1/13/2020

Curso: Inversiones en Mercado de Capitales

Profesor: Juan Carlos Botero Ramírez

Enero – Febrero de 2020

Universidad EAFIT

Motivación
Cuando piensan en inversiones, ¿quién se les viene a la cabeza?

Jack Welch James Simons Warren Buffett

GE Renaissance Technologies Berkshire Hathaway
O se les ocurren los teóricos que han hecho de esto una ciencia?

Eugene Fama Myron Scholes Andrew Lo

Efficient Market Hypothesis Black-Scholes Option Pricing Adaptive Market Hypothesis
2

1
 1/13/2020

Qué Entendemos por Mercado de Capitales?

Es el Mercado donde se transan títulos valores como acciones, bonos, commodities y derivados.
Estos títulos son de largo plazo y comprenden la participación de emisores de los títulos y de
inversionistas.

El mercado de capitales es el escenario donde el ahorro se convierte en inversión, ayudando a los

agentes del mercado, llámense empresas o personas naturales, a suplir sus necesidades de
financiamiento

Para este curso no vamos a considerar el mercado crediticio como parte del mercado de capitales.

Participantes del Mercado

Por dónde comprar o vender activos financieros?
• Bolsa: Bolsa de Valores de Colombia: Acciones y Renta Fija
• OTC: Over The Counter (Informal)
Reguladores:
• Superintendencia Financiera
• AMV
Supervisión:
• Superintendencia Financiera
Inversionistas:
• Menores: Personas Naturales
• Grandes: Empresas
• Calificados: Fondos de Pensiones, Aseguradoras y Sector Financiero
Emisores:
• De acciones, Bonos, CDT, etc

2
 1/13/2020

Tipos de Mercado
Mercado Cambiario
El mercado de divisas (peso/dólar) es el conjunto de todas las operaciones de compra venta de
dólares realizadas en el territorio Colombiano, dicho mercado es regulado por el Banco de la
República (Resolución 08 de 2000) y está compuesto por las operaciones realizadas en el
mercado cambiario y en el mercado libre.
Mercado Cambiario o Mercado Regulado

Está conformado por todas las operaciones que se canalizan a través de intermediarios
autorizados para el efecto denominados “Intermediarios del Mercado Cambiario” (IMC) o a través
del mecanismo de compensación autorizado por el Estatuto Cambiario.

Intermediarios Cambiarios (IMC)

Los Intermediarios Cambiarios (IMC) son las entidades definidas por la Junta Directiva del Banco de
la República, es decir, los Bancos Comerciales, los bancos hipotecarios, las corporaciones
financieras, las compañías de financiamiento comercial, Bancoldex, las cooperativas Financieras, las
sociedades comisionistas de Bolsa y las casas de cambio.
Qué instrumentos hacen parte del mercado cambiario?

Tipos de Mercado
Mercado de Renta Fija
El mercado de renta fija hace referencia, por lo general, a aquellos mercados en los que se
negocian activos financieros de deuda emitidos por los estados, organismos y entidades
públicas y por empresas privadas. Estos instrumentos en Colombia se transan en un sistema
llamado Master Trader, administrado por la Bolsa de Valores de Colombia (BVC).

Qué instrumentos hacen parte del mercado de renta fija?

Mercado de Acciones
El mercado de las acciones es el mercado en el que las sociedades pueden emitir títulos con el
fin de encontrar financiaciones. Los inversores que compran estos títulos se convierten
entonces en accionistas de la sociedad y obtienen dividendos calculados a partir de los
beneficios realizados por la empresa gracias a esta financiación y de manera proporcional al
número de acciones compradas.
Así pues, el mercado de las acciones permite adquirir títulos de todas las sociedades cotizadas
en Bolsa sobre los distintos mercados financieros mundiales.
Qué instrumentos hacen parte del mercado de acciones?

3
 1/13/2020

Tipos de Mercado
Mercado Monetario (Money Market):
El mercado monetario es una rama dentro del mercado financiero donde se negocian activos
financieros (certificado de depósitos, pagarés, etc.) a corto plazo. Su finalidad es ofrecer a los
agentes económicos la opción de transformar su riqueza en títulos o valores con alto grado de
liquidez.
Qué instrumentos hacen parte del mercado monetario?

Pantalla SET FX

Fuente: BNPParibas

4
 1/13/2020

Evolución Precio US Treasury 7-10y y S&P 500

Fuente: Investing.com
300

250

200

150

100

50

0
1-Apr-12 14-Aug-13 27-Dec-14 10-May-16 22-Sep-17 4-Feb-19 18-Jun-20
iShares 7-10 Year Treasury Bond ETF S&P 500

Ahora comparemos con Bitcoin

Evolución Precio US Treasury 7-10y, S&P 500 y Bitcoin

Fuente: Investing.com
400,000

350,000

300,000

250,000

200,000

150,000

100,000

50,000

0
1-Apr-12 14-Aug-13 27-Dec-14 10-May-16 22-Sep-17 4-Feb-19 18-Jun-20
iShares 7-10 Year Treasury Bond ETF S&P 500 Bitcoin

Esto nos da pie para comenzar a hablar de volatilidad como medida del riesgo

10

5
 1/13/2020

Algunos Conceptos Estadísticos

𝑁

Media 𝜇 = 𝐸(𝑟) = ෍ 𝑝𝑖 ⋅ 𝑟𝑖
𝑖=1

𝑁
Varianza 𝜎 2 = ෍ 𝑝𝑖 [𝑟𝑖 − 𝐸(𝑟)]2
𝑖=1

σ𝑁
𝑖=1 𝑝𝑖 (𝑟𝑖 − 𝜇)
3
Skewness 𝑠𝑘𝑒𝑤 =
𝜎3

σ𝑁
𝑖=1 𝑝𝑖 (𝑟𝑖 − 𝜇)
4
Kurtosis 𝑘𝑢𝑟𝑡 =
𝜎4

11

Estadísticas de Más de Una Muestra

Covarianza 𝜎𝑟𝑅 = ෍ 𝑝𝑖 (𝑟𝑖 − 𝜇𝑟 )(𝑅𝑖 − 𝜇𝑅 )

𝑖=1

𝜎𝑟𝑅
𝜌𝑟𝑅 =
Correlación 𝜎𝑟 ⋅ 𝜎𝑅

12

6
 1/13/2020

Ejemplos de Correlación Entre dos Variables

Aleatorias

13

Estimadores de Esos Indicadores

𝑁
1
Media 𝜇^𝑟 = ෍ 𝑟𝑖
𝑁
𝑖=1

𝑁
^2 1
Varianza σ = ෍[𝑟𝑖 − 𝜇^𝑟 ]2
𝑁−1
𝑖=1

Desviación ^
𝜎𝑟 = ^
𝜎𝑟2
Estándar
𝑁
^ 1 ^ )(𝑅 − ^
Covarianza 𝜎𝑟𝑅 = ෍(𝑟𝑖 − 𝜇 𝑟 𝑖 𝜇𝑅 )
𝑁−1
𝑖=1
^
𝜎𝑟𝑅
^
𝜌𝑟𝑅 = ^ ^
Correlación 𝜎𝑟 ⋅ 𝜎𝑅

14

7
 1/13/2020

Ejemplos
• Tomemos el archivo “Ejercicio Estadísticos” y calculemos la media, la
desviación estándar y la correlación entre los distintos pares de series

• Si E(x) = 0, ¿Cuál es E(y) si y =K.x

¿Cuál es la varianza de y?

15

Eventos Aleatorios
Qué hace que un evento sea aleatorio?

Cree Usted que el precio de mañana de una acción es un evento aleatorio?

Podemos calcular el valor esperado de eventos aleatorios. Si la probabilidad

de que el PIB crezca 3% en 2020 es del 40% y la probabilidad de que crezca
4% es 60%, cuál es el valor esperado del crecimiento del PIB en 2020?

16

8
 1/13/2020

Distribuciones de Probabilidad
Son la herramienta matemática para tratar eventos aleatorios
Dos de las distribuciones de probabilidad más usadas son:

Distribución Binomial Distribución Normal Estándar

0.09
0 con probabilidad 𝑝 0.08
𝑋=ቊ
1 con probabilidad 1 − 𝑝 0.07

0.06

0.05

0.04

0.03

0.02

0.01

0.00

-5.00
-4.60
-4.20
-3.80
-3.40
-3.00
-2.60
-2.20
-1.80
-1.40
-1.00
-0.60
-0.20
0.20
0.60
1.00
1.40
1.80
2.20
2.60
3.00
3.40
17

Distribuciones de Probabilidad
1 desviación estándar 68,26% de probabilidad
2 desviaciones estándar 95,54% de probabilidad Para el caso de la distribución normal
3 desviaciones estándar 99,74% de probabilidad

Por ejemplo, si graficáramos las calificaciones de los estudiantes del curso de

inversiones podríamos obtener:
# estudiantes
Es probable que siga una distribución de probabilidad
16
conocida como t-estadístico o t de student.
14
12
10
8
6 Tomemos el retorno del precio de una
4 acción y obtengamos el histograma
2
0
0-1 1-2 2-3 3-4 4-5
calificaciones

18

9
 1/13/2020

Distribución de Probabilidad

• La mayoría de eventos aleatorios se asume que siguen una distribución normal

• Esto es porque el tratamiento matemático se facilita considerablemente
• Una distribución Normal está determinada por la media y la varianza:
X~N(µ ;σ 2)
Quiere decir que la variable aleatoria X sigue una distribución Normal con
media µ y varianza σ 2

19

Distribución de Probabilidad de los Retornos

4.5
4
3.5
3
probabilidad

2.5
2
1.5
1
0.5
0
-0.80
-0.72
-0.64
-0.56
-0.48
-0.40
-0.32
-0.24
-0.16
-0.08
0.00
0.08
0.16
0.24
0.32
0.40
0.48
0.56
0.64
0.72
0.80
0.88
0.96

Retorno

Una de las distribuciones tiene media = 10% y σ = 10%, mientras que la otra tiene media = 10%
y σ = 20%. Cuál es cuál?

20

10
 1/13/2020

Distribución Normal
Cómo estandarizar variables que siguen una distribución Normal?

• La Distribución Normal Estándar (DNE) tiene media cero y varianza 1.

2
• Una variable aleatoria no estandarizada tiene media 𝜇Ƹ y varianza 𝜎ො .
• Para estandarizar y obtener intervalos de confianza, debemos restarle a este
indicador a la media y dividirlo por la desviación estándar. Así, la variable
normalizada z queda:
^ −µ
µ
𝑧=^ ~𝑁(0,1)
𝜎/ 𝑛

21

Distribución Normal
• Recuerdan cuando estimamos µ, σ 2 y ρ ?
• Asumimos que siguen una distribución Normal:

𝜎2
𝜇~𝑁
Ƹ 𝜇;
𝑛

22

11
 1/13/2020

Distribución Normal
• Suponga que: µ^ = 0,10 σ^ = 0,20 n = 64
^
Es µ = 0,10 significativo?

• Para el caso de la media:

Queremos tener una certeza del 97,5%. En Excel decimos:
• Insertar/Función/Distr.Norm.Estand.Inv/0,975
El resultado es z = 1,96
𝜇Ƹ − 𝜇
^
~𝑁(0,1) ⇒ −1,96 < z < +1,96
𝜎/ 𝑛
0,1 − 𝜇
⇒ −1,96 < < +1,96 ⇒ 0,0510 < 𝜇
0,2/ 64
< 0,1490

23

Ejercicio 1

• Si después de 100 eventos X sigue una distribución Normal con media 10% y
varianza 5%, Cuáles son los intervalos de confianza con un nivel de
significancia del 95%?

24

12
 1/13/2020

Por qué Usamos Distribución Normal?

La verdad es que el tratamiento matemático es más fácil con la distribución Normal

Qué implicaciones tiene? Por ejemplo, si queremos determinar la probabilidad de la

caída que se presentó en el Colcap el 5 de enero del 2015 que fue del 4.39%, qué nos
diría la distribución normal? (Remitámonos al archivo “Colcap Historical Data”).

𝑟−µ
Recordemos que X= 𝜎

Nos diría que la probabilidad es que ocurra una vez cada 2.5 millones de años

25

Evolución Histórica Colcap

Enero 5 2015
2,000
1,900
1,800
1,700
1,600
1,500
1,400
1,300
1,200
1,100
1,000
25-Feb-11

25-Feb-12

25-Feb-13

25-Feb-14

25-Feb-15

25-Feb-16

25-Feb-17

25-Feb-18

25-Feb-19
25-Jun-13

25-Oct-16
25-Oct-10

25-Jun-11
25-Oct-11

25-Jun-12
25-Oct-12

25-Oct-13

25-Jun-14
25-Oct-14

25-Jun-15
25-Oct-15

25-Jun-16

25-Jun-17
25-Oct-17

25-Jun-18
25-Oct-18

25-Jun-19
25-Oct-19

26

13
 1/13/2020

Ejercicio 2
• Tomemos la serie histórica del Colcap (Colcap Historical Data) y calculemos la
probabilidad de que el retorno diario esté por debajo del 2% (asumiendo que
sigue una distribución normal)

27

Modelo del Comportamiento del Precio de Acciones

Proceso de Wiener:
El cambio Δz durante un período de tiempo pequeño es:
Δ𝑧 = 𝜀 Δ𝑡

Donde ε es una variable aleatoria que sigue una distribución normal estándar N(0,1).
Por lo tanto:
Media de Δz = 0
σ de Δz = Δ𝑡
Varianza de Δz = Δt
Este es el proceso de Wiener básico, es decir, media cero y σ de 1.0. Media cero quiere
decir que el valor esperado de z en cualquier momento es igual a su valor actual. Una σ
de 1 quiere decir que la varianza del cambio en z en un período de tiempo T es igual a T.

28

14
 1/13/2020

Modelo del Comportamiento del Precio de Acciones

El proceso de Wiener generalizado se escribe como:
dx = a.dt + b.dz
Donde a y b son constantes.
Olvidémonos inicialmente del segundo término. La ecuación la podemos escribir así:
dx = a.dt. Quiere decir que x = xo + a.t
Donde xo es el valor de x en tiempo cero.
En un período de tiempo T, x se incrementa en una cantidad a.T.

El término b.dz es la variabilidad sobre la tendencia. La magnitud de esta variabilidad

es b veces el proceso de Wiener. Como el proceso de Wiener tiene una σ de 1, la σ de
b veces un proceso de Wiener es b.

29

Modelo del Comportamiento del Precio de Acciones

dx = a.dt

b.dz

30

15
 1/13/2020

Modelo del Comportamiento del Precio de Acciones

Para acciones el proceso es: dS = µ.S.dt + σ.S.dz
Donde:
S es el precio de la acción. En forma discreta:
ΔS = µ.S.Δt + σ.S.ε. Δ𝑡
Donde:
µ = Tasa esperada de retorno de la acción por unidad de tiempo
σ = Volatilidad de los retornos de la acción
µ.Δt = Valor esperado de retorno en un intervalo de tiempo.

Δ𝑆
≈ 𝑁 𝜇 ⋅ Δ𝑡; 𝜎 ⋅ Δ𝑡
𝑆

31

Modelo del Comportamiento del Precio de Acciones

Sin embargo,
ΔS = µ.S.Δt + σ.S.ε.
No es la solución de la ecuación diferencial. La solución es:

1
𝜇−2𝜎2 Δ𝑡+𝜎⋅𝑧𝑡 Δ𝑡
E [St]= St-Δt 𝑒

32

16
 1/13/2020

Implementación en Excel
• zt es un proceso aleatorio con media cero y varianza 1.
• El primer paso es generar zt, los cuales salen del generador de números aleatorios que
siguen una dist. Normal Estándar:
• DISTR.NORM.ESTAND.INV(ALEATORIO( )).
• Supongamos que queremos generar 20 caminos diferentes, cada uno con 10 períodos.

Período
Camino 1 2 3 ….. 10
1 z1,1 z1,2 z1,3 ….. z1,10
2 z2,1 z2,2 z2,3 ….. z2,10
3 z3,1 z3,2 z3,3 ….. z3,10
. . . . . .
. . . . . .
. . . . . .
20 z20,1 z20,2 z20,3 ….. z20,10

33

Implementación en Excel
• El siguiente paso es calcular el retorno de la acción en cada período de
duración Δt.

Período

1 ….. 10
Camino 2
2
….. e (r-½σ )Δt+σ Δ𝑡 z
1 e (r-½σ )Δt+σ Δ𝑡 z
1,1 1,10

2 2
2 e (r-½σ )Δt+σ Δ𝑡 z ….. e (r-½σ )Δt+σ Δ𝑡 z
2,10
2,1

2 2
3 e (r-½σ )Δt+σ Δ𝑡 z ….. e (r-½σ )Δt+σ Δ𝑡 z
3,10
3,1 .
. . .
. . .
. .
2 2
20 e (r-½σ )Δt+σ Δ𝑡 z ….. e (r-½σ )Δt+σ Δ𝑡 z
20,10
20,1

34

17
 1/13/2020

Implementación en Excel

• Llamemos cada una de las celdas de la matriz anterior (1+r1,1), (1+r1,2) etc.
Finalmente, obtenemos el precio de la acción para cada camino. Note que se
tienen 11 columnas puesto que se requiere una para ingresar el actual precio de la
acción.

35

Ejercicio 3
• Suponga que el precio de una acción que no paga dividendo, sigue un
proceso de Wiener. La media del retorno anual de esta acción es del 15% y
la desviación estándar del 20%. ¿Cuál es el precio esperado de una opción
Call Europea ATM sobre esa acción a un plazo de 90 días? Suponga que el
precio actual de la acción es de $100.

36

18
 1/13/2020

Fuente: Investing.com

37

Regresiones Lineales

38

19
 1/13/2020

Regresiones Lineales
• Se basan en el concepto de Mínimos Cuadrados Ordinarios (MCO)
• Los MCO buscan minimizar la suma del cuadrado de los errores entre una
estimación (que generalmente es lineal) y los datos reales
• Note que se minimiza el cuadrado de los errores y no el error debido a que
errores positivos pueden cancelarse con errores negativos y arrojar resultados
erróneos
• Recordemos que la ecuación de la recta está dada por:
y = m.x + b
Donde y es la variable dependiente, m es la pendiente de la recta y b el
intercepto con el eje “x”

39

Regresiones Lineales
Y

.
. . εi+n
εi . .
. . .

X
Min [ε21 + ε22 + …+ ε2i + … + ε2k]
• Lo que se quiere entonces es ajustar todos los puntos observados, que
relacionan X y Y, a una línea recta
40

20
 1/13/2020

Regresiones Lineales
• Qué tal si en lugar de una sola variable independiente (X), tuviéramos dos
La ecuación de la recta sigue siendo la
Y
. .
misma, pero X sería una matriz con tantas
filas como observaciones se tengan y tantas
columnas como variables independientes se
. . tengan
. . εi . . X1
Y = m1.X1 + m2.X2 + b
.
Que puede resumirse en:
.
Y = [m][X] + [b]

X2

41

Regresiones Lineales
• La ecuación estimada es de la forma:
Ŷ = β.X + C (1)
• Donde Ŷ es el valor estimado de la variable dependiente (Y), X es la variable
independiente, β es la pendiente de la recta estimada y C el intercepto con el
eje “y”.
• El valor observado de Y será igual al valor estimado más un término de error,
ya que la línea recta no se ajusta perfectamente a cada uno de los puntos.
Por lo tanto:
Y=Ŷ+ε (2)
• Lo que se quiere pues es minimizar ε
• Reemplazando (1) en (2):

42

21
 1/13/2020

Regresiones Lineales
Y = β.X + C + ε (3)
• El término C en (3) puede hacer parte del término β.X y por lo tanto (3) se puede
expresar: Y = β.X + ε (4)
• Y puede ser por ejemplo el crecimiento de la economía, mientras que X puede ser
un grupo de dos variables: tasas de interés y tasa de cambio, por ejemplo
• Note que Y es en realidad un vector de dimensión m. En este caso m es igual al
número de observaciones de crecimiento de la economía
• Por su parte X es una matriz, compuesta por m filas y n columnas. En ese caso n es
igual al número de variables independientes (2 en este caso) más uno (el
intercepto C)

43

Regresiones Lineales
• Si en (4) despejamos ε obtenemos
ε = Y − β.X
• Note que β es un vector de n filas por 1 columna. Por lo tanto, β.X no pueden ser
multiplicadas directamente, sino que la ecuación debe ser escrita como:
ε = Y − X.β
• El error al cuadrado será la multiplicación del vector ε por sí mismo. Para poder
hacer esta operación, debe obtenerse el vector transpuesto de ε, al cual llamamos
ε’. Por lo tanto:
ε’ ε = [Y − X.β]’ [Y − X.β]
• Despejando:
ε’ ε = Y’ Y − 2 Y’ X β + [X.β]’ [X.β]

44

22
 1/13/2020

Regresiones Lineales
• Lo que queremos es encontrar los valores de β que minimizan los errores al
cuadrado. Por lo tanto queremos hacer:
∂(ε’ ε )/∂β = 0
∂(ε’ ε )/∂β=−2 X’ Y + 2.X’.X.β= 0
• Despejando:
β=[X’.X]-1.X’ .Y

Ahora tenemos que contestar dos preguntas:

❶ Qué tan buena es la regresión?
❷ Qué tan significativos son cada uno de los coeficientes β obtenidos?

45

Regresiones Lineales
Qué tan buena es la regresión?
• Para esto utilizamos el coeficiente de determinación R2. Este mide el porcentaje de
la varianza de Y que es explicada por las variables independientes X. R2 se mueve
entre 0 y 1.
SSres
R2 = 1 -
SStot
Sstot = total sum of squares
Ssres = residual sum of squares
2
σ 𝑦𝑖 −𝑦ො
𝑅2 =1− σ𝑖 ത 2
𝑖 𝑦𝑖 −𝑦

• Evidentemente, mientras más cercano R2 a 1, mejor. En general, podríamos

decir que niveles de R2 por debajo de 0,8 no son buenos.

46

23
 1/13/2020

Regresiones Lineales
Qué tan significativos son los β obtenidos?

➔• Lo que se quiere es rechazar la hipótesis nula (Ho) de que el coeficiente β es

igual a cero
• Para esto se utiliza una prueba estadística conocida como t-estadístico.
• El t-estadístico sigue una distribución t, la cual permite testear hipótesis
cuando la varianza no es conocida. Noten que es distinto a cuando se testea
una distribución normal, en donde se conoce la varianza.
• El t-estadístico, igual que la distribución normal, tiene dos colas

47

Regresiones Lineales
Qué tan significativos son los β obtenidos?
• El t-estadístico se calcula como la media de la muestra menos la verdadera media dividido
por la desviación estándar de la muestra.

X − µX SX es la desviación estándar de la muestra

SX/ n n es el tamaño de la muestra
• Cuando tenemos una regresión múltiple (con varias variables independientes), como la
siguiente: 𝑦 (𝑖) = 𝛼 + 𝛽 𝑥 (𝑖) + 𝛽 𝑥 (𝑖) + ⋯ + 𝛽 𝑥 (𝑖) + 𝜖 (𝑖)
1 1 2 2 𝑘 𝑘

Los estimadores de esos coeficientes son 𝛽መ𝑗 con j = 1,…..k

෡𝑗 −𝛽𝑜
𝛽 1
el t-estadístico para los coeficientes β es: t = σ𝑛 𝑦 (𝑖) − 𝑦ො (𝑖) 2
𝑆𝐸𝛽
෡ 𝑛 − 2 𝑖=1
𝑆𝐸𝛽෡𝑗 =
Donde 𝑆𝐸𝛽෡ es el error estándar de los 2
σ𝑛𝑖=1 𝑥𝑗(𝑖) − 𝑥𝑗ҧ
beta estimados

48

24
 1/13/2020

Regresiones Lineales
Qué tan significativos son los β obtenidos?
Como la hipótesis nula (Ho) es que βo=0, el t-estadístico queda reducido a:

෡𝑗
𝛽
t=
𝑆𝐸𝛽
෡

La distribución t tiene la misma forma que una distribución normal, pero con colas
más largas.

49

Regresiones Lineales
Distribución del t-estadístico
Probabilidad

Rechaza (2,5%) Rechaza (2,5%)

−2.0 0 2.0

50

25
 1/13/2020

Ejemplo

51

Preferencias

•ESPECIALIZACIÓN EN FINANZAS

52

26
 1/13/2020

Preferencias
• Muchos de los análisis asumen que los agentes toman decisiones racionales, entre otras cosas
porque el tratamiento matemático es más fácil. Pero, qué tan racionales somos a la hora de
tomar decisiones?.
Les
Les propongo el siguiente
siguientejuego:
juego: tiramos una moneda hasta que salga cara. Cuando
salga cara yo les pago $2k donde k es número de veces que tuvimos que lanzar la
moneda hasta que saliera cara. ¿Cuánto están dispuestos a pagar por jugar?

¿Cuál es el valor esperado del juego?

Es Infinito!!!!
• ¿Cuál es la probabilidad de obtener cara por primera vez en el k-ésimo lanzamiento?

Correcto: es 1/2k
Por lo tanto el valor esperado del juego será: (½)21 + (¼)22 + …..+ (1/2k)(2k)
∞
= ∑(2−k)(2k) = ∞ Se conoce como la Paradoja de San Petesburg
k=1

53

Preferencias (Teoría de la Utilidad Marginal)

En 1738 Bernoulli resolvió esta paradoja diciendo que las personas no se fijan en la ganancia
monetaria esperada de un juego, sino en maximizar la utilidad obtenida. "cualquier incremento en
riqueza, no importa cuan insignificante, siempre resultará en un incremento en utilidad que es
inversamente proporcional a la cantidad de bienes ya poseídos”. La idea es que aunque la ganancia
monetaria pueda incrementarse indefinidamente, la utilidad de esa ganancia no se incrementa de
modo paralelo. Además de ese hecho básico, hay autores que defienden que muchas personas no
están dispuestas a hacer apuestas elevadas porque tienen aversión al riesgo.
∞ U(W) = Ln(W)
E[U] = ∑ (½)k Ln(2k) = 0.693
k=1

54

27
 1/13/2020

Preferencias
• El tema de las preferencias continuó evolucionando hasta que en 1944 se desarrolló el concepto
de la UTILIDAD ESPERADA por John Von Newmann y Oskar Morgenstern. La teoría de la
UTILIDAD ESPERADA es un modelo de elección racional donde los individuos toman decisiones
con incertidumbre (resultados inciertos). Cada resultado posible puede cuantificarse en términos
de útiles, y representarse a través de la función de utilidad. La elección preferida, según la
teoría, será aquella cuya utilidad esperada sea la más alta; es decir, aquella utilidad que, estando
ponderada por su probabilidad, sigue siendo mayor que el resto.
E[U(x)] = p1·U(x1) + p2·U(x2) + …+
• Sin embargo, pronto se encontraron con la llamada Paradoja de Allais:
Considere que tiene que escoger entre A1 y A2:
A1: Ganancia segura de $1.000.000

55
[ $5.000.000 con probabilidad 0,10
A2: $1.000.000 con probabilidad 0,89
$0 con probabilidad 0,01

Preferencias
• Ahora considere otras dos alternativas B1 y B2:

B1:
[$5.000.000 con probabilidad 0,10
$0 con probabilidad 0,9

B2:
[$1.000.000 con probabilidad 0,11
$0 con probabilidad 0,89
¿Qué alternativas entre A1 y A2 y entre B1 y B2 escogería?
• En muchos estudios se observó que la gente prefería A1 y B1, pero esas
escogencias son inconsistentes con la teoría de la utilidad esperada!!.

• Si Usted escogió A1 sobre A2 es porque la utilidad esperada de A1 > utilidad

esperada de A2. Por lo tanto:
U(1) > 0,1.U(5) + 0,89.U(1)+0,01.U(0)
56

28
 1/13/2020

Preferencias
Rescribiendo tenemos:
0,11∙U(1) > 0,10∙U(5) + 0,01∙U(0) (1)
**********************************************************************************************
Del mismo modo, con la preferencia de B1 sobre B2:
0,10∙U(5) +0,90∙U(0)>0,11∙U(1)+0,89∙U(0)
Rescribiendo tenemos:
0,11∙U(1) < 0,10∙U(5) + 0,01∙U(0) (2)

Pero claramente (1) contradice a (2). Para ser consistentes, A1 es preferible sobre A2
sólo si B2 es preferido sobre B1.

57

Preferencias (Teoría Prospectiva)

En 1979 se propuso una alternativa a la utilidad esperada, conocida como TEORÍA
PROSPECTIVA. Según esta, los individuos se fijan más en “prospectos” de ganancias o pérdidas
que en la riqueza total y la referencia desde la cual las utilidades o pérdidas son calculadas
cambian con el tiempo.
La teoría prospectiva o teoría de las perspectivas (Prospect Theory) fue desarrollada en 1979
por los psicólogos Daniel Kahneman (Premio Nobel de Economía en el año 2002) y Amos
Tversky (fallecido en 1996).
Principios Básicos:
❶ La evaluación de un resultado es relativa a un punto de referencia neutral, que a veces
se denomina “nivel de adaptación”. Para resultados monetarios, el punto de referencia
habitual es el nivel de riqueza actual, pero puede ser también el resultado esperado.
Resultados mejores que el punto de referencia se consideran ganancias; por debajo del
punto de referencia, son pérdidas.
❷ La sensibilidad a los cambios es decreciente para los cambios en la riqueza
❸ Aversión a la pérdida. Cuando se ponderan ganancias y pérdidas del mismo calibre,
estas últimas 'pesan' más. Es decir, la valoración subjetiva de una pérdida es mayor que
la de una ganancia objetivamente equivalente.

58

29
 1/13/2020

Preferencias (Teoría Prospectiva)

Es decir, contrario a muchas funciones de utilidad convencionales en donde el inversionista se
vuelve menos averso al riesgo en la medida en que la riqueza aumenta, la Teoría Prospectiva
estima que el grado de aversión al riesgo no baja cuando aumenta la riqueza. Es decir, el
inversionista re-centra sus preferencias de acuerdo con la riqueza actual.
La grafica muestra el valor psicológico de las ganancias y
las pérdidas que son las «portadoras» del valor en la teoría
de las perspectivas (a diferencia de lo que sucede en el
modelo de Bernoulli, en el que la riqueza total es la
portadora de valor).
La gráfica tiene dos partes distintas, una a la derecha y otra
a la izquierda respecto a un punto de referencia neutral.
Un aspecto importante es que tiene forma de S, la cual
representa la disminución de la sensibilidad a las ganancias
y a las pérdidas.
Y también es evidente que las dos curvas de la S no son
simétricas. La pendiente de la función cambia de manera
abrupta en el punto de referencia: La respuesta a las pérdi-
das es más enérgica que la respuesta a las ganancias correspondientes. Ello expresa la aversión a la pérdida.

59

Teoría Prospectiva

Escoja C1 ó C2
[[ C1: Una ganancia segura de $240.000

C 2:
$1.000.000 con probabilidad del 25%
$0 con probabilidad del 75%

A pesar de que E[C1] < E[C2], muchos individuos prefieren asegurar la utilidad y
escogen C1 sobre C2. En otras palabras, cuando se trata de utilidad es mejor
asegurar ésta.
Ahora considere las siguientes dos alternativas:
D1: Una pérdida segura de $750.000

D 2:
[$0
-$1.000.000
con probabilidad del 25%
con probabilidad del 75%

60

30
 1/13/2020

Teoría Prospectiva
A pesar de que el valor esperado en ambas es igual y que D2 es más riesgosa, muchos la
escogen sobre D1.
Cuando de pérdidas se trata, la gente prefiere correr el riesgo a ver si la suerte juega a
favor y no se pierde nada. Muy distinto a lo que pasa con utilidades.
C2 y D1 dominan sobre C1 y D2
Escogencias equivalentes:
$240.000 con probabilidad del 25%
C1 + D2 : ቊ
−$760.000 con probabilidad del 75%

$250.000 con probabilidad del 25%

C2 + D1 : ቊ
−$750.000 con probabilidad del 75%

Ningún individuo racional escogería C1+D2 sobre C2+D1. Sin embargo, cuando se les
presentan separadas, los individuos escogen las alternativas inferiores

61

Paradoja de Ellsberg (Riesgo vs Incertidumbre)

Cuando la gente debe escoger entre dos opciones, la mayoría se decide por aquella donde
la probabilidad es conocida

➔
• Les propongo un juego (E1) el cual les cuesta $10.000 participar: escoja un color
entre azul y verde. De la bolsa, donde hay 50 bolas azules y 50 verdes, escoja una.
Si coincide con el color escogido, les pago $20.000; sino, no les doy nada. ¿Quiénes
participan?

➔
• Les propongo otro juego (E2) el cual les cuesta $10.000 participar: escoja un color
entre azul y verde. De la bolsa, en donde no se sabe la proporción entre azules y
verdes, escoja una. Si coincide con el color escogido, les pago $20.000; sino, no les
doy nada. ¿Quiénes participan?

62

31
 1/13/2020

Paradoja de Ellsberg (Riesgo vs Incertidumbre)

• En E2 la probabilidad de sacar el color escogido es la misma que en E1 e igual a 0,5.
Alguien lo quiere demostrar?
Llamemos p la proporción de bolas verdes. Por lo tanto p puede tomar 101 valores
posibles: 0/100;1/100;….;100/100

La probabilidad de que la proporción de bolas verdes sea 0/100 es de 1 en 101

(1/101). La probabilidad de que la proporción sea de 1/100 también es de (1/101).
Sumando esas probabilidades obtenemos el valor esperado de p:

100
1 0 1 1 1 100 1
× + × +. . . . + × = ෍i
101 100 101 100 101 100 100 × 101
i=0

=50/100

63

En Qué Consiste en Problema de la Inversión?

64

32
 1/13/2020

Términos Importantes

ESTAR LARGO

QUIERE DECIR COMPRAR UN ACTIVO. ESTAR LARGO EN DÓLARES SIGNIFICA QUE

USTED POSEE LOS DÓLARES

ESTAR CORTO

QUIERE DECIR VENDER UN ACTIVO SIN TENERLO. PARA ACORTARSE EN DÓLARES

USTED PIDE UN PRÉSTAMO EN DÓLARES Y LOS VENDE PARA EN UNA FECHA FUTURA
COMPRARLOS CON EL FIN DE DEVOLVERLOS A QUIEN SE LOS PRESTÓ.

65

El Problema de la Inversión
Maximizar la Utilidad Esperada durante toda la vida, sujeto a:
Ingreso durante la vida Fecha de retiro T Longevidad T + L
Restricciones Presupuestales Universo de Activos Invertibles
Dinámica del Retorno de los Activos {Rit} Información Sobre el Ambiente {Xit}

De qué dependerá la función de Utilidad?

U = retorno – riesgo

U = E(r) – σ2 Pero el riesgo no afecta en la misma medida a un inversionista averso al

riesgo que a uno tomador de riesgo. Para solucionar esto agregamos el
factor de aversión al riesgo (A).

U = E(r) – ½·A·σ2 El ½ aparece considerando que la función de Utilidad es convexa.||

66

33
 1/13/2020

Descripción del Problema

❶ Oportunidad de la Inversión:

Tenemos una tasa libre de riesgo rf = 8%

Tenemos un portafolio riesgoso: E[rp]=15% y σ(rp) = 20%

❷ Un inversionista cuya función de utilidad se define de la siguiente manera:

U(ry) = E (ry) – ½.A.σ 2 A se puede trabajar con números enteros entre 1 y 5.

Esta es una función de Utilidad de Media-Varianza, muy útil para encontrar portafolios con el máximo
retorno esperado dado un nivel de riesgo; o con el menor riesgo posible, dado un objetivo de
rentabilidad.
Para inversores muy aversos al riesgo A será muy grande. Para inversores neutrales al riesgo A = 0

67

Descripción del Problema

❸ La Selección Óptima de Portafolios:

Invierta una porción y de la riqueza en el portafolio riesgoso, dejando el resto para el activo libre
de riesgo.

Posibles portafolios: ry = (1 – y)·rf + y·rp

Max U(r )
Portafolio Óptimo: y
𝑦∈𝕽

68

34
 1/13/2020

Construcción del Portafolio

E [ry] = E [(1 – y) rf] + E [y. rp] = rf + y.(rp − rf)
En nuestro caso E [ry] = 8% + 7%. y
Var(ry) = Var[rf ∙(1−y)] + Var[y. rp] + 2∙cov[(1−y)∙ rf , y∙ rp ]
Var(rf) será cero y 2∙cov[rf , rp ] será cero también. Por lo tanto, para nuestro caso:
Var(ry) = 0 + 0,202∙ y 2 + 0
σ(ry) = 0,20 * y

Despejando y en la ec. del valor esperado y la de la σ podemos decir:

𝐸[𝑟𝑦 ] − 𝑟𝑓 𝜎(𝑟𝑦 )
𝑦= =
𝐸[𝑟𝑝 ] − 𝑟𝑓 𝜎(𝑟𝑝 )

𝐸[𝑟𝑝 ] − 𝑟𝑓
𝐸[𝑟𝑦 ] − 𝑟𝑓 = ⋅ 𝜎(𝑟𝑦 ) (1)
𝜎(𝑟𝑝 )

69

Línea de Alocación de Capital (CAL)

Note que la ec. (1) es la ecuación de una recta. Gráficamente:

E(r)

E(rp) .
P

E(rp) − rf
rf S

σp σ
La línea de alocación de capital es el conjunto de puntos que representan las posibles combinaciones de
retorno y riesgo que ofrece el mercado

Cuál es la pendiente de CAL?

70

35
 1/13/2020

El Radio de Sharpe
Es una medida de qué tan atractivo es un portafolio.

𝐸[𝑟𝑝 ] − 𝑟𝑓
𝑆=
𝜎𝑝

Indica el exceso de retorno que se obtiene por cada unidad de riesgo tomado

71

La Optimización
Recordemos que queremos maximizar la función de Utilidad. U(r) = E (r) – ½.A.σ 2
Recordemos también que E [ry] = rf + y.(rp – rf)
Reemplazando en la ec. de Utilidad:
U(r) = rf + y.(rp – rf ) – ½.A.σp 2.y2
En el ejemplo, U(r) = 0.08 + 0.07 y –½.A.(0.20)2y2
U(r) = 0.08 + 0.07y – (0.02).A.y2
¿Cómo encontrar el máximo de una función?
∂U/∂y = (rp – rf) – (A) σp 2.y = 0

∗ 𝑟𝑝 − 𝑟𝑓 Qué pasará con y* si el inversio-

𝑦 =
A ⋅ 𝜎𝑝2 nista es más tomador de riesgo?

∗ 0.07
Si hacemos A = 4: 𝑦 = = 43,75%
4 ⋅ (0.20)2

72

36
 1/13/2020

La Optimización

Utilidad
E(r)
U6
U5 P1 U4
U4 U5
U3 U3
U2
U1 U2
rf U6

U1

σ y* y

73

La Optimización

Utilidad
E(r) 𝑈62
𝑈42
P3 𝑈52 P2 𝑈52
𝑈42 𝑈32
P
1 1 𝑈41
𝑈32 𝑈6
𝑈62
𝑈51 𝑈51
𝑈22 𝑈22 𝑈31
𝑈41
𝑈31
rf 𝑈21 𝑈21 𝑈61
𝑗
𝑈1 𝑈12
𝑈11

σ y*1 y*2 y*3 y

74

37
 1/13/2020

Menor aversión
Utilidad al Riesgo

.
. .
14
Aversión al
Riesgo media 12

10

Mayor aversión 8
al riesgo
6

0%
5%

100%
15%

35%

55%

75%
10%

20%
25%
30%

40%
45%
50%

60%
65%
70%

80%
85%
90%
95%
0 y U=1 U=2 U=3 U=4 U=5

75

Ejercicio
Suponga que tenemos un portafolio riesgoso compuesto por dos activos:
Acciones con un retorno esperado del 10% y una desviación estándar del 20% y bonos
corporativos, con un retorno esperado del 8% y desviación estándar del 15%. El 70% está
invertido en acciones y el 30% en los bonos corporativos.

La correlación entre ambos activos es del 50%

La tasa libre de riesgo es del 5%.

Se trata de un inversionista con un apetito medio por el riesgo. A = 3

Qué porcentaje de su portafolio total va a invertir en el portafolio riesgoso y qué porcentaje en

el NO riesgoso?

76

38
 1/13/2020

Ejercicio
Hasta el momento vimos una función de utilidad en donde un mayor retorno esperado es
deseado y una mayor volatilidad es indeseada. Podemos añadir un tercer factor, en donde
el skewness (nivel de simetría) puede existir (es decir, los retornos del activo de riesgo no
necesariamente son normales) y es deseable un skewness positivo, mientras uno negativo
es indeseado.
En este caso la función de utilidad luciría de esta forma:
1 1
𝑈 𝑟 = 𝐸 𝑟 − A𝜎 2 𝑟 + 𝐵 · 𝐸 𝑟 − 𝐸(𝑟) 3
2 6
Si el inversionista tiene preferencia por skewness positiva, y no por skewness negativa, B>0
𝐸 𝑟 − 𝐸(𝑟) 3 = skew(r)· 𝜎(𝑟)3
Si rf = 7%, E(rp) = 15% y σ(rp) = 25%. El inversionista es averso al riesgo (escoja el valor de
A adecuado entre 1 y 4). El skew del activo riesgoso es de -2 y B = 5.
Cuál es el porcentaje que ese inversionista pondrá en el activo riesgoso?

77

Ejercicio (Continuación)
Deben llegar a

𝑨 ± 𝑨𝟐 − 𝟐 ∙ 𝑩 ∙ 𝒔𝒌𝒆𝒘 ∙ 𝝈−𝟏
𝒑 𝒓𝒑 − 𝒓𝒇
𝒚∗ =
𝑩 ∙ 𝒔𝒌𝒆𝒘 ∙ 𝝈𝒑

También puede usarse BUSCAR OBJETIVO de Excel para obtener el “y” que haga que la derivada de
la Utilidad con respecto a “y” sea cero, así:
1 1
𝑈 = 𝑦 ∙ 𝐸 𝑟𝑝 + 1 − 𝑦 𝑟𝑓 − 𝐴 ∙ 𝜎𝑦2 + 𝐵 ∙ 𝑠𝑘𝑒𝑤 ∙ 𝜎𝑦3
2 6
𝜕𝑈 𝜕𝜎𝑦 1 𝜕𝜎𝑦 𝜕𝜎𝑦
= 𝐸 𝑟𝑝 − 𝑟𝑓 − 𝐴 ∙ 𝜎𝑦 + 𝐵 ∙ 𝑠𝑘𝑒𝑤 ∙ 𝜎𝑦2 =0 Como 𝜎𝑦 = 𝑦 ∙ 𝜎𝑝 ⇒
𝜕𝑦
= 𝜎𝑝
𝜕𝑦 𝜕𝑦 2 𝜕𝑦

𝜕𝑈 1
Por lo tanto: = 𝐸 𝑟𝑝 − 𝑟𝑓 − 𝐴 ∙ 𝜎𝑦 · 𝜎𝑝 + 𝐵 ∙ 𝑠𝑘𝑒𝑤 ∙ 𝜎𝑦2 ∙ 𝜎𝑝 = 0
𝜕𝑦 2

78

39
 1/13/2020

Ejercicio 2
Tomemos la serie histórica del retorno de la acción de Grupo Argos y calculemos el valor
esperado, la desviación estándar y el skew (coeficiente de asimetría).

Suponga que el activo riesgoso es esa acción de Grupo Argos y que se trata de un
inversionista con un A=4. Suponga además que B=3.

Asuma que la tasa libre de riesgo es de 4%.

Qué porcentaje de su portafolio total va a invertir en el portafolio riesgoso y qué porcentaje en

el NO riesgoso?

79

Optimización del Portafolio Riesgoso

•ESPECIALIZACIÓN EN FINANZAS

80

40
 1/13/2020

Universo de Activos Riesgosos

Índices Accionarios: Tasas de Cambio Money Markets

31 31 111 ¿Cómo
países monedas mercados
determinar la
proporción
óptima a
Swaps Bonos Soberanos Commodities invertir en
cada uno de
ellos?

121 153 33
mercados bonos commoditties

Esto no incluye acciones individuales, fondos mutuos, fondos de venture capital, futuros, opciones,
y otros derivados.

81

Dos Activos de Riesgo

Suponga inicialmente que tenemos 2 activos de riesgo. El primero pueden ser acciones y
el segundo bonos corporativos:
1) r1 µ1 = 15% ; σ1 = 20%
2) r2 µ2 = 10% ; σ2 = 15%
Correlación de los retornos: ρ = corr(r1,r2) = 30%

Digamos que queremos invertir una porción w en el activo 1 (acciones) y una porción (1 –
w) en el activo 2 (bonos corporativos)

¿Cuál es el retorno esperado del portafolio de riesgo (compuestos por estos dos activos)?
µp = w. µ1 + (1 – w). µ2

¿Cuál es la varianza del portafolio de riesgo?

Cálculo de μp y σ2p en
σ 2p = w 2. σ 21 + 2.w.(1 – w). cov (r1,r2) + (1 – w)2. σ 22 Excel

82

41
 1/13/2020

Dos Activos de Riesgo

• Cómo sería la gráfica de media contra desviación estándar?

16%
Acciones
15%

14%

13%
media (m i)

12%

11%

10% Bonos
9%
13% 15% 17% 19% 21%
si

83

Dos Activos de Riesgo

µ

Frontera
Eficiente
µ*
. .
µa
.
. .a.

σa σ
• Cualquier punto por fuera de la frontera eficiente es justamente eso, NO
eficiente. Para ese nivel dado de riesgo, siempre se podrá encontrar una mejor
rentabilidad.
• El portafolio a tiene un riesgo σa y una rentabilidad µa. Para dicho riesgo, µ* es
más alto que µa.
84

42
 1/13/2020

Frontera Eficiente
Dado el retorno esperado y la varianza de un portafolio,

𝐸 𝑟𝑝 = 𝑤1 ∙ 𝜇1 + ⋯ + 𝑤𝑛 ∙ 𝜇𝑛

𝑉𝑎𝑟 𝑟𝑝 = ෍ 𝑤𝑖2 ∙ 𝜎𝑖2 + ෍ 𝑤𝑖 ∙ 𝑤𝑗 ∙ 𝐶𝑜𝑣[𝑟𝑖 , 𝑟𝑗 ]

𝑖=1 𝑖≠𝑗

Cómo debemos escoger los pesos ideales?

❶ Todos los portafolios factibles caen dentro de una región en forma de bala llamada la frontera de mínima
varianza

❷ La frontera eficiente es la mitad superior de la frontera de mínima varianza. Por qué?

❸Un inversionista racional deberá seleccionar portafolios que estén en la frontera eficiente.

85

Frontera Eficiente

16%

15%

14%

13%
media (μ i)

12% Frontera de mínima varianza

11%

10%

9%
13% 14% 15% 16% 17% 18% 19% 20% 21%
σi

86

43
 1/13/2020

Dos Activos de Riesgo

Recuerdan la CAL?

Permitía saber cuánto invertir en activos riesgosos y cuánto en activos libres de riesgo

La Frontera Eficiente:

Permite saber cómo distribuir la inversión en los activos riesgosos

87

Dos Activos de Riesgo

µ
CAL
Frontera
Eficiente
r*

rf

σ
σ*
• El análisis de CAL nos dice: invierta y en activos riesgosos y (1 – y) en libres de riesgo
• El análisis de Frontera Eficiente nos dice: de ese porcentaje y en riesgosos, invierta w
en 1 y (1 – w) en 2.
Es decir, el retorno esperado del portafolio total será: ry,w = (1 – y)rf + y[w.r1 + (1 – w)r2]

88

44
 1/13/2020

Dos Activos de Riesgo

µ

b
rf a

σ
• ¿Cuál será la línea óptima?
• Qué características tiene la línea que cruza por c ?
• El problema se reduce entonces a maximizar la pendiente de CAL de acuerdo con los
diferentes retornos de activos riesgosos que me permite la frontera eficiente

89

Dos Activos de Riesgo

𝐸(𝑟𝑝 ) − 𝑟𝑓
𝑀𝑎𝑥 𝑆𝑝 = Sujeto a que ∑wi = 1
𝑤𝑖 𝜎𝑝

Para el caso de 2 activos riesgosos la solución es:

E(rp)= w. E(r1) + (1 – w). E(r2)

σ 2p = w 2. σ 21 + 2.w.(1 – w). Cov (r1, r2) + (1 – w)2. σ 22

w ⋅ 𝐸(𝑟1 ) + (1 − w) ⋅ 𝐸(𝑟2 ) − 𝑟𝑓
𝑀𝑎𝑥 𝑆𝑝 =
𝑤𝑖 w 2 ⋅ 𝜎12 + 2 ⋅ w ⋅ (1 − w) ⋅ cov( 𝑟1 , 𝑟2 ) + (1 − w)2 ⋅ 𝜎22 1/2

𝜕𝐸(𝑟𝑝 ) 𝜕𝜎𝑝
𝜕𝑆𝑝 ⋅ 𝜎𝑝 − 𝐸(𝑟𝑝 ) − 𝑟𝑓
= 𝜕w 𝜕w = 0
𝜕w 𝜎𝑝2

90

45
 1/13/2020

Dos Activos de Riesgo

𝜕𝐸(𝑟𝑝 )
= 𝐸(𝑟1 ) − 𝐸(𝑟2 )
𝜕w
𝜕𝜎𝑝 1
= 𝑤. 𝜎12 + (1 − 2𝑤) cov( 𝑟1 , 𝑟2 ) − (1 − 𝑤)𝜎22
𝜕𝑤 𝜎𝑝

𝜕𝐸(𝑟𝑝 ) 𝜕𝜎𝑝
Encuentre el w que haga: ⋅ 𝜎𝑝 = 𝐸(𝑟𝑝 ) − 𝑟𝑓
𝜕w 𝜕w

Analíticamente:
𝜎22 𝐸(𝑟1 ) − 𝑟𝑓 − cov(𝑟1 , 𝑟2 ) 𝐸(𝑟2 ) − 𝑟𝑓
w=
𝜎22 𝐸 𝑟1 − 𝑟𝑓 + 𝜎12 𝐸 𝑟2 − 𝑟𝑓 − cov(𝑟1 , 𝑟2 )[𝐸(𝑟1 ) + 𝐸(𝑟2 ) − 2 ⋅ 𝑟𝑓 ]

91

Dos Activos de Riesgo

Recuerden que en nuestro ejemplo:

1) r1 µ1 = 15% ; σ1 = 20%
rf = 8%
2) r2 µ2 = 10% ; σ2 = 15%
Correlación de los retornos: ρ = corr(r1,r2) = 30%
w=
Resolviendo para w, temenos que: 89,1%

92

46
 1/13/2020

Dos Activos de Riesgo

El retorno esperado del portafolio riesgoso es de:
E(rp) = (0,891) (0,15) + (0,109) (0,10) = 14,5%

La desviación estándar del portafolio eficiente es:

σ 2p = 0,8912. 0,22 + 2 x 0,891 (1 – 0,891) (0,3) (0,2) (0,15) + (1 – 0,891)2 (0,15)2
σ p = 18,4%

La CAL del portafolio eficiente tiene una pendiente de:

14,5% − 8%
Sp = 18,4% = 0,35

Un inversionista con un coeficiente de aversión al riesgo A=4, depositará un

porcentaje y* en el portafolio riesgoso :

93

Dos Activos de Riesgo

0.145 − 0.08 = 47,8%
y* = (4)(0.184)2
• En resumen, este inversionista dedicará el 47,8% de su patrimonio al portafolio riesgoso
y el 52,2% al portafolio libre de riesgo.
• En el portafolio riesgoso, compuesto por 2 activos, invertirá el (0,478) (0,891) = 42,6%
en el activo 1 y (0,478) (0,109) = 5,2% en el activo 2.

Activo Libre de Riesgo

5.20%

Activo 1
42.60%

52.20% Activo 2

94

47
 1/13/2020

Dos Activos de Riesgo

Es importante notar que la decisión de cuánto asignar al portafolio riesgoso versus

el portafolio libre de riesgo, depende del grado de aversión al riesgo del
inversionista.

Por su parte la decisión de cuánto asignar a cada uno de los activos riesgosos es la
misma para todos los inversionistas, sin importar su grado de aversión al riesgo.

Se conoce como el Principio de Separación (James Tobin – 1958)

95

Ejercicio

Suponga que tenemos dos activos riesgosos:

µ1 = 12% σ1 = 15%
µ2 = 18% σ2 = 20%
La correlación entre ambos activos es del 25%.
La tasa libre de riesgo es del 8%.
Suponga que se trata de un inversionista averso al riesgo (A=6).

¿Cuánto invertirá en el activo libre de riesgo y cuánto en cada activo de

riesgo?
Ir a Excel

96

48
 1/13/2020

Muchos Activos Riesgosos

•ESPECIALIZACIÓN EN FINANZAS

97

Muchos Activos Riesgosos

• ¿Qué pasa si en lugar de sólo 2 activos de riesgo, extendemos el análisis a muchos de
ellos?
¿Cómo serían las expresiones para la media y la varianza?
Para la media tendríamos:
µp = w1.r1 + w2.r2 + …. + wn.rn
µp = Σi(wi.ri)
Con la restricción de que Σi(wi) = 1

Para la varianza tendríamos:

σp2 = w12.r12 + w22.r22 + … + wn2.rn2 + 2.w1.w2.cov(r1,r2) + 2.w1.w3.cov(r1,r3) + …. +
2.w1.wn.cov(r1,rn) + … + 2.wn-1.wn.cov(rn-1,rn)

98

49
 1/13/2020

Muchos Activos Riesgosos

Otra manera, más elegante, de escribir la varianza es:
𝑛 𝑛

𝜎𝑝2 = ෍ ෍ w𝑖 ⋅ w𝑗 ⋅ cov(𝑟𝑖 , 𝑟𝑗 )
𝑖=1 𝑗=1

¿Cómo la podríamos escribir en forma matricial?

σp2 = [wi]T[cov][wj]

nxn nx1
1xn

Donde:

[wi]T = [w1+w2+….+wn]

99

Muchos Activos Riesgosos

cov(r1,r1) cov(r1,r2) cov(r1,r3) ….. cov(r1,rn)
cov(r2,r1) cov(r2,r2) cov(r2,r3) ….. cov(r2,rn)
cov(r3,r1) cov(r3,r2) cov(r3,r3) ….. cov(r3,rn)
[cov] = . . . . .
. . . . .
. . . . .
cov(rn,r1) cov(rn,r2) cov(rn,r3) ….. cov(rn,rn)

w1
w2
[wj] = .
.
.
wn

100

50
 1/13/2020

Implementación en Excel
❶ Para cada uno de los activos calcule la D.S. y retorno promedio histórico
❷ Con esta serie histórica de retornos calcule la correlación entre cada pareja
❸ Obtenga la matriz de varianza-covarianza
❹ Parta de unos wi iniciales para calcular la varianza y retorno del portafolio
❺ Utilice la función Solver de Excel para minimizar la varianza, sujeto a las siguientes
restricciones:
∑wi = 1
wi ≥ 0
E(rp) = (dato que se entra)
❻ Construya una tabla con distintos E(rp). Para cada uno de esos E(rp) obtenga la mínima
varianza. Esto implica correr el Solver cuantos puntos sobre la frontera eficiente quiera
calcular.

101

Implementación en Excel
❼ Calcule el radio de Sharpe (RS) para cada pareja E(rp) y σ estimada.
❽ Seleccione la pareja con el mayor RS
❾ La CAL que es tangente a la frontera eficiente tendrá una pendiente igual al mayor RS.
❿ Ya cuenta con dos puntos de la CAL: el inicial (0, rf) y el del mayor RS
⓫ Con estos dos puntos calcule la ecuación de la CAL.

Ir a hoja de Cálculo

102

51
 1/13/2020

Bondades de la Diversificación

De www.investing.com baje la serie de cinco acciones: Éxito, Bancolombia,

Ecopetrol, Grupo Argos y ETB. Calcule el portafolio riesgoso óptimo y la CAL. ←click
Asuma que rf = 2%

103

Bondades de la Diversificación
Suponga que la acción promedio en el mercado tiene una desviación estándar del 10% y la correlación
promedio entre las acciones es de 0.4. Si Usted invierte la misma suma de dinero en cada acción, cuál es la
varianza del portafolio? Cuál sería si la correlación fuera de cero. Cuál si la correlación fuera de 1.0?
𝑪𝒐𝒗 𝒓𝒊 , 𝒓𝒋 = 𝜌𝑖𝑗 × 𝜎𝑖 𝜎𝑗 = 𝜌𝑖𝑗 × 0.10 × 0.10
1 𝑛−1
𝑽𝒂𝒓 𝒓𝒑 = 0.102 + 𝐶𝑜𝑣[𝑟𝑖 , 𝑟𝑗 ]
𝑛 𝑛
12%
𝜌 = 1.0
Desv. Est. del portafolio

10%

8%
𝜌 = 0.4
6%

4%

2% 𝜌=0
0%
17

25

33
13

21

29

37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
9
1
5

Número de compañías

104

52
 1/13/2020

Bondades de la Diversificación

Eventualmente los beneficios de la

diversificación llegan a un límite
Varianza del portafolio

Riesgo eliminado por Queda un riesgo remanente llamado

diversificación riesgo sistemático, que es común a
Riesgo total de una todas las acciones.
acción típica
Algunas fuentes de riesgo sistemático
pueden ser:
Riesgo no diversificable
- Crédito
o sistemático - Liquidez
- Ciclo del negocio
- Value/growth
Número de acciones en el portafolio

105

µ
Curva de CAL
Indiferencia (función de utilidad)

c
Frontera
Eficiente
Portafolio
rf Riesgoso
óptimo
Óptimo
Portafolio
completo

106

53