad esperada sólo queda en función a la media y varianza. nos queda: −1 U = −e e 2δ 2 [2 aµδ 2 − a 2δ 4 ]c [( c~ −( µ −aδ 2 ))2 ] ~ 1 2δ 2 e dc ∫c δ 2π −1 Reordenando algunas expresiones. nos queda: [( c~−( µ −aδ 2 ))2 ] 2δ 2 [2 aµδ 2 −a2δ 4 ] ~ 1 2 U = −∫ e 2δ e dc c δ 2π −1 c −1 e −1 Extrayendo e 2δ 2 [2 aµδ 2 − a 2δ 4 ] de la integral por ser una expresión que depende de c.

I. El tercer momento estadístico es conocido como Sesgo y viene dado por: 3 N Si = ∑ π i ⋅ (ci − µi ) i =1 σ3 En el caso de una distribución normal. Si el sesgo fuese positivo. pero disminuye a medida que se incrementa la varianza. ante eso es necesario calcular momentos mayores. mientras que si el sesgo es negativo. indicará que los pagos se acumulan hacia la cola izquierda de la distribución. el sesgo es 0.U e = −e  a2  − aµ − δ 2  2   = U e (µ . los pagos se acumularían hacia la cola derecha. δ 2 ) Nótese. al igual que en caso anterior. tales como se muestran en las siguientes figuras: Figura N° 1 SESGO POSITIVO SESGO NEGATIVO . que a medida que la media aumenta la función de utilidad esperada también aumenta. Extensiones Algunas veces la media y la varianza no nos ayuda a elegir una lotería frente a otra.

. el cuarto momento estadístico llamado curtosis. Las siguientes figuras muestran gráficamente los tres tipos de curvas ddee acuerdo a la definición anterior: Figura N° 7 LEPTOCÚRTICA PLATICURTICÚRTICA MESOCÚRTICA Una curva Mesocúrtica tiene un Coeficiente de Curtosis cercano a cero. un índice de curtosis positivo indica una distribución puntiaguda con poca acumulación de probabilidades en las colas (distribución leptocúrtica). este preferirá una distribución leptocúrtica.El consumidor preferirá un sesgo negativo. pues los pagos se acumulas en la parte positiva de la recta. De este modo. El coeficiente de curtosis viene dado por: 4 N γi = ∑ π i ⋅ (ci − µi ) i =1 σ4 −3 El coeficiente de curtosis mide cuan 'puntiaguda' es una distribución respecto de una distribución normal cuyo coeficiente de curtosis es 0. un valor notoriamente mayor que cero y una Platicúrtica valores menores que cero. mientras que un coeficiente de curtosis negativo corresponde a una distribución con poca a ac acumulación umulación de probabilidades alrededor de la media (distribución platicúrtica).puede ser también relevante. Una Leptocúrtica. Finalmente. Desde el punto de vista de un individuo adverso al riesgo. conviene señalar que para algunas decisiones.